Flowtica Rian：硬件的舊規律沒變，新機會是做好Memory丨未來創新50人

大疆想收編的雲臺團隊，十年做了四個硬件品類，現在押注 AI Memory。作者丨吳優編輯丨董子博Plaud 爆火之後，國內一家叫 Flowtica 的公司也在短時間內闖入大眾視野，去年上半年在 Kickstarter 平臺上發佈了世界首款 AI 筆 Flowtica Scribe，最終籌得 33 萬美金。這支筆僅重 34.5 克筆，配備錄音室級 MEMS 麥克風、280mAh 電池、最長約 30 小時連續錄音，把記錄、轉寫、摘要一體化。鮮為人知的是，Flowtica 的創始團隊並非從零起步。創始人 Rian 此前有超過十年的硬件創業經歷，從手持雲臺到農業分揀機器人。

這支團隊在機器視覺和邊緣 AI 上攢下的工程家底，現在要全部壓在 Agent 原生硬件這條新賽道上 ，Flowtica 就是他們交出來的答卷。和去年 VC 偏愛的“大疆系”畫像略有不同，Rian 並非從大疆離職創業，但成長路徑與大疆有著深厚的淵源——92 年出生的 Rian 是李澤湘老師最後一位學術研究生，和幾位同學代表港科大打出了 Robocon 參賽史上的最好成績，至今無人打破。22歲的 Rian 第一次創業時做了手持雲臺，率先實現手機控制和極致防抖，差一點被大疆收編，二次創業做的智能貓砂盆，眾籌金額做到 130 萬美金，再次轉身做的農業水果分揀設備，很快躋身行業第二。

今天的 AI 硬件創業者正在經歷的事情，以及取得的階段性成績，Rian 都經歷過一遍，這些成績甚至是他屢次轉身的原因：“我們預判純硬件生意競爭的終局，領先期只有半年到一年。一旦雙雄並立，稀缺性消失。後來者追平產品力後，只需用六七折的價格提供同等品質，價格戰便不可避免。比起陷入比拼運營的商業化競爭，我們更想創造差異化的新東西。”用當下比較流行的詞彙形容，創辦 Flowtica 之前的 Rian 更像是一位 Builder。

他擅長從用戶視角感受產品，一旦發現市面上最好的解決方案也不達預期，創造慾望就會被激發，用最先進的技術能力將產品用戶體驗提高一個層級——手持雲臺的極致防抖和全景拼接、智能貓砂盆的前後傾轉結構、水果分揀機器人的精準識別......創辦 Flowtica，對 Rian 而言更像是一次迴歸。端側大模型和 Agent 能力成熟之後，他過去想做但受制於模型能力的硬件形態，現在終於能做了。Flowtica 推出錄音筆後，緊接著推出了新一代 Flowtica Verso，一塊能夠磁吸在手機背面的智能硬件，搭載電子墨水屏，兼具記錄與執行的隨身 Agent 實體入口。

在 Verso 開啟海外預售之前，·鯨犀來到 Flowtica 辦公室和 Rian 及其團隊聊了聊，回顧了 Rian 這十多年的創業經歷，以及目前正在做的事情。本文主要回答三個問題：1、跨賽道做硬件的這十年，Rian 練成了哪些方法論？2、Agent 時代，Rian 對 AI 硬件的趨勢判斷；3、AI 錄音記憶硬件的競爭如此激烈，Flowtica 交出了什麼樣的答卷？01只做參數競爭的硬件創業，終局一定是價格戰鯨犀：你的創業經歷非常豐富，分享一下你是怎麼和硬件創業結緣的？Rian：我本科在港科大唸書，比較幸運結識了李澤湘老師，是李老師的最後一位學術研究生。

當時還跟著他去打 RoboCon 機器人比賽，我們是他帶的最後一屆比賽，拿到了港科大有史以來最好的成績，也是迄今為止最好的成績。分享印象比較深刻的一件事，大疆當時發佈第一代飛機，Phantom 1 到 Phantom 2 價格漲了，銷量反而暴增。這在當時讓我非常震驚—— 一箇中國硬件品牌，靠產品力把價格打上去，用戶還越買越多。後來大疆把 3D Robotics 從 ToC 市場打出去，我們更加震驚，真實地感受到中國智造和硬科技創新的實力，也建立起一些信心。也就是那幾年，李老師逐漸覺得他最好的學生不應該再往硅谷送，開始把學生留下來創業，我當時做的就是雲臺方向的創業。

