一台会聊天的玩具，离十万台会聊天的玩具还有多远
把大模型接进一台玩具，几天时间就能做出一个会聊天的Demo。但当产品进入一万台、十万台的量产阶段，真正的挑战才开始出现：嘈杂环境中能不能听清用户说话，网络不稳定时能不能正常响应，电池能支撑多久，模型升级后设备能不能同步更新。这些问题通常不会出现在产品演示中，却决定了一款AI硬件能否真正进入市场。
这不是某一家公司的困境，而是整个端侧AI产业正在经历的集体摩擦。大模型企业手握算法能力，却对终端量产中的声学结构、功耗约束、芯片算力边界和产线测试缺乏体感；传统硬件企业拥有供应链和制造能力，却在AI系统工程、Agent框架和持续运营上缺少积累。两端之间，隔着一道从Demo到量产的工程鸿沟。
这道鸿沟的宽度，在玩具和家电两个品类中表现得尤其具体。玩具行业原本只需要播放固定音频，现在却要尝试自由对话、记忆用户信息和进行多模态互动；家电行业也不再要求用户准确说出“打开三档风”，而是允许用户直接表达“我有点热”，设备需要结合自身状态和用户习惯作出判断。交互方式的改变，意味着产品定义、硬件选型、软件架构和测试标准都要同步重写。
近日，深圳市集贤科技有限公司宣布完成数千万元A轮融资。本轮融资由浙江省创新投资集团有限公司旗下杭州金投鼎融股权投资基金合伙企业（有限合伙）与珊瑚资本联合投资。这家成立于2013年的公司，将自己定位为AI硬件行业的“卖铲人”，试图站在鸿沟中间，把算法侧的AI能力和终端侧的工程约束封装成可复用的基础设施。
| 字段 | 内容 |
|---|---|
| 公司 | 深圳市集贤科技有限公司 |
| 轮次 | A轮 |
| 金额 | 数千万元（具体金额未披露） |
| 投资方 | 浙江省创新投资集团有限公司旗下杭州金投鼎融股权投资基金合伙企业（有限合伙）、珊瑚资本 |
| 总部 | 深圳市 |
| 创始人 | 吴凯华（创始人兼总裁） |
| 官网 | https://www.uascent-iot.com/ |
“卖铲人”卖的不是模型，是模型与终端之间的工程压缩层
集贤科技对自己的定义相当克制：不直接面向消费者做AI硬件品牌，而是为品牌商和硬件企业提供从AI能力接入、终端工程开发到规模化量产的一体化支持。据公司披露，其产品体系分为三层：面向终端场景的AI Agent框架、嵌入式开发框架，以及MarsGate AIoT全栈技术平台。
AI Agent框架支持语音、视觉、触控和记忆等交互能力。以AI陪伴产品为例，用户发出指令后，系统需要完成语音识别、意图判断、内容检索、模型调用和语音合成；如果涉及设备动作，还要将自然语言指令转换为硬件能够执行的控制命令。这条链路中，任何一环的延迟累积或错误传导，都会在真实使用场景中被放大。一个在办公室里运行流畅的原型机，进入真实家庭后，可能出现远场识别下降、多人说话相互干扰、弱网响应变慢、音频失真和续航不足等问题。
这些问题往往相互牵制。增加本地计算可以降低响应时间，却可能带来更高功耗；调整麦克风结构能够改善远场识别，但也可能影响模具和整机成本；模型效果提升后，硬件资源又未必能够同步升级。集贤科技创始人兼总裁吴凯华对此的表述是：“AI硬件不是在产品里增加一个聊天功能。消费者不会关心产品调用了哪个模型，最后感受到的是它能不能听懂、响应够不够快，会不会经常掉线，用几个月之后是不是还稳定。”
嵌入式开发框架则试图解决另一个问题：硬件开发中大量重复造轮子的环节。据公司披露，集贤科技将音频、显示、摄像头、通信、AI识别、OTA和产线测试等常用能力做成可复用组件。对于相对标准化的产品，部分代码可以通过参数配置生成并完成编译，工程师则将更多精力放在硬件适配和差异化功能上。这一描述指向的是嵌入式开发中一个真实存在的效率瓶颈——但需要指出的是，公司并未披露这套框架目前覆盖的芯片平台范围、支持的硬件品类数量，以及“参数配置生成代码”在实际项目中的适用比例，因此其通用性边界尚无法从公开信息中独立验证。
