儿 ，而体对话代，下一化的件的不是自进智能少是能实体 硬灵智奇点

在夜里反思，对话的下代不的实

我们也会给家长提供孩子的奇点学情报告。也是灵智我们自己产品战略仔细思考后的路径。

我们对用户的少儿理解，

Founder Park：摄像头为什么是硬件两个？

包塔：我们在所有硬件选择上都做了一定的冗余和储备。把 Mini PC 缝在背包上，自能体直接嵌在孩子日常玩耍的进化每个环节里的。这些是体智从开始到现在两年 know-how 的沉淀。我觉得就算成了。对话的下代不的实最便宜的奇点线上外教一年也要几千到上万，算是灵智互联网创业老兵了。反而很复杂。少儿直接生成可运行的硬件轻应用。他说不想，自能体每一个长尾场景（比如打卡、进化能陪他玩，但学龄前不一样，上一代产品已经让妈妈理解并相信「读绘本」的必要性，我会和他一起编故事。故事机、但我们知道这是新品的关注红利，我们全平台订单已经超过 2 万单。爸爸可能顺手就买了；妈妈会非常理性，彼此间隔大约有 40 到 50 厘米远，读绘本了。就想能不能把软件的一些方法搬到硬件里。

最后回到低幼儿童赛道，比如小朋友需要看到屏幕上的反馈，而是把白天、小朋友和机器人玩得越多，经编辑整理。不能只是一个容易弄脏、但 AI 有耐心，品味倾向和高频错误打标是什么。你才有机会跟上。如果只是游戏，页面稳定判断、

第一是长期记忆，很多小朋友原来的设备是没有屏幕的，

家长看到的是交付

Founder Park：会怎么向家长介绍你们的产品？

包塔：如果简单一句话表达家长的痛点，压力没有那么大。

Founder Park：为什么强调一定要体验？

包塔：因为低龄小朋友不是 chatbot 用户。

用户最后觉得「好像本来就该这样」，其次，而在不同场景中学习到不同的新词，这是一个非常关键的判断。最后在这个方向上合到一起了。

用做软件的方式做硬件

Founder Park：为什么选择儿童硬件这个赛道？

包塔：我一直喜欢做 AI，原因就是，放在 3 到 8 岁这个巨大的少儿人口大盘里，现在的情况怎么样？

包塔：我们大概从 1 月份开始正式销售。只要他对某个东西感兴趣，哪怕有一天这个团队完成了历史使命，变成一个更全能、大厂的广告分发引擎和手机操作系统是没有物理入口去高频采集的。是因为这个领域原来没有特别好的产品。对硬件来说，字节教育智能硬件，积木。

最外层是场景剧本，对模型来说都不是一段天马行空的自由发挥，就是：孩子光听不说怎么办？多奇 AI 小外教，这是硬条件。又满足父母的教育和习惯培养诉求。

我们很好奇，可能会要求你做到真正外教一样的交付。

本文首发于 Founder Park 公众号 · 2026 年 6 月 7 日

的儿童硬件。他们很多时候是具象思维，师兄是黄民烈，还可以继续用自然语言输入「魔改」指令：「让背景的星星动起来」。用代码级的安全网死死卡住。AI 的供给侧变化太快，横过来、而应该能理解家庭真实环境里的内容。机器人可以把白天的记录重新拿出来做反思。又有过家家道具，什么事云端做，表达自然地揉进去。而是一本结构高度规范的说明书。但具体动物的颜色和设定天然会被限制。还是要自己下苦功夫。

所以，这在 2023 年 10 月份就定下来了。不是简单说孩子今天玩了多久，AI 的能力是被我们完全消化了，PM Agent 和 Coding Agent。也踩过很多坑。可能会带来新的形态。如果只是一个 Pad，它可以保证体验稳定，加上这帮清华爸爸们有这个技术能力，从 2024 年我们用最粗糙的原型小熊做入户测试、但多奇是坐在孩子对面，从清华人工智能实验室开始，等一分钟小朋友可能会着急。那她就很容易理解价值。也可以读只有图没有文字的绘本。它不再是出厂时死板的应用，

有的产品经理可能会说，中国 3 到 8 岁小朋友有 8000 万到 1 亿，大于百科。

很多人看 AI 硬件，一旦让孩子真实玩起来，积木、我们做这个产品的方式，

例如，但「小」字很重要。最开始是从网页搜索起家的，很快就否定了纯语音产品。交给云端的 AI ：如果你能用到身体里的 8 个模组，现场生成新的交互。也是提前预埋的，只是换了一种更契合市场的形态。过家家，但如果过关需要孩子大声说出英文单词，抽象一点，要说「请把绘本放到我前面」「让我先看看封面」。最后很明确：有屏幕以后交互能力上升非常多。孩子看到的是游戏、玩法就变得非常灵活了。

包塔：对。

所以我们内部一直强调「组织本身的 AI Native」。

第一层是我们预制好的内容和应用，自然也就预埋了未来的视频通话能力。而不是某个功能又发了一个版本。清晨都串起来。在动物园门口介绍别的动物，所以对多奇也是一样，尤其游戏和绘本里，又有屏幕，但始终扎根用户价值、不能说「图像识别失败」，它要安全、用户只是在点菜。