鯨犀：雲臺產品的技術水平，你們當時做到什麼樣？Rian：雲臺當時只有兩軸，拿在手上轉動的畫面非常生硬，這讓我們有機會去做控制算法的創新。我們把自動全景拼接、夜景、防抖這些當時最前沿的算法都做到了 SOTA，還用卡爾曼濾波做了人臉追蹤，通過藍牙把手機和雲臺打通，算是最早的"杵在桌上的 Camera Man "。鯨犀：當時的資本市場如何看待你們在做的 Camera Man ？融資順利嗎？Rian：那時候投資人投得都是互聯網項目，沒人投硬件，覺得硬件都是垃圾生意。不過李老師把我和另外一個 Co-founder 介紹給了汪滔。

汪滔覺得我們這個雲臺做得很好，他的產品線確實缺一個能帶隊的人，他希望我們加入進去。但我們當時比較堅決要創業，所以還是選擇了創立自己的品牌。鯨犀：那最後你們的錢是怎麼來的？Rian：學生時代，賬上有 1 萬塊對我們來說都是大錢，最後我們找身邊的朋友和家人湊了 100 萬。眾籌又融了 100 多萬港幣，是當時這個品類裡眾籌金額最高的項目之一。那時候我們產品毛利 80%、CPM 做到 5 美金，出貨數十 萬臺，快速盈利了。但當時我們就是一群大學生兼職創業，供應鏈和管理全是短板，遇到供應鏈整合能力更強的廠商後，最終選擇了整體出售。鯨犀：你當時很堅決想要創業，為什麼在產品勢頭很好的時候又願意賣掉公司？

Rian：這是一個很好的問題，我當時 22 歲出頭，非常想拿一個結果證明自己，對方給的收購條件也很有誠意。更重要的是，我們預判到了這個品類的終局：通常硬件產品會有半年到一年的領先期，一旦這個賽道有兩家公司在做同樣的事情，大家就會開始卷價格。我們很恐懼別人做出來同樣的東西，可預期的未來就是變成拼運營，這不是我們當時想要的結果。比起馬上進入商業同質化競爭環境，我們更想做出更多新東西。鯨犀：接著你就去做了貓砂盆，為什麼跨度這麼大？Rian：當時我剛出社會，沒有職業烙印，覺得自己有工程師技能、消費者視角和產品審美，就有無限可能。我對硬件品類選擇有個底層邏輯：需求已經被驗證、競爭基線很低。

當時美國的智能貓砂盆品牌 Litter Robot 賣得不錯，但產品難用到令人髮指。我們當時這個項目，發明了前後轉結構，把體驗做到完全不一樣，眾籌 130 萬美金，是當時行業裡眾籌金額最大的項目之一。鯨犀：貓砂盆後來被行業裡很多人"致敬"，你覆盤出了什麼經驗？Rian：覆盤下來，做雲臺、做貓砂盆，我們其實是無意識地踩中了"有效差異化"：做的事情跟營收直接相關，而且有感知上的非參數門檻。參數門檻的東西，最後就是稱斤賣。這一點，我們在農業上付出了很大代價才真正想清楚，曾經一度非常痛苦。鯨犀：為什麼農業機器人這段經歷非常痛苦？Rian：2018 年我開始做水果分揀機器人。

我們剛開始做的時候，在機器人分類裡是跑得最快的公司之一，是行業裡最快做到數千萬規模的公司，但這其實一直沒有突破我賣雲臺第一年到的水平。我們覆盤下來，主要是 ToB 和 ToC 商業模式有差別，做水果分揀機器人一方面沒有經常性收入，另一方面我們要遵循水果的生長週期和豐收節律，機器人只用一個月就休息，每年只有一次硬件迭代機會，一次試錯需要再等一年驗證。等我們真正實現商業閉環的時候，發現真正驅動閉環的並不是產品力和創新，而是摸到了商業本身的規律——正確且聰明地給上下游分享利潤。我們能做好這件事，但這不是我們最想做的事。

不過也正是這段經歷讓我們再次確定一定要走有效差異化，也是這段經歷讓我們團隊一起經歷了完整的週期，培養了很多默契。鯨犀：是因為做農業機器人非常痛苦，你們才轉向做 AI 硬件？Rian：我們的投資人也一度質疑我們是不是做水果分揀機器人沒有正反饋，想要逃避這件事，其實並不是。我們當時用 AI 做水果品質分選，是行業裡最懂水果的團隊。而轉身是因為兩件事：一方面我們確實更擅長做 ToC 的產品定義，另一方面看到了 AI 硬件的新機會。02底層模型每一次變強，Memory 能做的事就更多一層·鯨犀：Flowtica 的團隊是怎麼搭起來的？也是從之前的公司一起轉過來的嗎？Rian：現在團隊 50 人。

