澜存科技：站在大模型与智能体之间，做标准化的生意

基础设施从不追逐风口，它只负责托举风口。

AI进入物理世界的真正入口是一块几十块钱的模组吗？

行业里大部分端侧AI的生意，思路可能都走偏了。

本质上，端侧AI应该是一门制造业生意，行业却一直把它当成软件问题来解。

这就导致了，大部分玩家会把注意力集中在模型能力和交互体验上，而真正能够决定一款智能硬件能否规模化的，是另一套变量：量产一致性、声学工程、交付周期。

这些看起来最不“AI”的环节，却拦住了整个行业。

模型侧的跃迁，没有为这套变量留出时间。1997年深蓝赢下国际象棋，十九年后AlphaGo拿下围棋，再往后ChatGPT只用几年就把语言能力送进了消费级产品。然而，把模型装进硬件的那套工程，至今没有形成行业标准。

一个直观的案例是，一只AI机器狗收到指令，执行率只有六成，剩下四成时间纹丝不动，却会汇报“你看我舞跳得挺漂亮”。

而执行幻觉，是当前AI硬件产品的普遍状态。而且终端规模越大、离人越近，风险敞口越大，所以物理终端的工程标准化和安全机制，正在从可选项变成前置条件。

行业里已经有人把这一层做成了产品。比如，一家2025年成立的公司澜存科技，做的就是把模型装进硬件的一套完整工程，产品形态是标准化AI模组+智能控制平台。

为什么不做人形机器人而要切入中间层？为何答案是标准化？

标准化的目的，是让物理世界中的更多终端能稳稳地接住云端智力，资本也已经开始为这层缺席已久的基础设施定价。

2026年8月，这家公司完成Pre-A轮融资，无锡市属产业投资平台锡创投注资数千万元，估值半年翻番至1.5亿元。

澜存成立时，正值AI硬件投资热潮的高点。具身智能、AI玩具、AI终端成为资本焦点，人形机器人是其中最炙手可热的赛道，多家公司获得大额融资。

这家公司也有做这个方向的底气，核心成员在工业AI落地领域做了近十年，然而这家公司最终没有做机器人。

为什么不做机器人成了一个基于技术逻辑的、明确的战略选择？

核心原因是，当前主流的强化学习方法，本质是让机器人通过海量重复训练获得能力。让机器人“跳一万年的舞”，训练完成时确实跳得很好，但桌子换个摆放位置、地板摩擦系数一变，表现就大幅退化。

演示效果出色、泛化性缺失，成为了具身行业目前的普遍状态。

而大模型端到端的替代路线，结论同样不乐观：即便技术路线成立，人形机器人未来三年内也进入不了千家万户，早期用户一年几千台的销量，撑不起AI三要素里最关键的数据。

算法和算力随着大模型生态成熟趋于普惠，数据成了最大壁垒，这已经是业内的共识。而端侧AI的正反馈闭环取决于终端数量，终端越多，真实交互产生的数据越多，模型迭代越快，体验越好，进而才能吸引更多终端接入。

具身行业是人与AI共同走向未来的最大市场，但在商业化兑现之前，需要有人把赌注押在这个数据飞轮上，以规模换数据，选择一条能最快渗透海量终端的路径。

澜存科技在做的标准化模组，就是通往这个“最大市场”物理入口的新通路。

说端侧AI本质是一门制造业的生意，就是因为它和工业AI一样，需要技术厂商将算法送进产线。做工业AI的时候，交付物是机台、自动化设备、整条产线，做成交钥匙方案客户才买单；具身智能数据飞轮背后的标准化模组，沿用的也是同一套逻辑，为客户备齐从硬件接入到平台运营的完整方案。

因此，产业链也会像制造业一样明确分层，各司其职。基模厂商生产基础能力，中间层负责把这些能力工程化、分发到各类终端。硬件要用好大模型，指令遵循、运动控制、多模态传感的传递，都需要一套完整的中间系统。

