编者按：

当 AI 开始寻找自己的形状，有些选择出人意料。

AI 在智能手机上生出了一颗独立按键，似乎让智能手机找回了久违的进化动力。眼镜凭借着视觉和听觉的天然入口，隐隐有了下一代个人终端的影子。一些小而专注的设备，在某些瞬间似乎比 All in one 的设备更为可靠。与此同时，那些寄望一次性替代手机的激进尝试，却遭遇了现实的冷遇。

技术的落地，从来不只是功能的堆叠，更关乎人的习惯、场景的契合，以及对「好用」的重新定义。

爱范儿推出「AI 器物志」栏目，想和你一起观察：AI 如何改变硬件设计，如何重塑人机交互，以及更重要的——AI 将以怎样的形态进入我们的日常生活？

原本以为，三星 Galaxy S26 系列早已被曝光，发布会也就走个流程。没想到三星和 Google 还藏了一手。

两家公司共同展示了 S26 搭载的全新 Gemini 智能体能力：口头吩咐一句话，Gemini 就能在 Uber 帮你打车，或者 DoorDash 上点外卖。

这个功能目前还处于早期预览阶段，仅在美国和韩国提供。

你可以理解为，Google 和三星一起联手，做了一个全球版的「豆包手机」（准确来说叫豆包手机助手）。Galaxy S26 系列只是开始，这些能力后续会推送到 Google Pixel 10 手机，以及更多 Android 17 设备上。

在看过、用过许多个手机/电脑系统级 AI 智能体，也深度使用过「豆包手机」之后，再看这次的 Gemini 智能体，我觉得关于它的讨论不该止于一个「新功能」。

诚然，这不是 Android 操作系统的底层框架首次为了容纳智能体而被深度定制——包括 OPPO、荣耀、华为等在内的许多厂商都已经做了相当多的早期的尝试。

但这可是 Google，是 Android 操作系统的绝对拥有者。

如果说字节跳动作为一个「外人」，做的尝试对国民级 app 犯了「大不敬」——Google 来做这件事情，意义就完全不一样了。

不过别急，我们还是先看看，这次 Google 和三星做的「豆包手机」，到底怎么一回事。

三星「豆包手机」，用起来怎么样？

三星和 Google 这次展现的「Gemini 自动任务」能力，能够模仿人类操作手机，从而实现任务的自动化。背后的实现思路，是 AI 读屏理解 + 系统底层/应用层 API 的双重路径。

需要注意的是，字节和努比亚共同开发的「豆包手机」，重度使用系统级权限的能力，以及读屏，而非 API。你可以理解为，豆包手机主要走的是「没跟应用开发者打好招呼」的，「硬来」的实现思路，也为国民级 app 对其封杀抵制留下了把柄。

而三星和 Google 这次在 Galaxy S26 系列上做的 Gemini 智能体，可以说两者兼备。根据三星方面透露的信息，其应用商城排名前 200 的应用都能支持（但仅限特定应用的使用效果可以保证，后面详述）——说明三星、Google 至少大体上这些应用开发者打好了招呼。

我们来看看《连线》杂志编辑的体验效果：她直接呼出 Gemini，告诉它自己要去机场，Gemini 应用本身会打开一个「虚拟窗口」中打开 Uber，并在后台开始执行这个动作，用户可以随时点击进入查看 Gemini 的执行进程。

由于当地有几个不同的机场，Gemini 很快又提醒用户选择合适的目的地；下单时，Gemini 也会把界面推到用户面前，方便用户选择合适的车辆并支付。

Gemini 的「虚拟窗口」，可以理解为一个沙箱化的「虚拟机」，是 Google 对用户隐私保护的一种考量。过去的 Gemini 运行在 Android 系统中，但这次的新 Gemini 智能体操作应用时，仅限在这个沙箱内工作，并不会触及设备的其他部分。

再多提一嘴：如果大家用过 Manus、 月暗的 Kimi computer、智谱 AutoGLM 等，具备云电脑/云手机能力的智能体产品，应该就很容易理解这个 Gemini 虚拟机的逻辑了。

这算是相当简单的任务，不少国产 AI 手机助手在一年前都已经攻克了这种场景。

而 Gemini 更加杀手级的能力，是和此前已经长线布局的读屏、抓信息特性相结合。

比如，当用户和朋友聊到聚会要订披萨，用户可以直接叫出 Gemini，吩咐一句「弄清楚订单」，Gemini 就能直接抓取聊天中提到的披萨店，甚至特定的披萨种类，整理好每个人的需求。