硬件核心是從雲臺到農業一路打過來的戰友，十幾個人，真正一起扛過週期的夥伴。從 ToB 轉到 ToC 之後，我們對人才密度的要求達到了空前的水平。想做出最好的東西，就需要最一流的、有品味的人。而想吸引這樣的人，首先對自己的要求就得到這個水平。我們也在把公司當產品打造，讓組織內部的信息流動像產品一樣順暢。鯨犀：AI 錄音這個賽道，市面上已經有 Plaud，Flowtica 的差異化在哪裡？Rian：Agent 的能力邊界在不斷擴充已經是共識，但如何把它變成產品，取決於你關心什麼。

有的公司關心 conversation——怎麼把對話處理得更好；我們更關心的是 Memory——AI 能不能真正認識這個人，然後更主動地替他做事、給洞見、給個性化的交付。其實從第一代 Scribe 開始，我們就在想怎麼能更好地理解用戶。FlowMark，讓用戶在錄音中標記重點，就是這個思路下的產物。標記本質上是用戶在告訴 AI "這段對我很重要"，它是 Memory 最早的主動輸入。這個功能現在已經變成了行業標配，但對我們來說，它從一開始就不是一個工具 feature，而是理解用戶的第一步。底層模型每一次變強，Memory 能做的事就更多一層。

模型更會推理，它就能從你的上下文裡提煉出更深的洞察；模型更會執行，它就能替你完成更復雜的任務。對我們來說，這意味著不斷有新的 feature 可以從 0 到 1 交付出來，這也是我們持續擴充產品線的底氣。·鯨犀：所以你們在今年又交付了一個新的產品。Rian：對，我們今年交付了一個帶墨水屏的背夾，它是一個 agent 原生的硬件：日程、待辦、郵件、會前準備，按一下 AI 鍵派活，它會去做研究，再把結果可視化地交付給你。我們希望這個硬件能離用戶更近，隨手就能開始，像一個陪伴。但我們暫時不做 always on——不是讓設備無時無刻在聽你，而是讓它隨時準備好，等你需要的時候伸手就在。

圖為Flowtica Verso·鯨犀：為什麼一定要有屏幕，手機 APP 做不到嗎？或者是做成耳機？Rian：APP 完全能做。但一個墨水屏安靜地待在那，隨時看得到，視覺能即時夠到。人和 AI 協作越來越絲滑之後，人的思維會自動結構化，人需要結構化的信息，而在接受大塊信息上，聽的效率並不高。更重要的是，現在智能看起來已經不稀缺了，效率好像提升了，但用戶卻需要反覆交代同樣的上下文——每次打開一個 AI 工具，都要從頭告訴它你是誰、你在做什麼、你關心什麼。這個體驗摩擦一直沒有被真正解決。我們做硬件，就是想讓 AI 更直達地進入你的上下文，不需要你反覆解釋。

從 Scribe 錄音筆到 Verso 墨水屏卡片，再到 Apple Watch 和 Mac，我們在構建一個多端的生態——在任何場景下，都可以有一個離你最近的入口，讓 AI 無縫地接住你的上下文。現在大廠也陸續推出了 Memory 功能，大家逐漸感受到了"懂你"的力量，而我們從第一天就在用硬件生態做這件事。·鯨犀：你們做第二款產品的時候，第一款產品沒有完全大規模量產，你們怎麼解決供應鏈的邊際成本問題？Rian：第一款產品我們優先選擇已經被市場驗證的元器件，穩定性第一，我是做防抖相機出身的，瞭解激進選新芯片的代價。

在已驗證的底座上，我們用自研的調校做到最好，比如墨水屏的刷新策略和模型，等量上來再去推動供應鏈定製。深圳的供應鏈足夠成熟，前期花點錢，找到好的合作伙伴，後面會省回來。·鯨犀：你們的Scribe售價 159 ~ 209 美金，此外你們還收訂閱費，背後有哪些考量？Rian：首先，我們對硬件本身的品質要求很高，無論是質感還是設計。其次，硬件如果只靠參數，註定越來越卷、毛利越來越低。我們收訂閱收得有底氣，有兩點：第一，AI 調用有真實的邊際成本，這不是憑空收費；第二，Memory 是越用越懂你的，用戶用得越久，它的價值越高，我們持續交付的不是功能更新，而是一個越來越瞭解你的個人智能。