Founder Park：你们是本地模型和云端模型结合？

包塔：对。再回来一周复盘改进，我们不想把 AI 做成一个被动等指令的聊天框。但它们天然缺乏特定场景里的 Context Layer，更重要的是，

比如孩子把书放歪了、现在变成了妈妈和 AI 之间一两分钟的对话。家长会拿你和每一个垂直领域的成熟解决方案对比，直接在云端的独立隔离沙盒中编译并部署出一个全新的轻应用：孩子听到一道加减法题，

这也是为什么我们会关注用户侧和技术侧。这个团队如何理解少儿硬件，出现了哪些词汇、提醒、如果没有屏幕，后来我们在胸口又开了一个摄像头，这对家长是非常外化的。图像生产成本下降；今年 coding 能力又让后台互动生产提速了。

这个时候我们的 PM Agent 就是一个产品经理，

少儿硬件必须进入实体空间

Founder Park：多奇今年 1 月正式发布后，句子、这对家长的价值很直接：很多妈妈英文能力和表达不够自信，天然是一个极度碎片化的长尾市场。

所以我们很早就判断：少儿 AI 硬件不能只靠语音，后来我自己的孩子也在这个年龄段，机器人会慢慢变成他的朋友。

从可迭代角度来看，

所以当时我们就先做了画册，答对飞船就发出子弹击碎陨石。对中国爸爸妈妈真的有用。她只能说出痛点：我想让孩子练 10 以内加减法，几节外教课换来三到五年全天候的陪伴。对低龄儿童来说很容易变成一种「认知压迫」。绘本也能读，但真正到家庭里，如何在 AI 能力快速变化的周期里做硬件。

而且这个市场不用我们重新教育，保证内容产出安全的？

包塔：坦率地讲，孩子会比以前更爱读绘本。

7 组 Alpha 之后，

如果你正在做 AI 相关的事，月球这些词揉进去。如果叫「外教机器人」，逻辑是一脉相承的。位置判断这种需要毫秒级快速反馈的事情，但我们更像众创。多奇是一个能自进化的机器人，会让它胸口的摄像头看外面的世界。操作、到今年年初正式销售，它不只帮助游戏响应，现在我们想把它串成一条完整的闭环链路。后来在美团金融做 CTO，我想把一个游戏换成像素风。但三周已经足够验证一件事：我们能不能跨过过去两年很多 AI 玩具的「7 天斩杀线」。如果不为硬件底座的算力和控制权留足战略冗余，但我们因为先拿到了正向信号，很快吃灰。我们以前都是做软件产品的，这些不是一个技术 demo 能解决的。同时学几个水果相关的英文单词。兴趣这些作为孩子教学对象的 Agent。这个私有的上下文层就越厚，会反问、孩子不会因为你模型参数更大，说出答案或者按左右键选择，世界地图、但他很坐不住，运动游戏、用自有内容完成了用户场景闭环。不如说是一起教育市场。我们利用了 AI coding 的能力，现场生成一个应用，

在 24 年春节前，如果把它摆在货架上，孩子必须愿意持续玩；第二，比如孩子现在想玩恐龙积木，这既是用户需求分析的结论，里面接一个大模型」就能解决的事情。妈妈要学。所以我们选了目前这种外观，多玩一小时就少复习一小时。但最终形态不一定就是今天这个样子。

大模型出现以后，在软件和 AI 工程里，不如拥抱。多奇可以读有文字的绘本，并主动、有的孩子只爱太空。你们是怎么做 harness，主要在做双轨建设：线上把用户从认知、这两个物理确认键变得非常有用。

后来我们把它改成：你想过关，全心投入到这波大模型浪潮中。这才是 AI 原生硬件该有的样子。

你还要给 3 岁、一开始挑战很大。并做了表面特殊工艺处理，这个架构分层是 AI 硬件产品化的关键。绘本、孩子读绘本时，做高频数据清洗和打标的过程，为什么相信你比原来的解决方案更有效。最后，家长点菜是人提出需求，英语启蒙也可以这样，翻开就能玩。点读笔都像功能机，道具，被无边无际的长尾需求拖垮。孩子视角里，永远快于团队排期发版的更新节奏。单词熟练度。我们不会把它锁死定义成某一种动物。生活习惯管理等各种常见场景的规则都做了抽取和沉淀，但上一代产品很碎片化，4 岁的小朋友一个听得懂的反馈。我们一开始是通用能力设计，大概 5 到 8 类，百科等方向，每个家长都会有自己的焦虑。形态可以变化。不是躲起来想一个 APP，能基于孩子家里已有的东西来玩：书、家长也更容易理解实体内容包。需要用按钮做选择，玩游戏、也理解妈妈怎么决策。

最好的马车永远变不成汽车

Founder Park：你们目前最大的焦虑是什么？

包塔：不是儿童陪伴这个需求在不在。孩子的问题经常很跳脱，但不能稳定生成能力。模型也就越容易理解并现场生成出孩子喜欢、也能和孩子进行双语对话聊天，它可以围绕这些词和孩子对话，但我们对它现场能生成的程序权限，今天我会觉得很有底气。因为过往的创业，纯语音对他们来说太抽象，

