中国 AI 硬件的下一个爆款，可能生在「网球场」

2024 年巴黎奥运会，郑钦文在罗兰·加洛斯捧起金牌的那个下午，中国的网球场预订量在一周内翻了数倍。两年后，最先把这股热潮变成生意的，是一群造机器的深圳工程师。

过去一年，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。庞伯特以 26255% 的超募率卷走 265 万美元；智能家居大厂 SwitchBot 推出的 Acemate 30 天入账 180 万美元；Tenniix 首战筹得近百万美元后，其母公司英汉思动力完成红杉联合领投的三轮共超亿元融资；最新收官的 AceiiLab 首批量产正在交付，单台售价约 2000 美元，早鸟价 999 美元。

但火归火，这条赛道连「卖的是什么」都还没说清。在「AI 网球机器人」标签背后，可以是打网球的人形机器人，也可以是便携发球机，也有可能是一款手机 App。

为什么网球机器人赛道突然爆火？一台真正的 AI 网球机器人到底该长什么样？带着这两个问题，我们在深圳的一片球场上见到了 AceiiLab，和它背后一思科技的联创晁光。随后我们发现，这场竞赛里硬件只是入场券，真正的关键在于你把这台机器定位成一件器材，还是一个对手。谁能让用户打得更久、离开得更难，谁才有机会提前拿到「AI 网球机器人」的定义权。

见到实物前，我们对网球机器人的想象是一块会移动的大屏，或一条能挥拍的机械臂。

AceiiLab A1 被拉进球场时，看起来像一只 20 寸行李箱，下半截是带轮子的本体，上半截是可拆卸的球包，可装 120 颗球。过去是一手拎机器、一手拖球筐，现在两件行李合成一件，整机约 20 公斤，四个轮子推行。

「我们发现在设备上，用户的本质需求不是要求机器轻，而是希望自己搬运不累。选择行李箱的形式，不需要一直发力，很大程度上减少累的体感。」AceiiLab 相关负责人说，「行李箱的方式既解决了移动难题，也是一个友好的用户使用过程。」

真正开机后，我们发现 AceiiLab 的玩法和常见的传统发球机并不一样，它是一个可移动的、交互性较强的产品。「这可能是我当下使用过最好的 AI 网球机器人，移动带来的真实对打感是其他同类产品几乎不可比的地方。」一位参与到现场与 AceiiLab 对打的朋友说道。

将 AceiiLab 放在网球线上，按下主机开关后，两侧车轨支架自动展开。十几秒后，摄像头认出球场上的线，机器开始沿线巡逻。它并不满场乱跑，只认中场线、底线和边界线这几条「跑道」，像一名守规矩的球员，绝不越位。

热身完毕，好戏开场。开球前需先在 App 里选择模式，目前主要有三种玩法：组合&移动、自由练习、接发球训练。

以组合 & 移动模式为例，AceiiLab A1 会按照内置的 50 多套球路组合，一边沿线移动一边按剧本喂球，正手一颗、反手一颗，深一颗、浅一颗，球速和旋转轮着变，发球间隔最快能压到半秒一颗。

自由练习则把发球选择权交还给用户，无论是隔网对打、同侧陪练，还是让它在底线自由移动，用户均可按需选择。它还能定点喂球，或站在左右边线喂出角度刁钻的球，相较于传统发球机练来练去就那几个角度，它能把整条底线都变成发球点。

接发球练习模式中，还有一个「球童模式」，你不需要按下开始键，只需竖起球拍，机器就能自动识别就绪状态并完成发球，就像有一位专业球童一直站在对面为你发球。

真正开打后的画面，和我们想象中激烈的「对拉」有些不同。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」从网对面给你发一颗新球。它从不真正回击你那颗球，但一来一回之间，回合感确实成立。

不过，这既考验用户的适应能力，也考验机器能否快速到位、精准发球。如果中间卡顿明显，对拉体验就会大打折扣。我们花了至少几十分钟，才慢慢适应和机器打球的节奏。

120 颗球，按正常 3.0 水平的对打节奏，大概能打 30 分钟左右。由于每一颗球都是新球，整体消耗速度也会比较快。「不管是新手还是熟手，都能获得不同的体验感。」

