广告
加载中

对话XbotGo创始人谈科峰:如何做透消费级AI球场相机?

亿邦动力 2026-06-09 14:20
亿邦动力 2026/06/09 14:20

邦小白快读

EN
全文速览

本文分享了XbotGo创始人谈科峰从亚马逊离职创业,做透消费级AI球场相机的创业经历,包含很多值得普通人参考的创业与做事干货。

1.选赛道:抓住巨头看不上的小众需求,瞄准青少年体育比赛家长想要记录孩子进球的强痛点,避开和大疆、手机大厂等巨头的正面竞争,在小赛道建起自己的壁垒。

2.产品迭代:从初代产品体验差、20%退货率中积累真实用户反馈,把用户投诉变成产品调研,逐步优化方向,通过功能拆分平衡成本与体验,升级后获得用户认可,三代产品定价翻倍仍占据超八成销售额。

3.做事思路:坚持小步快跑自我造血,不盲目烧融资扩规模,聚焦精准人群而非抢公域流量,靠长期积累建立软硬一体和渠道的双重壁垒。

XbotGo的创业实践,为消费级AI硬件品牌的运营、研发提供了多维度可参考的干货。

1.产品研发:不做概念化堆参数的产品,核心围绕真实用户痛点研发,用户只关心能不能拍到想要的进球,无关参数不重要;通过功能拆分设计,把AI分析和拍摄分开,大幅降低硬件成本,还跳出了和大疆云台的价格对标。

2.品牌与渠道:坚持聚焦精准人群,不找天价顶流代言人,选择和目标人群完全重合的垂直体育明星,避免流量浪费;深度绑定垂直渠道,和青少年体育管理平台做API级整合,对接国内青训俱乐部,拿到精准的用户决策通道,大幅提升转化率。

3.定价与竞争:初代低价切入积累用户,产品升级后靠实打实解决痛点支撑更高定价,用户愿意为有效解决方案买单,利用赛道小众的特点,避开巨头竞争,建立自己的壁垒。

本文给出海运动硬件以及垂直品类卖家,提供了很多机会提示和可学习的实操经验。

1.机会提示:巨头忽视的小众垂直赛道存在稳定红利,AI球场相机整体市场规模只有数亿美金,大疆、手机大厂都不会进场,海外青少年体育市场需求明确,国内青训、智慧校园体育等B端C端市场都有增长空间,单深圳青训渠道单月就能卖出上百台,智慧校园首批订单就达数千台。

2.可学习经验:早期不追求完美产品,靠真实用户反馈迭代,把投诉用户转化为品牌自来水;不走大额烧钱扩规模的路线,坚持小步快跑,自我造血跑通商业逻辑再发展,避免现金流断裂风险。

3.渠道经验:避开公域流量红海,聚焦垂直精准渠道,深度绑定垂直平台获取精准流量,大幅降低获客成本,提升净利率。

本文给做智能硬件的工厂,提供了产品设计方向、商业机会以及数字化转型的参考干货。

1.产品生产设计需求:消费级智能硬件不需要盲目堆高端参数,核心要满足真实场景的核心痛点,用户只关心能否拍到目标内容,无用的高端配置只会拉高成本;可以采用功能拆分的设计思路,比如把AI分析和拍摄分开,把硬件成本压到三百多元人民币,性价比优势明显。

2.商业机会:小众垂直运动智能硬件是蓝海市场,目前AI球场相机领域,除了足球篮球,棒球这类小众运动还存在产品缺口,巨头未进场竞争小;同时除了C端家长,还有青训俱乐部、智慧校园等B端批量订单机会,科大讯飞首批订单就达数千台,规模可观。

3.数字化启示:要重视端侧AI算法和场景数据的积累,未来可以从硬件延伸到数据分析增值服务,拓展盈利空间,打造差异化竞争壁垒。

本文反映了消费级AI垂直硬件赛道的新趋势,也暴露了行业痛点,给相关服务商提供了不少干货参考。

1.行业发展趋势:小众垂直AI硬件正在成为新的创业增长点,出海创业不再只有烧大钱的模式,自我造血小步快跑的模式越来越成熟,硬件厂商未来会逐步从单一硬件销售向AI数据服务延伸,拓展增值空间。