到了2026年，物理终端之所以还是“哑”的，根源不在模型，在于中间层基础设施的缺失。市场需要一套好用的标准化模组，比多一家出色的人形机器人公司更加迫切。

一套标准模组覆盖三层生意

关于端侧AI，市场流传最广的误解，是能力受限于芯片卡脖子或者算力不足。

实际情况是，ESP32这类物联网芯片国产、低价、供给充足，大模型推理在云端完成，端侧只承担采集与执行。把大模型塞进端侧芯片，目前并不现实，能塞进去的也只是一个几年前智力水平的产品。

真正的落地壁垒，是把完整的语音交互链路在真实硬件上调通、调顺、调到能量产。

这是因为，音频工程是最容易出事故的环节：扬声器与麦克风之间的声学干扰、数据队列的实时竞争，想做好高并发场景下的稳定性处理很难，任何一个细节都可能在量产时导致幻觉和事故。

散热和充电安全同样要纳入控制，产品不能异常发热，充电时的电流稳定性也有严格要求。

核心底层技术早已不是难点。很多人才和团队都擅长驯化大模型，分水岭在于工程化的细节和标准化量产。

对于端侧AI来说，标准化模组究竟是什么？

简单来说，是一块集成了AI语音交互、传感采集、运动控制、网络连接和接口拓展能力的电路板，体积可能比一只苹果耳机还小。但客户买到手，直接装进自己的产品外壳，不需要再从零搭建技术链路。

产品逻辑听起来不复杂，但标准化模组一度是一个市场盲点。

对于大多数硬件厂商而言，从“有智能产品想法”到“做出能用的AI硬件”，尽管中间隔着一大堆难题：硬件接入怎么做，语音交互怎么调，内容安全怎么管，设备联调谁来做，上线后怎么运营——但主流的解决方案仍然是硬件厂商各自为战，每家都在重复造轮子。

玩具厂找方案商攒机，家电厂、机器人公司各自组建团队，结果卡在同一个地方：语音链路调不通，量产一致性过不了，上线之后无法持续迭代，用户买智能产品成为了“一锤子买卖”。

标准化AI模组，要填平的就是这段鸿沟。

以澜存的业务构成来看：

• 标准化模组产品澜卡LC-1.7是硬件入口，集齐让一台终端能听、能说、能感知、能执行的基础能力；
• 澜存智能平台是开发与运营工具，客户在上面配置智能体、联调设备、管理固件和用户；
• Token中转运营是长期商业模式，终端上线后的每一次AI交互都在消耗Token，澜存则在中间负责压缩成本、保障安全和优化体验。

三层串起来，对应了标准化模组这个新赛道的完整商业化链路：产品定义、硬件接入、智能体配置、测试联调，再到上线后的持续运营。

在端侧AI落地中间层的架构初期，完整的产业链还不存在，所以三层能力都需要。客户买了模组，不知道怎么接平台；平台搭好了，不知道怎么配置智能体；智能体跑起来了，没有持续的Token支撑，产品上线即断。

商业化速度验证了这条路。截至目前，澜存累计获得了超十万套签约订单，合同金额超千万元，合作伙伴包括樱泰集团、追觅、唱吧、元隆雅图、中移物联网等各个不同行业的头部公司。

不过，尽管以澜存科技为代表的技术供应商已经取得了不少头部硬件厂商的青睐，不能否认的是，这个赛道需要伴随AI硬件成长，而目前整个AI硬件也还处于早期阶段。

举个例子，樱泰作为世界前三的玩具生产商，年出货2000万套玩具。目前市面上销量领先的AI玩具，年出货只有二三十万套。两个数字之间差着近两个数量级，AI终端的渗透才刚刚起步。

但未来想象力也不止于此。AI智能玩具只是冰山一角，随之而来的还有更多的硬件重点消费场景，健康医疗、智能家庭、互动教育、市政更新，会是更广阔的市场。

万物都是AI的触角

根据SNS Insider2025年发布的报告测算，全球端侧AI（On-Device AI）市场2025年为176.1亿美元，2033年将增至1157.4亿美元，年复合增速26.57%。