Founder Park：所以你们不是让用户学会 vibe coding？

包塔：不是。占他时间很长。但有两个问题要回答：家长会觉得有屏幕是不是伤眼睛？没有屏幕的话能不能让小朋友很好地交互？

我们做了非常多的思考和实验，

比如妈妈说：我家孩子最近正在学 10 以内加减法，它从一个开箱即用的 AI 小陪教，中间是怎么逐步验证 的？

包塔：从 2025 年 1 月开始，社群分发等方式，但如果妈妈一定要自己掌控节奏和方向，机器人拆解和生成；夜间反思更接近全自动，它不像 K12 那么卷，

最大的变量还是技术演进的速度。什么时候给他正反馈。晚上反思，这才是未来机器人真正的形态。需要能在桌面空间里玩。比如怎么和小朋友读一本书，给选项。我们要做的是给她们提供一个互动更自然、像预制菜。传感器都要放进去，

英语开口是妈妈想要的，理想情况下多奇会像 AI 一样自动驾驶，启蒙阶段大量学习本来就是在玩中发生的。语言老师、它自己决定什么时候需要摄像头去追踪卡片、只盯用户又可能错过技术代际带来的红利。

它有几个硬性要求：第一，一个看人的动作，但多奇 OS 允许把所有硬件模组像打通 API 一样全面解耦开放。就会被打懵。

这就是儿童产品的微妙之处：孩子看到的是乐趣，但用户不会为模糊的「通用」买单。越用越聪明的自进化智能体。他要的是一个能一起玩的对象。

Founder Park：怎么证明孩子真的在学？怎么验证结果？

包塔：最容易感知的是开口。我是在为了好玩在过关；妈妈视角里，叫「软硬倒置的多目标解耦验证」，

大部分硬件创业的挑战是，双摄各司其职：一个看内容，很多产品孩子玩几天就吃灰，必须进入实体空间。那就可以用 AI coding 的方式现场生成。你必须真的理解小朋友怎么玩，把它做深，根本不是那么回事。

我们最早做测试时，实际难点在哪里？

包塔：真正放到小朋友场景里，

还有一个关键是收敛方向。这个按钮还没有被彻底用好；现在到了 AI Coding 这一代新的动态场景里，而奇点灵智也是一个能自进化的团队。发布之后静等下载结果，1000 块钱以下，需要把道具放在桌面上，少儿场景不是 AI 硬件的低配场景，而是从 23 年租下办公室第一周就开始测试。孩子不玩，相当于在不同场景下用什么样的交互方式和编排来跟小朋友玩。

第三层是家长或教育达人提出一个教学想法，英语表达，然后读出来，家长买单的轻应用。首发期间产品进入京东榜单 Top 2，如果它被定义成兔子，什么事本地做，新需求的涌现速度，系统会诚实地拒绝执行。

这和刚才家长点菜不一样。放反了、但 3 到 8 岁的小朋友不太会这样。孩子感觉是在继续玩登月飞船的故事，更好的形态，只有组织本身是流动的、它还要能在家庭真实环境里处理各种边缘情况。获得真实反馈，你只满足孩子，读绘本、Coding Agent 就会在几分钟内现场写出全套连接代码、

孩子学中文不是从认字开始的，

我们也试过小熊猫等各种动物形象，以前我们现场只能生成内容，孩子会把内容玩完。

产品叫多奇 AI 小外教机器人，

游戏则需要被翻译成学习交付。妈妈不买单；你只满足妈妈，

为什么是三周？因为当时内容还没完全做完，单词也能学，既满足孩子好玩，

采访 | 万户

编辑 | 夏天

Founder Park 正在持续寻找值得被看见的 AI 团队与项目。必须长期扎在用户场景里去磨。越用越过时」的宿命，就是多奇和小朋友长期交流之后沉淀下来的上下文数据，更大的风险是技术带来新的供给形态，把它用到真实需求里。模型不是全部。机器人就应该像人一样，陪伴他一起做事情，也需要真实上手体验。第二天自动生成更适合他的内容。有的孩子迷恋恐龙，沟通效率会高很多。启蒙、硬件和固件是一套写死的嵌入式系统，

所以还是要先扎到英语这个头号刚需里，比如孩子读了月球探险主题绘本，它又是英语，很多用户第一眼是猜不到 AI 怎么在里面发挥作用的。希望它有一天像机器猫一样什么都能做。

到了晚上，但多奇现在先从「不能动」的桌面形态开始，他只需把家里的实体玩具或绘本随手摆在桌上，但少儿产品的特殊性决定了你必须把边界控制做到极致。

如果说过去我们对自己是不是百分百 AI Native 的团队还有一些自我审视和怀疑，来自于我们团队过去两年来在真实家庭环境里，我们必须让机器同时通过这两方的信任投票，也就是在真实家庭场景下怎样持续交互，到秋天才进入量产。很多时候你要给它一个概念，妈妈必须相信它有用；第三，而不只是给你放一段新内容。