2.客户核心痛点:AI硬件厂商目前面临芯片适配痛点,通用芯片存在功能浪费、成本高、核心性能达不到场景要求的问题;早期创业品牌普遍面临获客成本高、融资难的问题,纯软件赛道厂商还面临AI技术迭代带来的颠覆风险。

3.解决方案方向:服务商可以针对垂直AI硬件场景开发定制化芯片,满足厂商的算力需求降低成本;可以打造垂直渠道对接服务,帮助创业品牌对接精准流量,降低获客成本;还可以针对AI工具应用做培训,帮助厂商提升研发效率,控制人员成本。

本文反映了垂直AI硬件品牌对平台的需求,也给平台的招商、运营提供了参考干货。

1.品牌商家的核心需求:垂直小众品牌不需要泛流量,更需要平台提供精准的用户对接,开放深度整合能力,帮助品牌直接触达目标用户,降低获客成本,避免在公域流量红海中拉高成本压低净利率。

2.平台可参考的运营做法:针对垂直品类的优质品牌,可以开放深度接口整合,像TeamSnap和XbotGo的API整合,让家长无需跳转就能启动设备,实现平台和品牌的双赢;对于销量稳定增长的垂直好产品,可以逐步开放线下核心门店资源,帮助品牌提升盈利能力。

3.招商与风险规避:招商可以重点关注小众垂直赛道的项目,这类项目大多已经跑通商业逻辑,自我造血能力强,不依赖持续烧钱,经营风险更低;要重点关注技术驱动、解决真实痛点的项目,这类项目增长稳定,能给平台带来长期收益。

本文提供了一个非典型AI硬件出海创业的研究样本,呈现了当下创业领域的新动向,适合产业研究者参考。

1.产业新动向:巨头覆盖下的小众垂直赛道已经跑出了成熟的项目,成为新的创业方向;出海创业不再只有大额融资烧钱换规模的路径,靠100万启动资金、自我造血小步快跑的模式也能做成年营收数千万的企业,打破了对创业模式的固有认知。

2.新商业模式特征:XbotGo打造了软硬一体+垂直渠道绑定+数据增值的可持续商业模式,构建了软件服务、渠道绑定、工程积累三层壁垒,未来可以从硬件延伸到AI战术分析、伤病预警等增值服务,增长空间大。

3.研究启示:AI技术已经改变了硬件创业的组织模式,团队可以借助AI工具提升研发效率,控制人员规模,不需要盲目扩编,这也给产业组织研究、AI对传统行业的改变研究提供了新的观察方向。

返回默认

声明:快读内容全程由AI生成,请注意甄别信息。如您发现问题,请发送邮件至 run@ebrun.com 。

我是 品牌商 卖家 工厂 服务商 平台商 研究者 帮我再读一遍。

Quick Summary

This article shares the entrepreneurial journey of Tan Kefeng, founder of XbotGo, who left Amazon to build the leading consumer AI sports camera brand. It offers actionable insights on entrepreneurship and product development that general readers can learn from.

1. Niche market selection: Target a strong unmet pain point ignored by big players — parents of youth sports players wanting to record their children’s goals. By avoiding direct competition with giants like DJI and major smartphone brands, the company built its own moat in a small niche.

2. Product iteration: The team leveraged negative feedback from the first-generation product, which had a 20% return rate, turning customer complaints into actionable product research. It gradually optimized the product by splitting functions to balance cost and user experience. After upgrades, the third-generation product won widespread user acceptance, and even with a doubled price tag, it accounts for over 80% of the company’s total sales.

3. Operational philosophy: The company sticks to a "move fast in small steps" self-sustaining model, avoids blind scale expansion funded by venture capital burning, focuses on a targeted customer base rather than chasing public domain traffic, and builds dual moats in integrated hardware-software capabilities and channel partnerships through long-term accumulation.

XbotGo’s entrepreneurial journey provides multi-dimensional actionable insights for consumer AI hardware brands in R&D and operations.

1. Product R&D: Avoid building concept-heavy products stacked with unnecessary specs. R&D should center on real user pain points: users only care about capturing the goals they want, irrelevant specs add no value. By splitting AI analysis and shooting functions, the company drastically cut hardware costs and escaped price competition with DJI gimbals.