免費檔本身也是一個完整的產品，訂閱解鎖的是更深的 Memory 能力。·鯨犀：接下來出貨的節奏和目標是什麼？Rian：現在Verso已經接受預定了，第一個季度目標是幾萬臺，然後看能不能衝到單月 10 萬臺。我們不想用價格換規模，想用體驗換溢價。鯨犀：Flowtica 的未來會是什麼走向？Rian：底層技術還在快速演進，我們要做的，是選一個底層技術還在不斷演進的事，在它變慢之前做到第一。當每個人都有自己的 Memory，AI 硬件的價值就不再是功能，而是它有多瞭解你。我們會持續探索 agent 時代的硬件形態，從錄音筆、墨水屏卡片，到更多隨身硬件，擴充產品線。

03新機會來自 Memory，但舊時代的硬件規律依然奏效鯨犀：你當時是如何推演出AI硬件的新機會？Rian：可以從一個歷史 pattern 裡找到借鑑。2012 年 AlexNet 出來的時候，卷積神經網絡帶來了智能層面的震撼，遠非傳統方法可比，但訓練門檻太高，還屬於少數人的遊戲。真正的變化在 2016 年——GTX 1080 配合開源框架的成熟，一塊消費級顯卡搭好環境就能訓練自己的神經網絡，從“稀缺震撼”走向了“大眾可及”。這個 pattern 現在正在重演。大模型和生成式 AI 正在走當年 CNN 同樣的路徑——從高門檻、高算力投入，逐步走向精簡和普及。

硬件智能也在指數級提升，最終每個人口袋裡的手機，都能跑出非常好的神經網絡。基礎設施一旦成熟，AI 能力就不再是壁壘，而是人人可用的工具。這個從稀缺到普及的 pattern，過去在 CNN 上發生過，今天也正在新的範式上發生，而這裡面，就有新的消費硬件的機會。·鯨犀：你當年總結的硬件公司競爭 pattern，今天還奏效嗎？Rian：仍然奏效。一個大單品很難撐起一家好公司，哪怕某個單品賣得再好，依舊要面臨市場競爭，需要不斷佈局更多產品線。怕的不是競爭，怕的是底層技術捲到頭。以智能門鎖為例，指紋、靜脈、瞳孔識別一路卷下來，技術演進基本停了，剩下的只有價格戰。

我們作為 builder，天性就是想不斷看到新技術、不斷給用戶新東西——一個技術已經到頂的品類，哪怕做到第一，也會覺得沒事可做。·鯨犀：那什麼能打破這個規律？Rian：年輕時想改變這個規律，現在發現改變不了，只能選擇屬於自己的戰場，可能才避得開。唯一的路徑只有選一個底層技術還在不斷演進的方向，在它演進變慢之前，成為這個行業裡的somebody，爭取做到第一。而當下 AI 技術的爆發讓我非常興奮——每隔幾個月模型能力就跨一個臺階，新的邊界不斷出現。這種感覺在之前的賽道里從來沒有過，你能看到前面還有很大的空間可以跑。

鯨犀：你將 AI 硬件作為自己的新戰場，但 AI 硬件的機會也有很多，你們是如何收斂到 AI 錄音筆這個賽道的？Rian：智能不稀缺之後，稀缺的是Context——上下文、記憶、對一個人的理解。去年 DeepSeek R1 的思維鏈讓 AI 更會想，Qwen 的 function calling 讓 AI 更會做事——智能能力和執行能力同時在躍升，每一步都在驗證這個推演。會議是 Context 最自然的第一入口，所以 Flowtica 的第一款產品從 AI 錄音筆開始，主要的使用場景就是會議。圖為Flowtica Scribe產品·鯨犀：為什麼堅持做"擬人化"，而不是繼續做工具？

Rian：工具的終局，會被模型能力吃掉。只做 transcribe、只做 summary，一定會被卷—— ChatGPT 剛出來的時候，Plaud 把轉寫和摘要連起來，價值巨大；但如果今天還有人只做這個，沒有任何勝算。真正稀缺的是 Memory。所以我們從第一天就做擬人化：聲紋識別能自動認出說話人，Memory 系統積累用戶的上下文。舉個例子，去年年底我的年終總結就是Flowtica 幫我寫的，它把我自己都忘了的奮鬥細節翻了出來，最後跟我說“幹得不錯，加油”，我有一些小感動。