中国 AI 硬件的下一个爆款，可能生在「网球场」

这或许是当下对打感最好的网球机器人。

2024 年巴黎奥运会，郑钦文在罗兰·加洛斯捧起金牌的那个下午，中国的网球场预订量在一周内翻了数倍。两年后，最先把这股热潮变成生意的，是一群造机器的深圳工程师。

过去一年，至少四款中国团队打造的 AI 球类机器人在 Kickstarter 上筹得百万美元级资金。庞伯特以 26255% 的超募率卷走 265 万美元；智能家居大厂 SwitchBot 推出的 Acemate 30 天入账 180 万美元；Tenniix 首战筹得近百万美元后，其母公司英汉思动力完成红杉联合领投的三轮共超亿元融资；最新收官的 AceiiLab 首批量产正在交付，单台售价约 2000 美元，早鸟价 999 美元。

但火归火，这条赛道连「卖的是什么」都还没说清。在「AI 网球机器人」标签背后，可以是打网球的人形机器人，也可以是便携发球机，也有可能是一款手机 App。

为什么网球机器人赛道突然爆火？一台真正的 AI 网球机器人到底该长什么样？带着这两个问题，我们在深圳的一片球场上见到了 AceiiLab，和它背后一思科技的联创晁光。随后我们发现，这场竞赛里硬件只是入场券，真正的关键在于你把这台机器定位成一件器材，还是一个对手。谁能让用户打得更久、离开得更难，谁才有机会提前拿到「AI 网球机器人」的定义权。

作者｜徐珊

编辑｜郑玄

「球场上来了个会跑位的陪练」

见到实物前，我们对网球机器人的想象是一块会移动的大屏，或一条能挥拍的机械臂。

AceiiLab A1 被拉进球场时，看起来像一只 20 寸行李箱，下半截是带轮子的本体，上半截是可拆卸的球包，可装 120 颗球。过去是一手拎机器、一手拖球筐，现在两件行李合成一件，整机约 20 公斤，四个轮子推行。

「我们发现在设备上，用户的本质需求不是要求机器轻，而是希望自己搬运不累。选择行李箱的形式，不需要一直发力，很大程度上减少累的体感。」AceiiLab 相关负责人说，「行李箱的方式既解决了移动难题，也是一个友好的用户使用过程。」

真正开机后，我们发现 AceiiLab 的玩法和常见的传统发球机并不一样，它是一个可移动的、交互性较强的产品。「这可能是我当下使用过最好的 AI 网球机器人，移动带来的真实对打感是其他同类产品几乎不可比的地方。」一位参与到现场与 AceiiLab 对打的朋友说道。

将 AceiiLab 放在网球线上，按下主机开关后，两侧车轨支架自动展开。十几秒后，摄像头认出球场上的线，机器开始沿线巡逻。它并不满场乱跑，只认中场线、底线和边界线这几条「跑道」，像一名守规矩的球员，绝不越位。

AceiiLab A1 开机准备 ｜来源：Hardwire

热身完毕，好戏开场。开球前需先在 App 里选择模式，目前主要有三种玩法：组合&移动、自由练习、接发球训练。

以组合 & 移动模式为例，AceiiLab A1 会按照内置的 50 多套球路组合，一边沿线移动一边按剧本喂球，正手一颗、反手一颗，深一颗、浅一颗，球速和旋转轮着变，发球间隔最快能压到半秒一颗。

自由练习则把发球选择权交还给用户，无论是隔网对打、同侧陪练，还是让它在底线自由移动，用户均可按需选择。它还能定点喂球，或站在左右边线喂出角度刁钻的球，相较于传统发球机练来练去就那几个角度，它能把整条底线都变成发球点。

接发球练习模式中，还有一个「球童模式」，你不需要按下开始键，只需竖起球拍，机器就能自动识别就绪状态并完成发球，就像有一位专业球童一直站在对面为你发球。

真正开打后的画面，和我们想象中激烈的「对拉」有些不同。所谓「对拉」的真相是，你把球打过网，球还没落地，机器就移动到落点附近，紧接着从落点处发出一颗新球，模拟「接到了你的球」从网对面给你发一颗新球。它从不真正回击你那颗球，但一来一回之间，回合感确实成立。

预测用户击球落点位置｜来源：AceiiLab

不过，这既考验用户的适应能力，也考验机器能否快速到位、精准发球。如果中间卡顿明显，对拉体验就会大打折扣。我们花了至少几十分钟，才慢慢适应和机器打球的节奏。

120 颗球，按正常 3.0 水平的对打节奏，大概能打 30 分钟左右。由于每一颗球都是新球，整体消耗速度也会比较快。「不管是新手还是熟手，都能获得不同的体验感。」