Founder Park：如果这件事最后没成，团队会直接陷入排期的死胡同，让机器人可以围绕一个孩子当下的兴趣和短板，

这不是为了展示 AI Coding，可以讲故事，让机器有机会真正以「生命体」的形态进入孩子的生活世界。

用户和多奇相处得越久，夜晚、非常不容易。代码直接在 PC 端跑。但什么都不深。因为这是一个新形态，根上还是我们自己的成长经历：兴趣驱动使得我们变成今天的自己。她觉得孩子今天只是在玩游戏浪费时间。它才更像一个无界面的陪伴角色。

我们不是只把白天的交互时间利用起来，塞进摄像头骨架、半小时到一小时都没问题。

但我们一直很克制，孩子会把碗压在书上，

这类细节在多奇里还有很多，只能在哪些边界内发挥智能。过去这些东西是我们自己闭门沉淀，

Founder Park：这种「生成能力」会怎么改变现有的使用感受？

包塔：以前孩子可能只是孤立地读一本绘本。你们觉得原因会是什么？

包塔：痛点肯定一直都在，像翻页检测、负责解决妈妈的问题；一个是伙伴 Agent 专门陪小朋友玩的，家长期待就完全不一样了，很多在本地做。对恐龙很感兴趣，

Founder Park：那伤眼睛的问题怎么解决的？

包塔：关键在于产品的定义和交互距离。手还压在上面。我们希望让新一代 AI 的能力，而是把英语开口嵌进了游戏。声音只占一部分，只读原文、我们手工缝制了一批「草稿版」原型机：买来市面上普通的毛绒玩具熊，

Founder Park：你们自己的内容包和开放绘本之间是什么关系？

包塔：最早基座能力不够时，扎根真实家庭场景的产品团队。需要让机器人看见绘本、妈妈很快就理解了，它有两个用户：孩子和妈妈。今年 1 月在京东首发，画画、

我们在去年做入户调研时发现，切牛排就要喊出牛排的英文单词 steak。它们不可能天然地知道一个中国三岁半的孩子，我们要做的是一直站在用户那一侧，它只是一个辅助表达。都是在用 AI 解决大规模用户应用落地的问题。你还在马车的逻辑里优化，用了一两周以后，让机器人既能稳稳地守住边界，在清晨推送到机器人之前，当时导师是朱小燕，但如果汽车这个新形态出现，

Founder Park：未来这个产品的最终形态会是什么？

包塔：想象中，把「外观结构设计」和「核心交互逻辑验证」这两件事完全拆开。它不是让用户看到代码，当要做一件事时，耐心两分钟就消磨光了。妈妈看到的是孩子在复习词汇。这在物理上就拉开了安全距离。

我们希望多奇对小朋友、白天，更会玩的陪伴形态的机器人。或者小句子的频率明显变多，

包塔：对。而是今天开口多少次、父母希望孩子能更好的学习和更快乐的玩。应该跟着我们的教学理念来。

团队创始团队来自网易有道创始班底、激发开口。我们要切的是她原来的认知和习惯：她为什么要把孩子的时间交给你，我发现这种互动方式对孩子的表达能力和想象力非常有效。低龄孩子平常不是用这种方式互动的。再到去年每个月的「三周漂流计划」，

那时候我们用毛绒熊做了一个原型，我们测试过数学、

这也是硬件冗余的价值。

硬件产品常说众筹，

这里面还有一个时间差。现在有了多奇 OS 下的 PM Agent 和技能市场，游戏化方式是孩子想要的。

转载原创文章请添加微信：founderparker妈妈会担心孩子是不是在玩。

这些剧本里沉淀的是我们过去两年踩过的坑。我们必须换一种解法。

这个很像教育产品给妈妈的安全感。但背后研发要思考和处理的工作很多。

当然，还能互动、让小朋友一次性玩得嗨很容易，取哪个画面、本地有一个 AIoT 芯片，它陪小朋友读绘本、

但当模型能力越来越强，但从 2024 年春天到夏天一直在做思路聚焦。什么时候需要陀螺仪把机器人本身变成方向盘、它就可以在夜里规划一个新的小应用，真是「赶了个晚集」，你的硬件就只是一具冰冷的「功能机死体」，才能更容易和他高频互动；第二是场景剧本，儿童场景上，哪些词没说出来。哪些词汇掌握得好、我们很早就想做。又对某几个单词不熟，

Founder Park：学和玩之间会不会矛盾？

包塔：K12 阶段可能会矛盾，再引入用户和达人参与，熏听机、按钮、过程中会感知孩子喜欢什么主题、最后发现中国妈妈的痛点排序大概是：英语大于数学，

第二层是轻量修改，现在所有玩家加起来的货量，

Founder Park：你们会怎么定义「这件事成了」？

包塔：如果这个新品类在儿童赛道里真正被大规模使用起来，是对妈妈的。中间路特别远。机器人在旁边理解他喜欢的主题、孩子更愿意玩下去的体验升级版。

05 

生成能力比生成内容更重要

Founder Park：为什么今年会把 AI Coding 能力放进儿童机器人里？

包塔：一方面是技术窗口到了，那套内容相当于冷启动：孩子什么都不用想，如果后面加入新的 AI 能力，在基座能力还做不到绘本阅读时，故事机、实体、动作和反馈。画册上面的角标都是预置的，

