大疆想收编的云台团队，十年做了四个硬件品类，现在押注 AI Memory。作者丨吴优
Plaud 爆火之后，国内一家叫 Flowtica 的公司也在短时间内闯入大众视野，去年上半年在 Kickstarter 平台上发布了世界首款 AI 笔 Flowtica Scribe，最终筹得 33 万美金。这支笔仅重 34.5 克笔，配备录音室级 MEMS 麦克风、280mAh 电池、最长约 30 小时连续录音，把记录、转写、摘要一体化。鲜为人知的是，Flowtica 的创始团队并非从零起步。创始人 Rian 此前有超过十年的硬件创业经历，从手持云台到农业分拣机器人。这支团队在机器视觉和边缘 AI 上攒下的工程家底，现在要全部压在 Agent 原生硬件这条新赛道上 ，Flowtica 就是他们交出来的答卷。和去年 VC 偏爱的“大疆系”画像略有不同，Rian 并非从大疆离职创业，但成长路径与大疆有着深厚的渊源——92 年出生的 Rian 是李泽湘老师最后一位学术研究生，和几位同学代表港科大打出了 Robocon 参赛史上的最好成绩，至今无人打破。22岁的 Rian 第一次创业时做了手持云台，率先实现手机控制和极致防抖，差一点被大疆收编，二次创业做的智能猫砂盆，众筹金额做到 130 万美金，再次转身做的农业水果分拣设备，很快跻身行业第二。今天的 AI 硬件创业者正在经历的事情，以及取得的阶段性成绩，Rian 都经历过一遍，这些成绩甚至是他屡次转身的原因：“我们预判纯硬件生意竞争的终局，领先期只有半年到一年。一旦双雄并立，稀缺性消失。后来者追平产品力后，只需用六七折的价格提供同等品质，价格战便不可避免。比起陷入比拼运营的商业化竞争，我们更想创造差异化的新东西。”用当下比较流行的词汇形容，创办 Flowtica 之前的 Rian 更像是一位 Builder。他擅长从用户视角感受产品，一旦发现市面上最好的解决方案也不达预期，创造欲望就会被激发，用最先进的技术能力将产品用户体验提高一个层级——手持云台的极致防抖和全景拼接、智能猫砂盆的前后倾转结构、水果分拣机器人的精准识别......创办 Flowtica，对 Rian 而言更像是一次回归。端侧大模型和 Agent 能力成熟之后，他过去想做但受制于模型能力的硬件形态，现在终于能做了。Flowtica 推出录音笔后，紧接着推出了新一代 Flowtica Verso，一块能够磁吸在手机背面的智能硬件，搭载电子墨水屏，兼具记录与执行的随身 Agent 实体入口。在 Verso 开启海外预售之前，雷峰网·鲸犀来到 Flowtica 办公室和 Rian 及其团队聊了聊，回顾了 Rian 这十多年的创业经历，以及目前正在做的事情。本文主要回答三个问题：1、跨赛道做硬件的这十年，Rian 练成了哪些方法论？2、Agent 时代，Rian 对 AI 硬件的趋势判断；3、AI 录音记忆硬件的竞争如此激烈，Flowtica 交出了什么样的答卷？鲸犀：你的创业经历非常丰富，分享一下你是怎么和硬件创业结缘的？
Rian：我本科在港科大念书，比较幸运结识了李泽湘老师，是李老师的最后一位学术研究生。当时还跟着他去打 RoboCon 机器人比赛，我们是他带的最后一届比赛，拿到了港科大有史以来最好的成绩，也是迄今为止最好的成绩。分享印象比较深刻的一件事，大疆当时发布第一代飞机，Phantom 1 到 Phantom 2 价格涨了，销量反而暴增。这在当时让我非常震惊—— 一个中国硬件品牌，靠产品力把价格打上去，用户还越买越多。后来大疆把 3D Robotics 从 ToC 市场打出去，我们更加震惊，真实地感受到中国智造和硬科技创新的实力，也建立起一些信心。也就是那几年，李老师逐渐觉得他最好的学生不应该再往硅谷送，开始把学生留下来创业，我当时做的就是云台方向的创业。Rian：云台当时只有两轴，拿在手上转动的画面非常生硬，这让我们有机会去做控制算法的创新。我们把自动全景拼接、夜景、防抖这些当时最前沿的算法都做到了 SOTA，还用卡尔曼滤波做了人脸追踪，通过蓝牙把手机和云台打通，算是最早的"杵在桌上的 Camera Man "。鲸犀：当时的资本市场如何看待你们在做的 Camera Man ？融资顺利吗？