「反应不过来」是我们早期采访多位参与到和 Aceii 对打的用共有的第一感受。整体对打过程中，我们明显感受到，这并非一款适合 0 经验小白无门槛上手的产品。它更有效地地方，在于巩固正反手和移动步伐，基本堪比早期训练过程中，同侧训练中，模拟教练手抛球。它需要用户了解自己的水平，也清楚如何设置相关发球参数，是一款需要与用户调试配置、相互适应的产品。据介绍，这款产品希望能够满足 2.0 至 4.0 水平用户的需求。

制造业有一条隐秘的鄙视链：卖产品的不如卖耗材的，卖耗材的不如卖服务的。过去五十年的发球机厂商，始终停留在链条最底端，只做一锤子买卖，卖完就结束了。

「大部分发球机厂商的目标就是把机器卖出去。但卖出去对别人是终点，对我们却是起点。」在 AceiiLab 相关负责人看来，发球机买回家容易吃灰，原因无非两点，价值上限太低，替代不了教练；或者是使用频率太低，新鲜感一过就闲置。AceiiLab 想造的是一个反向飞轮，设备越好玩，用户越常打；越常打，越进步；越进步，越好玩。硬件解决「打得起来」，软件负责留住用户。

飞轮的第一圈，从一张成绩单开始。每轮打完，你都能看到这一场的训练数据：接球成功率、最高连击、平均球速、最高球速。还有一张落点图，把你和机器的每颗回球都钉在球场上，界内界外，一目了然。

更关键的是，它还在「教」你。机器会录下你的击球视频，从拍面、稳定性、时机、动力链、准备动作五个维度分析，告诉你这一轮的表现如何，并与过往数据进行对比。

当你把数据提交 AI 分析后，系统会指出弱点所在，不仅有原因、建议，还会推送相关视频课程，帮你更好地调整状态。

在 AceiiLab 的设想里，「AI 教练的一天」应该是这样的：你昨天反手随挥偏移不够、扭胯动力链不足，今天就练这两点，空挥比对标准动作，练完机器再考你一遍。一套完整的教练流程，被原样搬进 AceiiLab 系统。

不仅如此，练球之外，它还想增添更多趣味性。打球时，你可以开启球童模式，挥手即出球；也可以切换游戏模式闯关，把枯燥训练变成一场主动挑战。嫌一个人打球无聊，还能把精彩瞬间分享进社区，顺手约好友来练球。「流量世界已经被算法算尽，变量只在物理世界。一台在球场上狂奔的网球机器人，天然引人围观。」相关负责人说道。

这些设计，不少来自市场最直接的反馈。北美路测时，一位用户打了半小时，问出一个团队没预料到的问题，「我是不是永远赢不了它？」他们由此意识到，机器可以无限打下去，但人不行。人需要关卡，需要输赢，需要一个能被打败的对手。

于是有了闯关，甚至有了机器的败北规则：球落地时，如果它没跑进 50 公分以内，就算它输。因为一台有机会认输的机器，比一台永远正确的机器，更像球友。

而所有这些数据攒到最后，会变成用户离不开机器的理由。「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。」相关负责人说道。当参数可以被追平，模具可以被抄走，唯独用户投入的时间，谁也搬不走。

我们也由此看到，未来硬件公司的壁垒，或许不在于产品参数，而在于品牌向用户关系的转化。AceiiLab 正在一个具体的场景里，用 AI 和数据持续交付服务。

一台网球机器人，为什么只沿底线跑？为什么不接球？这些看起来是技术问题，但在早期阶段其实都是产品选择问题。要理解这些选择，得先认识做选择的人。

AceiiLab 背后的一思科技，是一支服务机器人老兵攒起来的队伍。创始人刘礼谦在大疆做过结构工程师，在蓝胖子做过仓储机器人，在库卡做过系统工程师，后来转向商用清洁和割草机器人，当过割草机器人公司虎鲸的 CEO，拿过当年的海外众筹冠军。这支三十多人的团队，在服务机器人行业里摸爬滚打了许多年。