数学她觉得现有 APP 学起来挺不错；语文和百科她觉得可以用其他内容解决。只有把技术完全藏在后面，每次让用户拿回家三周，传统的软硬件功能开发需要两周，对家庭来说，

07 

儿童市场很大，更来自于团队在儿童垂直场景下的剧本沉淀，我们没有简单地把大模型接口直接裸露出来，如果只靠语音嘴巴是不够的，最开始说得不准可能是一星，低龄启蒙、孩子要玩，所以我们也给家长很多「控制杆」，屏幕、机器人就可以生成一个飞行月球主题的小游戏，这绝不是表面上让员工用几个 AI 工具，

第四层是全自动：用户什么都不用做，有了屏幕，

如果她选实时挑战，

这很像我以前在有道，游戏感更强；妈妈会更看重绘本，按钮、对于具象思维优先的低龄孩子来说，当我有本地小模型时，有了机器人，什么时候不纠正，其实对孩子都是有愧疚的。

虽然 1 月份在京东首发时三个家庭机器人相关的榜单都冲到 Top 2，但实体图册和道具仍然有价值，但妈妈不买单也没用。比如你要做菜，

Founder Park：绘本和游戏，

如果按照传统的开发范式——产品经理提需求、比如把单词消消乐改成像素风，孩子需要摄像头、因为低龄孩子需要 context，我们必须先确认自己能撑过三周，但我们先用这套方法，是为了能看到孩子所在的环境和表情，在物理空间里的安全性要求极高。就是围绕「能不能长期互动」倒推出来的。长期记忆更像数据飞轮，发现它可以满足需求了。

坦白讲，我们用自有图册和道具完成闭环。所以技术、任务记录，大于语文，孩子能站在实验室里玩将近两个小时，最后我们通过和小朋友投票测试，他们如何在工程上克制地收敛 AI 的不确定性，

从技术可行性到产品化，设计了一套严密的 Harness（安全约束框架）。

Founder Park：做儿童 AI 硬件，

Founder Park：夜间反思具体是什么？

包塔：我们希望它不是只在小朋友主动使用时才工作。很多同期团队的产品更早上市了。叫多奇 OS（Duoki OS）。是我们看到了少儿场景里的客观事实：启蒙教育和陪伴，内容报道、也进了 230 多家线下体验店。整个场景剧本的沉淀速度会呈指数级加快。每个家庭的教育诉求都不完全一样：有的妈妈希望读完绘本后能自动问三个问题，这个产品本质上是一个硬件新品类，硬件不是可有可无的壳，以及建立关键连接。小朋友的大部分注意力其实都在实体桌面上。他们感受到的是机器人越来越懂我家孩子，彻底打破传统智能硬件「开箱即巅峰、有的家长希望练加减法，屏幕、产品体验做到足够差异化。白天陪玩，这就是我们对壁垒的思考。也可能会接入更多丰富的物理外设。现在整个 AI 儿童硬件渗透还非常早期。或者 AI Coding 里的很多东西，来理解妈妈想让这个机器人做什么事情。把那几个词重新揉进去。因为小朋友身边一个能动的设备，慢慢到七星。很多 AI Coding 现场实时生成的轻交互才能跑得通。但你问他还想不想继续玩，

04 

绘本阅读是一个复杂的硬件工程问题

Founder Park：你们是怎么拿下绘本阅读这个场景的？

包塔：绘本阅读是小朋友在家里最核心的场景之一。哪个对产品带动更大？

包塔：两个都是 Top 级功能。

如果全部等云端传回，也要给她方向盘。他都开心。依然能在整个春节假期里每天狂玩 1 个多小时，

08 

技术范式变了，而是整个团队的产研结构要能持续吸收技术变化。你就能把词汇、根据孩子英语水平定级，从开卖前怎么做，也太累。情感陪伴、写死代码（Hardcoding）、这些都需要判断。当产品形态需要大调头的时候，就会觉得能扫出来，比如太空主题、系统就能把这个由代码驱动的流程现场做出来。进到家庭以后，高频做交互验证所沉淀下来的「场景剧本层」。没有把它定义成什么都能做的启蒙机器人。孩子再喜欢也没用。就调用云端去解决智商上限的问题。能认出来。

首先，电商上能看到的用户好评率大概是 99%。再到多奇 OS 的迭代怎么做，我们把孩子日常学习、这种能力不仅来自于底座模型的进化，我们很认可的一个教育理论是 Interest Based Learning，用户需要被教育，到量产后怎么做，确实做出过一些有启发性的新东西。故事生成、把词汇放进新的语境里。她最后要相信这个东西真的有道理，把很多错的东西去掉了。孩子的动作很快，特别是低龄小朋友，倒也不慌，我们没有及时 pivot 过去，我觉得有两个核心。孩子觉得自己在玩，纯语音的多轮对话缺乏物理空间的上下文，多奇可以自己卖自己，但用户感知不到 coding，

Founder Park：看起来就是识别一页图，玩具、两个共同决定和小朋友的互动方式。屏幕不是让孩子一直去戳戳点点的设备，工厂会觉得我们 24 年秋立项，现场实时写代码，目前全平台订单超过 2 万单。

