一思科技联创晁光：AI网球机器人的壁垒不在参数，在「不做」清单

2024年巴黎奥运会后，中国网球场预订量短期内翻了数倍。两年后，至少四款中国团队打造的AI球类机器人在Kickstarter上筹得百万美元级资金——庞伯特超募26255%卷走265万美元，SwitchBot的Acemate三十天入账180万美元，Tenniix母公司英汉思动力完成红杉联合领投的三轮超亿元融资，最新收官的AceiiLab单台售价约2000美元、早鸟价999美元，首批量产机正在交付。

但极客公园记者在深圳球场见到AceiiLab A1和它背后一思科技联创晁光后，发现这条赛道连「卖的是什么」都还没说清。在「AI网球机器人」标签下，可以是一台打网球的人形机器人，也可以是便携发球机，甚至是一款手机App。极客公园记者在现场得出的结论是：硬件只是入场券，真正的关键在于把这台机器定位成一件器材，还是一个对手。

这个区分不是修辞。一思科技团队做过割草机器人，他们从中提炼出一个结构性的不同：割草机器人和用户之间是雇佣关系，草割干净就行，用户不关心机器怎么割的，它服务的是结果，价值天花板最多是一份雇工的工资。网球机器人相反，打球的人在乎每一拍的球速、落点和动作标准度，机器每一秒都在感知和回应，它服务的是过程。这个「过程vs结果」的区分，决定了后续所有产品选择。

团队把这些选择写成了一张「不做」清单。不做满场跑的机器人，只沿底线移动；不做接球，只做发球；不服务零基础用户，首先满足2.0到4.0水平的进阶球友。每个「不做」都有具体依据。不做人形，是因为晁光认为「在平整场地上，轮子的效率高于双足，就像人用洗衣机的效率高于手搓」——人形机器人打网球验证的是机器人能力，他们要交付的是打球体验。不接球，是因为发球和接球是两件事，机器为了追求接球会打乱自己的节奏，训练价值打折，而且接球成功率一旦不够高，场面会倒过来变成人在遛机器。只沿底线移动，是因为据行业统计，2.5以上目标用户七八成的击球是底线对拉，守住底线就守住了七八成的体验。

但一台处处克制的机器，为什么偏偏在「移动」上不计成本？团队的回答是：移动是AceiiLab和传统发球机的分界线。一台放在原地的机器，和人的交互一上午只有一次——开机、设置、然后各干各的。一台会移动的机器，一秒就交互一次，你打左它追左，你打右它追右。移动带来了对手感，带来了隔网对拉和球童模式，也带来了一种微妙的情感连接。极客公园记者在现场观察到，所谓「对拉」的真相是：你把球打过网，球还没落地，机器就移动到落点附近，紧接着从落点处发出一颗新球，模拟「接到了你的球」。它从不真正回击你那颗球，但一来一回之间，回合感成立。

在硬件层面，团队的办法是站在成熟产业的肩膀上：底盘直接采用扫地机器人打磨了十年的移动方案，轮子用行李箱的轮子，移动采用类似车道线保持的解决方案。省下来的钱换成了价格空间。但两处选择自己造：一是自研超长基线双目摄像头，团队称球飞出去10毫秒就算出第一个落点，50毫秒整条运动轨迹了然于胸；二是算法团队，目前用户建模仍以规则式为主，把教练经验提炼成步伐、手势等六个维度参数写进规则，已能模拟「纳达尔的左侧上旋球」这样的打法。这两处是这台机器上花钱最大的地方，但真正定义产品的，是上面那张「不做」清单。

飞轮的设计逻辑是这样的：每轮打完，用户看到接球成功率、最高连击、平均球速等训练数据和落点图；机器录制击球视频，从拍面、稳定性、时机、动力链、准备动作五个维度分析；提交AI分析后，系统指出弱点并推送课程。北美路测时一位用户问出「我是不是永远赢不了它？」，团队由此加入闯关模式和机器败北规则——球落地时如果机器没跑进50公分以内就算它输。一台有机会认输的机器，比一台永远正确的机器更像球友。

所有这些数据攒到最后，变成用户离不开机器的理由。AceiiLab相关负责人的说法是：「当机器存着你几年的成长数据，甚至存着你最好朋友的陪练数据，即使竞品便宜500块，你也不会换。」参数可以被追平，模具可以被抄走，唯独用户投入的时间谁也搬不走。中国硬件公司走了三十年的老路——把一个品类做便宜，再被后来者做得更便宜，毛利一代薄过一代——一思科技想走的是另一条：先用被彻底重构的发球体验把机器卖出去，靠量产降本，靠移动和交互留住人，再让攒下的数据变成服务。

这条路能不能走通，现在下结论还早。首批量产机2026年7月才开始交付，订阅续费率、课程完课率、社区活跃度，都要等真实用户给出数字。极客公园记者在现场也注意到，「反应不过来」是早期多位体验者的共同第一感受，这并非一款适合零基础用户无门槛上手的产品，需要用户了解自己的水平并清楚如何设置参数，是一款需要调试配置、相互适应的产品。克制不是保守，而是一种耐心——但耐心能否等到留存数据，只有球场上的用户会给出答案。