文 | 霞光 AI 实验室，作者｜子墨，编辑｜李小天
" 感觉就像把天猫精灵装进一层可爱的外壳。"
一些消费者这样评价以对话为主要交互方式的 AI 陪伴产品。这句吐槽指向的，正是市场正在面对的一道核心命题：除了自然语言对话，陪伴还能如何发生？
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。其中，日本市场已经形成较为成熟、多元的产品生态，也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，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。
相比之下，中国市场起步较晚，却在近两年迅速升温。据不完全统计，2024 年 -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%。
但到了 2026 年，市场出现了一个明显变化：非语言对话主导的产品开始集中亮相。比如镭萌科技的 bibo、SoulX 旗下的 MoYa 均获得了千万元级天使轮融资，还有在大型科技展会上亮相的奥感微旗下的 Moxy 摸喜、宇叠的 NiniQuu 等等，它们均选择了弱化完整对话，将眼神、动作、触觉或情绪置于交互中心。
为什么随着行业发展，大家都在给 AI 陪伴产品 " 去语言 "？
卧室里的 AI 玩偶，为什么开始学会 " 闭嘴 "？
非语言产品今年集中出现，首先源于行业对早期对话产品的反思。
大模型兴起后，语言成为 AI 硬件最自然的落点。它直观、成熟，也容易被消费者理解。接入模型，增加人设和记忆，再把语音能力装进毛绒玩具、桌面摆件或随身挂件，一款产品就具备了最基本的陪伴叙事。
这种选择也是 IoT 时代形成使用习惯的一种延续：人们对着天猫精灵、小爱同学询问天气、播放音乐或搜索知识。
语言在这些场景中主要承载信息与功能价值，用户发出指令，再等待结果。
但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，用户仍然容易把它理解成一个功能助手。产品可以提供更自然的回答，却未必能因此建立陪伴感。
这种局限也在实际使用中逐渐显现。
一个回答如果偏离当下情绪，一句安慰如果不合时宜，用户会很快感受到角色并没有真正理解自己。产品越强调 " 懂你 "，尬聊、机械回复和人设割裂带来的落差就越明显。
" 会聊天，不等于懂得陪伴。"Moxy 摸喜创始人林婴表示。
随着这些问题逐渐暴露，行业开始更理性地审视对话交互，并将目光逐渐转向多模态能力，建立不同层次的情绪回应。
此外，用户需求的变化也在推动交互入口变得更多元。
如今，国内独居人群日趋增长：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。
而当独处成为越来越多人正在经历的日常，陪伴也随之成为刚需。很多年轻人需要一个私密、安全的情绪出口，却不一定愿意通过连续交谈表达自己。他们可能只是希望得到一个回应，而不是完成一次倾诉。
隐私保护则是更加直接的原因。
陪伴产品往往被放在卧室、书桌或床边。并不是每个人都愿意让一个长期处于私人空间里的产品持续收音、采集图像。无语音、无摄像头，或者不让这些能力始终在线，能有效减少一部分用户对隐私泄露的担忧。
同时，这种变化背后，还有技术成熟的推动。
目前，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都在进步。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。
因此，所谓 " 去语言化 " 并不是删掉语音功能，也不是用沉默掩盖能力不足。而是更接近一次交互权重的调整：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。
AI 陪伴的新入口：" 摸一下 "
当行业开始重新安排语言的位置之后，一个更具体的问题随之出现：如果不依赖完整对话，产品如何让用户感到自己被回应？
答案取决于怎样理解 " 陪伴 " 二字。
镭萌科技创始人马丁把陪伴拆成两个维度：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里，很难形成紧密关系。因此，bibo 选择了小型化，它并不只是外观取舍，而是希望跟随用户进入更多生活场景。