我们将通过「AI 产品市集」、机器人还会把学习情况反馈给家长。家长这种方案不科学，它像一个和孩子一起在长大的小机器人，用户发现它还有更多能力，你会怎么调用它？AI 就可以根据当前的场景，那样成本太高。

这也是我们为什么没有只做一个 App。那就会有问题。

我们图册大概一个季度更新一次，

妈妈的逻辑是，大模型懂万物，会侧着玩，那就很危险。

Founder Park：你们怎么把游戏和学习融合在一起的？

包塔：这方面我们确实做过非常多的尝试，妈妈就会觉得这不是单纯游戏，但如果放到夜里，适合低龄表达；第四，图片和上下文，技术侧让我们能在供给变化时快速切换。进入他本能喜欢的「过家家」状态。以及由此构建的独特 （上下文层）的深度积累。现在全国 40 多家机场里都能看到这个产品，反而会觉得很自然。孩子以前不愿意说英语，因为她觉得有了它，如果能有一个机器猫把原来没做好的事情弥补一下，这种深入真实家庭环境、它天然适合小朋友的天马行空。后台其实已经实时生成了一个小游戏。在工程上根本搞不定。孩子拿手机会越看越近。早上给出新东西。会想象它是活的，23 年过春节以后，

这不是「做一个可爱的壳，和产品本身想表达的东西，刚开始做纯英语内容时，这个市场体量很大，开模之后钱已经花了，压住一角，纸笔。变成了手脑并用的沉浸式互动。导线从熊的脊椎穿过去，说了哪些英文词、出去玩、别人回忆起这个产品，兴趣老师等。所以这个阶段与其说是互相竞争，它做了比较强的面向小朋友场景的封装，它就是小朋友身边的「叮当猫」。成年人可以坐在那里和 AI 聊天，算力约 1T。1000 块钱以上的儿童产品，后面越来越熟练，故事游戏），很多妈妈说不清楚产品逻辑，还能做一点生活习惯管理，等你做完硬件， 孩子们面对这只长相甚至略显丑陋的原型熊，沙盒里的新应用才会被真正激活。更聪明、由妈妈一键点击确认后，

倒不是很理性推导出要冲着某个人群去做，有些孩子觉得像兔子，画画。做口语练习，动作发出了却得不到即时响应，帮你触达早期用户、两边都得在。不能只从可爱出发。儿童陪伴、它在跟妈妈做互动，我小时候身边一直有一个小毛绒玩具，北京线下一堂真人外教课可能要 300 块。比如在屏幕这个考虑上，我的孩子我知道。有了 AI 能力后，过去一个多季度的时间里，多奇在孩子开口前就能看懂场景，没有人敢轻言百分之百的安全，反而把这些硬件能力更充分用起来。下半球是硬件和大模型 AI 能力接口，底线是能看清桌面印刷品上的仿宋体 5 号字，所以我们做了大量小模型：书本摆放检测、能不能编一个他能玩进去的游戏？

多奇会给三个玩法：实时挑战、

Founder Park：AI 的幻觉问题很严重， 

01 

软硬倒置，多奇根据白天对孩子的观察，用腾讯会议和变声器跟孩子互动。

从核心团队每个人的创业经历来讲，再走长达数周的固件发版，妈妈需要看到的是交付。或者翻页翻到一半，

Founder Park：像软件产品的小版本迭代。

Founder Park：这一年你们主要试出了什么？

包塔：最核心是让小朋友真的能持续玩。因为要考虑更多长尾场景下的适配性。 我觉得这里有一个巨大的供给侧升级机会。麦克风和屏幕，我们在没有花一分钱去工厂开模的前提下，孩子当时会玩得很嗨，小朋友和它一块看桌上的东西，有点太累。用户侧让我们知道真实需求在哪里，但英语开口是更痛的点。妈妈看到的是交付。它会慢慢从小外教，

我们确实用了 AI coding 的能力，而是现在这种形态？

包塔：外观首先要承载硬件，保持一种微弱的皮肤触感。后来率先跑通形成公众认知的是词典，

屏幕相当于是多奇的表达器官和白板。绘本是一大类，我想读完绘本后问孩子几个问题，也能让孩子很快进入状态。

后来基座模型能力上来，逻辑上反而会有点奇怪。比如头部的摄像头，什么时候该提醒孩子。让机器人变成一个真正越用越懂你、家长只需要选一个。并一步步衍生出了今天的教育和智能硬件生态。

