AI 硬件

做了7年硬件PM，我发现AI产品立项最容易死在这一步

2026 年 7 月 7 日

做过7年硬件PM，我发现AI产品立项最容易死在需求定义这一步——一旦出错，几十万模具费打水漂，几乎没有回头路。核心内容： 1. 需求定义错误是硬件项目致命伤，成本远高于软件 2. AI硬件立项三大常见死法：技术驱动、功能堆叠、忽视供应链 3. 避免立项失败的三大原则：聚焦核心场景、成本倒推、供应链先行

摘要

上篇聊了AI硬件行业的半场复盘，后台收到不少私信，有同行说“终于有人敢说真话了”，也有创业的朋友问“能不能写写具体的”。
好，这次不聊行业，聊点更落地的——产品立项。

为什么说需求定义最致命

图注

做了好多年硬件PM，我见过太多项目死在立项阶段。不是死在技术不行，不是死在供应链跟不上，也不是死在市场没钱。是死在一个大多数人根本不重视的环节：需求定义。

软件和硬件最大的区别就在这里。

软件需求写错了

，改个代码，下周重新发版，成本可控。

硬件需求定义错了

，等你发现的时候——模具已经开了，钢模费几十万没了；物料已经备了，几十万颗芯片压在仓库里；认证已经送了，几万块测试费打水漂了。

没有回头路。

我见过一个团队，立项时想做一个“AI智能台灯”，能调光、能播放白噪音、能语音控制、还能监测坐姿提醒。听起来很美好对吧？结果开模之后发现：语音模组的功耗太大，台灯待机电流超标，过不了3C认证。最后整个项目推翻重来，损失上百万。

问题出在哪？不是技术不行，是立项时根本没想清楚：这盏灯到底要解决什么问题。

三个最常见的死法

图注

死法一：技术驱动，不是场景驱动

立项会上的第一句话往往是“我们用了XX芯片，算力能达到XX TOPS”。但从来没人问：“用户到底拿这个东西干嘛？”

我做过一个对比：同样是AI墨水屏产品，先定技术方案再做出来的，用户测试时反馈“不知道这东西能干嘛”；先定场景再做出来的，用户说“这个功能正好是我需要的”。

顺序反了，全盘皆输。

死法二：MVP变成“最大可行产品”

立项会上每个人都要加功能。老板说要加语音助手，市场部说要加社交分享，技术总监说我们芯片支持NPU可以加个本地大模型。PM扛不住压力，全加了。

结果每个功能都只做到60分，没有一个能打的。用户拿到手觉得“好像什么都行，又好像什么都不行”。

硬件的MVP跟软件不一样——硬件每多一个功能，BOM多一份成本，结构多一层复杂度，认证多一个项目。加功能不是加一行代码，是加一整套供应链。

死法三：忽略供应链的现实约束

PRD写得天花乱坠，但有几个现实问题没人考虑：

你选的那颗AI芯片，交期18周，你排得上量产吗？
你选的那块墨水屏，全球只有两家供应商，你议价权在哪？
你设计的那个异形外壳，开模费是标准件的3倍，成本扛得住吗？

这些问题不在立项阶段解决，等到设计定稿了再发现，要么推倒重来，要么硬着头皮上——然后亏钱。

怎么避免：我的三条原则

图注

说完问题，说解法。不是什么高深的方法论，就是我这几年用血泪换来的几条原则。

原则一：一个杀手场景，做到90分

立项时不要列功能清单，只回答一个问题：用户买这个产品，最核心的那个使用场景是什么？

找到它，然后把所有资源砸在把这一个场景做到90分。其他功能可以没有，但核心场景不能差。

消费者记住你的产品，永远是因为那一个特别好的体验，而不是十个都还行的功能。

原则二：成本倒推，不是功能堆叠

先定目标售价，再倒推BOM上限，然后反推方案选型。

比如你定了一个AI墨水屏卖599，那BOM不能超过250（按4倍定价倍率算）。250里头屏体吃掉100-120，SoC控制在30以内，电池15，结构件20，剩下的留给其他料和组装费。

在这个框架里做选择题，而不是先做加法再被成本打脸。

原则三：供应链前置，不是后置

需求定义阶段就把供应链工程师拉进来。你不需要他做方案，你需要他告诉你三个信息：

这颗芯片交期多久？有没有国产替代？
这个物料几家供应商？独家还是多家？
这个结构件开模复杂度多少？有没有公模可用？

这三个答案会直接决定你的需求定义是否可落地。很多PM觉得供应链是后期的事，等设计完了再找他们。到那时候，设计已经定了，供应链说“这个选型有问题”，你改还是不改？改，前面白做；不改，后面吃亏。

最后说几句

AI硬件立项的本质，不是技术问题，是商业判断。

你判断的这个场景到底成不成立，这个价位用户买不买单，这个成本结构能不能赚钱——这些判断对了，技术方案可以迭代优化。这些判断错了，芯片再先进也白搭。

做了这么多年硬件PM，我最大的感悟就一句话：

做对的事情，比把事情做对重要得多。

立项阶段就是在决定“做对的事情”。这个阶段多花两周想清楚，比后面花两个月改方案划算太多了。

立即咨询 JOTO

JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。联系 JOTO 获取 AI 落地咨询

想把这些做法用到你的业务里?

留下你的场景和痛点,我们帮你判断从哪一步开始。

联系我们

做了7年硬件PM，我发现AI产品立项最容易死在这一步

立即咨询 JOTO

想把这些做法用到你的业务里?

Start your enterprise AI rollout

Tell us what you need