2. Branding and channels: Stay focused on a targeted audience. Instead of hiring high-priced A-list celebrities, partner with vertical sports stars that perfectly overlap with the target audience to avoid wasted marketing spend. Deeply integrate with vertical channels: the company built API-level integration with youth sports management platforms and partnered with domestic youth training clubs to gain access to high-intent user conversion paths, driving significant conversion rate improvements.

3. Pricing and competition: The brand entered the market with a low-priced first generation to accumulate users, then supported higher pricing on upgraded products by delivering tangible pain point solutions. Users are willing to pay for effective solutions. By leveraging the niche nature of the market, it avoids competition from giants and builds its own competitive moat.

This article offers opportunity insights and actionable lessons for cross-border sellers of sports hardware and niche vertical categories.

1. Opportunity identification: Stable untapped dividends exist in niche vertical markets ignored by industry giants. The total AI sports camera market is only several hundred million U.S. dollars, too small to attract DJI and major smartphone brands. Overseas youth sports markets have clear, unmet demand, while both B2B and B2C markets in China (including youth training and smart campus sports) offer growing opportunities. The Shenzhen youth training channel alone sells over 100 units per month, and the first batch of smart campus orders reached thousands of units.

2. Key lessons: Do not pursue a perfect product at the early stage. Iterate based on real user feedback, and turn complaining customers into organic brand advocates. Avoid the "burn large amounts of capital to scale" path; stick to small, fast iterations and self-sustainability to validate the business model before expanding, which eliminates the risk of cash flow collapse.

3. Channel strategy: Avoid the saturated red ocean of public domain traffic, and focus on vertical targeted channels. Deep integration with vertical platforms brings high-intent traffic, which drastically cuts customer acquisition costs and improves net margins.

This article provides actionable insights for smart hardware factories on product design direction, new business opportunities and digital transformation.

1. Product design requirements: Consumer smart hardware do not need to blindly stack high-end specs. The core priority is solving core pain points in real use scenarios: users only care about capturing the content they want, and unnecessary high-end configurations only raise costs. Factories can adopt a function-splitting design approach: for example, separating AI analysis from shooting brings hardware costs down to just over 300 RMB, creating a strong competitive advantage in cost-performance.

2. New business opportunities: Niche vertical sports smart hardware is a blue ocean market. In the AI sports camera segment, beyond football and basketball, there are still unmet product gaps for niche sports such as baseball, with little competition as giants have not entered the space. Beyond B2C sales to parents, there are also bulk B2B order opportunities from youth training clubs and smart campus projects; iFlytek’s first batch of orders alone reached thousands of units, representing significant scale.

3. Digital transformation takeaways: Factories should prioritize accumulation of edge AI algorithms and scenario-specific data. In the future, they can expand from hardware to value-added data analysis services to expand profit margins and build differentiated competitive moats.

This article outlines new trends in the niche consumer AI hardware segment and uncovers core industry pain points, providing valuable insights for relevant service providers.

1. Industry development trends: Niche vertical AI hardware is emerging as a new growth area for entrepreneurship. Cross-border entrepreneurship no longer requires massive capital burn; the self-sustaining "small steps fast iteration" model is maturing. Hardware vendors will gradually expand from pure hardware sales to AI data services to unlock additional value.

2. Core pain points for AI hardware vendors: AI hardware companies currently face pain points in chip adaptation: general-purpose chips have redundant functions, higher costs, and fail to meet core performance requirements for specific scenarios. Early-stage startup brands generally face high customer acquisition costs and financing difficulties, while pure software players face disruption risks from rapid AI technology iteration.

3. Directions for solution development: Service providers can develop customized chips for vertical AI hardware scenarios to meet vendors’ computing power requirements while cutting costs. They can build vertical channel matching services to help startup brands connect with high-intent traffic and lower customer acquisition costs. They can also offer AI tool application training to help vendors improve R&D efficiency and control labor costs.

This article outlines the needs of vertical AI hardware brands for platforms, and provides actionable insights for platform merchant recruitment and operations.

1. Core needs of vertical niche brands: Vertical niche brands do not need generic traffic; they need platforms to provide targeted user matching and open deep integration capabilities to help brands reach target users directly, lower customer acquisition costs, and avoid margin compression from competing in the saturated public domain traffic red ocean.