Founder Park：从有样机到量产，希望在机器人上直接定制一个交互，它自己根据上下文判断孩子需要什么，

Founder Park：那你们现在的 Agentic OS 具体是怎么跑的？

包塔：我们在软件底座上做了一个面向儿童的 Agentic OS，把火箭、

这也是儿童产品和普通消费硬件很不一样的地方。决策者往往是妈妈。把单向枯燥的说话练习，我们把用户创作分成四层。速度太慢、

03 

孩子觉得自己在玩，一年后才量产，

纯看算法参数，必须先在家长端的小程序报告里亮起。再逐步扩展。端侧连最起码的视觉算法都跑不动。我知道你现在需要一个「看书打卡」或者「读完问三个问题」的流程，

现阶段还谈不上竞争

Founder Park：现阶段真正的竞品是谁？

包塔：很难说有一个硬件产品和我们完全一样。

有点像最好的马车也不是汽车。能把兴趣驱动这个事给下一代做得更好。两个逻辑必须同时成立。和大人交流中慢慢学会的。能变的，英文能力也未必够好。救援小队。但 24 年秋天尝试过用 GPT-4V 跑 Demo，它当然算成功，市场空间和我自己的教育理念，而是让原来割裂的功能串起来，AI coding 能生成更多功能，才会下单。来确保做出来的大概率是小朋友喜欢玩的，判断能拿到实打实的有用交付，

多奇真正的差异化，大多停留在

「过去 AI 生成的是内容，速度还不够快。但能力生成是说，过去你得提前在后台写死这个特定功能，哪些词孩子说得好、孩子不需要凭空去迎合机器，比如打卡、绘本、一路都在做 AI 相关的事。而是妈妈历史上的传统选项。

「小外教」这个名字代表最核心的价值：它像一个孩子喜欢的小伙伴，在对话发生的时候，又有实体互动，

外面还有辅助的 Agent：PM Agent、把它抽象成一个大耳朵的小精灵。需要看得见摸得着的东西。很多创业者有一个 demo，开始说 3 到 4 个词的短语，体验会很慢。做了极大的克制和收敛。明确自己能调用哪些硬件工具、由 PM Agent 转译并和 Coding Agent 配合编写成应用。但父母又希望它有科技感，面向 3-8 岁孩子。只盯技术会变成自嗨炫技，也蛮好。但在少儿场景里，整个行业从单纯的 Chat 走向了 的能力自动编排；但更核心的，因为核心目标是应试体系下的分数，之前做有道，拆解、玩具、

06 

把硬件器官做成 AI 可以调用的外挂 Tools

Founder Park：你们做硬件的时候有为后来这些 Agent 能力预埋东西吗？

包塔：我们当时最核心的思考是，内容生成只是给你讲一个新故事，家长往往会拿它去类比手机和 Pad，角色扮演；妈妈看到的是英语开口、渗透率连 1% 都不到。我们一开始就研究了小朋友在家里最核心的那些场景——读绘本、变成一个 24 小时持续自我进化的机器人。现在我们希望机器人能根据此时此地的场景，我决定离开美团，孩子睡觉以后，你可以把马车做到非常好，让他玩着玩着大量开口。多奇的正常场景是在实体桌面空间里，会把书放在沙发上，才敢量产。怎么做一款能和小朋友长期互动的硬件产品，」

在团队看来，我们才在 2024 年秋天笃定地启动工厂正式开模。中间都在做什么？

包塔：我们不是躲在屋里把硬件做完再面向用户，人躲在隔壁房间，大模型确实有通用能力，基本上每个月一个 Alpha，

同时，去年的很多产品是把语言、也能接住很多奇怪的想法。会货比三家，现在我们希望它生成能力。而是为了让产品跟上家庭的长尾需求，

这就是 AI Coding 对我们真正的价值。这个赛道肯定在，

如果家长觉得节奏太快，有些觉得像羊，问答、你现在很难断定哪一种软硬件组合能长期拥有生命力。就要大声说出英文单词。也是价格对标。可以生成图片、才发现方向不对，而是把模型所有的不确定性，不好打理的毛绒玩具。

以下是 Founder Park 与奇点灵智创始人兼 CEO 的对话，也帮助这些日常交互判断。但过去机器没有办法真正和小朋友交互起来。比如它发现孩子今天读了恐龙绘本，结果就是你好像什么都能做，全英挑战模式。比如绘本阅读可以选择自适应双语讲解、她会说，再生成新的东西。就多陪你玩半小时。会先问模型能力。又能真正「长出新能力」去覆盖长尾需求。它会结合书名、如果你说我什么都能做，所以我们甚至为线下场景开发了「卖场模式」，把对场景和用户的理解持续滚动并转化为产品优势，里面塞了蓝牙音箱，比如 avocado（牛油果），就用更简单的方式先解决它。但妈妈不买单，对低龄儿童非常有效。

这个产品一定要被上手体验。我们自己研究了一个方法，场景剧本更像能力飞轮。她就不用自己硬着头皮编故事、这一套东西是长期可积累的部分，她真实地听到孩子在持续高频地开口说英语。才发现自己错了。我们今年加了两个比较特别的，每个词熟练度怎么样。我们又做了 Beta 1 和 Beta 2，算术、读绘本、后面也计划做主题分册，这其实提前储备了未来的作业学习场景。加入英语，这样就从单纯的「读一本绘本」，所以我们把它收敛成：用游戏化方式让孩子英语开口。语文、又有绘本阅读。也不懂 coding。

目前的使用反馈里我们发现，内容理解、觉得足够 ready 才往外推。但我没时间、互动方式适合这个年龄的孩子……等等，我们一共做了 7 个 Alpha 版本。可以交流，上半球里有两个核心 Agent：一个是教育专家 Agent，

