TalkCaitlin Kalinowski 的履历踩过过去十五年消费硬件最关键的三条线Apple 的 MacBook AirMeta 的 Oculus 和 AR 眼镜OpenAI 的机器人与硬件探索。她在 Lennys Podcast 里聊了一个 AI 圈很少认真讨论的问题当模型越来越聪明最难的部分会从屏幕里移到物理世界里。机器人、AR 眼镜、供应链、制造公差、内存价格、战争无人化——这些话题在她的叙述里连成了一条线AI 走进现实世界之后产品经理和硬件团队要重新学会尊重原子。Caitlin Kalinowski前 Apple 硬件团队成员参与过 MacBook Air 量产后来在 Meta 带 Oculus、AR 眼镜和硬件团队之后加入 OpenAI 负责机器人与硬件方向。她的职业路径横跨消费电子、空间计算和 AI 硬件。1. 硅谷最抢手的硬件领导者刚刚离开了 OpenAICaitlin 从 OpenAI 离职的推文拿到了数百万浏览量。OpenAI 正在向硬件和机器人方向伸手她是少数能把 AI 想法落到物理产品上的人。Lenny 问她为什么现在所有人都开始关心硬件。Caitlin 的回答AI 已经把软件里的很多边界推得很远下一波真正的变化会发生在物理世界。软件可以每天发版。硬件的一次错误会变成库存、返修、供应链延误和品牌损耗。AI 公司习惯了快速试错硬件公司习惯了慢速锁定。两种文化碰到一起摩擦才刚开始。2. VR 砸了上百亿美元为什么没成Caitlin 承认 Meta 投入巨大也承认很多消费级 VR 产品没有成为大众日常设备。问题很少出在单点技术上更多出在社会接受度、内容密度、佩戴体验和使用场景的错位上。她提到一个容易被忽略的结果VR 没有把每个人都带进虚拟世界却为机器人和空间智能积累了大量底层能力。SLAM、深度传感器、空间定位、低延迟显示、手势追踪——这些技术在 VR 里显得奢侈在机器人那里会变成基础设施。Meta 对 Reality Labs 的投入经常被外界当作战略冒险来讨论。换个角度看这笔投入沉淀出的技术资产正在被迁移到更宽的物理世界计算里。VR 的商业化速度慢技术遗产却很厚。3. Orion 与 AR 眼镜离我们还有多远聊到 Meta 的 OrionCaitlin 提到 70 度双目视场角这在 AR 眼镜里是一个很激进的数字。更大的视场角意味着用户能看到更完整的数字叠加层也意味着光学、功耗、重量和散热同时被推到极限。AR 眼镜卡住的地方一直是系统级取舍波导、MicroLED、计算单元、输入方式、电池和佩戴舒适度每一个都不能单独优化。单项技术突破经常会把另一个指标拉爆。用户不会为供应链难题买单。眼镜戴上去重、热、暗、丑用户的判断只需要三秒。4. 硬件「编译」只有四五次这期访谈里最出彩的比喻Caitlin 把硬件开发叫作一种低频编译。软件团队可以每天编译、每天测试、每天回滚。硬件团队一年可能只有四五次真正的构建机会。一次 EVT、一次 DVT、一次 PVT每一次样机都要烧掉时间、模具、供应链排期和工程团队的耐心。硬件团队一年可能只有四五次真正的「编译」机会。到了量产那一刻最后一次编译已经结束。-- Caitlin Kalinowski硬件里的 0.5% 边缘问题之所以致命是因为软件里的长尾 bug 可以上线后修。硬件里的长尾问题可能出现在某个温度、某个跌落角度、某个装配误差、某批材料的微小偏差里。等产品发到用户手里这些问题会变成真实世界的召回。5. 为什么连学计算机的人都跑来搞机器人了越来越多计算机背景的人开始转向机器人、硬件和物理 AI。Caitlin 提到普林斯顿的计算机方向选课变化——学生兴趣正在从纯软件扩散到物理世界。过去十年最聪明的人都在优化屏幕里的产品推荐流、广告系统、云服务、SaaS、移动应用。大模型出现后屏幕里的很多任务被自动化工具迅速吞掉。新的稀缺点开始转移谁能让 AI 抓起一个杯子谁能让机器人在工厂里安全走动谁能让眼镜整天戴在脸上。物理世界没有 API 那么温顺。它有摩擦力、重力、灰尘、撞击、供应商、海关和工人班次。6. 人形机器人还在原型阶段Lenny 问到人形机器人。Caitlin 看到了 Optimus、Figure、Neo 这些项目的进展也看到了资本市场的热情。但在她的判断里这个领域还处于早期。安全是最大问题之一。一个能搬重物的人形机器人天然带有危险性。它一旦失控造成的风险比一个手机 App 崩溃严重得多。靠近机器人三英尺以内人会本能地警惕。人形机器人演示视频很容易制造传播效果。进入家庭、医院、仓库和工厂之后安全认证、责任归属、维护成本和场景边界会成为更现实的问题。机器人公司展示的是能力客户采购的是可靠性。