随后，用户可以直接让 Gemini 在外卖平台 Grubhub 上点外卖，AI 会按照刚梳理完成的订单需求，在后台自动化把所有食物添加到购物车，交付给用户确认和下单。

有时，订餐的情况会没那么顺利，Gemini 也会尝试自己先去解决突发状况，并给用户提供解决方案。有一次，披萨店在繁忙时段限制了大号披萨的下单量，Gemini 就会询问能不能点两个中号代替。

还有一个例子：用 Google Keep 笔记列举了烧烤派对的出席名单，并标注了素食主义者。Gemini 可以先计算好整个派对总共需要多少热狗和面包，然后再让它去采购食材，几分钟后商品全部被安放在了 DoorDash 平台的购物车里。

Google Android 生态系统总裁 Sammer Samat 透露，Gemini 并非提前「记住」了这些平台操作的步骤和线路，而是真的在利用推理能力，模仿人类查看屏幕并进行下一步操作，这意味着 Gemini 未来能在更多场景发挥潜力。

这里你能看到，Gemini 首批主打订餐、叫车场景，这一点倒是更像春节前千问所做的事情。

又一个「豆包手机」，来自 Android 官方

对比真正「全能」，连微信收藏都能帮忙找的豆包手机助手（至少在被抵制之前），Gemini 目前的能力还相当局限，聚焦在打车、外卖、杂货这些日常场景，虽说底层技术能力更强，但用户的实机使用效果，跟鸿蒙的小艺、荣耀的 YOYO 等国产手机 AI 助手并无太大不同。

不过正如文章一开头提到，Google 手握一整个 Android 生态，有着绝对的号召力和掌控力。

随着 Gemini 自动化能力的发布，Google 也详细公开了背后 Android 系统的底层布局和未来计划——有两个方向，简单来说，就是既「苹果」又「豆包」。

首先，Google 去年发布了一个名叫「AppFunctions」的框架，允许开发者公开应用特定的功能和特性入口，以便 AI 助手调用。

Google 将 AppFunctions 类比为 Android 的「模型上下文协议」（MCP），可以简单理解为一个对话标准，帮助第三方的 App 应用和 AI 模型进行对接。

这个框架类似苹果的 App Intents。在苹果的构思中，用户可以使唤 Siri 来操作各种 app 来实现功能，而底层实现方式就是通过 App Intents ——新一代 Siri 迟迟不能落地的前提下，App Intents 足以提供不错的效果。

Google 的 AppFunctions 也是同理。

比如用户下达指令，希望能从好友的电子邮件中找到一个食谱，并将相关配料加入购物清单中。AI 接到命令，首先调用邮件 App「搜索」的功能入口，检索并提取出相关内容，然后调用备忘录的「购物清单」入口，把数据填入整理。

一些 AppFunction 功能已经在三星 Galaxy S26 和 One UI 8.5 系统中落地。比如，用户可以对 Gemini 下达指令，找出相册中的特定照片，并用短信发送给朋友。

需要注意的是，整个过程中，Gemini 不需要打开相册和短信 App，甚至没离开 Gemini App，而是通过 AppFunctions，把对应入口抓取到 Gemini 之中执行操作，效率更高。

本质上，基于 AppFunctions 的实现方式，和过去的 API 路径逻辑相同。这是一种「打好了招呼」的解题思路。

但是，并非所有 App 都做好了相关的适配。没关系，Google 还做了另一手准备。

昨天发在 Android 开发者博客上的一篇文章中，Google 明确提出：公司还在开发一个 UI 自动化的框架，让 AI 助手和第三方应用模仿人类，直接打开 App 一步步操作。

——这，就是翻版的「豆包手机」了。

不过，尽管 Google 说以后 UI 自动化会承担真正的「重活」，在这次的 Galaxy 26 系列当中，UI 自动化只是一个「早期预览版」。

如果说 AppFunctions 需要 App 开发者进行额外的适配工作，那么 UI 自动化框架则是把工作量都留给 AI 智能体，无需任何额外适配，但效果非常取决 AI 智能体的能力，优势就在于一上线就能覆盖大量应用。

现在你可以看到，在 Google 的 Android Gemini 智能体计划中，AppFunctions 和 UI 自动化是两条路线，互为补充：通过规范化、可追溯的接口方式来确保最大限度的兼容性，同时为真正代表未来的读屏交互模式打好基础。

