如果把当下最让人迷惑的科技产品拉个清单，AI硬件网红们绝对榜上有名。

从699美元的Humane Ai Pin到200美元的Rabbit R1，这些AI创业公司都在兜售同一个美丽的谎言：你需要专门的硬件才能体验真正的AI。

今天，这个名单上又多了一个新成员——AI Key。

这是一款定位于“AI助手”的外接硬件，厂商宣传它可随插随拔，通过iPhone的USB接口连接后，能够帮助你动动嘴操作手机上的应用和功能，从消息、地图到拍照、社交软件，几乎覆盖常见任务。

类似于手机Agent，它的用法也并不复杂。

只需提出你的需求，确认它调用的应用，接着设备会自动模拟点击、滑动和输入操作。用户既可以盯着它执行，也可以完全交给它处理，并在需要时随时中止或修改。

值得注意的是，虽然苹果提供了如“快捷指令”这类系统级自动化工具，但第三方应用无法深度调用或控制其他应用的行为，这也解释了为什么市场上会出现这类试图填补空白的外接硬件。

外观小巧的它拥有三种配色：午夜黑、蛋奶白和达维粉，售价89美元，厂商承诺圣诞节前全球发货。创始人Adam Cohen Hillel在X平台表示，首批产品在短短7小时内几乎售罄。

AI key的火爆并不令人意外，只是，问题也随之而来，为了把手机变成“AI手机”，你真的需要额外插一个外设吗？基于此，我们还可以延伸出更深层的问题——我们真的需要为了AI而专门创造AI硬件吗？

AI硬件卷生卷死，但手机形态稳坐C位

尽管苹果高级副总裁埃迪·库多次强调，未来十年内iPhone可能被淘汰，但不可否认的是，当下最好的AI硬件形态依旧是手机。

你口袋里的iPhone 16 Pro搭载第二代3纳米制程芯片，能访问ChatGPT、Claude、Gemini、DeepSeek等人类历史上最强大的AI模型。而即便抛却云端大模型的加持，手机厂商们也纷纷在端侧模型上大作文章。

哪怕是被诟病在AI赛道掉队的苹果，最近也在Hugging Face上发布了FastVLM和MobileCLIP2。

这些模型比以往版本快85倍、体积缩小3.4倍，让实时视觉语言模型（VLM）应用成为可能，甚至还能在浏览器里完全本地运行，实现实时视频字幕生成。

更不用说前阵子发布的Google Pixel 10系列手机，堪称买AI送手机，它不仅能本地运行Gemini Nano模型，还搭载了Camera Coach与Auto Best Take等功能，能够实时分析拍摄场景、光线与人物动作，自动优化照片甚至给出拍摄建议。

之所以能做到这一点，原因很简单：硬件素质摆在那里。

如果回首第一波涌现AI硬件的浪潮，Humane Ai Pin和Rabbit R1，均以颠覆者的姿态出现，试图通过“无屏/少屏”的理念，重塑个人计算的未来。

前者Ai Pin由前苹果高管打造，秉承着“让技术成为你的仆人，而非你的主人”使命。后者的R1则以其大胆的橙色设计和“大型动作模型”概念，承诺通过AI替用户完成复杂的应用内任务。

然而，Humane Ai Pin正式发货后，却被发现有着严重的过热和续航问题，最后卖身惠普。

而Rabbit R1同样高开低走，发货初期，R1的USB-C接口对充电线极为挑剔，仅能兼容部分线缆，且电池续航极短，仅1000毫安时的电池容量，不仅是质量问题，更反映出初创公司在供应链和品控上的经验不足。

Reddit论坛上一则评论甚至提到，R1团队“意外订购了错误的内存部件”，这一小插曲生动地揭示了硬件初创公司在供应链管理上所面临的混乱与脆弱性。

当初创公司在成本控制和供应链采购上无奈妥协，也就更容易导致了一个恶性循环：低端硬件无法提供流畅体验，用户差评导致口碑崩盘，反过来影响销售，使得公司难以通过规模化生产来降低成本，最终陷入财务困境，甚至破产。