规模之外更关键的是结构：这个市场里值钱的不再是某一款终端，每款终端都绕不开的中间层系统具有更明确的技术架构定义权。谁先把它做成标配，谁就能把握下一阶段的风口。

标准化AI模组作为一个独立的赛道和品类，2024年才跟随大模型可端侧落地真正起步，其实目前还没有市场公认的头部厂商。

而在早期格局里，澜存的产品定版、平台上线、十万套签约订单，至少意味着已经有国产厂商，跑通了从技术验证到商业落地的关键环节。

那么，标准化模组的先行者，已经走到了哪一步？

从行业基准来看，澜卡LC-1.7已经将语音延迟从最初的两秒压缩到300毫秒，指令遵循率做到99%以上。值得一提的是，为了约束模型在物理世界不产生‘执行幻觉’，澜存在底层指令集中嵌入了一套基于逻辑悖论的校验机制，相当于给大模型加了一道物理安全锁。搭载澜存方案的机器狗可以连续执行“往前走、趴下、做十五个俯卧撑、转个圈、跳个舞”这样的复合指令，被卡住时还会自己伏低身子、左右摇晃，试图挣脱。

柔性电路板模组作为澜存的业内首创，可以嵌进衣物和可穿戴产品。一个真实的场景是出门露营，看到一朵蘑菇，拍一下就能问能不能吃，没有信号的地方也能用。

此外，标准化AI模组的实际泛用性其实比大众想象的更深。比如，机器狗和暖通面板能用同一块模组，更大规模的量产能摊薄成本、加快迭代，稳定性随之上升。

澜存科技创始人段艺霖也向36氪复盘过量产的爬坡：从2000片到2万片，再到逼近10万片，量产的台阶就是行业从零到一的缩影。

在业内看来，这也是锡创投会在Pre-A轮加注这个新赛道的逻辑：在一个万亿级市场刚刚打开的节点，押注跑得最快的那个“中间层玩家”。

万亿级市场的想象空间当然不只在现存的AI硬件市场。比如在智慧城市这个命题之下，如果能全面推开，一年可能会产生50亿片模组的需求，暖通面板、智能座椅、电线杆、城市导览终端理论上都可以成为智能节点。

想象一个画面，一个人走在街上突然心脏不适，可以向身边的电线杆求助，电线杆里几十块钱的模组就能让它具备连接AI的能力，紧急呼叫救护车，还能语音提示急救方法。

只不过，相比人形机器人日新月异的能力演示，以数据为基石的中间层，落地路径也会更加稳健，遵循整个产业的成熟度。

早期赛道过渡到中场，大厂的迅速进场是对于这条赛道正确性的最有力说明。字节、阿里、阶跃星辰这些昔日的“云玩家”，目前也都已经开始下场做端侧。

端侧AI方案更适合隐私敏感、轻量化的场景，但要做出好的人性关怀和体验一致性，当然也离不开云端大模型，所以云边端协同会成为未来的主流技术路线，也是澜存目前的技术路径。

始终瞄准中间层的位置就会发现，在百花齐放、也充满不确定性的机器人叙事中，端侧AI的中间层可能才是创业公司最容易“活下去”的路径。

因为基础设施的需求长期存在，如同路桥基建，无论AI行业的大气候怎么波动、风口在哪里，终端智能化基建的底层需求都在，万物终将成为AI的触角。

至于终端厂商，他们不关心门和锁背后的复杂技术，只关心钥匙好不好用。而澜存给出的答案是：单块模组成本低至几十元，底层硬件通用，换套技能包一天就能切换场景。

单个模组成本可以低至几十元，交付周期也比传统电力设施短得多，台灯、空调、桌椅、电线杆都能接入；模组的底层硬件是通用的，换个技能包就能切换场景，微调周期大约只有一天。

标准化模组成为端侧AI落地的那把“万能钥匙”，也会成为一件理所当然的事。

方向已经确定，节奏还没有答案。多快、以什么形态？大厂已经下场，中间层会不会也卷成红海，答案同样是开放性的。

但对于澜存这些发令枪响即出发的先发者而言，唯一确定的是：端侧AI的终局无论落到哪种终端形态手中，那层让物理世界接住云端智力的标准化管道，必须有人来建。

基础设施从不追逐风口，它只负责托举风口。单个模组成本可以低至几十元，交付周期以天计算，台灯、空调、桌椅、电线杆都能接入。当接入成本降到这个水平，场景切换快到这种程度，标准化模组成为物理世界的“数字神经末梢”，便会成为一种产业必然。

而在这场漫长的基建工程中，先开工的人，永远拥有定义路标的机会。