Google 还表示，这不会只是 Gemini 的专属功能，而是 Android 系统的特性。

这也意味着，未来不管是手机厂商自己内置的 AI 助手，还是 ChatGPT 等第三方应用，都能调用 AppFunctions 执行任务，或者「读懂」手机 UI 进行自动操作。

值得一提的是，在国行用不了 Gemini 的情况下，三星 Galaxy S26 的 Bixby 助手也能实现点外卖、叫车、电商比价的功能。我们可以合理推断，三星在国内也找到了一家模型供应商来替代 Gemini 的身份，至于这些大模型小龙当中具体是谁，可能就取决于过去一年里谁在手机智能体上成绩更突出了。

AI 手机的道路，不会只有「孤勇者」

去年「豆包手机」惊艳亮相，又因为令人遗憾的情况而「早夭」。在深感遗憾的同时，也让我们不禁去思考，AI 自动化的模式，就是 AI 手机的理想模式吗？

这个问题，没有个三五年也得不出答案。至少，豆包手机不是单打独斗，手握 Android 系统的 Google，同样选择了这个路线，而且话语权大得多。

其实当豆包手机火到海外之后，就有网友开始畅想，如果 Google 在 Pixel 以及 Android 手机上推广这个技术，那前景将会非常广阔。

虽然我觉得，Google 对于怎么回答「AI 手机」这个命题，其实也没有一个非常清晰的答案，更像是因为手上同时有 AI、系统和硬件，每个方向都尝试一下，说不定就有一条路跑通了。

但至少，Google 已经为 Android 打好了「系统级自动化」的样板，接下来不少新机，都有了化身「豆包手机」的潜力。

这个浪潮或许还不止于 Android 阵营。别忘了，苹果已经和 Google 达成合作，Gemini 将成为 Siri 的技术支持。而 App Intents 和 AppFunctions 又非常相似……

再往前看一点：Gemini 智能体甚至不只局限于 AI 手机。在 Sammer Samat 设想中，未来智能眼镜、AI 吊坠，甚至是汽车，只要有 Gemini，就能用它来完成复杂的任务——当然，这样的场景距离落地还有距离。

不过，Google 也只是在技术层面跑通了 AI 自动化的路线，而范式成立，不代表问题消失。豆包手机当时遇到的种种矛盾，也会成为后来者不得不面对的挑战。

首先当然是隐私和安全问题。Google 的饼画得很大，未来调用、操作手机 App 的将不仅限于 Gemini，一些第三方 AI 应用能更深入用户的数据核心，如果有伪装的恶意应用利用了这些接口，也会造成更大的损失。

更激烈的矛盾，是手机硬件厂商、模型/智能体能力提供商、大平台应用这三者之间，围绕 AI 时代新「入口」的争夺。这也是原版的豆包手机，一度最难逾越的高墙。

毕竟，用 Gemini 叫车，可能意味着用户不用再看到 Uber 的会员促销、广告推荐，甚至不再形成品牌黏性，直接损害到应用服务商/广告行业的收益。

中国有互联网/AI 巨头，海外何尝不是如此？像 Meta、Amazon 这样的老对手，本身还拥有强势的平台与生态，它们未必心甘情愿对 Google 开放，让 Gemini 来自动化一切。无论是以隐私、安全，还是平台规则为由，设置限制、提高接入门槛，博弈必然发生，争斗将进一步白热化。

至少 Google 对未来很有信心。Sammer Samat 认为，AI 技术已经进入了「正在进行时」，开发者与其绞尽脑汁对抗 ，还不如去思考一个合适的方式拥抱它。

新与旧的对抗不可避免，最终的胜利者，只会是那些在变革前夜，就已经在勇敢追逐的玩家。

参考资料：
https://android-developers.googleblog.com/2026/02/the-intelligent-os-making-ai-agents.html

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

刚在印度 AI 峰会上经历了最尴尬的一幕，Google CEO Sundar Pichai 转头就在今天凌晨官宣了最新模型 Gemini 3.1 Pro。

时机选得，相当精准（doge）。

虽然距离上周 Gemini 3 Deep Think 的更新没几天，但 3.1 Pro 的定位，Google 说得很清楚——专为那些「一个简单答案远远不够」的任务而设计，是解决复杂问题的基础底座。

按惯例，0.1 的版本号更新通常意味着小修小补，然而，在测试模型解决全新逻辑模式能力的 ARC-AGI-2 基准上，3.1 Pro 拿下 77.1%，是上代 3 Pro（31.1%）的两倍多，同时压过了 Anthropic 的 Opus 4.6（68.8%）和 OpenAI 的 GPT-5.2（52.9%）。