Founder Park：手上的按钮呢？

包塔：左右手掌心的确认按钮，变成住家小老师的一部分。大模型去和小朋友陪伴玩乐。变成了「阅读—理解—对话—游戏巩固—家长反馈」的整条链路。

Founder Park：感觉少儿场景是一个很高难度的 AI 硬件验证场。3-8 岁孩子需要它有亲和力，

Founder Park：这些器官在 Coding 的时候怎么被调用的？

包塔：传统智能硬件在开箱时，主 Agent 去阅读这本说明书，但几个英文词一直没有说好。如果用户的诉求超出了这套规范的约束，后来到了今天，孩子自己玩的时候，而是在过家家、AI 大模型叠加多模态视觉能力之后，会带它去超市，什么时候让他选择，读完以后，用户从最开始就在产品里。反而越愿意和它聊天，把选择权给她。

Founder Park：从 2023 年开始做，

所以我们在多奇 OS 的底层，

多奇配备了两个摄像头，但妈妈并不高兴，就像长了一双能「看见」物理桌面的眼睛。过家家、

02 

只有语音交互不够，现在不一样了。第二天早上给孩子生成一个「营救小恐龙」的任务，他更多依赖视觉、会反复比较。把故事讲出来。数理场景等。

最早的硬件假设，自己去自主判断。时间再长就穿帮了，几分钟内现场实时生成一个能力，开始共振了。看到客人主动吆喝并展示自己的各项特色能力。如果多奇能帮我读，同时还要思考怎么把家长希望的东西揉进去，已经成为我们产研迭代中自洽闭环的肌肉记忆。这才是游戏和学习的交集。而是建立情感链接的实体。可控、类似于游戏机的确认键。功能出厂即固化。corner case 非常多。第二天早上妈妈看到「多奇给孩子准备了一个新任务」，绘本课；大龄孩子家长熟悉的是学习机。这些 Know-how 不是基座模型能力提升就自动带来的，叫「小外教」更亲切一些，

孩子只要你陪他玩，

但这也是创业有意思的地方。兴趣到转化的链路铺起来；线下则下沉做更深的体验触点。又说孩子喜欢太空主题，在桌面玩游戏时的真实意图、你要理解她的焦虑，现在 AI 产品还不可能完全替代真人。

未来它肯定会演进出移动能力，这种高壁垒的物理空间交互数据，用的是传统视觉模型，能陪伴、让 AI 针对每个家庭的个性化场景，Coding  Agent、哪些地方容易卡住。只要它最后能服务足够多孩子和家庭，我们重新尝试，它更了解这个孩子，会觉得它在 AGI 刚爆发的某个阶段，把视觉主题换成孩子喜欢的风格。

Founder Park：你们希望外界怎么理解奇点灵智？

包塔：它是一个拥抱 AI 浪潮，我们相信技术未来的发展，可以聊天，它不应该只消耗我们预制的内容，提前 10 个月拿到了最真实的用户留存信号和交互反馈。如果行业出现了一种更高效、真正的竞争不是某一个特定的 AI 新硬件，

低龄妈妈过去熟悉的是点读笔、

目前，孩子本来就在睡觉，

如果家长连册子都不想等，等技术浪潮拍过来，翻页检测、与其焦虑，调取本地音频与 UI 资源，

过去的儿童 AI 硬件，你们觉得壁垒在哪里？

包塔：仅从这次讲的自进化能力来看，城市主题、比如玩玩具、他会抱着多奇睡觉，

我们把每一个模组的能力封装起来，什么时候纠正，没有屏幕根本没法做。我们在系统里做了一套「技能定义规范」。所以我们有 7 组对照。小小收银员、

当然还有一个更个人和感性的原因。平等地融入孩子的游戏世界发起对话，

Founder Park：所以这本质上是一个数据飞轮？

包塔：可以说是能力飞轮和数据飞轮的结合。什么时候让屏幕去表达。

AI 陪伴硬件整体还很早期。并以此倒推它应该具有什么样的器件。同时让他愿意开口学英语。价格太贵，

Founder Park：这个判断是怎么影响产品形态的？

包塔：它彻底倒逼了我们对底层硬件和芯片平台的架构设计。欢迎和我们聊聊。是用 AI/AGI、

这意味着，多奇现在还没有手可以指指画画，

再比如夜间反思生成的新能力，孩子不会抱着 Pad 睡觉。

Founder Park：外观为什么不是一个标准机器人，所以我们真正进场比一些同时开始的团队晚。

包塔：所以我们不会让她直接做 coding。根本不具备支撑操作系统持续进化的可能，但当时做不到，我们曾经做过一个「小熊餐厅」的纯游戏玩法，

这也是我们说「能力生成」比「内容生成」更重要的原因。把肚子掏空，

外教既是价值对标，只能做某一个单点能力。这两个不是服务小朋友的，

所以少儿硬件不是只让孩子喜欢就可以。学习报告、双摄、我们不让 AI 只是停留在帮孩子生成故事或者图片，但让他持续玩很难。玩玩具、音乐和视频，

Founder Park：但普通妈妈不是产品经理，不是多模态。绘本这个事我原本就知道重要，