“消費屬性比 AI 更重要”。

文丨祝穎麗

編輯丨宋瑋

潘宇揚是一個在深圳的 AI 硬件創(chuàng)業(yè)者，這一點讓他很不一樣。簡單來說，與北京的創(chuàng)業(yè)者們相比，他對 “AI 硬件” 具體的落地場景、給用戶的具體消費價值更為看重。他幾乎旗幟鮮明地認為，將硬件只當做 AI 的 “載體”，當做通用入口，而不說清楚實際用處，是一條錯誤道路。

當然，潘宇揚也共享 AI 敘事帶來的 “高估值”，他今年 7 月出來創(chuàng)業(yè)，組了一個十幾人的小團隊，目前已經(jīng)以極快的速度拿到了不菲的投資和不錯的估值。

這離不開他過去的履歷。他畢業(yè)后就去了華為，然后跳到字節(jié)，參與過 AI Agent 平臺 Coze 的從 0 到 1，還做過 AI 眼鏡、豆包手機。作為一個 97 年出生、被投資人歸為 “小天才” 類的創(chuàng)業(yè)者，潘宇揚不缺乏講述 AI 故事的能力。但如果誠實一點，他覺得這只是對投資人講述的故事的 B 面，而創(chuàng)業(yè)者終究需要面對的是自己的用戶，他必須告訴大家，一個購買 AI 硬件的明確理由。

潘宇揚做的是一個名為 Odyss 的 AI 項鏈，它的明確的價值在于：利用多模態(tài)視覺大模型的能力，記錄和分析用戶吃進嘴里的每一口東西，為健康飲食提供記錄和指導。

Odyss 項鏈目前尚在樣品階段；不過我在潘宇揚深圳的辦公室里看到過實物，它前面的微型攝像頭幾乎隱形；電池倉設計成了磁吸卡扣，掛繩是一種極為輕便的材質，戴上后很輕，幾乎沒有感覺。

Odyss 項鏈

解決飲食的問題，可能也有十億用戶市場

潘宇揚對 “吃” 的關注與家庭有關。他家里兩代人都是醫(yī)生，對健康極為關注；而他母親的家族有遺傳性的高血壓和糖尿病，他自己也是這些基因的攜帶者。很早以前他就看到，當一個人被診斷出糖尿病時，往往已經(jīng)太遲了——這種病癥是過去幾十年生活習慣累積的終點，而非起點。

2025 年初，潘宇揚讀了一本《超越百歲》的書，里面一個觀點說，未來的健康管理不應是 “有病治病”，而應通過精準的行為規(guī)劃和健康的生活方式，將發(fā)病風險提前化解。這再次提醒了他。

潘宇揚發(fā)現(xiàn)，在智能穿戴市場中，運動、睡眠、情緒三個板塊已經(jīng)擠滿了硬件解決方案，唯獨 “飲食” 這塊影響健康最大的拼圖，卻是一片空白。而傳統(tǒng)的軟件，無論是國內的薄荷健康，還是海外的 MyFitnessPal，都極其依賴用戶的自律——你得在動筷子前，手動輸入食物名稱或拍照。

更大的問題在于，拍照識別的準確率很低，“多人共餐記不進去，沒吃完記不進去，飲食的順序、速度、頻率全部記不進去?！?潘宇揚說，碎片化的進食（比如隨手抓的一把薯片、半杯奶茶）其實才是現(xiàn)代人熱量失控的元兇，而這恰恰是手機 App 的盲區(qū)。

2025 年，視覺多模態(tài)大模型（VLM）和端側低功耗芯片的成熟，讓 “自動監(jiān)測進食” 變得可行。

粗暴地理解，這個產(chǎn)品的邏輯是個掛在脖子上的攝像頭，可以提供一天 20 小時的續(xù)航（不含睡眠）；但它不是全天候錄像，而是通過一個小模型在后臺監(jiān)測。當小模型感知到用戶開始進食，主攝像頭會提高分辨率和幀率，捕捉食物被送入口中的那個瞬間。

