做AI玩具这行很多人会误以为最难的是“AI”其实真正把AI玩具从纸面落到货架上最磨人的环节往往是“机芯打样”。所谓机芯是玩具内部那套承载语音交互、供电、发声、动作控制的软硬件综合体它一头连着ID和结构一头连着云端大模型是整个产品里最容易翻车、又最晚被看见的部分。这篇内容我想把从需求冻结到量产这一整段流程完整拆开聊一聊怎么开冻结会、怎么定硬件方案、怎么跟模具较劲、怎么把AI联调跑通再到EVT/DVT/PVT直到产线爬坡每一步的取舍、坑点和经验都会讲到。文中没有高深理论全是这几年打样实测出来的东西。无论你是产品经理、硬件工程师还是创业者只要手里在投这类产品拿这份流程当个参照至少能帮你少踩一半的坑。1. 需求冻结比想象中更磨人却决定后面所有事1.1 为什么必须冻结以及“冻结什么”先聊一个容易被嘴上轻视、实际坑死人的环节需求冻结。很多团队习惯把需求冻结理解成“画个勾、签个字、开个会”然后转头就开始干。但机芯打样里的需求冻结不是终点而是所有的起点。因为机芯牵扯的面太广任何一项需求的暧昧不清都会顺着链路放大成灾难——硬件改一版动辄两到四周结构模具改一版动辄几万到十几万的修模费软件逻辑如果后面推倒重来前面测过的可靠性项目全部作废。所以我理解的“冻结”至少包含四个维度硬件需求冻结、结构需求冻结、交互逻辑冻结、云端能力冻结。硬件需求冻结指的是主控算力、内存/Flash容量、麦克风数量、喇叭功率、电池容量和连续通话时长这整套底子必须定死。软件可以后续OTA但硬件一旦锁料再换几乎等于重新立项。结构需求冻结重点在外观尺寸、按键/孔位/灯效位置、出声孔面积、充电口款式。这些东西直接影响模具开模任何一处后改轻则修模重则整套模具报废。交互逻辑冻结则是产品经理必须在这个时间点把“用户说什么、设备怎么答/怎么动/怎么亮灯”逐条写成逻辑说明书。注意我强调“逐条”不是十页PPT那种“大概这样交互”的文档到了算法工程师手里会被批得体无完肤。云端能力冻结是确认大模型供应商、唤醒词方案、延迟指标、离线兜底语料以及最重要的线上费用承担方式。AI玩具不是一次性买断硬件每一句对话都在产生云端费用这个商业模式上的东西必须在冻结阶段就想清楚。这四个维度没有先后顺序它们必须在冻结会上同时确认任何一个悬而未决都不算真正的冻结。1.2 需求冻结会的清单制与红线机制实际开会的时候我推荐直接用一张《需求冻结Checklist》过会逐项打勾不要跳项。我列一个精简版清单供你参考目标售价与目标BOM成本这是最底层约束BOM超过售价30%就得慎重目标用户年龄区间3-6岁和7-12岁玩法深度和安全标准差别很大唤醒词及唤醒成功率目标比如“小X小X”唤醒率≥97%误唤醒每小时≤1次单次交互最大时长决定云端异步还是实时流式离线能力要求断网后是彻底哑巴还是能继续播放内置故事连续对话最长时间与发热要求表面温度≤45℃是儿童产品的底线电池容量与充电时间充电2小时、持续对话≥1.5小时是比较常见的平衡点麦克风数量与拾音距离双麦方案可以做1.5米内唤醒四麦可以做3米成本和算法复杂度都不同待机电流与超时休眠时间儿童玩具经常被忘关机待机功耗直接决定用户口碑认证需求与市场国内上市做3C/SRRC出口欧洲做CE/RED出口美国做FCC这些和硬件选型强相关结构外观约束IP防护等级、跌落高度、可拆小件测试要求大模型供应商与单月预算上限必须写清楚每月最多烧多少云费用在这个会上我的习惯是设置“红线机制”一旦某条红线被触碰触发项目变更评审ECR而不是直接改。