7. 一颗叫「内存价格」的陨石Caitlin 提到AI 数据中心正在吞掉大量内存供应。Matic 的 CEO 曾提醒她内存价格已经上涨约六倍未来还可能继续翻。对硬件初创公司来说内存价格的剧烈波动意味着 BOM 成本被外部力量直接重写。AI 的一个有趣后果是最先受到冲击的群体可能是那些需要购买实体零件的小公司模型公司反而离冲击更远。大厂可以提前锁产能创业公司只能用现金流硬扛。8. 一块磁铁就能卡住整个机器人产业Caitlin 把机器人拆成磁体、执行器、子组件和整机。任何一层出问题最后的产品都会被卡住。执行器尤其关键。它像机器人的肌肉决定力量、速度、控制精度和耐用性。很多人谈机器人时盯着模型和控制算法Caitlin 盯的是电机、齿轮、磁体、线圈和热管理。过去 25 年美国把大量制造能力外迁。现在 AI 硬件和机器人突然变成战略产业供应链能力的空心化开始反噬。你可以在硅谷画出最漂亮的产品路线图但工厂、供应商和材料价格会把路线图重新排版。9. 十万架无人机 vs 航空母舰Caitlin 引用 Palmer Luckey 的判断未来战争里大量低成本无人机可能比少量昂贵平台更有决定性。乌克兰战场已经展示了这种变化3D 打印、快速迭代、现场改装、低成本传感器和 AI 辅助识别让军事硬件的更新速度越来越接近软件。Palmer Luckey / AndurilOculus 创始人后来创办防务科技公司 Anduril。他的路径把 VR、传感器、自治系统和军用硬件连在了一起也让消费电子技术与国防产业之间的边界变得更薄。同一套传感器、边缘计算和自主控制能力可以进入家庭机器人也可以进入战场无人机。技术中性这句话在物理世界里会变得很贵。这也是 AI 硬件叙事里最难处理的一层。10. 从苹果学到的东西柜子背面也要做好Caitlin 在 Apple 学到了一种近乎顽固的产品标准。她提到乔布斯讲过木匠做柜子的故事即使柜子背面靠墙看不见也要做得漂亮。柜子背面也要做好。用户也许看不见但做产品的人知道。-- Steve Jobs软件里的粗糙常常藏在界面后面。硬件里的粗糙会变成手感、缝隙、噪音、热量和重量。用户未必知道哪里出了问题只会觉得这个东西廉价。Caitlin 所在的那一代 Apple 硬件人后来散落到 Meta、OpenAI、消费电子、机器人和 AR 公司里。今天硅谷很多 AI 硬件项目仍在吃 2007 到 2012 年那波 Apple 工业体系的红利。11. 帮 Meta 从零搭建硬件四条实操经验Caitlin 在 Meta 讲了四条做硬件团队的原则。第一一开始就明确目标。成本、重量、性能、续航、可靠性必须尽早定下来。硬件项目越晚改目标代价越高。第二先攻克最难的部分。很多团队喜欢先做容易的东西因为这样看起来进度很快。硬件项目里最难的零件、工艺和性能指标必须提前暴露。第三用户接触最多的部分要反复打磨。佩戴设备尤其如此面部接触、绑带、重量分布和散热会直接决定用户是否愿意继续用。第四现在就做。Shelley Goldberg 给她的影响不要等所有信息完美才开始推进。硬件节奏已经够慢团队再拖窗口就会过去。12. 「信封时刻」与制造革命MacBook Air 的经典发布画面是乔布斯从牛皮纸信封里拿出一台笔记本。背后是制造方式的变化。Caitlin 参与的是后续量产版本。CNC 一体成型工艺把机身从多个零件拼装变成从一整块铝里切出来。它改写的不止是外观还有结构强度、装配公差和手感。Apple 的硬件神话经常被讲成审美故事。更硬的一层是制造能力CNC、材料、良率、供应商管理、自动化测试。发布会上的轻薄是靠工厂里的刀具、治具和良率兑现的。13. AI 能做 CAD 了吗还差得远Caitlin 说 Claude 可以生成一些曲面和点云但这离可制造的 CAD 还很远。真正的 CAD 需要包含实体结构、材料厚度、公差、装配关系、受力、热、制造工艺和成本。LLM 可以理解文字关系却很难理解一个零件被拧紧时的接触压力。PCB 布线已经更接近自动化因为它的规则更明确数据也相对结构化。机械设计难得多——真实世界的变量太脏。这个判断也解释了为什么 World Labs、Gemini 空间智能和机器人基础模型会被行业持续关注。AI 要进入物理世界必须学会三维结构、时间、因果和接触关系。14. 人形机器人之外专用机器人更快规模化Caitlin 没有把未来全部押在人形机器人上。很多先进工厂已经高度自动化里面的机器人形态各异和人的外形相去甚远。拧螺丝、搬运、焊接、检测、分拣、物流——这些任务经常需要的是专用机器。人形机器人适合长尾任务环境为人设计任务变化多工具和空间都围绕人类身体展开。