潘宇揚解釋道，通過對用戶手指的標定和三維建模，系統(tǒng)可以精準計算出食物的體積，甚至識別出你先吃的是碳水還是蛋白質，進而計算出這一餐對血糖（GI 值）的影響，“先吃蔬菜還是先吃碳水，對血糖的影響完全不同”。

潘宇揚團隊利用小模型在后臺計算用戶吃進去的食物

隱私問題也提前被考量進來，雖然全天候開啟，但用戶無法通過這顆攝像頭看到任何視頻素材，只能看到對自己飲食的記錄和分析。

這種 “有用性” 在海外市場得到了極速驗證。2025 年底，他在 Meta 上投放了針對歐美高收入群體的廣告。在 “黑五” 期間，獲客成本降到了驚人的 2 美金左右，“ 5 美金以內就算 PMF（產(chǎn)品市場契合）了，如果去掉黑五的廣告溢價，我們能做到 1 美金多。” 這給了他極大的信心，至少已經(jīng)有很多歐美用戶愿意為健康飲食付出一筆幾百美金的硬件成本。

是 AI 硬件，更是消費硬件

解決一個具體的問題，然后用消費硬件的邏輯來做，這是潘宇揚和大多數(shù) AI 硬件創(chuàng)業(yè)者身上明顯的差別。

潘宇揚說，硬件的購買邏輯是先看到外觀、再看到功能，與軟件相反。為了理解用戶真正喜歡什么，他們的設計團隊內部先后產(chǎn)出了十個不同風格的設計稿，然后制作了多款 3D 展示圖投放至美、英等目標市場，讓潛在用戶針對顏色、材質、工藝進行 0-5 分的打分 。

他們還進行了多輪線下測評，線下用戶的一分權重等同于線上五分，最終選出了目前一款男性用戶投票率高、購買可能性高的設計。這推翻了他們最初的設想，起初他們以為女性會是目標用戶，但調研后發(fā)現(xiàn)，關注健康的男性更愿意嘗鮮。

這種對具體消費者的研究，迥異于其他更愿意談 “AI” 本身的創(chuàng)業(yè)者。潘宇揚說，他們甚至官方宣傳里幾乎不會出現(xiàn) AI 兩個字，“用戶不需要 AI，用戶需要的是結果和情緒價值。”

他并不避諱對同行的 “不理解”，認為 “收集 上下文” 喂給 AI 是創(chuàng)業(yè)者的一廂情愿，“用戶不是傻子，憑什么花幾百美金幫你收集數(shù)據(jù)？你得先對他有用?！?他也不覺得新形態(tài)的通用硬件，能取代手機。在他眼中，手機是人類探索了 20 年最完美的交互載體，GUI（圖形用戶界面）的傳輸效率遠高于語音。

在創(chuàng)辦這家公司之前，潘宇揚曾深度參與了字節(jié)跳動的 AI 眼鏡項目。但他判斷，AI 眼鏡在這幾年一定會收縮乃至失敗，因為智能眼鏡目前面臨的是物理學層面的死結：重量、續(xù)航與佩戴舒適度無法兼得。更重要的是，眼鏡存在巨大的 “社交負擔” 和 “配鏡成本”。

“如果你讓一個視力很好的人為了每天跟 AI 聊天而戴上眼鏡，這事兒在當下是不成立的?！?潘宇揚說，海外智能眼鏡出貨多，主要是因為他們的墨鏡市場大，而在中國，大多數(shù)戴的是近視光學鏡，加上配鏡和驗光成本，AI 眼鏡這件事情就更不成立。

相比之下，他認為項鏈是人體最天然的 “傳感器支架” ，因為脖子是全身承重能力最強的部位，即便 50 克的設備掛在這里也幾乎無感。更關鍵的是，它處在人體的正面，視覺和聽覺視角完美重合。他曾在字節(jié)內部極力推崇項鏈形態(tài)，但大廠的邏輯是尋找 DAU（日活用戶）破億的大賽道，大入口，而垂直的飲食場景在決策者眼中 “太小了”。