Rian：那时候投资人投得都是互联网项目，没人投硬件，觉得硬件都是垃圾生意。不过李老师把我和另外一个 Co-founder 介绍给了汪滔。汪滔觉得我们这个云台做得很好，他的产品线确实缺一个能带队的人，他希望我们加入进去。但我们当时比较坚决要创业，所以还是选择了创立自己的品牌。Rian：学生时代，账上有 1 万块对我们来说都是大钱，最后我们找身边的朋友和家人凑了 100 万。众筹又融了 100 多万港币，是当时这个品类里众筹金额最高的项目之一。那时候我们产品毛利 80%、CPM 做到 5 美金，出货数十 万台，快速盈利了。但当时我们就是一群大学生兼职创业，供应链和管理全是短板，遇到供应链整合能力更强的厂商后，最终选择了整体出售。鲸犀：你当时很坚决想要创业，为什么在产品势头很好的时候又愿意卖掉公司？
Rian：这是一个很好的问题，我当时 22 岁出头，非常想拿一个结果证明自己，对方给的收购条件也很有诚意。更重要的是，我们预判到了这个品类的终局：通常硬件产品会有半年到一年的领先期，一旦这个赛道有两家公司在做同样的事情，大家就会开始卷价格。我们很恐惧别人做出来同样的东西，可预期的未来就是变成拼运营，这不是我们当时想要的结果。比起马上进入商业同质化竞争环境，我们更想做出更多新东西。Rian：当时我刚出社会，没有职业烙印，觉得自己有工程师技能、消费者视角和产品审美，就有无限可能。我对硬件品类选择有个底层逻辑：需求已经被验证、竞争基线很低。当时美国的智能猫砂盆品牌 Litter Robot 卖得不错，但产品难用到令人发指。我们当时这个项目，发明了前后转结构，把体验做到完全不一样，众筹 130 万美金，是当时行业里众筹金额最大的项目之一。鲸犀：猫砂盆后来被行业里很多人"致敬"，你复盘出了什么经验？
Rian：复盘下来，做云台、做猫砂盆，我们其实是无意识地踩中了"有效差异化"：做的事情跟营收直接相关，而且有感知上的非参数门槛。参数门槛的东西，最后就是称斤卖。这一点，我们在农业上付出了很大代价才真正想清楚，曾经一度非常痛苦。Rian：2018 年我开始做水果分拣机器人。我们刚开始做的时候，在机器人分类里是跑得最快的公司之一，是行业里最快做到数千万规模的公司，但这其实一直没有突破我卖云台第一年到的水平。我们复盘下来，主要是 ToB 和 ToC 商业模式有差别，做水果分拣机器人一方面没有经常性收入，另一方面我们要遵循水果的生长周期和丰收节律，机器人只用一个月就休息，每年只有一次硬件迭代机会，一次试错需要再等一年验证。等我们真正实现商业闭环的时候，发现真正驱动闭环的并不是产品力和创新，而是摸到了商业本身的规律——正确且聪明地给上下游分享利润。我们能做好这件事，但这不是我们最想做的事。不过也正是这段经历让我们再次确定一定要走有效差异化，也是这段经历让我们团队一起经历了完整的周期，培养了很多默契。鲸犀：是因为做农业机器人非常痛苦，你们才转向做 AI 硬件？
Rian：我们的投资人也一度质疑我们是不是做水果分拣机器人没有正反馈，想要逃避这件事，其实并不是。我们当时用 AI 做水果品质分选，是行业里最懂水果的团队。而转身是因为两件事：一方面我们确实更擅长做 ToC 的产品定义，另一方面看到了 AI 硬件的新机会。底层模型每一次变强，Memory 能做的事就更多一层雷峰网·鲸犀：Flowtica 的团队是怎么搭起来的？也是从之前的公司一起转过来的吗？