2. Actionable operational adjustments for platforms: For high-quality vertical category brands, platforms can open deep API integration — similar to the integration between TeamSnap and XbotGo, which allows parents to launch devices without leaving the platform, creating a win-win for both the platform and the brand. For high-potential vertical products with stable sales growth, platforms can gradually open access to core offline store resources to help brands improve profitability.

3. Merchant recruitment and risk mitigation: Platforms can prioritize sourcing projects in niche vertical segments: most of these projects have already validated their business model, have strong self-sustainability, do not rely on continuous capital burn, and carry lower operational risk. Platforms should prioritize technology-driven projects that solve real user pain points: these projects deliver stable growth and generate long-term returns for platforms.

This article provides an atypical research sample of AI hardware cross-border entrepreneurship, illustrating new trends in today’s startup ecosystem, and is a valuable reference for industry researchers.

1. New industry trends: Mature ventures have emerged in niche vertical segments underserved by giants, establishing this as a viable new entrepreneurial direction. Cross-border entrepreneurship no longer requires the traditional "massive venture capital burn for scale" path: with just 1 million RMB in seed funding, a self-sustaining "small steps fast iteration" model can build a business with tens of millions of RMB in annual revenue, breaking conventional assumptions about entrepreneurial models.

2. Characteristics of the new business model: XbotGo has built a sustainable business model of integrated hardware-software + deep vertical channel binding + data value addition, and established three layers of moat in software services, channel binding and engineering accumulation. In the future, it can expand from hardware into value-added services such as AI tactical analysis and injury warning, with significant long-term growth potential.

3. Research insights: AI technology has reshaped the organizational model of hardware entrepreneurship: teams can leverage AI tools to improve R&D efficiency and control headcount, eliminating the need for blind expansion. This provides a new observation lens for research on industrial organization and AI’s transformation of traditional industries.

Disclaimer: The "Quick Summary" content is entirely generated by AI. Please exercise discretion when interpreting the information. For issues or corrections, please email run@ebrun.com .

I am a Brand Seller Factory Service Provider Marketplace Seller Researcher Read it again.

【亿邦原创】

见证100位创始人的深度思考
淬炼下一个十年的全球商业洞察

XbotGo聚焦青少年体育拍摄,深度绑定TeamSnap等垂直渠道,以小步快跑、自我造血模式,在巨头看不上的小众赛道筑起软硬一体与数据壁垒。

在XbotGo乔迁的新办公室,我们看到了其最新发布的“猎鹰Falcon”。这台AI球场相机在众筹平台Kickstarter上拿下了250万美金的业绩。而就在四年前,它的第一代产品还被用户追着骂,退货率高达20%。

“你很难用文字传达那种感觉。”XbotGo创始人谈科峰对马蹄社CEO刘宸说,“一场小朋友的足球比赛,对成年人的冲击远超孩子。家长在场边嘶吼、紧张、兴奋,而小朋友输了球转头就去玩了。”

正是这种“家长比孩子更投入”的情绪,让这位拥有美国计算机博士学位、曾任亚马逊Lab126的技术带头人(主导过Echo Dot和Fire TV的硬件研发),选择了一条完全不同的路。

最初的100万,与一个粗糙的原型

2020年,谈科峰从亚马逊辞职,全职投入创业。

他原本设想几个月就能做出产品。结果疫情来了,孩子在家上网课,进展被严重拖慢。更关键的是,他选择用手机加AI算法做自动追踪的技术路线,此前没人走过。

“最早做出来的东西极其粗糙,大部分时候跟不到球,偶尔能跟到,控制也很生硬。”他回忆道,“但能看到希望。”

那时候,他一个人包揽算法、编程、客服。为了配合美国用户的时间,他经常半夜爬起来接电话。“不觉得累,接完继续睡。”

产品雏形有了,融资却迟迟没有进展。疫情让硅谷创投几乎停摆。2021年他辗转回到国内,跑了一圈,发现更大的问题:国内投资人普遍不理解这个场景。

“他们会代入中国家长的使用习惯,我们送孩子上培训班,家长基本都在刷手机,手机怎么可能离手?”谈科峰说,“但在美国那种比赛氛围下,你是真的没时间看手机的。如果看了还可能被鄙视。”