其它方面，科学知识测试 GPQA Diamond 拿了 94.3%，智能体类基准 MCP Atlas 和 BrowseComp 分别拿下 69.2% 和 85.9%。

编程能力方面，竞争性编程基准 LiveCodeBench Pro 的 Elo 评分达到 2887，超过 3 Pro 的 2439 和 GPT-5.2 的 2393。SWE-Bench Verified 上，3.1 Pro 拿了 80.6%，和 Opus 4.6 的 80.8% 基本打平。

当然，3.1 Pro 也不是处处碾压。

多模态基准 MMMU Pro 上，上代 3 Pro 反而略胜（81.0% vs 80.5%）；启用工具支持的 Humanity’s Last Exam 里，Opus 4.6 以 53.1% 拿了第一。外界长期批评 Google 工具使用效率不如对手，这次还是没能完全堵上嘴。

第三方知名分析机构 Artificial Analysis 则给出了相当实在的评价。

3.1 Pro 在他们的智能指数里排名第一，比 Opus 4.6 高 4 分；整个测试跑下来总计使用约 5700 万 tokens，完成测试的成本不到 Opus 4.6 的一半。能打又省钱，这个组合还是很香的。

Google DeepMind 首席科学家 Jeff Dean 也转发了一个是用 3.1 Pro 模拟城市规划、设计全新城市的应用，从零生成可交互的规划界面 demo。

Google 官方博客则展示了几个更日常的方向。代码动画方面，3.1 Pro 可以直接根据文字提示生成动态 SVG，因为是纯代码生成而非像素，任意缩放都不失真，文件体积也远小于传统视频。

复杂系统方面，模型直接接入公开遥测数据流，搭出了一个实时追踪国际空间站轨道的航天仪表盘。

更有意思的是两个创意类 demo。

一个是 3D 椋鸟群模拟，不只是生成视觉代码，还支持用手势操控鸟群，并配有随鸟群动态变化的生成音乐；

另一个是把《呼啸山庄》的文学氛围转化成一个现代个人网站，模型没有简单概括情节，而是分析了小说的整体基调，设计出了贴合主人公气质的界面风格。

此外，网友们也贡献了不少精彩的案例。有人让 3.1 Pro 生成一个「鬼怪猎人穿越鬼屋」的动态 SVG 循环动画，结果直接看呆，评价是「Google 这次是认真的」。

还有网友认为让它生成种子破土、根系延伸、茎秆冒出、叶片展开、直到长成完整大树的交互动画，每个生长阶段的过渡都顺滑自然，说这是见过最好的同类效果。

去年从 Anthropic 转投 Google DeepMind 的清华物理系特奖得主姚顺宇也站台宣传：「Gemini 不仅是一个优秀的模型，而且更好的模型正以不可阻挡的方式到来。」

当然，这些 demo 加在一起说的是同一件事：模型能做的事，已经从单纯的回答问题延伸到完成一整套专业或创意工作流了。
价格方面，API 按分级付费，整体和上代 3 Pro 保持一致，但跟 Anthropic Opus 系列比还是相对便宜的。

20 万 tokens 以内，输入 2 美元 / 每百万 tokens，输出 12 美元；超过 20 万 tokens，输入涨到 4 美元，输出 18 美元。搜索功能每月前 5000 次免费，之后每 1000 次查询收费 14 美元。

现在，开发者可以在 AI Studio、Gemini API、Gemini CLI、智能体开发平台 Google Antigravity 以及 Android Studio；企业用户在 Vertex AI 和 Gemini Enterprise；普通用户在 Gemini 应用和 NotebookLM 都能用，后者仅限 Pro 和 Ultra 订阅。

值得注意的是，3.1 Pro 目前只是预览版，Google 大概率是要继续打磨好智能体工作流再推正式版，向外界展示出一副还没使全力的姿态。

至于这种能力渗透到个人层面会发生什么，这让我联想到了 OpenAI 联创 Andrej Karpathy 刚刚发布的推文：

他想用 8 周时间把静息心率从 50 降到 45，计划是设定 Zone 2 有氧总时长目标，配合每周一次 HIIT。为了追踪进展，他花了 1 小时用 vibe coding 做了一个专属仪表盘。