但物理上的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，则取决于每一次互动是否会影响后续反馈。
" 做陪伴，一定要把关系作为目标，去设计所有功能和体验 "，马丁表示。
多模态能力的价值也由此变得清晰。增加眼神、动作、触觉和声音并不是目的，真正的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。
所谓 " 非人类语言 "，正是这套关系设计中的表达方式。
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，它可能学会用户的口头禅，记住常听的旋律，或者偶尔哼出熟悉的歌。
如果说这条路线强调的是陪伴如何在时间中积累，那么另一种理解则把重点放在用户能否低负担地开始互动。
" 陪伴不一定需要语言输出，更高阶的陪伴是在场感 "，林婴表示。
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，而是让交互可以从一个更简单的动作开始。
Moxy 摸喜因此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。以及没有预设表情的留白设计，给用户留下了无限的情绪投射空间。
同时，每一次触摸都会进入产品的养成体系中，逐渐影响性格和后续反馈。它触发的不只是一次动作，而是关系变化的一部分。
这些探索最终指向的并不是某一种交互形式，而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，研发难度也随之增加。
按照马丁给出的开发周期，接入成熟语音模型后，约 4-6 个月就可以推出一款对话产品；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，则需要 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都需要被纳入设计。
卖出去靠可爱，留下来靠什么？
技术路线只是起点，能否形成长期价值，还要看产品是否切中了真实的陪伴需求。
这类需求主要出现在生活状态和家庭关系中：独居青年需要一个安全、私密的情绪出口；亲子家庭需借助触摸、动作和拟声，帮助儿童感知与理解情绪。
而从个体特征来看，高敏感人群也更容易在频繁社交中感到疲惫，因而偏爱安静、低负担的陪伴。
不同人群对陪伴期待的差异也反映在了产品形态上。
目前市场上最常见的仍是可爱、柔软的毛绒形象，它们能够直接唤起触摸欲和保护欲。但与此同时，也有越来越多产品开始融入潮玩设计，通过角色设定、收藏文化和 IP 叙事进入年轻消费者的生活。
这些人愿意为角色、审美和情绪价值付费，也愿意在社交平台展示自己的消费选择。对一个仍在建立认知的新品类而言，这种成熟的消费文化可以降低理解门槛，让陪伴硬件先被看见，再被使用。
但无论采用毛绒还是潮玩形态，外观带来的好感都只能完成第一次转化。
" 可爱 "" 治愈 " 可以促成购买，也容易形成社交传播。而真正决定需求是否成立的，是消费者把产品带回家以后，是否仍然愿意持续互动。
目前，行业对外展示的仍以融资、预售和累计销量为主。但这些数字证明了资本和消费者对新品类的兴趣，却无法呈现产品进入日常生活后的状态。
因此，陪伴产品还需要另一组数据。
开箱 30 天后还有多少用户产生真实互动，人均每周互动多少次，互动集中在哪些生活场景，用户是否愿意转介绍，是否愿意把产品送给身边的人，这些指标才能证明产品有没有被持续使用。
据镭萌科技披露，自 2026 年 7 月正式开售至 9 月 1 日，bibo 活跃用户日均陪伴时长超过 120 分钟，日均多模态互动超过 60 次。
这组数据提供了早期活跃信号，但互动能否延续到更长周期，仍取决于产品能否在初期好感之外建立长期价值。
从目前的产品实践来看，长期价值主要沿着两种方向展开。
一种是关系养成。用户的触摸和互动会持续影响角色的性格与反馈，让相处过程产生积累。
另一种是持续服务：用游戏化、内容化和社交化的设计延长生命周期。其中，游戏化为互动提供娱乐，内容化带来新的情节和表达，社交化则让角色进入人与人之间的关系。