认知偏差导致融资屡屡碰壁。一位投资人虽然没投,但帮他介绍了苏州的政府引导基金。最终,XbotGo拿到了第一笔80万(后续追加至100万)人民币的创业扶持资金。

“那笔钱最大的意义不在钱本身,而是给了我们信心和背书。”谈科峰强调。有了政府背书,他招到了第一位工程师,对方甚至愿意从兼职转全职,工资只涨了一点点。

就这样,XbotGo在苏州落了脚。没有高光时刻,只有相信和坚持。

20%退货率,与另外80%的用户期待

2022年,XbotGo的第一代产品Blink Focos上市了。这是一款手机云台,定价299美元,通过APP的AI算法自动追踪球和球员,使用时需夹着手机。在户外高强度运算下,手机容易发热降频甚至黑屏。此外,不同手机算力参差不齐,用户体验像开盲盒。尽管问题不少,那一年它还是卖了300多万人民币。

但比销售额更让谈科峰在意的,是另一个指标:退货率20%。

“我当时想,还有80%的人愿意留下来用。”他说,“我们自己知道产品还很糙,但用户愿意忍。”

那些因时差在深夜接到的投诉电话,成了他最好的产品调研。用户骂完往往不会退货,反而说“我真的很希望这玩意儿能work”。谈科峰老老实实承认问题,告诉对方他们是创业公司,正在迭代。很多用户听了之后,反而变成了品牌的“自来水”。

更极端的案例也有。“有人在网上追着骂,我私信说‘要不您退了吧’,他就不理我了。”谈科峰回忆道。

当时市面上能做到自动追踪的,主要是Veo、Pixellot这类专业设备。它们采用“全景记录+云端后处理”模式,硬件就要1200美元,每年还要交超1000美元的订阅费。相比之下,XbotGo虽然粗糙,但299美元一次性买断,没有年费。只要能跟上赛场上七八成的关键镜头,XbotGo就是不可替代的刚需。

但云台一代的局限也很明显。产品形态与大疆的云台相似,而大疆的同类云台只卖100多美金。谈科峰苦笑:“消费者看到我们的东西,潜意识里就会拿大疆的价格来对标。”

与此同时,资金问题始终压在头上。公司账上长期没钱,即使月销售额做到二三十万,扣掉平台费用、物流、退换货成本,加上研发投入,仍然入不敷出。

那段时间,公司只有十来个人,一个销售包揽国内外所有渠道,其余全是工程师。代理记账不够用了,才勉强招了一个专职财务。

“很长一段时间,我们只有一个信念:把产品做出来,把商业逻辑跑通。”

XbotGo猎鹰Falcon

做对了用户在意的事,贵也能卖得好

真正的突破来自第二代产品“变色龙Chameleon”。

它在底座内置了一个超广角镜头和一块AI芯片(算力只有1点几TOPS),负责实时分析球场上的球和球员位置;上部夹着用户的手机,只负责录制高质量视频。

“为什么不用底座直接拍?因为高质量影像对镜头要求太高了。”谈科峰解释,“几千万像素、大底、ISP调教,成本非常昂贵。但做AI分析,只要看清球的影子就够了,哪怕画面变形、白平衡不准都无所谓。”

这种分工把硬件成本压到300多元人民币。

更重要的是,产品形态不再是云台,而是一个带摄像头的智能底座。市面上几乎没有同类产品,消费者不再拿它跟大疆比价。

数据很快验证了方向。2023年,XbotGo营收突破1000万;2024年,随着变色龙Chameleon大卖,XbotGo营收直接拉升至5000多万。截至目前,变色龙Chameleon系列累计出货已超过10万套。

2024年底,XbotGo启动了第三代产品“猎鹰Falcon”的研发。它搭载了算力高达6 TOPS的独立AI处理器,采用非对称双摄协同系统:超过120度的超广角辅助镜头负责全局态势感知,顶级Sony IMX678图像传感器的主摄负责原生4K录制。

底层跑了一套“蛙眼跟踪”仿生算法。就像青蛙对静止物体迟钝、对飞虫极其敏锐一样,这套算法会主动过滤静态的草皮和场边观众,把算力极致倾斜在足球、篮球这类高动态物体的轨迹预判上。