过程比想象中麻烦，Claude 需要对 Woodway 跑步机的云 API 进行逆向工程，提取原始数据，处理筛选，搭出 Web 前端界面，中间还有公制英制单位混用、日历日期对不上这些 bug 需要手动发现并要求修复。

Karpathy 的感叹很犀利，两年前这事得花 10 小时，现在 1 小时。但他更在意的是：这本来应该只需要 1 分钟。
他的判断是，应用商店模式正在过时。

300 行代码、LLM 几秒生成的专属工具，没必要变成一个正经 App 让你去搜索下载。他同时也点了行业的问题：99% 的产品仍然没有 AI 原生的 CLI，还在维护给人看的前端界面，而不是直接提供便于 Agent 调用的 API。

Woodway 跑步机本质上就是个传感器，结果还得让 LLM 去逆向工程它，完全没必要。

把 Jeff Dean 的城市规划 demo 和 Karpathy 的跑步仪表盘放在一起看，其实是同一件事的两面。当普通人花 1 小时就能为自己做一个高度定制的专属工具，由 AI 原生传感器和执行器构成、LLM 负责编排、即兴生成高度定制专属应用的时代，就已经近在眼前了。

附官方博客：
https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-1-pro/

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

1996 年，一家日本公司推出了 Tamagotchi（电子宠物）。这个小小的蛋形塑料设备风靡全球，成为一代人的童年记忆。

1997 年，拓麻歌子（Tamagotchi）还让它的创造者日本万代公司，获得了当年的搞笑诺贝尔经济学奖，而原因是，

他们创造了人类供养虚拟宠物的新型经济模式，成功转移了数百万人的工作时间，用于饲养虚拟宠物。

去年八月，万代公司表示，拓麻歌子从 1996 年以来，产量已经达到了一亿台。在那个时代，生产一款这样的产品，大概需要一个工业设计团队、需要电子工程师设计电路板、需要长达一年的开发周期……

2026 年，一个开发者用 AI 做了一个 Tamagotchi。他需要的只是一台电脑和 Claude Code。成本接近零，开发周期可能只有几天。

这个最新的 Claude Code 版拓麻歌子，最近在 X 上吸引了一大波网友的关注。

网友把命令行里面跳动的 Claude Code 符号，转到了能够触摸得到的、随身携带的拓麻歌子上。当 Claude Code 在命令行里面思考，或者是问，是否同意执行下面的步骤时，手里的拓麻歌子都会弹出消息来，指示我们下一步操作。

电子宠物成精了，还会拦截 Bug

和以前那些 AI 硬件的逻辑不同，Claude Code Tamagotchi 不是一味的把大模型放到布娃娃、手表、闹钟、书包、甚至是马桶里。

这个 Claude Code 拓麻歌子要做的是一种转移，一种无法被替代的存在。

目前已经有多款不同的 AI 拓麻歌子小玩意，其中关注度最高的由开发者 Ido Levi 创建的 Claude Code Tamagotchi。

乍一看，它就是一只住在终端里的像素风格宠物。有一些简单的表情、有状态、还会对用户的行为做出反应；但它不是一个简单的怀旧游戏。

当我们在用 Claude Code 编程时，放在桌子边上的这只宠物，会一直在你的终端界面中显示。它在观察 Claude Code 的每一个操作，确保这个 AI 助手真的在按照我们的意图工作。

如果 Claude Code 表现良好，宠物会开心地摇尾巴。如果 AI 开始不听话，比如未经允许重构代码，或者修改了你明确说不要动的文件，宠物会变得暴躁，甚至会直接中断 AI 的操作。

目前，Claude Code 拓麻歌子这个宠物项目，已经在 GitHub 上开源，我们也可以直接把这个电子宠物部署到自己的 Claude Code 里面。它具体是如何工作的呢，根据作者对项目的介绍，举几个例子来说明一下。

项目主打的就是「实时监控」，当我们直接对 Claude Code 说，「只修复这个 bug，不要动其他文件。」

Claude Code 开始工作，终端里的宠物睁大眼睛盯着看。几分钟后，Claude Code 完成了修改，只改动了目标文件。
这个小宠物就会开心地摇尾巴： (◕‿◕)。

而当这个小宠物检测到违规时，他还能发出「违规警告」。我们明确告诉 Claude Code 说，不要重构，保持代码原样。但 Claude Code 还是开始重构整个模块，可能它觉得这样代码会更优雅。