MarsGate AIoT平台承担设备出货后的管理和运营，覆盖设备接入、状态管理、数据分析、OTA升级和故障诊断等环节。据公司披露，该平台支持百万级设备并发管理。这一数字如果属实，意味着其底层架构需要处理相当规模的连接保持、消息路由和状态同步问题。但“支持百万级并发”与“实际承载过百万级并发”是两回事，公司未披露平台历史上实际达到的峰值并发规模，也未披露该能力是否经过第三方压力测试验证。
从三层产品体系的逻辑看，集贤科技试图覆盖的是一条完整的设备生命周期：开发阶段用嵌入式框架降低重复劳动，交互阶段用Agent框架封装模型能力，出货之后用MarsGate平台承接运营和迭代。这种“全链路”叙事在商业上具有吸引力，因为它意味着客户可以在同一个服务商处完成从原型到运营的完整闭环。但全链路也意味着每一层都要面对不同维度的竞争和验证标准，任何一层的薄弱都可能拖累整体方案的可靠性。
2000万台出货背后，收入结构正在发生什么变化
据公司披露，集贤科技已累计服务超过200家品牌客户，智能设备累计出货及平台接入量超过2000万台。2026年上半年，公司整体出货量同比接近翻倍，AI相关业务收入连续四个季度高增长。公司现有员工约170人，研发人员占比约70%，累计申请国内发明专利70余项，拥有软件著作权54项。
这些数字勾勒出的是一家已经跑通从项目交付到规模化出货路径的公司，而非停留在概念验证阶段的初创团队。过去十余年，集贤科技一直从事智能设备连接、嵌入式软硬件和IoT平台研发，经历了Wi-Fi、蓝牙、Zigbee、蜂窝通信和Matter等多轮技术迭代。大模型兴起后，公司开始将这些能力与AI Agent、语音交互和长期记忆结合起来。这种技术演进路径意味着，集贤科技并非在大模型热潮中临时切入AI硬件赛道，而是在既有连接和嵌入式能力之上叠加了新的AI交互层。
但更值得关注的是收入结构的变化方向。集贤科技表示，其业务从一次性项目开发和硬件交付，逐步延伸到软件平台、AI能力调用和持续运营服务。这一转向的逻辑在于：对AI硬件企业而言，产品出货并不意味着项目结束，模型调用、角色内容、长期记忆、版本升级和设备运营都会持续发生。如果这些持续发生的环节能够形成独立的计费模式，那么公司的收入模型就可能从项目制的“一次性确认”转向服务制的“周期性确认”。
从已披露的信息看，这一转向至少建立在一个可核实的前提之上：集贤科技确实拥有超过2000万台的存量设备接入基础，这为其从“卖硬件”向“卖持续服务”迁移提供了潜在的客户触点。但结论的边界同样清晰——公司未披露软件平台和持续运营服务在总收入中的具体占比，也未披露AI能力调用是否已经形成独立的计费模式。因此，“收入结构正在从一次性交付向持续运营迁移”目前更准确的表述是：公司明确表达了这一战略方向，且具备一定的存量设备基础，但迁移的实际进度和商业化验证程度尚未公开。
另一个可以观察的维度是客户集中度。超过200家品牌客户意味着客户基础相对分散，这对降低单一客户依赖有正面意义。但公司未披露前五大客户收入占比、客户平均客单价或客户留存率，因此无法判断这200家客户中有多少是持续复购的长期客户，有多少是一次性项目交付后未再产生后续合作。对于一家试图从项目制向平台化转型的公司来说，客户留存和复购数据可能比客户总数更能说明问题。
AI陪伴与AI家电：两个场景，两种不同的量产约束