比如外观尺寸不能变——因为模具已经投了。比如主控型号不能换——因为堆叠、天线布局、产测工装全绑死了。这些红线要让所有关键干系人当场确认并且写进会议纪要防止后面有人口头“商量一下”就推动变更。1.3 冻结之后变更怎么管哪怕冻结会开得很漂亮也一定会有后续变更。这是客观规律不用担心关键是变更要有流程和代价。我通常把变更分成三类A类变更影响模具、核心硬件或认证必须重新走冻结评审并评估成本与周期B类变更影响软件逻辑或云端交互但不动硬件由项目经理产品经理双签批准C类变更仅修改话术、音色、UI文案由运营自行登记进下一个OTA版本这个分级看着简单但真正有用的是“代价表”。A类变更必须附上“修模费用预估周期是否影响排期”三件套。很多产品经理一看到修模价格就会重新思考这个变更是否真的必要看到排期推迟就会主动砍需求。所以这个机制不仅是管理流程更是逼着所有人用商业视角重新评估需求的工具。2. 机芯硬件方案选型算力、连接与声学底子的取舍2.1 主控芯片怎么选离线与联网模式的平衡需求冻结之后第一件具体的硬件工作就是选主控。AI玩具的主控市面主流思路分成三类。第一类是纯联网方案比如用ESP32这类带WiFi/BT的MCU只负责音频采集、播放和网络传输AI逻辑全部丢到云端。优点是成本极低、开发快缺点是断网就变砖而且依赖云端延迟体验上限不高。第二类是“MCUNPU/AP”方案比如瑞芯微RV1106/RV1103、全志V853这类带0.5-1TOPS算力的芯片本地跑唤醒词、人声检测甚至简单ASR云端只扛大模型。这是目前AI玩具的主流选择也是我最推荐的方向。第三类是高算力行泊一体式方案比如三星、高通某些工业/物联网平台虽然本地能跑一个小型语言模型但成本、功耗、开发难度都不太适合大众市场玩具除非做高端教育机器人。我实际做得比较多的是第二类。核心思路是“本地做前端的活云端做思考的活”。本地芯片负责麦克风阵列的波束成形、回声消除、打断检测、唤醒词识别这部分要是交给云端延迟会高到没法用。云端则负责语义理解和生成使用流式接口首字返回控制在500毫秒内整体“说完到开始播报”最好在1.2秒以内。超过1.5秒小朋友就会觉得这个玩具“笨”。选主控时还要看四件事本地唤醒词能做到多少条两路麦克风能否支持本地NPU能跑多大模型低功耗模式下的唤醒电流是多少。这四点直接决定后续软件是省心还是地狱模式。2.2 麦克风、喇叭与声学结构的基本盘AI玩具最特别的地方是它必须在一个很小的腔体里同时装下麦克风、喇叭、电池和主板还要保证拾音和放音质量。这中间最大的矛盾是“喇叭和麦克风的物理隔离难”。我用一个生活化的类比解释一下你把手机开免提然后站在一米外叫“小X小X”手机在播放音乐的同时还能听懂你说话是因为手机内部把扬声器、麦克风、结构腔体做了精密的物理隔离再加上自研算法。玩具的预算和体积都比手机差很远所以要做的是“物理隔离尽量好算法兜底”。硬件层面我建议坚持几点麦克风不要跟喇叭同轴并排贴在同一块PCB上尽量分板或使用软排线拉开距离喇叭和麦克风之间要有结构墙或硅胶密封圈阻隔声音串扰必须采用MEMS贴片麦克风驻极体麦克风在玩具这种跌落场景下可靠性很差喇叭功率3W以内时腔体尽量做成密闭式大于3W可以考虑倒相管设计但倒相管位置要远离麦克风至于喇叭本身的选型重点看频响曲线和额定功率。早期我踩过的坑是选了个低频很猛的喇叭结果放音乐时整个机身都在震麦克风录进去的全是嗡嗡声唤醒率直接崩到70%。后来按“响应平直优于低频量感”的原则重选唤醒率就回来了。