这个时候，电子宠物的表情变了：；屏幕上还会显示，「 警告：AI 正在违背你的指示」。

除了提示，它也能实际的做一些越界拦截之类的工作。比如我们给出的指令里面非常明确的提到了，千万不要动数据库。Claude Code 在修复一个相关 bug 时，尝试修改数据库。

小宠物就会立即中断： 操作被阻止。Claude Code 的操作被拦截，我们的数据库安然无恙。宠物露出得意的表情：。

这种从软件到硬件的交互，也让我想到了我们之前分享的 Vibe Coding 小键盘。

这几天，在 X 上还有一个硬件版 Cursor 特别火。目前的 Cursor 是专门用来开发软件产品的工具，而这个 Cursor for hardware 就是用来实现，一句话做一个硬件设备。

网友 marcvermeeren 就用这个工具，搭建了一个叫做 Clawy 的可爱小助手，用来管理他的 Claude Code 对话。

还有网友 dspillere 也做了一个类似的产品，他说虽然已经部署了 OpenClaw，但他完全不知道 OpenClaw 什么时候在思考，什么时候在执行任务。这个小巧的桌面助手就应运而生，放在他的桌子上，可以实时的更新 OpenClaw 的最新信息。

在评论区里，大家都在问什么时候发货，可以去哪里买。也有人说，这是一个全新的领域，我们一直在关注人的状态，关注人类的电子使用记录，是时候应该关注 Agent 的情况了。

软件开发的 AI 红利，终于轮到硬件了

去年，我们还在想 AI 最好的软件载体是什么，是大家都在做的对话框，还是连 OpenAI 都一窝蜂涌进去要重做的浏览器，但最后证明都不是，今年 OpenClaw 的爆火，证明了 AI 在软件上，最终的归宿就是 Agent。

关于硬件的讨论就更不用多说，光是今年 CES 上那些让人哭笑不得的发明，就能看到 AI 硬件这块还是个巨大的未知数。

如果说 Agent 的成功是靠着「人人都能做软件」慢慢成长起来的，那么 AI 硬件也会在「人人都能做硬件」里面，不断沉淀。

像 Schematik 这类工具已经设计出来，用来帮助我们更快开发 AI 硬件。它把硬件设计变成了和网页开发一样，我们只需要用自然语言描述硬件需求。告诉 Schematik 想要构建一个「带温度传感器和 OLED 显示屏」，不需要查阅各种数据表，不需要引脚编号、元件代码或任何的手动查找。

过去，如果我们想做一个简单的「温湿度监测器」。需要做的是，

1. 搜索传感器型号，下载 DataSheet。
2. 确认引脚定义（VCC 是接 3.3V 还是 5V？接反了直接冒烟）。
3. 寻找对应的驱动库，处理版本冲突。
4. 在 Arduino IDE 里写代码，改 Bug。

而 Schematik 的出现，把这个过程极简化成了「一句话的事」。几秒钟后，Schematik 会吐出我们需要的一切。完整的、通过验证的固件代码；一份清晰的接线图；分步组装指南。

它生成的接线图，清晰地展示了每一根线该从哪里接到哪里，解决了新手最大的恐惧，「我这根线接对了吗？」。一键部署的功能，更是一步到位，它能直接生成基于 PlatformIO 的工程文件，直接导入。

PlatformIO 是一个强大的嵌入式开发生态，我们可以直接在 Schematik 里点击「Flash」，固件就会被编译并烧录进板子里。从「我想做一个东西」到「这东西跑起来了」，中间可能只需要不到一分钟。

前段时间，Claude 发布的 Cowork 以及相关企业级 AI 插件重挫软件股，直接蒸发人民币约两万亿。以前我们想要一个 P 图工具，需要去应用商店搜索下载安装，现在，一句话自己都能做一个。

但 Claude Code Tamagotchi 这类产品的出现，还有硬件版 Cursor，让我们不得不怀疑，硬件开发的「Cursor 时刻」是不是也要来了。

未来的硬件开发，或许也会变成，只需要我们提供「创意」和「逻辑」，剩下的脏活累活，无论是写代码还是画电路图，都将由 AI 代劳。

也许这样的未来不会很远。但更重要的是，在这个时代，动手能力的定义已经变了。

以前动手能力强是指一个人会焊接、会画板子、会写代码；以后，动手能力强，是说他擅长用 AI，从从容容、游刃有余地指挥原子和比特为他起舞。

我已经想到了，下一个爆火的 AI 硬件，甚至可能会是一个挂在包上的 OpenClaw 版 Labubu。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博