宇树科技近期开始询价并启动申购。这家创下 73 天“过会”纪录的公司，也让其背后的早期投资机构重新进入聚光灯下。
据虎嗅报道，红杉中国曾成为第一家在宇树科技持股达到 10% 的机构股东，并在之后多轮融资中持续追加。根据宇树科技招股书，经多轮融资稀释后，上市前红杉中国合计持股仍超过 7%，为第二大机构投资者。主导这笔系列投资的，是红杉中国董事总经理李彦男。
在宇树之外，李彦男当前也在持续观察 AI 硬件赛道。虎嗅与其对话后整理出的核心判断包括：真正的 AI 原生硬件，重点不是“接入 AI”，而是具备过去电子产品缺少的主动性；手机不会消失，但会从唯一入口转向多终端体系中的核心节点；AI 硬件首先要算清硬件本身的商业账，不能默认依靠亏损卖硬件换取后续软件订阅；数据未必天然构成独占壁垒，更关键的是谁更有动力把数据转化为持续改善的用户体验；观察市场是否进入危险阶段，最值得看的变量是模型能力是否停止快速进步。
投资宇树：先看创业者，再看行业浪潮
李彦男回忆，最早接触宇树科技，是一位大学机械工程专业的学长向他推荐杭州一位做四足机器人的极客。随后，他通过宇树官网找到王兴兴的 QQ 邮箱，并通过微信联系到对方。第一次交流时，王兴兴提出“用机器人造机器人”的愿景，这给李彦男留下了很深印象。
他表示，自己在第一轮判断时就对王兴兴本人给予了很高认可，因此宇树这个项目并没有让他的投资方法发生“180 度转变”。相较之下，一些后来失败、但当时看上去像“标准答案”的项目，反而更能给早期投资人带来反馈。李彦男称，创业成功本身就是小概率事件，投资人不可能覆盖市场上所有项目，只能在自己看到的有限子集中尽量提高成功率。
在他看来，经历过不同项目后，会更能理解像王兴兴这样的人为什么稀缺：有些创业者第一次见面时就会展现出明显不同的特质。
谈到如何刷新认知，李彦男把它分成两个层面。其一是对单个项目的持续跟踪，即便当时没有推进，也会隔一两个月再次更新进展；其二是与周期有关的大刷新。金融市场和技术迭代都存在波峰与波谷，投资人既要在高点感知泡沫，也要在低谷继续保持关注，去重新识别创业者和机会。
在项目周期判断上，他会尽量把视角放到 10 到 15 年，但落实到具体投资时，更看重第一个里程碑是否能够兑现。以消费电子为例，首先要看产品是否完成 PMF，即是否已经获得一批高频使用、愿意持续使用的用户。这个过程可能要经历 1 到 3 年，之后公司还要面对破圈、迭代、竞争，以及第二、第三增长曲线。
至于错过的项目，李彦男承认“有”，但未透露名字。他说，有些项目第一次聊就会感到“人很强”，只是当时自己对事情本身还没有足够把握。现在回头看，如果第一次接触就出现这种强烈直觉，通常值得再多花时间把项目研究清楚。
筛选 AI 硬件：关键不在形态，而在是否足够 AI Native
对于当前形态繁多的 AI 硬件，李彦男表示，红杉并不会严格按眼镜、戒指、耳机或其他终端类别来划分项目，因为真正的硬件创新，往往出现在既有分类之外。
他举例说，今天一些影像设备会被归入“手持”场景，但在 Insta360 和大疆相关产品出现前，这个场景并没有被清晰定义。很多新品类并不是先有目录、再有产品，而是产品先出现，市场之后才为它命名。
因此，相比产品归属哪种形态，团队更关心它是不是足够“AI Native（AI 原生）”。一个直接的判断方式是：如果拿掉 AI，这款产品还能否实现其核心功能。另一个重要标准，是设备是否具备主动性，也就是能否在较长时间内持续在线，主动记录、理解环境并给出反馈，而不是等待用户点击后才开始工作。
李彦男认为，主动性之所以关键，是因为过去大量电子产品虽能识别信息，但大多依赖人发起操作。AI 的引入，使终端首次有机会持续观察环境、理解上下文，并在必要时主动采取行动。所谓“Always On（始终在线）”并不一定意味着严格意义上的 24 小时运行，重点在于设备是否能在足够长时间内持续感知和处理信息，完成过去必须由人主动触发的任务。
商业模式先算硬件账，不能默认亏硬件赚软件
对于 AI 硬件的商业模式，李彦男称，理想状态当然是软硬件都赚钱，甚至仅硬件就能取得很好的利润，但现实中往往会存在妥协空间。
他提到，从理论上看，硬件毛利率可能偏低，但市场上已经存在不少拥有不错净利润、经营状态也良好的硬件公司。对早期创业公司来说，不应一开始就预设硬件必须亏钱，更合理的方式是产品本身可以少赚一些，但要降低用户接受门槛和教育成本；与此同时，在软件和 AI 体验上做得足够好，让用户愿意持续付费。