Rian：现在团队 50 人。硬件核心是从云台到农业一路打过来的战友，十几个人，真正一起扛过周期的伙伴。从 ToB 转到 ToC 之后，我们对人才密度的要求达到了空前的水平。想做出最好的东西，就需要最一流的、有品味的人。而想吸引这样的人，首先对自己的要求就得到这个水平。我们也在把公司当产品打造，让组织内部的信息流动像产品一样顺畅。鲸犀：AI 录音这个赛道，市面上已经有 Plaud，Flowtica 的差异化在哪里？
Rian：Agent 的能力边界在不断扩充已经是共识，但如何把它变成产品，取决于你关心什么。有的公司关心 conversation——怎么把对话处理得更好；我们更关心的是 Memory——AI 能不能真正认识这个人，然后更主动地替他做事、给洞见、给个性化的交付。其实从第一代 Scribe 开始，我们就在想怎么能更好地理解用户。FlowMark，让用户在录音中标记重点，就是这个思路下的产物。标记本质上是用户在告诉 AI "这段对我很重要"，它是 Memory 最早的主动输入。这个功能现在已经变成了行业标配，但对我们来说，它从一开始就不是一个工具 feature，而是理解用户的第一步。底层模型每一次变强，Memory 能做的事就更多一层。模型更会推理，它就能从你的上下文里提炼出更深的洞察；模型更会执行，它就能替你完成更复杂的任务。对我们来说，这意味着不断有新的 feature 可以从 0 到 1 交付出来，这也是我们持续扩充产品线的底气。雷峰网·鲸犀：所以你们在今年又交付了一个新的产品。
Rian：对，我们今年交付了一个带墨水屏的背夹，它是一个 agent 原生的硬件：日程、待办、邮件、会前准备，按一下 AI 键派活，它会去做研究，再把结果可视化地交付给你。我们希望这个硬件能离用户更近，随手就能开始，像一个陪伴。但我们暂时不做 always on——不是让设备无时无刻在听你，而是让它随时准备好，等你需要的时候伸手就在。雷峰网·鲸犀：为什么一定要有屏幕，手机 APP 做不到吗？或者是做成耳机？
Rian：APP 完全能做。但一个墨水屏安静地待在那，随时看得到，视觉能即时够到。人和 AI 协作越来越丝滑之后，人的思维会自动结构化，人需要结构化的信息，而在接受大块信息上，听的效率并不高。更重要的是，现在智能看起来已经不稀缺了，效率好像提升了，但用户却需要反复交代同样的上下文——每次打开一个 AI 工具，都要从头告诉它你是谁、你在做什么、你关心什么。这个体验摩擦一直没有被真正解决。我们做硬件，就是想让 AI 更直达地进入你的上下文，不需要你反复解释。从 Scribe 录音笔到 Verso 墨水屏卡片，再到 Apple Watch 和 Mac，我们在构建一个多端的生态——在任何场景下，都可以有一个离你最近的入口，让 AI 无缝地接住你的上下文。现在大厂也陆续推出了 Memory 功能，大家逐渐感受到了"懂你"的力量，而我们从第一天就在用硬件生态做这件事。雷峰网(公众号：雷峰网)·鲸犀：你们做第二款产品的时候，第一款产品没有完全大规模量产，你们怎么解决供应链的边际成本问题？
Rian：第一款产品我们优先选择已经被市场验证的元器件，稳定性第一，我是做防抖相机出身的，了解激进选新芯片的代价。在已验证的底座上，我们用自研的调校做到最好，比如墨水屏的刷新策略和模型，等量上来再去推动供应链定制。深圳的供应链足够成熟，前期花点钱，找到好的合作伙伴，后面会省回来。雷峰网·鲸犀：你们的Scribe售价 159 ~ 209 美金，此外你们还收订阅费，背后有哪些考量？
Rian：首先，我们对硬件本身的品质要求很高，无论是质感还是设计。其次，硬件如果只靠参数，注定越来越卷、毛利越来越低。我们收订阅收得有底气，有两点：第一，AI 调用有真实的边际成本，这不是凭空收费；第二，Memory 是越用越懂你的，用户用得越久，它的价值越高，我们持续交付的不是功能更新，而是一个越来越了解你的个人智能。免费档本身也是一个完整的产品，订阅解锁的是更深的 Memory 能力。Rian：现在Verso已经接受预定了，第一个季度目标是几万台，然后看能不能冲到单月 10 万台。我们不想用价格换规模，想用体验换溢价。Rian：底层技术还在快速演进，我们要做的，是选一个底层技术还在不断演进的事，在它变慢之前做到第一。当每个人都有自己的 Memory，AI 硬件的价值就不再是功能，而是它有多了解你。我们会持续探索 agent 时代的硬件形态，从录音笔、墨水屏卡片，到更多随身硬件，扩充产品线。新机会来自 Memory，但旧时代的硬件规律依然奏效