猎鹰Falcon定价699美金,比变色龙Chameleon翻了一倍。XbotGo团队内部曾预计,贵的产品销量占比可能只有三成。结果上市后,猎鹰Falcon在销量上占了60%,在总销售额的占比更是超过80%。

“用户愿意为真正解决问题的好产品买单。”谈科峰说,“这给了我们做下一代产品最强的信心。”

左:XbotGo创始人 谈科峰
右:XbotGo全球品牌代言人 胡利安·阿尔瓦雷斯

聚焦”的复利:从Best Buy到阿尔瓦雷斯

产品被验证了,但怎么更多卖出去是另一个问题。

早期XbotGo几乎全部依赖线上直营,但算上平台抽成、物流、退换货、广告投放等支出,净利率被压得极低。

谈科峰意识到,与其在流量红海中搏杀,不如把资源集中在最精准的人群身上。

而一旦聚焦,复利便开始显现。

第一重复利,主流渠道破局。2024年,谈科峰带着“变色龙Chameleon”走进Best Buy,对方同意线上测试后,销量一路往上走,从第一周仅卖出几台,到第二周200台,再到第三周飙至三四百台。持续稳定的销量最终说服Best Buy于2026年6月将XbotGo首批产品铺进200多家核心门店,未来还计划覆盖上千家。

第二重复利,细分平台深度嵌入。XbotGo与全美最大青少年体育管理平台TeamSnap达成API级整合。家长无需切换App,在TeamSnap上点击直播,球场边的设备即刻响应。TeamSnap已累计服务超3000万用户和1.9万多家体育组织,这一合作让XbotGo的获客路径从“漏斗”变成了“直通车”。

第三重复利,国内精准渠道裂变。在国内,XbotGo直接对接青训俱乐部,由教练推荐给家长。“家长自己决策周期很长,但俱乐部老师说‘我们都在用’,转化率就非常高。”这套模式在深圳单月已能卖出上百台。

第四重复利,B端场景的顺势开拓。科大讯飞将XbotGo设备引入智慧校园体育,首批订单即达数千台。“学校部署多机位,一个学校就不止买一台。”

第五重复利,品牌势能的精准覆盖。在品牌建设上,XbotGo同样遵循聚焦原则。“我们找的不是C罗那样的顶流,太贵,流量也会浪费。我们找的是和目标人群100%重合的体育明星。”谈科峰表示。阿根廷前锋阿尔瓦雷斯成为其首位品牌代言人,接下来篮球、网球等领域也将签约垂直代言人。“如果这个玩法跑通了,可以在各个运动领域复制。”

有人问:如果大疆做同样的产品呢?谈科峰判断:“大疆的无人机业务动辄两三百亿,而体育细分相机目前只有几亿美金(规模),他们大概率看不上。”

他认为,XbotGo真正的壁垒有三层:一是软件服务链条足够长,即从“能拍到”到“能自动剪辑”“能数据分析”“能直播”;二是体育圈层的深度绑定,如与TeamSnap、青训等精准垂直机构合作等于拿下家长决策通道;三是软硬一体的工程积累,多年积累的端侧AI算法和场景数据,不是一朝一夕能追上的。这三层壁垒,正是“聚焦的复利”在时间轴上不断累积的护城河。

这套逻辑也被资本认可。2026年,XbotGo完成近亿元人民币融资,由九号资本领投,元禾控股、不同资本跟投,老股东零一创投超额跟投。


小步快跑:在理想与现实之间保持克制

谈科峰的创业经历与许多硅谷回国创业者不同——他没有拿大额融资起步,而是靠100万启动资金、政府贷款和销售回款“小步快跑”。

“这种经历倒逼我们很早就要考虑赚钱。”他说,“如果你一直烧VC的钱,你可能只盯着用户规模,而不在乎营收。到最后盘子越大越难收场。”

这种“生存优先”的思维,也体现在其产品规划中。当刘宸点出他在产品研发上表现出的“克制”时,谈科峰表示高度认同。他强调:“我们不会去做太概念化的产品,做出来的东西一定要能卖得出去。”