2.3 硬件打样常见的三个坑硬件打样阶段翻车案例太多了我挑三个最容易踩的你们引以为戒。第一个是Flash容量预小了。AI玩具不是只跑逻辑离线语料、唤醒词模型、字库、提示音、配网二维码、固件升级bootloader全都要存在Flash里。量过一遍发现16MB不够用结果主控芯片丝印都改好了又重新搭叠。建议直接按预估需求上浮一倍以上芯片差价可能只有几毛钱但开发时间差出去两周。第二个是供电纹波大导致TTS播报时出现滋滋声。这个排查起来很痛苦不是喇叭问题也不是音频文件问题而是电源纹波叠加进了模拟音频链路。解决思路D类功放电源加磁珠和足够容量的储能电容麦克风供电用LDO单独供电铺地注意单点连接别让数字地和模拟地乱窜。第三个是天线被结构挡住导致的WiFi灵敏度差。玩具的壳体经常要加色粉、金属漆甚至内部有大面积五金结构件会严重吸收2.4GHz信号。硬件打样阶段一定要尽早把天线周围的结构材质定下来并且在暗室实测天线效率。金属漆触点的误判让我吃过亏外观好看但WiFi连不上最后只能改喷涂工艺。3. 结构手板与模具试模AI玩具的“身体”怎么落地3.1 从3D打印手板到软模、硬模的取舍结构这部分很多硬件工程师只把它看成“壳子”但AI玩具的结构实质上决定整机能不能用。外壳手板阶段我用过三种方式3D打印、CNC加工、软模注塑。3D打印适合外观评审和装配验证但精度和表面质感都差不能反映真实注塑的壁厚缩水、变形问题CNC加工精度高可以模拟注塑件的部分强度但价格贵适合内部关键件验证软模硅胶模/铝合金快速模适合小批量试产300-500套周期短且能提前验证注塑工艺我做结构打样通常分两轮第一轮用3D打印手板验证外观和按键手感不纠结材质细节第二轮直接做软模因为软模注塑的件才能反映真实壁厚、缩水和装配公差。很多团队以为第一轮手板没问题就可以直接开硬模结果一轮试模下来全是收缩变形返工又花几万。软模还有个好处它可以在小批量阶段提前做出50-100套真机拿去给内测用户试用。我有一套产品就是在这个阶段发现出音孔被手指遮挡导致的音量骤降问题再改出音孔位置总比硬模阶段再改便宜得多。3.2 DFM评审不能只看模具厂脸色DFM面向制造的设计评审是连接结构与模具的桥梁。这一步如果让模具厂单方面说了算后面产品经理很可能收到一个“牢不可破的丑壳子”。所以DFM评审要由结构工程师主导模具厂提供参考意见。需要逐项确认的关键点包括拔模斜度外表面建议1.5°以上内表面0.5°-1°卡扣和骨位要单独确认壁厚均匀性尽量均匀避免厚薄剧烈变化导致缩水印进胶口位置与数量进胶口附近可能有应力痕不要在正面显眼处顶针位置顶针印通常会有小凸起不要落在按键、卡扣、外观面分型线位置分型线容易产生毛边避免穿过声学孔或高光面热熔柱与卡扣的可靠性可拆卸次数尤其是电池盖区域超声焊接/激光焊接预留如果做防水防拆需要预留焊线每次模具厂拿DFM报告过来我会带着结构同事一条条过特别关注出声孔和麦克风孔的设计。以前有一次模具厂为了开模方便把出声孔做成了圆形阵列结果单个孔太小声波经过时阻力大高频衰减严重人声闷得厉害。这种问题一旦开模就非常被动只能修模或者接受音质损失。3.3 T1试模现场看什么试模分为T1、T2、T3不同阶段关注点不一样。T1阶段主要看的是“模具是否按设计意图运作”而不是成品多好看。T1现场我建议重点看四个内容第一是打样周期和注塑参数。注塑温度、保压压力、冷却时间这些参数直接影响后续量产稳定性。第二是主要缺陷。缩水、飞边、困气、流痕、熔接痕逐一拍照记录标注严重程度。第三是装配松紧度。