集贤科技目前重点落地的场景是AI陪伴和AI家电。据公司披露，其已参与多个玩具及陪伴类产品的研发和量产，相关能力包括自由对话、长期记忆、角色管理、视觉识别和多模态交互，部分产品已经进入国内外电商渠道。
AI陪伴类产品对端侧AI的要求集中在交互体验的连续性和个性化上。长期记忆意味着设备需要存储和调用用户的历史交互信息，角色管理则要求在不同场景下保持一致的对话人格。这些能力在Demo阶段容易演示，但在量产阶段面临的挑战是：存储空间有限、弱网环境下记忆同步的可靠性、以及儿童用户场景下的隐私合规要求。公司未披露其在隐私保护和数据合规方面的具体方案，这在AI陪伴场景中是一个不可回避的变量。尤其是当产品面向儿童用户时，数据采集范围、存储位置、访问权限和监护人同意机制，都可能成为产品能否在特定市场上市的前置条件。
AI家电则是另一种约束条件。据公司披露，集贤科技正在帮助设备从执行固定指令，转向理解用户表达、读取设备状态并完成简单决策。例如用户对风扇说“我有点热”，系统需要结合当前档位、环境状态和用户习惯判断是否需要调整，而不是机械地将风量增加一级。这个例子揭示了一个关键问题：家电场景中的AI能力必须与设备自身的传感器数据和控制逻辑深度耦合。对拥有大量产品线的家电企业来说，如果每个型号都重新开发一套AI能力，成本和维护压力会迅速上升。能否跨芯片、跨品类复用，将成为平台化方案能否成立的关键。
集贤科技对此给出的答案是嵌入式开发框架中的可复用组件策略。但家电行业的芯片平台碎片化程度极高，从低成本的MCU到带NPU的SoC，算力差距可能达到数个数量级。一套框架能否同时覆盖这些异构平台，还是只能在特定算力区间内复用，公司未披露具体细节。这是其平台化叙事中最大的待验证假设之一。如果框架只能在某一类芯片或某一算力区间内复用，那么其“跨品类复用”的承诺在实际交付中可能大打折扣；如果框架确实能够覆盖异构平台，那么其底层抽象层的设计复杂度和维护成本也会显著上升。
两个场景的差异还体现在产品生命周期和迭代节奏上。玩具和陪伴类产品的生命周期相对较短，市场对新鲜交互体验的追逐可能推动更快的产品迭代；家电产品的生命周期则长得多，消费者对稳定性和售后服务的预期也更高。这意味着集贤科技需要在同一套技术底座上，同时服务两种节奏截然不同的产品逻辑，这对平台架构的灵活性和团队的交付能力都提出了更高要求。
浙创新投与珊瑚资本：一笔带有区域产业逻辑的A轮
本轮融资的资本结构值得拆解。领投方浙创新投是浙江省创新投资集团有限公司旗下机构，其投资逻辑在公开声明中表述为：集贤科技同时具备AI Agent研发能力和硬件量产交付能力，能够将AI能力进一步落到终端设备和真实应用场景中。这一判断的实质是押注“算法能力+量产能力”的交叉稀缺性。
珊瑚资本方面的声明则更直接地指向产业协同：将依托长三角智能制造与供应链资源，助力集贤科技推进产能扩张和产业协同。从这两段公开声明看，本轮融资的资本结构带有明显的区域产业投资特征——浙创新投提供的是对AI硬件赛道和团队能力的背书，珊瑚资本提供的则是长三角供应链资源的潜在接入。这与纯财务投资人的逻辑不同，更接近于产业资本与区域创新资本在端侧AI制造链条上的联合卡位。
这种资本结构对集贤科技的意义可能不止于资金本身。端侧AI硬件的量产高度依赖供应链的响应速度和成本控制能力，而长三角恰恰是中国消费电子和智能硬件供应链最密集的区域之一。如果珊瑚资本所声称的供应链资源能够实际落地，集贤科技可能在产能爬坡、元器件采购和产线测试等环节获得比深圳本地更丰富的选择空间。但需要指出的是，珊瑚资本的全称及背景在公开材料中未披露，其“长三角智能制造与供应链资源”的具体指向也无法从现有信息中核实。投资方声明的产业协同价值，目前只能作为投资方单方面的承诺来理解，尚缺乏可验证的落地案例。