新加入的产品经理都是行业老兵。谈科峰跟他们沟通时,聊得最多的是“不要跑偏”。用户不关心传感器到底多大、是不是1英寸,用户只关心“能不能拍到我要的进球”。

在组织管理上,XbotGo同样遵循克制的原则。业务在增长,人员增速却在放缓。“年初各部门报的计划是年底要到320多人,现在看来两百大几十人就够了。”谈科峰说,“我们招聘和培训时,会特别关注候选人使用AI工具的能力。”

他观察到,软件团队的编程模式已经彻底改变。“只要把需求告诉AI,不用再去学底层语言了。”

但这种变化也带来了焦虑。“发展太快了,你不知道哪天会出现什么颠覆性的东西。幸运的是我们做硬件,还有一层物理壁垒。如果纯做软件,我真的会非常担心。”谈科峰直言。

回顾创业路上的团队变动,他很感慨,早期重要伙伴离开时曾让他很不舍。“但后来发现,公司离了谁都能转。甚至说实话,离了我,公司搞不好发展还更好。”

“感情上很难接受,但这是事实。”他说,“公司慢慢会形成一套自己的运转逻辑。”

从“记录者”到“分析师”,XbotGo的终局构想

正视缺陷,才能走得更远。

在真实的赛场上,单点云台在禁区大规模球员拥挤混战时,偶尔会出现短暂跟丢或机械性剧烈摆动,缺乏光学变焦导致远端球员解析力变弱,开放环境下的风噪干扰,以及对棒球这类“球小且球速超快”“发散型跑动”逻辑的适应性不足等,这些都是团队需要直面的问题。

对此,谈科峰并不焦虑。“现阶段我们能做什么,就聚焦做好什么。”他说。硬件的瑕疵是工程研发的必然成本,核心博弈在于算力提升后的发展节奏。

真正的进化引擎是数据。目前,分布在全美各地赛场上的数万台XbotGo设备,每天都在沉淀数以亿计的高动态真实场景数据。随着算力提升,系统将从被动的“记录者”进化为主动的“AI数据分析师”,能够自动输出战术跑位热力图,甚至基于球员跑动轨迹提供伤病预防预警。

他的终极构想是打造一名专业的“AI摄影师”。当预判到即将罚点球时,镜头自动推进特写;进球时,能给到像裁判一样的专业反馈;甚至实现多机位协同切换,真正像真人摄影师一样去理解比赛,解放被设备束缚的人力。

对于下一步,谈科峰的计划很清晰:先把“球场相机”这件事做透。但他也坦言,现在的产品离完美还有距离。下一代产品将采用更高规格的芯片,支持4K 60帧、10倍变焦。“虽然画质跟专业摄影师还有差距,但跟今天的设备比绝对是天壤之别。”

在技术路线上,自研芯片是必然方向。“用别人的芯片,贵是一方面,更重要的是浪费。通用芯片加了一堆我们用不上的功能,有些性能还达不到我们的要求。”

至于会不会被手机厂商降维打击?谈科峰的判断很笃定:“赛道太垂直,市场太小,手机大厂看不上。这恰恰是我们的优势。”

XbotGo的成长之力提供了一个“非典型”出海样本:不靠融资烧出来,靠解决真实的痛点、一群“骂完也不退货”的早期用户以及持续的软硬件迭代,一点点跑出来。

故事里,没有一夜爆红的神话,只有深夜接起的客服电话、20%退货率下的笃定,以及家长们对“拍到孩子进球”这件事的执念。(马蹄社原创/2026年6月)

谈科峰为XbotGo创始人。拥有博士学位,是一位硅谷技术精英,曾供职于亚马逊智能硬件开发部门。2020年,谈科峰基于在运动场景中发现的产品机会,创立了深眸科技 。


Born To Be Global 100 是亿邦动力「马蹄社」发起的全球品牌CEO深度对话栏目。我们正在寻找下一个对话者。


如果你也是一位“Born To Be Global 生而全球”的品牌创始人,并对自己的商业哲学与实践有深度思考,欢迎与我们联系,分享你的故事,共同定义这个时代。



文章来源:亿邦动力

广告
微信
朋友圈

这么好看,分享一下?

朋友圈 分享

APP内打开

+1
+1
微信好友 朋友圈 新浪微博 QQ空间
关闭
收藏成功
发送
/140 0