“小” 也是很多人對潘宇揚做的事情最初的感受，因此他偶爾也必須講講想象空間的故事。

在他的視野里，海外 MyFitnessPal 全球有兩三億注冊用戶；國內，薄荷健康的 200 萬活躍用戶，都是這個產(chǎn)品直接的潛在用戶；而如果再往上看，全球運動穿戴市場約有十幾億用戶，是已經(jīng)習慣記錄睡眠和步數(shù)的群體，也是他們可轉化的用戶，因為飲食的需求比運動更普適 。

2025 年下半年，AI 硬件的投融資市場在加速，創(chuàng)業(yè)者的步調也因此有機會變得更快。潘宇揚預計，他們將在今年 3 月將第一批樣機送給海外 KOL（意見領袖）；緊接著是第二季度的眾籌和第三季度的發(fā)貨。

盡管目前只有十幾人，但潘宇揚堅信，自己在做一家信仰驅動的公司。這也是他創(chuàng)業(yè)的初心，“我很在乎能為 10 年、50 年、100 年后的人類解決什么樣的問題。只要這個事情對人類的生活是有利的事情，這個公司就沒有白白的存在過。”

他之所以給產(chǎn)品取名為 Odyss（奧德賽），是因為他覺得，健康管理是一場充滿冒險、需要英雄主義敘事的長途探險 。

為呈現(xiàn)創(chuàng)業(yè)者在一些問題上的思考完整度，我們篩選了幾個問答，與正文互為補充：

晚點：你們在產(chǎn)品出來之前，就提前在 Meta 打廣告、跟用戶做深度跟蹤調研，好像只有你們是這么做的，為什么？

潘宇揚：你如果講一個 AI 多模態(tài)入口的故事，它并不解決一個特定問題，其實沒辦法做的，因為你不知道要打什么樣的畫像，打什么樣的功能點。

你如果說我男女老少所有的畫像都打，那你對設計或者對需求的偏好是沒有意義的，它太散了。我們在一個具體項目、具體需求下是有意義的，但你要在 100 個不同的畫像下面得到一個需求，這沒意義，因為最后可能對 100 個人都不太好用，你最后可能平均出來是這個結果。

我們就是去解決吃的硬件，也是第一個掛脖形態(tài)的，項鏈的硬件。這跟軟件的買單邏輯非常不一樣，軟件我可以每天可以下 100 個，都有七天的試用，我一分錢不用花。

硬件的邏輯是反的，因為錢要花在前面，你要先付個幾百美金，他才能拿到手開始體驗。所以如果說你不把前面那個購買理由說清楚，買這個東西要解決什么問題、提供什么樣的情緒價值，那就不會有人買。不會有人買的東西，自然跟后面的體驗無關。

所以我們現(xiàn)在做硬件的思路，跟很多的所謂 AI 硬件都不太一樣，我們需要把用戶為什么要買，什么人在什么情況下為什么要買，買來怎么用，這件事情說的非常清楚，然后我們再去推向市場。

晚點：我們之前采訪過光帆科技的創(chuàng)始人，他的觀點是，未來是通用硬件是長期的，會吞噬專有硬件，你為什么反對這個觀點？

潘宇揚：通用戰(zhàn)勝垂類這件事情上面，其實在軟件上都沒有。Manus 看起來是個通用的 agent 平臺，但它實際上是做了很多很多個垂域 agent 的。它有一個路由，不同的任務分發(fā)到不同的地方去。

硬件上也是一個邏輯，就是任何一個通用模型都沒有辦法去解決好，比如說飲食這個問題時，那就先得有一個做飲食這個問題的垂直產(chǎn)品，把這個事情的 know how 跟數(shù)據(jù)壁壘做的足夠高。