Rian：可以从一个历史 pattern 里找到借鉴。2012 年 AlexNet 出来的时候，卷积神经网络带来了智能层面的震撼，远非传统方法可比，但训练门槛太高，还属于少数人的游戏。真正的变化在 2016 年——GTX 1080 配合开源框架的成熟，一块消费级显卡搭好环境就能训练自己的神经网络，从“稀缺震撼”走向了“大众可及”。这个 pattern 现在正在重演。大模型和生成式 AI 正在走当年 CNN 同样的路径——从高门槛、高算力投入，逐步走向精简和普及。硬件智能也在指数级提升，最终每个人口袋里的手机，都能跑出非常好的神经网络。基础设施一旦成熟，AI 能力就不再是壁垒，而是人人可用的工具。这个从稀缺到普及的 pattern，过去在 CNN 上发生过，今天也正在新的范式上发生，而这里面，就有新的消费硬件的机会。雷峰网·鲸犀：你当年总结的硬件公司竞争 pattern，今天还奏效吗？
Rian：仍然奏效。一个大单品很难撑起一家好公司，哪怕某个单品卖得再好，依旧要面临市场竞争，需要不断布局更多产品线。怕的不是竞争，怕的是底层技术卷到头。以智能门锁为例，指纹、静脉、瞳孔识别一路卷下来，技术演进基本停了，剩下的只有价格战。我们作为 builder，天性就是想不断看到新技术、不断给用户新东西——一个技术已经到顶的品类，哪怕做到第一，也会觉得没事可做。Rian：年轻时想改变这个规律，现在发现改变不了，只能选择属于自己的战场，可能才避得开。唯一的路径只有选一个底层技术还在不断演进的方向，在它演进变慢之前，成为这个行业里的somebody，争取做到第一。而当下 AI 技术的爆发让我非常兴奋——每隔几个月模型能力就跨一个台阶，新的边界不断出现。这种感觉在之前的赛道里从来没有过，你能看到前面还有很大的空间可以跑。鲸犀：你将 AI 硬件作为自己的新战场，但 AI 硬件的机会也有很多，你们是如何收敛到 AI 录音笔这个赛道的？
Rian：智能不稀缺之后，稀缺的是Context——上下文、记忆、对一个人的理解。去年 DeepSeek R1 的思维链让 AI 更会想，Qwen 的 function calling 让 AI 更会做事——智能能力和执行能力同时在跃升，每一步都在验证这个推演。会议是 Context 最自然的第一入口，所以 Flowtica 的第一款产品从 AI 录音笔开始，主要的使用场景就是会议。雷峰网·鲸犀：为什么坚持做"拟人化"，而不是继续做工具？
Rian：工具的终局，会被模型能力吃掉。只做 transcribe、只做 summary，一定会被卷—— ChatGPT 刚出来的时候，Plaud 把转写和摘要连起来，价值巨大；但如果今天还有人只做这个，没有任何胜算。真正稀缺的是 Memory。所以我们从第一天就做拟人化：声纹识别能自动认出说话人，Memory 系统积累用户的上下文。举个例子，去年年底我的年终总结就是Flowtica 帮我写的，它把我自己都忘了的奋斗细节翻了出来，最后跟我说“干得不错，加油”，我有一些小感动。
相关文章：
对话斜跃创始人陈伟：把天花板拉高再捅破，进入家庭是一场「无限游戏」
对话纬钛机器人CEO李瑞：具身智能仅靠视觉容易到天花板，触觉是未来必选项
对话王文涛：Maker 圈老将再创业， 为什么 x86 是最好的桌面 CNC 底座？
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