以当前很多团队都在做的智能戒指为例，他认为戒指本身是可以赚钱的；如果软件层体验还能继续提升，除了健康功能之外再扩展更多能力，而且体验不断改善，这样的模式会更有吸引力。
至于哪一类 AI 终端回报更高，李彦男直言“没法量化”。在早期投资中，很多最终成功的公司起点都很小，反而不少叙事宏大的项目没有赚到钱。他表示，自己喜欢这种不确定性，这也是早期投资的吸引力所在。
“伪 AI 原生硬件”往往卡在物理约束上
在李彦男看来，市场上确实可能出现“伪 AI 原生硬件”。这类产品往往有一个共同点：设想非常宏大，甚至带有明显的科幻色彩，但当前物理条件并不支持。
他举例称，人们可以想象一款高度沉浸、360 度显示、可随身携带且能全天续航的 VR 设备。这个形态放在科幻电影里并不违和，但一旦落到现实，就必须面对算力、散热、电池、重量等一系列限制。也正因为这些技术瓶颈尚未被突破，这类设备虽然想象空间很大，真正做成产品却非常困难。
手机不会消失，但会从唯一入口变成核心节点
谈到 AI 时代是否还会诞生类似小米的新终端巨头，李彦男认为，小米的成功有很强的“天时地利人和”因素，而当前 AI 终端行业还远未进入“智能手机时刻”。在他看来，真正原生的 AI 新形态尚未出现，如今的 AI 终端仍处在不断试探产品形态的阶段，类似 iPhone 发布前的手机市场。
不过，他也提到，AI 时代的用户对新电子产品的接受度更高，一些产品的购买门槛也没有那么高。
对于“手机会从唯一入口变成核心节点”的说法，李彦男解释称，手机依然是当前综合体验最完整的个人电子产品，拥有成熟的屏幕、算力、摄像头、操作系统、软件生态，以及互联网多年积累下来的账号体系、社交关系和身份认证能力。其他设备或许会在单项能力上优于手机，但综合能力通常很难超越它，因此手机在短期内很难被替代。
但与此同时，一些设备会分流手机的部分功能。例如睡眠、心率等信息监测，手环就能比手机更持续地采集；有些设备也能在较长时间内主动记录与探索环境，而手机一旦熄屏，许多交互就会停止，仍需要用户主动拿起、解锁并操作。
至于投资上更偏向“以手机为中心”的硬件，还是去中心化独立设备，李彦男表示仍需具体案例具体分析。像戒指、手环这样的设备，最终往往仍要与手机交互和呈现；眼镜理论上有独立存在的机会，但现阶段受限于电池、算力等物理条件，通常还需要与手机配合使用。对早期投资而言，关键不是被既有品类定义，而是保留不确定性，拥抱新品类出现的可能。
成熟品类仍有机会，但门槛很高
对于 AI PC 这类成熟品类的创业机会，李彦男表示，PC 已经是一个非常成熟的产业，一款好的 AI PC 首先必须是一款好的 PC。在这个领域，大厂积累多年，创业公司要先把基础层做好，门槛很高。
不过，他也提到，市场上有些团队正在讲更极致的故事，例如从 OS（操作系统）层面重新设计终端，打开屏幕就是 AI，不再强调安装软件，交互界面本身就是 AI。如果未来算力足够便宜、智能能力足够强，用户可能只需要屏幕和输入设备，其他任务交给 AI 完成。
但他也强调，自己不会很早就下结论，因为难的事情同样可能孕育值得投资的公司。他举例说，当年拼多多出现时，很多人也认为电商赛道已经没有机会了，但后来仍有新玩家跑出结果。
数据未必天然构成护城河，关键是谁更愿意用好它
谈到 AI 时代数据积累能否成为硬件公司的护城河，李彦男表示，自己一直认为，哪怕在没有 AI 的时代，数据本身也很难形成绝对意义上的“人无我有”。无论是手机、软件公司，还是输入法产品，过去都掌握过大量用户数据。
他承认数据当然是一个壁垒，数据飞轮一旦形成，也能带动其他产品，但在数字世界里，单纯依靠数据做出绝对独占并不容易。进入 AI 时代，更关键的问题是：到底是模型厂商、系统厂商还是终端厂商，更有意愿把这些数据用好，并把它转化为持续更优的体验。
他举例称，像微信这样依赖用户留存和粘性的流量平台，自然更有动力让用户数据在内部产生复利；模型厂商同样希望用户越用越离不开自己。相比之下，如果一家企业的商业模式主要是卖硬件，那么数据未必会强烈影响用户换机决策，因为很多数据都可以一键迁移。
在他看来，如果一家 AI 硬件公司把数据能力完全托管给模型厂商，长期看会面临较大竞争压力。因为纯做硬件，大概率会被卷入同质化竞争，即便拥有先发优势，也可能很快被价格战磨平。李彦男提到，即使是大疆、拓竹这样的硬件公司，也都在硬件之外做了很多事，例如拓竹的社区，就是其护城河的一部分。从目前经营状况较好的手机和 PC 厂商也能看到，软件收入占比提升正在成为趋势。
模型公司做硬件，本质仍是从问题出发
