AIGG 平台
需求规范

这一章是所有后续需求的真正起点——架构、硬件、软件、协议都在为这里描述的体验服务。AIGG 的本质命题是：用 AI 与互联，把原本孤立、不能动、各自为政的玩具/道具/玩偶/装置组织成一个有机的整体，让物理世界变得足够好玩，足以与屏幕争夺孩子（和成人）的时间。

⊙.1体验愿景 · 物理与屏幕的协奏

⊙.2四大核心体验诉求 · 全人群覆盖

物理世界游戏的四个独有价值——这些价值独立于 AIGG 而存在，是 AIGG 之所以值得做的前提。 它们贯穿人生 80 年，跨越 175 年的玩具产业史。每一条都不是"对屏幕的反对"，而是"物理形态本身赋予的不可替代价值"：

全人群分析 · 不同年龄段的不同价值

AIGG 的产品对象不只是儿童。物理游戏的魅力在不同人群中以不同方式显现：

⊙.3站在巨人肩膀上 · 产业先驱对物理游戏的思考

AIGG 不是凭空发明物理游戏的设计哲学，而是站在 40 年产业积累之上做集成与突破。下面是我们调研后认为最值得继承、也最值得引以为戒的几家公司的核心思考——既包括它们的洞察，也包括它们的失败教训。

横山悟井（Gunpei Yokoi · 任天堂）· "枯れた技術の水平思考"

任天堂 Game & Watch 与 Game Boy 的发明者，提出影响整个产业 40 年的设计哲学："用枯萎的技术做横向思考"——不追求最前沿的硬件，用已经成熟、便宜、可靠的技术做不寻常的组合。这条路径让任天堂在硬件竞赛中不与 Sony / 微软正面竞争，开辟"蓝海"。

岩田聪（Satoru Iwata · 任天堂）· "扩大游戏人口"

2005 年 GDC 演讲："心里是一个游戏玩家"。Wii 的设计目标是把不玩游戏的人变成游戏玩家——爷爷奶奶、家庭主妇、所有被传统游戏机吓退的人。Wii 遥控器叫"remote"不叫"controller"——Iwata 坚持这个细节，因为电视遥控器是所有家庭成员都用过的器物。

宫本茂（Shigeru Miyamoto · 任天堂）· "客厅中心的连接器"

Wii 的设计哲学：游戏机不是"另一台电器"，是"把家人聚在客厅的工具"。所以 Wii 的物理外形是"3 张 DVD 盒大小"——可以塞在电视旁边任何角落，不打扰客厅美感。

LEGO · "Fluid Play 流动游戏" 哲学

从 1998 年 Mindstorms 开始，LEGO 探索物理与数字结合的游戏方式 27 年。2020 年 LEGO Super Mario 与任天堂联合推出，2026 年发布 Smart Brick——传感器嵌入积木块，"主要互动仍在物理搭建，APP 只是辅助"。LEGO CEO 一句话："家长越来越担心屏幕时间，所以我们的 Smart Brick 设计原则是物理操作为主、APP 为辅"。

Disney Imagineering · "环境叙事"与 MagicBand

迪士尼 1955 年开始的"Imagineer"传统——所有细节都为环境叙事 (environmental storytelling) 服务。1988 年发明的 4 层沉浸细节理论：远景视觉 → 中景空间 → 近景质感 → 微观细节。MagicBand（2013）和 MagicBand+（2022）把这个哲学物联网化——一只 RFID + BLE 手环让整个园区成为响应你的活体：进园自动识别、夜晚烟花表演时手环按节奏发光、Star Wars 区域寻宝任务由手环引导。

Anki / Cozmo · Pixar 灵感的"情感引擎"

Anki 的 Cozmo（2016, $180）是Pixar 动画师 Carlos Baena 加入设计的产物。核心哲学："不要追求完美，要追求 personality"——刻意设计动作的"自然不完美"让玩具显得活着。Cozmo 在 2017 年成为亚马逊销量第一的玩具。

Embodied / Moxie · 社交情感学习的"animate companion"

iRobot 前 CTO Paolo Pirjanian 创立的 Embodied（$799 Moxie）专做儿童社交情感发展。哲学："不是游戏机，是 animate companion（活的伙伴）"。每周一个生活技能主题（善良、友谊、共情、尊重），通过日常互动培养。Moxie 用 Yves Béhar 设计、Pixar 动画思路。

Toys-to-Life 谱系（Skylanders / Disney Infinity / Amiibo / LEGO Dimensions）· 物理-数字桥

2011 年 Activision 的 Skylanders 开创"toys-to-life"模式——NFC 玩偶放上底座激活游戏角色，仅 Skylanders 4 年内卖出 30 亿美元。Disney Infinity（2013-2016）跨 IP 整合（漫威、星战、皮克斯）。任天堂 Amiibo（2014-至今）—— 不绑死单一游戏，跨多游戏使用。LEGO Dimensions（2015-2017）—— 乐高积木 + NFC 底座 + 屏幕游戏。

当代中国 AI 玩具创业潮 · BubblePal / FoloToy / 跃然创新

2024-2025 年中国 AI 玩具创业爆发——BubblePal（¥399）半年销量 2.5-5 万台，单平台销售额超 ¥2000 万。FoloToy 2025 一季度销量已接近 2024 全年。这些早期创业者验证了"低价 + 大模型 + 情感陪伴"路径在中国市场可行。

整合 · 8 家公司给 AIGG 的核心启发

⊙.4双重张力 · "智能"与"互联"的协奏

下图说明 AIGG 究竟在解决什么问题——传统玩具既笨又孤立，每只是预设几句话的死东西，相互之间还互不通信；AIGG 通过大模型让每只玩偶变聪明 + 互联协议让所有物件形成有机协作网络，并将体验延伸到家庭之外。智能拉升单点上限，互联拉升整体涌现，两者乘积才是真正的护城河：