倒也不是说像R1和Ai Pin没有价值，只是，它们的意义可能更多体现在AI交互模式的探索上。

它们所倡导的理念——主动代理、环境语音命令、统一的任务界面——是强大的。但这些概念不会在一个独立的盒子里茁壮成长，而是会被主导平台吸收，变成iOS、Android等系统的原生能力。

Rabbit R1的滚轮、Humane Ai Pin的投影、AI Key的“钥匙”形态，这些看似奇怪的设计选择，实际上是在测试不同的交互假设，为行业排除错误选项。

我并不反对创新，也不认为所有的AI硬件创业都是无意义的。但我们需要诚实地面对一个现实：在手机已经如此强大的今天，任何试图通过外接配件来“增强”手机AI能力的产品，都面临着巨大的用户体验挑战。

真正的机会可能在别处：要么做手机永远做不到的事情，要么等待一个全新的计算平台出现。而不是给iPhone插个插件，然后告诉用户：看，这就是未来。

功能还是属性？我们对AI的根本误解

一个隐藏在AI硬件争论背后的技术哲学是，你到底把AI当作一个“功能”，还是当作一种“属性”。

功能是离散的、可分割的，需要专门的承载物。而属性是渗透性的、无处不在的，它改变的是整个系统的运作方式。

当AI作为功能，这种思路是把AI单独拎出来，打包成一个卖点。

比如聊天机器人、翻译器，或者Rabbit R1的LAM、Humane Ai Pin的激光投影。它们的逻辑是：先有了AI技术，再找个硬件来装进去。当用户要用，就得专门打开、专门交互。

问题在于，大部分“功能”在手机里早已存在，还做得更好，所以新硬件看起来像个“中间商”，缺乏真正的护城河。

另一种思路是把AI融进现有生态，让它成为系统自带的“属性”。

苹果的Apple Intelligence就是例子：优先通知、邮件摘要、照片清理、Siri强化，都在原有体验里用AI长出来。Google把Gemini Nano下放到本地设备，也是类似逻辑。

用户甚至感觉不到AI的存在，但效率和体验却被整体提升。

汽车诞生之初，被理所当然地称为“无马的马车”。人们的想象力局限于替代马匹，关注点在于它能否跑得像马一样快，会不会惊扰到路旁的牛群。

没有人能预见到，这个“铁皮怪物”将催生出高速公路网、现代物流、郊区文化，并彻底改变城市的形态和人们的生活半径。今天，我们对AI硬件的想象力，或许也同样被困在狭窄的框架里。

于是，当人工智能这个“新物种”出现时，我们的第一反应几乎是条件反射式的：它也需要一台“专属设备”。一个“AI盒子”、“AI终端”，或者至少，是一台“AI PC”。

这种想法，就像一个原始人第一次看到火，不是思考如何利用火的能量去烹饪、取暖、冶炼，而是琢磨着必须制造一根“火棍”，才能将火焰握在手中。

早在1998年，Eli Zelkha和他的团队提出了“环境智能”这一概念，指的是一种能够“感知人类存在并做出响应”的智能环境系统。这些环境通过嵌入式设备（如传感器、执行器、AI模块）实现与用户的无感交互，试图将技术融入生活而不是成为负担。

而真正理解AI的公司不会试图刻意创造“AI设备”，而会让所有设备都变得AI化。

一个成熟的技术，不会终日将名字挂在嘴边。正如我们今天通常不会刻意说“电力台灯”或“互联网电脑”，因为电力和网络连接早已是这些设备的底层能力，是理所当然的存在。

同样，当AI真正普及时，它也会从一个被反复强调的“卖点”，下沉为所有智能设备的基础设施。

届时，你的汽车、冰箱、眼镜、甚至衣服，都将拥有不同形式的智能，它们彼此连接，协同运作，共同构成你的个人“环境智能”系统。

而当我们不再谈论AI硬件的那一天，才是AI无处不在的开始。

一个能让iPhone用上AI的配件，大可不必