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
编辑丨董子博
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？
01
只做参数竞争的硬件创业，终局一定是价格战
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。
鲸犀：云台产品的技术水平，你们当时做到什么样？
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。
鲸犀：那最后你们的钱是怎么来的？
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。
鲸犀：接着你就去做了猫砂盆，为什么跨度这么大？
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。
鲸犀：为什么农业机器人这段经历非常痛苦？
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。
02
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。
图为Flowtica Verso
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·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。
雷峰网(公众号：雷峰网)·鲸犀：接下来出货的节奏和目标是什么？
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。
鲸犀：Flowtica 的未来会是什么走向？
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。
03
新机会来自 Memory，但旧时代的硬件规律依然奏效
鲸犀：你当时是如何推演出AI硬件的新机会？
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。
雷峰网·鲸犀：那什么能打破这个规律？
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。
图为Flowtica Scribe产品
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。