用T1的件试装配哪个卡扣紧、哪个螺丝孔偏心当场记录。第四是尺寸报告。核心配合尺寸必须全检不能只抽查因为T1最容易出尺寸偏差。T1最常见的问题是出音孔或麦克风孔被飞边堵住。很多模具厂的加工精度在微米级但注塑飞边常有一旦把声学孔堵了音腔的导音路径就变了。所以T1后做一次“裸机音频测试”非常有必要不装外壳时先测一次喇叭频响和麦克风灵敏度装壳后再测一次两次对比才是壳体的真实声学损耗。4. 软件与云端联调AI能力的最后一公里4.1 离线唤醒与在线大模型的分工很多第一次做AI玩具的团队习惯把“AI能力”理解成“接一个大模型API就完事了”。但实际产品体验绝没有这么简单。我习惯把AI玩具的软件逻辑拆成三层最底层是信号处理层麦克风采集、降噪、波束成形、回声消除、VAD语音活性检测。这一层必须在本地完成没有任何云端空间。否则每一次唤醒都要等麦克风数据上传完再判断有没有人说话延迟和流量都会爆炸。中间层是设备交互层唤醒词识别、打断检测、本地指令词“暂停”“下一首”“大声一点”这类用本地就能识别的词还有TTS播放控制、连接状态管理、电量管理。这一层要尽量本地化降低对网络的依赖。最上层是语义层对话理解、知识问答、角色人设、多轮对话状态管理。这些放云端由大模型处理。三层之间用事件总线通信比如“本地VAD检测到用户说完话 → 打断当前TTS → 把录音上传 → 等待云端流式返回同一线程的TTS音频 → 播放”。每一层出了问题都得有兜底比如云端超时就返回本地内置的“网络不太好再说一次好不好”这类兜底语音。4.2 流式交互与打断策略交互体验好不好很大程度上取决于打断策略和延迟控制。先说延迟。小朋友说话有个特点经常吞字、连读、停顿不规律所以VAD的“静音判断时长”不能照着成人语音助手来调。我踩过的坑是VAD静音500ms就判定说话结束结果小朋友“妈妈我——想听奥特曼”中间停顿超过500ms直接被拦腰切断。后来调成800-1000ms虽然响应稍有延迟但完整识别率好非常多。再说打断。AI玩具只有做到随时可打断小朋友才会真的把它当玩伴而不是收音机。打断策略我推荐“三态优先”正常播放TTS状态VAD检测到人声就降低音量但不立即停止唤醒词再次触发立即停止TTS并且进入思考状态紧急指令“暂停”“停下”用本地词库直接响应不等云端。“降低音量但不立即停止”这个中间态很关键。如果一有人声就停掉会误伤本来就在跟旁边大人说话的场景如果完全不处理TTS音量过高又盖住指令。折中方案是检测到人声后100ms内把音量降到原来的30%维持200ms如果后续没有唤醒词就恢复音量。这个策略实测下来用户体感很自然。4.3 儿童场景的安全合规细节AI玩具的软件层面还有一个比体验更重要的维度儿童隐私与内容安全。这不是走个过场而是决定产品能不能上市的生命线。首先语音数据最小化原则麦克风音频只做唤醒检测和本次对话使用不在设备本地长期存储云端处理后立即删除音频只保留文本转写结果用于质检。其次未成年人信息保护大模型对话要做内容过滤设置敏感词拦截、成人向内容过滤儿科向的医疗建议一律不答引导到“建议告诉爸爸妈妈”。再者账号体系尽量不做强制注册用设备级匿名ID做云服务避免收集儿童姓名、照片等个人信息。很多团队只把儿童AI玩具当普通智能硬件结果在上架审核的时候被卡。其实早一点把“儿童个人信息保护规则”写进产品PRD里比后期合规整改省太多事。我的建议是产品一开始就按“完全匿名本地处理优先云端不留痕”三原则设计后面省去一堆麻烦。