深圳的硬件趋势变化也暗含着AI硬件变化的风向标。近期，南都N视频走访了深圳的多家硬件企业看到，在物理AI成为下一轮产业革命核心之时，多模态能力与工程化稳定性，已从技术选项变为硬件厂商无法绕开的商业刚需。
另外，AI正在从硬件的“附加功能”变成用户在意的核心体验之一。无数硬件案例显示，谁先完成与AI的深度融合，谁就能率先接入物理世界获得市场买单。
噜咔博士是云天励飞旗下的儿童AI硬件品牌。噜咔博士CEO杨坤透露，截至目前该品牌产品累计用户规模突破25万，月均拍照识别量超过5000万次，预计覆盖全球20多个国家和地区。
南都记者体验看到，噜咔博士AI拍学机内置了千问大模型，能拍照识别日常物品、根据需求生成图片，也能智能答疑，适合研学、上课、逛展等诸多场景，并将端到端延迟控制在1至2秒内。
谈及为何选择千问系列模型，杨坤给出了三方面原因：一是产品需要多模态模型的支持，以满足图像识别、图片生成、语音答疑等复合交互需求；二是产品需要稳定的工程化能力，确保大规模调用下产品的低延迟与高效率；三是在产品出海过程中，需要模型具备全球化能力。
事实上，这三个诉求也恰恰对应了当下AI硬件厂商的共同痛点，多模态与工程化稳定性已不再是锦上添花，而是产品能否落地的硬性门槛。无独有偶，深圳本土机器人企业逐际动力，也基于工程落地能力和多模态等因素，选择与阿里云合作。
就在近期，逐际动力官宣其具身智能标准化工程底座FluxVLA Engine，以镜像形式接入了阿里云AI工程化平台PAI。这样用户即可便利地依托于该底座进行后续的微调和部署，训练自己的专属具身智能大模型。
据介绍，随着具身智能进入规模化发展阶段，行业竞争正在从单个模型能力，延伸到支撑模型持续训练、快速迭代和稳定部署的工程基础设施。
长期以来VLA（视觉-语言-动作）和WAM（世界动作模型）模型，都面临着训练、仿真与真机之间数据规范不统一，模型架构与训练框架高度耦合，以及从仿真到现实的迁移落差等问题。
FluxVLA应运而生。南都记者在逐际动力现场看到，其旗下人形仅凭语音指令便可完成了对不同形状、材质的工件分拣与装配。这背后的核心环节是数据收集和模型训练，而模型训练又可以变成一条标准化的生产线。
FluxVLA就可以承担这条生产线的作用，将数据处理、模型训练、仿真评测和真机部署纳入同一套工程规范，过去模型配置需要数天时间，现在仅需半小时左右，这将帮助开发者节省消耗在底层工程适配的大量时间，也让能更快变聪明、学技能。
逐际动力联合创始人谌骅表示，逐际动力与阿里云展开合作，目标是为了让具身模型从训练到部署没有难度，通过在千行百业打造垂直大模型生产系统。
除了借助阿里云作为“行业放大器”、通过阿里云平台将工程底座开放以外，在本体交互上，逐际动力也将机器人本体接入千问Omni，来获得全模态实时互动能力。据悉，接入该模型后逐际动力不仅能看懂、听懂、说出来，还能根据现场场景调用外部工具完成任务。
在深圳实地走访可以看到，除了学习机和人形机器人，手机、眼镜、家居，无人机、车载终端、智能穿戴等硬件品类都将AI作为自己的标签。AI正在从硬件的附加功能变成用户在意的核心体验之一。
在AI玩具场景中，小智AI是基于千问语言、语音等模型打造的开源项目。目前，全球依托小智AI打造的硬件超200万，包括灯具、玩具、桌面机器人等多款产品已畅销东南亚等地。
过去，打造一款AI硬件，企业必须在芯片选型与嵌入式开发、模型调用与云端部署、语音交互等核心技术上全线打通。这种对“软硬一体”能力的极高要求，让多数中小团队在巨大的研发投入面前望而却步。
小智AI的开源方案解决了这一困难。据悉，其依托开源底座、标准化模组和全链路赋能能力，为传统硬件企业提供了低门槛、低风险、可快速验证的方案。
这样的方案迅速赋能了一九游体育股份有限公司批传统硬件企业。据悉，广东汕头的一家玩具厂家接入小智AI后，将传统语音玩具升级为AI陪伴玩具，产品短短半年海内外热销超20万台，日均销量超2300台；广东中山的一家传统台灯品牌商，运用小智AI将产品升级为可理解自然语言、自行思考决策的“智慧台灯”。产品一经上市迅速获得市场认可，预售订单同比增长220%。
更多类似小智AI这样的案例正在华强北发生。华强北披露数据显示，截至2026年5月初，华强北AI产品销量占比已从2023年的12%跃升至41%。
香港中文大学（深圳）理工学院助理院长、深圳河套学院助理院长吴辰晔认为，在华强北这样的地方，销量变化往往是最直接的信号。用户愿意买，商家愿意推，工厂愿意做，这说明AI能力已经开始成为产品的新标配。
他进一步提到，“过去很多产品只是消费品，或者是完成某个固定任务的工具；但当它接入大模型之后，就具备了理解、生成、交互和辅助决策的能力。这个变化不是简单多了一个功能，而是产品性质发生了变化——它从工具开始变成生产力终端。”
如吴辰晔提到的，在多种来自深圳的硬件中，AI正在从硬件的附加功能变成核心体验。比如，荣耀联合阿里云打造的视觉问答(Visual-Question-Answering,VQA)端到端方案，将图像细分场景识别率提升近40%，延迟降低30%；在领域，影石科技的影翎A1基于千问系列模型，打造智能影像拼接、深度主体追踪、一键智能运镜等能力，能实现 “先飞行后构图” ，让小白也能边飞边轻松出片。