对于大模型公司或 AI 应用公司切入硬件，李彦男表示，有些公司一开始可能只是想把用户日常使用的 Agent 管理起来，先从 OS 层的一些软件能力做起，再进一步尝试直接做 OS，甚至在完成 OS 后，为了实现特定功能再向下延伸到硬件。
还有一些需求，本身依赖主动触发和持续记录，而手机、电脑并不能很好满足，于是团队才会寻找新的硬件形态。
按照他的观察，多数创业者并不会先预设某种产品外形，而是先想清楚要解决什么问题，再判断手机或电脑能否完成；如果不能，才会自己动手做硬件。
目前来看，大模型公司的重心更多还是放在追求更高的智能上限，真正落地的硬件产品还不算多。但李彦男认为，只要能做出来，就会有人为之付费，因为这是商业驱动决定的。他同时提到，移动互联网时代虽然改变了很多业态，但商业模式相对集中，主要还是广告、游戏等形式；而到了 AI 时代，用户或许会直接为“智力”付费，这也是模型公司优先追求智能能力的原因之一。
李彦男：今年很多项目的估值已经显得非常不合理
谈到 AI 泡沫是否会在明年破裂，李彦男表示，预判市场情绪很难，但对近一两个月和未来一两个月的市场状态，投资人会有直观感受。
他直言，今年市场上很多项目，大家已经觉得估值“非常不合理”。例如，一些创业项目团队可能都还没有 ready，却已经拿到数亿美元估值，这种情况在中国 VC 历史上都较为少见。部分原因在于，美国市场已经出现了不少对标案例，在市场情绪较好的阶段，国内对类似现象也逐渐“习以为常”。
他还提到，一些领域已经出现一、二级市场倒挂，即二级市场同类公司的市值还低于一级市场估值；与此同时，部分资金也出现“喜新厌旧”的倾向，更愿意去追逐新公司。
对于该如何判断风险，李彦男认为，最应关注的仍是模型本身。如果未来模型智能提升停止，或放缓得非常明显，例如一段时间内新发布模型与半年前相比差异不大，智能突破显著接近天花板，这种情况就值得警惕。
在他看来，大模型是一个时代级的大机会，甚至可能比移动互联网时代还大。只是当下最火热的公司，也在一定程度上受益于在最佳时间点遇到 AI、全球竞争和资本扩张，尤其是二级市场环境的叠加。真正值得持续追问的是，一旦市场下跌，这套增长螺旋还能不能继续向上。因为金融市场一定存在波峰和波谷，不可能一直向好，而能够穿越周期的企业，才更接近真正的伟大公司。
对于节奏加快是否会妨碍长期判断，李彦男表示，只有两种可能：要么世界从此进入这种高节奏状态，要么其中确实存在一定泡沫，因为市场对未来的预期不断加速、目标越来越高。他并不认为所有公司都能像部分大语言模型公司那样在 3 到 4 年内完成跃迁，很多企业仍要经历多个周期。基于这一认知，他对估值和成长节奏相对更为保守。
教授创业增多，早期估值更多受市场情绪影响
谈到这一轮 AI 热潮中越来越多教授和学者下场创业，李彦男总结了三个原因：第一，DeepSeek 等案例提升了市场对教授创业的信心；第二，高校开始鼓励成果转化，并出台激励政策；第三，AI 与垂直领域结合后，像 AI 制药、AI 材料等方向也能纳入模型叙事。
不过，他也指出，这类项目更多集中在研究型方向或垂直模型，面向 C 端应用的占比相对较少。
在估值方法上，李彦男称，这类项目早期估值主要仍看市场情绪与二级市场影响。核心方法是根据团队未来 12 到 18 个月需要多少钱、愿意出让多少股份，再倒推估值。至于最终投模型、硬件还是应用，他的回答是“case by case（具体项目具体分析）”。
在团队来源上，他并不预设偏好独立创业者还是大厂分拆团队。对早期投资来说，最重要的始终还是“看人”。无论创始人来自大厂，还是独立创业者，甚至是“nobody（无名氏）”，核心都在于这个人本身的能力与带队水平。只是现实中，确实有不少好公司由大厂背景的人带队孵化出来，而且分拆公司估值并不低于母公司的案例也不少。
至于哪类创业者最值得警惕，李彦男用了一个词：“妄人”。他将其定义为“自负且不自知”的创业者。这类人往往试图挑战极其宏大的目标，却没有意识到自己的局限，因此成功概率很低。
李彦男总结 AI 硬件的四个判断问题
在对话最后，虎嗅将李彦男的方法论归纳为四个问题：
- 没有 AI，它的核心功能还能不能成立？
- 它是否真正获得了持续感知和主动行动的能力？
- 算力、散热、电池与成本等因素，是否允许它从 Demo（样品）走向量产？
- 当硬件能被复制、价格开始下降后，公司还能留下什么？
按照这套标准，AI 硬件的机会并不在于简单再造一台“加了 AI”的设备，而在于能否建立一套可以长期闭环的产品与商业系统。手机短期内不会被取代，但部分功能会被更适合长期在线的设备分流。真正决定企业能否留下来的，也不只是入口，而是软件、社区、数据闭环和用户关系。