这就带来一个商业判断最先赚钱的机器人公司更可能是能把一个窄场景做到便宜、稳定、可维护的那批演示视频里最像人的那批反而未必。15. 让机器人不吓人皮克斯和迪士尼可能是最好的老师机器人进入人类空间除了安全还要解决行为表达。Caitlin 提到非语言暗示的重要性。机器人要移动、转身、伸手、靠近人时需要提前让人知道它的意图。一个小小的动作节奏就能决定人是放松还是害怕。皮克斯和迪士尼的经验值得重视。动画师很擅长用身体语言表达意图预备动作、重心变化、眼神方向、节奏停顿。这些东西放到机器人身上会变成可感知的安全设计。16. 五年后的世界战争变化会超过消费电子Caitlin 对未来五年有一句很重的判断战争的变化可能会超过消费电子。消费电子的更新速度受限于用户习惯、价格、供应链和渠道。战争场景的采用门槛不同——只要能降低成本、提高命中率、减少人员风险新技术会被更快推上前线。知识工作会被 AI 改写物理世界也会被机器人和无人系统改写。区别在于前者的反馈来自工作流后者的反馈来自真实损耗。17. 为什么离开 OpenAICaitlin 的回答很克制。她提到决策方式、速度和治理流程也强调和朋友意见不同仍然可以保持关系。她没有把离开包装成戏剧。更像一个硬件负责人对组织节奏的判断硬件需要清晰目标、稳定投入和长期承诺。AI 实验室的组织节奏如果太漂移硬件团队会付出更高代价。编者注OpenAI 过去几年一直在模型、产品、治理、商业化和硬件之间高速切换。对软件团队来说这种切换可以通过优先级调整消化。对硬件团队来说每一次方向变化都会进入供应链和工程排期。18. 招人AI 原生代、通才和「开挂级应届生」Caitlin 提到 20 岁左右的 AI 原生代他们使用工具、学习知识和构建项目的方式已经和上一代工程师不同。她喜欢通才也看重专才。硬件项目需要机械、电气、软件、供应链、工业设计和产品之间不断翻译。一个只懂自己领域的人很难把问题推过系统边界。她还提到直觉判断驱动力、求知欲、想赢。这些词听起来很普通但在硬件团队里很实际。项目周期长失败代价高没有强内驱的人很容易在第三轮样机前耗尽。19. 乔布斯、扎克伯格、奥特曼三位领袖的三堂课Steve Jobs 给她的是标准。优秀来自全链路的审美和苛刻。Mark Zuckerberg 给她的是组织效率。他会把决策下放给真正懂技术的人用高频技术评审把团队推向更快节奏。Sam Altman 给她的是尺度感——他常问一句话为什么不大一百倍-- Sam Altman这句话在 AI 公司里很典型逼团队把想象力从线性增长里拉出来。放到硬件里规模感可以打开天花板也会放大每一个制造和供应链错误。Caitlin 所在的那一代 Apple 硬件人后来散落到各处——带着同一种产品标准进入不同领域。今天硅谷的 AI 硬件项目里还能看到 2007 到 2012 年那波 Apple 工业体系的影子。20. Quest 1 差点翻车一个关于公差理解的教训Quest 1 的 EVT 阶段团队发现摄像头定位有问题。问题出在双方对 ±0.15mm 规范的理解不一致。文件写着同一个数字供应商和设计团队理解的含义可能不同。软件里一个字段解释错了可以加测试和热修复硬件里一个公差解释错了可能意味着模具、零件和装配方案一起重来。团队在圣诞节前紧急调整架构新设计反而更好。这个故事好听是因为结局好。更多时候硬件团队只会得到一个昂贵的教训。21. 快问快答里的 Caitlin快问快答部分反而更能看出她的气质。她推荐《新太阳之书》《达洛维夫人》和希罗多德《历史》喜欢《亢奋》也提到 Vollebak 这种材料科学感很强的服装品牌。这些偏好和她的职业路径很一致工程、材料、叙事、历史和未来想象混在一起。做硬件的人脑子里不能只有参数表也要有对人类行为和文化接受度的判断。她的人生信条是分叉图每一刻都在选择。这个说法放在硬件里尤其贴切。每一次架构选择、供应商选择、材料选择都会把后面的路径越锁越窄。编辑手记AI 硬件的三条缝隙AI 进入硬件之后有三条缝隙正在被撑开。模型每周都在进步模具、产线、认证和供应链按月甚至按年推进。AI 公司进入硬件之后最难学的课可能是等待。硅谷可以重新重视制造但磁体、执行器、内存、工厂经验和供应商网络不会因为战略口号立刻回来。再工业化叙事和真实供应链能力之间的差距比大多数路线图假设的要大。传感器、机器人、边缘 AI、自主系统——这些能力在家庭里看起来像便利在战场上会变成武器。Caitlin 的访谈没有回避这一层。这也是它比普通 AI 硬件讨论更有重量的地方。接下来值得观察的信号AI 公司会不会真正建立长期硬件组织内存和执行器供应链会不会成为机器人公司的生死线以及第一批规模化机器人产品到底会出现在家庭、工厂还是战场。