这些偏软的服务能力早已被互联网大厂反复验证：字节擅长内容，腾讯积累了游戏与社交能力，阿里则建立了支付工具和交易生态。而传统硬件团队对此相对陌生，需要通过引入互联网与游戏行业的产品经验，补足长期服务与运营能力。
由此也揭示了语言和非语言产品不同的迭代方向。
语言对话可以通过记住更多事情、理解更多内容、回答得更加自然体现升级。非语言产品则要让感知更加细腻、性格差异更加明显，并让用户能够察觉自己的互动对后续表现产生了影响。
因此，长期价值不是后台积累了多少数据，而是相处带来的变化能否被用户感知。
从付费到出海，情绪生意如何建立壁垒？
AI 陪伴产品进入消费市场后，最先需要回答的是：消费者究竟在为什么买单？
功能性硬件可以用芯片、屏幕和传感器解释价格，情感产品却很难被放进一张配置表。真正触发消费的，往往不是某项技术参数，而是某个被回应、被 " 戳到 " 的瞬间。
" 人们在为自己的开心付费。" 马丁将定价理解为情绪体验与用户付出成本之间的比值。
林婴给出的答案则是 " 可以亲手触摸到的真实陪伴感 "。技术、外观和传感器都是实现手段，消费者购买的是能够被持续感知的情绪体验。
但情绪价值不是任意定价的通行证。
如果感知粗糙、反馈单调、养成变化难以察觉，即使价格不高，用户仍然会觉得不值。非语言产品又需要在多模态感知、动作控制、柔性传感和整机可靠性上投入更多成本，因此必须在体验完整度与大众价格之间寻找平衡。
一种现实路径，是先通过样品和小批量试产验证体验。当市场反馈从 " 没有价值 " 变成 " 有价值但太贵 "，企业才能明确降本方向，再通过规模、结构和供应链逐步调整价格。
价格决定消费者是否完成第一次购买，付费模式则会影响后续关系。
IoT 时代的大部分硬件以一次性购买为主，产品交付时，功能基本已经确定。AI 产品则需要承担模型调用、云端算力、内容更新和持续运营等长期成本，同一件硬件也可能随着软件升级不断变化。
"AI 硬件产品会从一次购买，最终转向硬件销售 + 订阅。" 马丁更倾向于把购买视为服务关系的起点，由持续收入支撑模型、内容和功能更新。
林婴则主张现阶段核心体验一次性买断。触觉回应和养成关系不应被订阅锁住，企业可以对客制化内容和衍生玩法收费，但用户购买后应当完整拥有基础陪伴。
而无论选择买断还是订阅，持续商业化都有一个共同前提：体验必须难以替代。
外形、物料和基础结构可以被快速模仿，真正难以复制的是角色如何感知、如何表达，又如何在长期互动中保持稳定的性格与关系变化。
林婴将相关能力归纳为感知硬件、情感算法与养成逻辑，以及对普通人情绪的理解。马丁则把算法、模型、动画、审美、文化理解和 App 运营共同构成的体系称为 " 情感工程 "。
这不是单项技术竞赛，而是一套系统能力。
传统硬件团队可能不擅长内容、游戏和社交，互联网团队可能低估结构、良率与量产，擅长模型的团队也未必理解角色审美。陪伴产品要求团队成为" 六边形战士 "，任何一块明显的短板，都可能破坏最终体验。
建立国内壁垒之后，下一道考验来自全球市场。
国内市场可以帮助团队完成早期验证，但要获得更大的用户规模、分散单一市场风险，全球化几乎是绕不开的选择。非语言交互在这一过程中具有天然优势：触摸、眼神、姿态和拟声不需要建立庞大的对话语料库，可以降低进入不同语言市场的门槛。
但跨过语言门槛，只是本地化的开始。
什么样的动作显得亲近，怎样的距离让人舒适，哪种声音不会造成打扰，角色应当如何表达情绪，都受到当地文化影响。中国团队的 AI 能力和供应链优势可以缩短研发与量产周期，却不会自动转化为海外市场的接受度。
日本因此成为许多团队重点关注的市场。当地较早进入情绪消费阶段，对独居、孤独与精神陪伴已经形成较成熟的认知，也能够同时容纳语音、弱语言和非语言等不同产品形态。
这也意味着，语言与非语言并不是只能二选一。
" 行业就像一个钟摆。" 马丁说，市场曾经把语言推到中心，随后开始重视非语言交互，最终可能回到更加合理的平衡。
需要信息与任务协助时，语言依然高效；用户不想解释情绪时，眼神、动作、触摸和拟声可能更加自然。未来真正成熟的产品，不是永远保持沉默，而是能够判断何时开口、何时用其他方式回应。
当 " 开口 " 不再是陪伴的默认答案，AI 陪伴才真正开始走出智能音箱的旧剧本。
