2026年，中国AI陪伴硬件市场出现结构性变化。据不完全统计，2024年至2026年1月，国内AI玩具赛道至少发生52起融资，其中2025年达到33起，同比增长83％。在语言交互产品持续获得资本关注的同时，一批以非语言交互为核心的产品开始集中亮相，包括镭萌科技的bibo、SoulX旗下的MoYa、奥感微旗下的Moxy摸喜以及宇叠的NiniQuu等。这些产品均获得千万级融资或在大型科技展会中展出，共同特征是弱化完整对话能力，将眼神、动作、触觉或情绪反馈置于交互中心。
市场研究机构Grand View Research数据显示，2025年全球AI陪伴市场规模约为368亿美元，预计2026年将达到480亿美元。日本市场已形成较为成熟的产品生态，容纳了从语言主导到非语言主导的不同路线。RoBoHoN以语音对话为主要入口，Aibo结合语音指令、眼神、动作与触摸互动，NICOBO能够说出简单词语但更多通过呢喃、摇摆和触摸反馈表达状态，LOVOT则不进行完整的人类语言对话，主要依靠眼神、动作、触摸、体温和拟声建立情绪连接。
中国市场起步较晚，但近两年升温迅速。此前获得融资的项目以语言交互为主流，包括核心为自由对话、讲故事和角色陪伴的BubblePal，能完成教学问答、知识讲解和心理沟通的对话机器人BINGO，以及能体验自然连续对话的Yonbo。大模型兴起后，语言成为AI硬件最自然的落点，接入模型、增加人设和记忆、将语音能力装入毛绒玩具或桌面摆件，即可构建基本的陪伴叙事。这一路径延续了IoT时代用户对天猫精灵、小爱同学等语音助手的操作习惯，语言主要承载信息与功能价值。
但行业对早期对话产品的反思正在推动交互方式调整。当相同的交互方式被移植到陪伴产品中，即使模型更加聪明、外形更加可爱，用户仍容易将其理解为功能助手。产品可以提供更自然的回答，却未必能建立陪伴感。回答偏离当下情绪、安慰不合时宜等情况出现时，用户会迅速感受到角色并未真正理解自己。产品越强调理解能力，尬聊、机械回复和人设割裂带来的落差就越明显。Moxy摸喜创始人林婴表示，会聊天不等于懂得陪伴。
用户需求变化也在推动交互入口多元化。据贝壳研究院《新独居时代报告》，到2030年中国独居人口预计达到1.5亿至2亿人；国家统计局数据显示，目前全国一人户家庭已超过1.27亿户。独处成为越来越多人正在经历的日常，陪伴随之成为刚需。部分年轻用户需要私密、安全的情绪出口，但不一定愿意通过连续交谈表达自己，可能只是希望得到一个回应而非完成一次倾诉。隐私保护则是更直接的原因，陪伴产品往往被放置在卧室、书桌或床边，并非每个用户都愿意让长期处于私人空间的产品持续收音或采集图像。无语音、无摄像头或不让这些能力始终在线，能有效减少部分用户对隐私泄露的担忧。
技术成熟为这一变化提供了支撑。AI硬件的柔性传感、端侧感知、动作控制、情感算法以及供应链均在进步，过去只能通过一句话完成的回应，如今可以拆分到眼神、姿态、触摸、振动和拟声之中。所谓去语言化并非删除语音功能，而是交互权重的调整：从默认让语言承担主要陪伴，转向根据真实情绪场景选择表达方式。
镭萌科技创始人马丁将陪伴拆解为两个维度：时间和空间上的接近，以及关系上的持续成长。陪伴首先需要足够高的在场频率，如果产品只能停留在固定位置，与用户的接触便会被限制在少数场景中。bibo选择小型化设计，目标并非外观取舍，而是跟随用户进入更多生活场景。物理靠近只是关系的起点，产品刚到用户身边时吸引力可能来自外形和基础体验，相处时间拉长后，关系能否从陌生走向亲密取决于每一次互动是否影响后续反馈。马丁表示，做陪伴一定要把关系作为目标去设计所有功能和体验。
多模态能力的价值由此变得清晰。增加眼神、动作、触觉和声音并非目的，真正作用是持续感知用户行为，让产品的反馈、性格和状态随着相处逐渐变化。在bibo身上，眼神、头部姿态、触摸反馈和情绪音共同承担情绪表达。语言并未被彻底删除，而是从默认的问答入口变成一种成长能力：相处久了可能学会用户的口头禅，记住常听的旋律，或偶尔哼出熟悉的歌。
另一种思路将重点放在用户能否低负担地开始互动。林婴表示，陪伴不一定需要语言输出，更高阶的陪伴是在场感。在场感并不要求用户先解释自己的情绪，产品也不必急于给出建议或答案，而是让交互从一个更简单的动作开始。Moxy摸喜选择触摸作为主要入口，柔性电子皮肤识别轻抚、揉捏和拍打，再通过耳朵动作、身体反馈和情绪拟声回应。没有预设表情的留白设计为用户留下情绪投射空间，每一次触摸都会进入产品的养成体系，逐渐影响性格和后续反馈。
这些探索指向的是陪伴产品设计重心的变化。完整对话通常依赖用户主动表达，再由产品理解和回答；非语言交互则需要从触摸、姿态等行为中识别状态，并将回应分散到动作、眼神和声音之中。用户说得更少，产品需要主动感知的信息反而更多，研发难度随之增加。按照马丁给出的开发周期，接入成熟语音模型后约4至6个月即可推出一款对话产品；而像bibo这种围绕多模态感知、动作和情绪表达搭建完整系统的产品，需要18个月。更长的开发周期背后是一套不同的产品逻辑：模型只是基础，产品形态、感知方式与关系成长均需纳入设计。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