5. EVT/DVT/PVT用流程把问题逼出来5.1 三个阶段到底各做什么做完软件联调和结构手板验证产品就会进入正式开发流程的EVT/DVT/PVT。每个阶段目的完全不同千万不能混。EVT工程验证测试阶段目的是验证“设计能否工作”。硬件用工程板结构用软模件软件能跑通主流程即可。这个阶段重点是死磕功能问题比如唤醒率、误唤醒率、续航、发热、天线灵敏度、音频链路底噪。DVT设计验证测试阶段目的是验证“产品是否满足设计规格”。硬件用接近量产版本的主板结构用T2/T3模具件软件进入代码冻结期。这个阶段重点是可靠性、一致性、认证摸底。比如高低温测试、跌落测试、ESD、盐雾、按键寿命、插拔寿命、电池充放电循环。PVT量产验证测试阶段目的是验证“产线能否稳定复制”。使用量产工装、治具、SOP在工厂线上跑一批几百台有限数量重点是直通率、不良分布、产测工位节拍、物流包装可靠性。这个阶段发现的每一个不良都要回溯到根因确认是来料问题、工艺问题还是设计问题绝不能带着统计性不良直接量产。5.2 核心测试项目与判定基线我整理了一份AI玩具比较常用的测试清单给你参考音频测试唤醒率、误唤醒率、TTS播放时长准确率、THDN总谐波失真噪声、信噪比、最大音量下异音射频测试WiFi灵敏度、连接稳定性、SAR摸底如果需要、Bluetooth BLE连接稳定性可靠性测试1.2米跌落水泥地6面4角共10次、-20℃到50℃高低温存储与工作、40℃/95%RH湿热测试、ESD接触/空气放电正负4kV以上、按键寿命5万次、Micro-USB或Type-C插拔1万次电池安全过充、过放、短路、温升测试电池必须过GB/T或IEC标准声学一致性同一批次的喇叭频响漂移≤3dB麦克风灵敏度漂移≤2dBEMC/认证根据目标市场安排3C、SRRC、CE/RED、FCC、RoHS、REACH我在DVT阶段经常遇到一种情况几个测试项目互相打架。比如为了改善高频音质把吸音棉加厚结果散热变差电池仓温度超标。这种“音质-散热-空间”三角博弈在AI玩具里非常常见没有标准答案只能根据目标用户和产品定义做优先级排序。我的习惯是儿童安全优先级最高其次是续航最后才是音质玄学。5.3 可靠性样本量与判定准则可靠性测试最忌讳“只测一台坏了再说”。我建议EVT故障率目标≤5%DVT故障率目标≤2%PVT直通率目标≥95%量产售后不良率目标≤3%。样本量怎么定如果按DVT阶段200台活体样本预计不良率2%那么至少要测40台才能勉强有统计意义。实际操作中我会在关键测试项上准备至少30台样品普通测试项至少10台。跌落测试这种破坏性项每台只测一次就报废所以更要提前多备。判定准则也要预定义哪些缺陷算致命缺陷A类比如电池起火、外壳破裂露出尖锐角哪些算主要缺陷B类比如唤醒率不达标、续航低于规格书哪些算次要缺陷C类比如外壳轻微色差。A类缺陷零容忍B类缺陷要开失效分析并验证修复方案C类缺陷可以登记跟踪但不影响放行。有了这套准则开会决策就快很多不用每次都为“这台机器能不能放行”吵架。6. 小批量与量产爬坡良率、产测与供应链的博弈6.1 产测方案设计每一台机器都得过这关到了PVT和量产爬坡阶段产测方案是最关键的技术工作之一。AI玩具和普通玩具最大的区别在于它带主板、带麦克风、带喇叭、带WiFi生产线上必须做自动化测试不能像普通毛绒玩具那样看一眼就装箱。我的产测流程通常是这样的上电后先烧录SN号然后依次测供电电压、静态电流、WiFi模组AT指令回应、麦克风录音通路、喇叭播放通路、按键/触摸功能、LED灯效、充电电流。