从融资轮次看，这是集贤科技在公开信息中可查的首次外部股权融资。职友集页面显示其最近一轮融资为A轮，融资金额未公开，投资方为浙江省创新投资集团，与36氪报道的“数千万元A轮”在轮次和投资方上基本一致，但在金额披露上存在表述差异。公司过往是否有未公开的天使轮或战略投资，公开材料中未披露。对于一家成立十二年的公司来说，在A轮才引入外部机构投资，可能意味着公司此前主要依靠自有资金和项目收入滚动发展，也可能意味着其资本化进程相对保守。这一背景对理解公司的财务纪律和扩张节奏有一定参考价值，但缺乏更详细的财务数据支撑。
融资之后：钱会花在哪里，哪些问题不会因为融资而消失
据公司披露，融资资金将主要用于AI Agent、AI端侧交互、嵌入式开发技术研发，MarsGate AIoT平台升级，以及AI陪伴、机器人、AI家电和海外市场拓展。从资金用途的分布看，研发投入仍然占据主导，这与公司研发人员占比约70%的团队结构一致。完成本轮融资后，集贤科技表示将继续加大AI Agent、端侧交互、嵌入式开发工具和全球设备运营体系的投入，并拓展AI陪伴、AI家电和机器人等终端场景。
海外市场拓展是一个值得单独审视的方向。集贤科技的部分AI陪伴产品据公司披露已进入国内外电商渠道，但海外市场对端侧AI硬件的要求与国内存在显著差异：数据合规（尤其是儿童数据）、无线认证、语音交互的多语言适配、以及不同地区对AI生成内容的监管态度，都会显著拉长产品上市周期。公司未披露海外市场的具体目标区域、认证进展或本地化团队配置，因此“海外市场拓展”目前更多是一个方向性表述，而非已经具备明确路径的落地计划。对于一家以工程交付见长的公司来说，海外拓展的真正门槛可能不在于技术能力，而在于对目标市场监管框架的理解深度和本地化运营资源的积累速度。
机器人是另一个被列入资金用途的场景。集贤科技在AI家电和AI陪伴领域积累的Agent框架和嵌入式组件，理论上可以向机器人场景延伸——从已披露的AI Agent框架和嵌入式开发框架看，其在语音交互、视觉识别和设备控制方面的能力与机器人终端存在一定的技术重叠。但机器人对实时性、运动控制、多传感器融合和安全性的要求远高于玩具和家电，公司未披露其在机器人领域的具体技术储备或客户进展，因此这一方向的可行性尚待验证。将机器人写入资金用途，可能更多是向市场传递一种技术延展性的信号，而非短期内可以兑现的收入承诺。
研发投入的持续加码也带来一个隐含问题：在收入结构尚未完成从项目制向服务制迁移的阶段，高研发投入是否能够被足够的毛利覆盖。公司未披露毛利率、人均产出或研发投入的资本化处理方式，因此无法判断其研发投入的回报效率。如果AI相关业务的收入增长主要来自项目交付数量的增加，而非平台化复用带来的效率提升，那么研发投入的边际回报可能并不乐观。融资可以缓解短期的资金压力，但不会改变商业模式本身的验证节奏。
“卖铲人”的护城河，取决于一个尚未被回答的问题
集贤科技的叙事建立在一个清晰的产业判断上：大模型企业距离终端量产有距离，传统硬件企业缺少AI系统工程经验，中间存在一个需要被填平的工程鸿沟。这个判断本身有足够的产业合理性。吴凯华对此的表述是：“AI从云端走向物理世界，最后一定要面对成本、功耗、网络和量产。我们希望把这些复杂的事情封装起来，让客户把更多精力放在产品和用户本身。”
但“卖铲人”定位能否成立，最终取决于一个尚未被公开数据回答的问题：集贤科技的方案是否真的具备跨客户、跨品类、跨芯片平台的复用能力，还是本质上仍然是一家以项目制交付为主的工程服务公司。