「反应不过来」是我们早期采访多位参与到和 Aceii 对打的用共有的第一感受。整体对打过程中，我们明显感受到，这并非一款适合 0 经验小白无门槛上手的产品。它更有效地地方，在于巩固正反手和移动步伐，基本堪比早期训练过程中，同侧训练中，模拟教练手抛球。它需要用户了解自己的水平，也清楚如何设置相关发球参数，是一款需要与用户调试配置、相互适应的产品。据介绍，这款产品希望能够满足 2.0 至 4.0 水平用户的需求。

教练、球童、损友，它全包了

制造业有一条隐秘的鄙视链：卖产品的不如卖耗材的，卖耗材的不如卖服务的。过去五十年的发球机厂商，始终停留在链条最底端，只做一锤子买卖，卖完就结束了。

「大部分发球机厂商的目标就是把机器卖出去。但卖出去对别人是终点，对我们却是起点。」在 AceiiLab 相关负责人看来，发球机买回家容易吃灰，原因无非两点，价值上限太低，替代不了教练；或者是使用频率太低，新鲜感一过就闲置。AceiiLab 想造的是一个反向飞轮，设备越好玩，用户越常打；越常打，越进步；越进步，越好玩。硬件解决「打得起来」，软件负责留住用户。

飞轮的第一圈，从一张成绩单开始。每轮打完，你都能看到这一场的训练数据：接球成功率、最高连击、平均球速、最高球速。还有一张落点图，把你和机器的每颗回球都钉在球场上，界内界外，一目了然。

更关键的是，它还在「教」你。机器会录下你的击球视频，从拍面、稳定性、时机、动力链、准备动作五个维度分析，告诉你这一轮的表现如何，并与过往数据进行对比。

当你把数据提交 AI 分析后，系统会指出弱点所在，不仅有原因、建议，还会推送相关视频课程，帮你更好地调整状态。

在 AceiiLab 的设想里，「AI 教练的一天」应该是这样的：你昨天反手随挥偏移不够、扭胯动力链不足，今天就练这两点，空挥比对标准动作，练完机器再考你一遍。一套完整的教练流程，被原样搬进 AceiiLab 系统。

不仅如此，练球之外，它还想增添更多趣味性。打球时，你可以开启球童模式，挥手即出球；也可以切换游戏模式闯关，把枯燥训练变成一场主动挑战。嫌一个人打球无聊，还能把精彩瞬间分享进社区，顺手约好友来练球。「流量世界已经被算法算尽，变量只在物理世界。一台在球场上狂奔的网球机器人，天然引人围观。」相关负责人说道。

这些设计，不少来自市场最直接的反馈。北美路测时，一位用户打了半小时，问出一个团队没预料到的问题，「我是不是永远赢不了它？」他们由此意识到，机器可以无限打下去，但人不行。人需要关卡，需要输赢，需要一个能被打败的对手。

于是有了闯关，甚至有了机器的败北规则：球落地时，如果它没跑进 50 公分以内，就算它输。因为一台有机会认输的机器，比一台永远正确的机器，更像球友。

而所有这些数据攒到最后，会变成用户离不开机器的理由。「当机器存着你几年的成长数据，甚至存着你最好朋友的陪练数据，即使竞品便宜 500 块，你也不会换。」相关负责人说道。当参数可以被追平，模具可以被抄走，唯独用户投入的时间，谁也搬不走。

我们也由此看到，未来硬件公司的壁垒，或许不在于产品参数，而在于品牌向用户关系的转化。AceiiLab 正在一个具体的场景里，用 AI 和数据持续交付服务。

在最卷的供应链上，

长出一个新物种

一台网球机器人，为什么只沿底线跑？为什么不接球？这些看起来是技术问题，但在早期阶段其实都是产品选择问题。要理解这些选择，得先认识做选择的人。

AceiiLab 背后的一思科技，是一支服务机器人老兵攒起来的队伍。创始人刘礼谦在大疆做过结构工程师，在蓝胖子做过仓储机器人，在库卡做过系统工程师，后来转向商用清洁和割草机器人，当过割草机器人公司虎鲸的 CEO，拿过当年的海外众筹冠军。这支三十多人的团队，在服务机器人行业里摸爬滚打了许多年。

正因为做得久，他们看出了无论服务机器人还是网球机器人，其实都活在一套具体的规则里。割草机认草坪的边界，网球机器人认球场的线，都是规则，场地是标准的，球路是抛物线。而网球几乎是真实世界里最守规矩的运动，这是他们早期看好这个方向的原因之一。