然后你用這個 know how 和數(shù)據(jù)才能去誕生通用的東西。你不可能起個空中樓閣。如果我任何一個事情下面還沒有干好時，你直接干上面一層了，我覺得這是對模型缺乏理解的表現(xiàn)。

晚點：所以垂類是一個過程，最終可能還是通用對吧？你們在這一點上可能沒有分歧？

潘宇揚：那你直接去做 “最終” 是干嘛的呢，你中間的橋是斷的。你說我直接跳到對面去了，那你這個硬件賣給誰？我不理解這個事兒。你不應該是先追求過程，然后由過程去導向那個結果。

我們能看到的有很多直接追求 “終局” 的公司，也有很多去做過程的公司。我覺得大概率，做過程的公司，它更有可能弄好；當他把一個或者幾個過程做到非常高的壁壘時，他就會去吃別的中間態(tài)，然后慢慢把自己擴成一個通用的東西。

但你作一個比如說通用的產(chǎn)品，你實際上對任何一個垂域都沒有抓手，都沒有弄好。你不知道飲食怎么做，你不知道工作怎么做，你不知道會議怎么做，什么都不知道。然后你說在某個時間我就要把你這些專業(yè)公司全干掉？我覺得這事兒不可能，他必須得有 know how。

晚點：那你們做飲食這件事情，難度在哪里，know how 在哪里？

潘宇揚：真的開始做飲食這件事情的時候，我們會發(fā)現(xiàn)這件事情好難，你要把用戶吃的每一口東西、所有的東西算清楚，這個過程很難。

我們的產(chǎn)品其實核心是，我們算物體的體積，算物體在圖像中的切割面積。我們對用戶的手做標定，知道用戶的手有多大之后，我就可以知道這個物體的體積有多大。桌面上有什么只是我參照，核心看的是每口的食物，這個事情才是第一次把用戶吃什么這件事情做到極致。

歐美人平時 80% 吃的那種白人餐，幾個食材混在一個盤子里，比如說牛肉是牛肉，雞蛋是雞蛋，番茄是番茄，這種我們的準確率是可以到 90% 以上。

但比如說中餐火鍋的場景，你去拍那個火鍋一點意義都沒有，我們的產(chǎn)品是識別用戶從鍋里夾起來的菜放到嘴巴里的過程，但這個過程因為有糖有油，它的準確率我們現(xiàn)在基本上是在 70% 到 80%，會比那種顆粒分明的白人餐差一點。

還有一種極端場景是那種糊狀物。比如說印度人特別喜歡吃的那種餐，準確度就是它的核心。它不是難在吃多少，而是難在這個食物里面的成分。這種情況下我們會給用戶一些輸入。比如說他可以通過語音或者事后的手動輸入，以及我們會 check 用戶做飯的過程，去看看這個東西里面到底是怎么構成的。

所以你告訴我你沒有經(jīng)歷過這個過程，你想要在這個事情上戰(zhàn)勝我沒有可能。

晚點：做 AI 硬件上，聽起來非共識的東西還挺多的，你覺得現(xiàn)在這個行業(yè)里面有什么共識嗎？

潘宇揚：我覺得共識是，都需要去補生活中的信息，補每個人的人跟世界的交互。因為現(xiàn)在的模型訓練全都是互聯(lián)網(wǎng)或者手機里面的內容，實際上我們怎么在現(xiàn)實中說話、做事情，怎么去生活，這件事情是沒有被數(shù)字化的。

把這一部分信息數(shù)字化，提供一些額外的服務增量，這個事情是共識。不管是董紅光、孫洋還是我做的事情上面，其實都在這個路線上。大家的想法，都是收集物理世界的信息，所以大家都要做傳感器。

對物理世界信息的數(shù)字化帶來的體驗增量，這件事情是大家都在做的事情，是核心的主線。

題圖來源：Odyss 創(chuàng)始人潘宇揚