从已披露的信息看，支持前者的证据包括：超过200家品牌客户、超过2000万台累计出货、嵌入式开发框架中的可复用组件策略、以及从一次性交付向持续运营服务延伸的业务方向。支持后者的信号同样存在：公司未披露单一客户收入占比、未披露软件平台收入的具体规模、未披露开发框架覆盖的芯片平台范围、也未披露AI Agent框架在不同品类间的迁移成本。
如果集贤科技的护城河确实建立在平台化复用能力之上，那么其毛利率应该随着客户数量和品类扩展而持续改善，研发投入的边际成本应该递减。如果其本质仍然是项目制工程服务，那么收入增长将伴随人力成本的同步上升，规模效应的释放会显著受限。公司未披露毛利率、人均产出或研发投入的资本化处理方式，因此无法从公开信息中判断其更接近哪一种模式。这个问题的答案，可能比融资新闻本身更能决定公司的长期价值。
另一个值得关注的变量是模型层的快速迭代。端侧AI的底层模型能力正在以月为单位变化，集贤科技作为中间层服务商，需要持续跟进模型能力的升级并将其适配到终端约束中。这意味着其研发投入需要保持较高强度，而模型层的每一次重大变化都可能对其已有的Agent框架和嵌入式组件造成冲击。公司经历了Wi-Fi、蓝牙、Zigbee、蜂窝通信和Matter等多轮技术迭代，这种长期存活能力是其团队适应性的一个佐证，但大模型迭代的速度和不确定性，与通信协议迭代不在同一个量级。通信协议的迭代周期通常以年为单位，且有相对明确的标准化进程；大模型能力的迭代则以月甚至周为单位，且方向本身存在不确定性。这种迭代节奏的差异，对中间层服务商的技术路线选择提出了更高要求。
从产业位置看，集贤科技面临的最大竞争压力可能并非来自同类“卖铲人”，而是来自两端向中间挤压的可能性：大模型企业如果开始自建终端工程能力，或者头部硬件品牌如果决定将AI系统工程能力内化，集贤科技的中间层价值就会受到挑战。公司未披露竞争对手信息，但这一结构性风险不因信息缺失而不存在。中间层服务商的生存空间，通常取决于两端是否愿意为“封装复杂度”付费。如果大模型企业将终端适配视为战略能力而非外包环节，或者头部硬件品牌将AI系统工程视为核心竞争力而非可采购服务，那么中间层的议价空间就会被压缩。
集贤科技过去十二年积累的2000万台出货量，是它对抗这种挤压的最重要资产。出货量意味着真实的终端部署经验、产线磨合记录和售后问题处理能力，这些都不是大模型企业或硬件品牌能够在短期内复制的。但资产的价值取决于它能否被转化为可复用的平台能力，而不是停留在项目交付的历史记录中。这个转化过程，恰恰是集贤科技当前融资之后最需要证明的事情。
验证边界与可复核指标
本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。
- 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
- 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
- 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。
RecodeX 极客视：端侧AI最稀缺的不是模型能力，而是把模型塞进一台售价99元、续航三个月的设备里还不翻车的工程耐心。集贤科技用十二年时间积累的2000万台出货，是它讲“卖铲人”故事的最大底气。但真正的考验在于：当客户数量从200家变成500家，当品类从玩具和家电延伸到机器人，当海外市场的合规成本开始侵蚀利润，这套“一体化支持”的边际成本曲线究竟会向下走，还是变成另一条项目制人力的线性增长线。融资可以买来研发时间，但买不来这个问题的答案。