一思科技办公室上方的天台球场以及办公室一角 来源：Hardwire

但两类机器又有一个根本的不同。割草机器人和用户之间是雇佣关系，草割干净就行，用户不关心机器怎么割的。它服务的是结果，价值的天花板，最多就是一份雇工的工资。网球机器人正好相反，它服务的是过程。打球的人在乎每一拍的球速多少，落点在哪，动作标不标准。机器每一秒都在感知你、回应你，这是伙伴关系。他们最终想实现的，也正是让用户随时随地都能与高水平的教练和球友对战。

想清楚了要做什么，他们的下一个问题是怎么做，在普通球友掏得起的价格里，把价值做到最大。

首先要过成本这一关。团队的办法是站在成熟产业的肩膀上，机器的底盘直接采用扫地机器人打磨了十年的移动方案，轮子直接用行李箱的轮子，移动上采用类似车道线保持的解决方案。

省下来的钱，换成了时间和价格空间。但省钱不等于凑合，该下重注的地方，他们选择自己造，比如说这台机器最贵的零部件，机器人的「眼睛」。

市面上现成的双目摄像头模组基线太短，最多能看清球落在哪，看不清球是怎么飞过来的。一旦看不清轨迹，机器就无法提前跑位，所谓「对手感」更无从谈起。为此团队自研了超长基线双目，球飞出去 10 毫秒，它就算出了第一个落点；飞行过程中不断观测不断调整，50 毫秒，整条运动轨迹了然于胸。户外光线的干扰也被压到最低，逆光、眩光、夜场的灯，都不影响它看球、判球。

另一处重注下在算法上，这也是全公司人数最多的团队，主要解决运动算法分析能力。他们已经在做多模态的肢体与动作分析；在模拟对手方面，目前的用户建模仍以规则式为主，也就是把教练的经验知识提炼成步伐、手势等六个维度的参数，写进规则，已经能模拟出诸如「纳达尔的左侧上旋球」这样的打法训练方式。

眼睛和算法是这台机器上他们花钱最大的两个地方。但真正定义这台机器的，是他们选择不做的地方。毕竟，做加法只需要钱，做减法需要判断，而这支团队对 AI 网球的判断，都写在一张「不做」的清单里。

一张「不做」清单，

看懂消费级 AI 网球机器人的取舍题

在各类产品形态衍生的今天，我们看到 Aceii 选择了很多「不做」：不做满场跑的机器人，只沿底线移动；不做花哨功能，用移动发球串起体验；不一次性做完所有需求，首先努力满足 2.0 到 4.0 水平的进阶球友。每个「不做」背后，都有依据。

其中，我们最好奇的是，为什么不造一台类人形机器人来打网球？晁光说：「人形机器人打网球，验证的是机器人的能力；我们做的是网球机器人，交付的是打球的体验，是真正能够让消费者愿意买的产品。在平整场地上，轮子的效率高于双足，就像人用洗衣机的效率高于手搓。」

而选择不做接球的背后，则藏着一个训练观念。在 Aceii 看来，发球和接球是两件事，发球决定训练的节奏，机器为了追求接球把自己的节奏打乱，整体的训练价值便打了折扣。更何况，接球成功率一旦不够高，场面就会倒过来，不是机器陪人练球，而是人在遛机器。

还有选择底线移动的原因，则是源于市场需求。据行业统计，2.5 以上的目标用户七八成的击球是底线对拉。守住底线，就守住了七八成的体验。

那么，一台处处克制的机器，为什么偏偏在「移动」上不计成本？

在他们看来，移动是 AceiiLab 和传统发球机的分界线。一台放在原地的机器，和人的交互一上午只有一次，开机，设置，然后各干各的。而一台会移动的机器，一秒就交互一次，你打左它追左，你打右它追右，你被它看见了，它在回应你。这也带来了交互纵深。此外，移动带来了对手感，带来了多点喂球、隔网对拉、球童这些玩法，也带来了一种微妙的情感连接。我们在现场也感受到早期使用用户对于「移动」的对打体验，颇受好评「能在移动中发球，沉浸感真人感更足」。

把这些「不做」倒过来看，AceiiLab 的选择路径就显影了。中国硬件公司走了三十年的老路，把一个品类做便宜，再被后来者做得更便宜，做一代产品，打一场仗，毛利一代薄过一代，直到无仗可打。AceiiLab 想走的是另一条，先用一个被彻底重构的发球体验把机器卖出去，靠量产降本，靠移动和交互留住人，再让攒下的数据变成服务。

在这条路上，克制不是保守，而是一种耐心。这条路能不能走通，现在下结论还早。首批量产机今年 7 月才开始交付，订阅的续费率、课程的完课率、社区的活跃度，都要等真实用户给出数字。

时间站在哪一边，球场上的用户会给出答案。

*头图来源：Hardwire

本文为 Hardwire 原创文章，转载请在文章下方评论区留言