每一步都通过产测软件自动判断不合格的直接亮红灯进返修区。比较重要的是麦克风和喇叭的声学测试。这一项不是简单测“有没有声音”而是要测频响还是只能测响度。量产线上做全频响测试成本太高折中方案是用固定频率的扫频信号测响度是否在上下限范围内。比如1kHz时声压级在85±3dB以内判定合格这个方法可以筛掉大多数焊反、虚焊、喇叭损坏的问题。WiFi测试也是重头。每台机器要连接产测路由器测一次RSSI和PING延迟确保无线链路正常。要注意的是产测AP和产线环境的干扰控制否则每天误报率波动很大后面工厂工程的人会崩溃。6.2 组装工艺与直通率提升产线直通率FPY直接决定了你的毛利和交付能力。我见过很多项目死在“设计很完美但产线装不出来”上。常见问题包括麦克风线材在装配时被压破导致短路喇叭线焊点过大装不进结构槽Type-C座子因受力虚焊导致过流保护误动作天线弹片接触不良导致RSSI漂移。这些问题的根源多数不是产线工人粗心而是上一步的DFM评审没把装配工艺考虑进去。装配工艺上有几个改善方向供参考线材走线槽要有导向筋防止工人装错方向连接器全部做防呆设计插反插不进关键螺丝位做限位槽防止拧歪需要点胶固定的线材在SOP里标注胶量并配置点胶治具不靠手工随便挤外壳卡扣装配后增加一个“压合到位”工位用治具统一下压避免卡扣断卡量产爬坡期还要安排“首件全检”每天开机第一台机器做全功能检验确认前一天夜班是否有工艺参数漂移。同时每天统计不良TOP3贴上“红箱子”看板。只要坚持每天看不良分布数据大部分问题会在72小时内浮出水面。6.3 供应链备料与替代料策略最后聊供应链。AI玩具的供应链比普通玩具复杂很多因为核心物料包括主控、Flash、麦克风、功放、电池、WiFi模组、结构件每一样都可能成为瓶颈。我的备料节奏是这样的硬件方案冻结后立刻锁定长交期物料比如主控和电池提前下单备料软件功能冻结后锁定Flash容量和WiFi模组型号PVT通过后一次性锁定整单BOM90天内不允许变更。这时再做替代料验证就太贵了成本、认证、产测全要重来。替代料策略要分两层关键物料尽量保留第二供应商验证比如两颗不同品牌的麦克风都提前做好设计兼容有信号引脚一致或可配置的封装而像Type-C座子、按键、贴片电容电阻这种标准件直接按供应商常用料库选不要为了省几分钱选冷门料。这里我还要提一个很多人忽略的点云服务资源的备量。AI玩具上线后会持续消耗大模型token和TTS/ASR服务需要跟供应商签好按月弹性扩容的协议。小批量上市阶段可能一天只有几百次调用但万一某一天短视频爆了调用量翻100倍云端支撑不住你的客服就会接到大量“玩具变笨了”的投诉。这个坑比供应链缺料还隐蔽所以我每次都会在备料会议上强调云端容量预案。从需求冻结到量产这一整个流程走下来最大的体会就是AI玩具的机芯打样与其说是技术攻关不如说是一场跨职能的高强度对齐游戏。硬件、结构、软件、云端、供应链任何一方独自埋头都会翻车只有把每个阶段该冻结的指标提前锁死、该做的验证提前做透、该留的Plan B提前准备好最终的量产才会显得“平淡无奇”——而平淡无奇恰恰是这个行业里最好的结果。最后再分享一个我反复强调的小技巧从第一天开始就为每一次打样保留一个“工程记录本”记录版本号、修改原因、阶段测试数据和关键结论。这份记录会在你后期做第二款、第三款产品时变成最宝贵的资产甚至能帮你直接跳过几个已被验证过的弯路。AI玩具现在还远没到终局形态每一次打样攒下的经验都会在下一款产品里兑换成真实的时间和成本优势。