⊙.5自然交互革命 · 从控制器到自然行为

AI 给物理世界带来的第一个具体革命是自然交互革命（NUI · Natural User Interface）。 把它放进人机交互演进史的位置上看：打孔卡 → 命令行 → 图形界面（鼠标键盘）→ 触控屏 → 自然交互—— 每一代都朝着"更直觉、更接近人类自然行为"的方向。AI 让我们正式进入第五代范式。

NUI 的核心是多模态自然交互——同时使用语音、视觉、触觉、手势、姿态、表情、空间位置等多种通道， 与人类日常和真实世界互动的方式一致。微软、Google、Apple、Meta 都在押注这个方向；ScienceDirect 等学术综述把它称为 "从 WIMP 范式到 NUI 范式的根本性架构变迁"。

对线下娱乐的革命性意义

传统玩具的交互是"按按钮"或"扳开关"，电子玩具是"看屏幕点屏幕"。AIGG 让玩具可以同时听你说话、看你的脸、感受你的触摸、识别你的手势、注意你的位置，然后用语音、表情、动作、灯光多通道自然回应。 这是物理玩具历史上从未发生过的交互范式跃迁——从"操作工具"变成"自然伙伴"。

NUI 的跨人群普适性尤其重要：

• 儿童——3 岁孩子可以直接对玩偶说话，不需要先学会用 APP
• 老人——视力下降的老人可以用语音、行动不便的可以用手势——不需要学复杂遥控器
• 认知障碍患者——只用触觉就能与玩偶交互，触觉是认知障碍患者最后保留的交互模态
• 视觉障碍者——语音和触觉自然适合视障用户
• 所有人——不需要先成为"用户"才能玩

多模态融合的技术意义

NUI 的真正威力不是"支持多种交互方式"，是多通道协同理解—— 用户说"看这个"+ 同时手指着 + 同时看着某物——AI 把语音 + 手势 + 视线方向融合成单一意图。 这是单通道 AI 永远做不到的，只有真正的多模态系统才能实现。

⊙.6游戏性表现力跃迁 · 从预设到涌现的七维度提升

"AI 让玩具更智能"是含糊的描述。具体地说，AI 在游戏性的多个维度同时提升了物理玩具的表现力—— 这种全维度提升以前只发生过一次，就是从单机游戏到联机游戏的跃迁。

下面这 7 个维度都是可被工程实现、可被量化衡量的具体能力，不是空泛的修辞：

⊙.7拥抱屏幕的设计立场

AIGG 不是反屏幕——屏幕娱乐的成功是真实且合理的。屏幕带来的千变万化的视觉表现力是物理世界永远无法等价复刻的——飞龙、星空、变形怪兽、即时切换的场景。 AIGG 不仅不否认这种价值，而且主动拥抱屏幕作为体验栈的一部分。

具体而言，AIGG 的体验栈中以下部分是屏幕：

• 家长 APP——父母监控、配置、付费、获取报告的核心入口
• 创作者 Web 工具——PGC/UGC 创作活动、设计 Persona
• 模拟器——AI Author 工作场所、Beta 测试场
• 玩偶 LCD 表情屏（情感层旗舰款）—— Pixar 启发的丰富表情
• 轮式机器人大屏—— B 端场景必备显示能力
• 远程视频陪伴—— 家长出差时的视觉连接
• AR 头盔/眼镜（P2 / 未来）—— Persona 的视觉化身

AIGG 的核心立场：屏幕是表现力之一，不是表现力的全部。 平台架构必须既支持屏幕作为输出通道，又确保物理形态承担"主战场"——不让 AIGG 退化为"又一个屏幕 APP"。

⊙.8四大场景 · 用户在哪里玩

AIGG 必须在四类典型场景里都跑通——每个场景对硬件、互联、商业模式都有不同要求：

⊙.9家庭场景详解 · 主战场的全貌

家庭场景是 AIGG 的主战场——80% 的用户时长会发生在这里。下面是一个典型家庭的设备拓扑：

典型一晚的家庭使用画像（基于 BP "家庭游戏世界"愿景）：

⊙.10游乐场场景详解 · IP 沉浸式娱乐

游乐场场景是 BP 中"城市游戏世界"的对应——把 AIGG 能力延伸到家庭之外的商业娱乐空间。这是市场已经验证过的赛道：北京环球影城"中国神话"AR 区域吸引外籍游客占比 30%；TeamLab 无界美术馆复购率 35%、客单价 500+；上海迪士尼"AI 角色互动"项目让游客平均停留延长至 9 小时。

⊙.11户外与商业空间 · 出门陪伴 + 品牌触点

SC-B 户外场景——奶奶家、车上、旅游路上、餐厅。这是被市面上 AI 玩具产品普遍忽视但实际很重要的场景：

• 儿童在陌生环境的情感诉求强烈——出门时孩子最焦虑，反而是最需要陪伴玩偶的时候。但这要求蜂窝模块或本地能力，不能依赖家庭 Wi-Fi。
• BP 海外市场（Walmart / Best Buy）必然涉及——美国家长开车带孩子出门、欧洲奶奶家无 Wi-Fi 都是常态。
• 是订阅模式的最强场景——蜂窝流量天然适配订阅打包销售，避免家长账单焦虑。

SC-D 商业空间触点——商超、玩具店、博物馆、学校、养老社区。这是新用户转化的核心漏斗：

• BP 提到的"全球首家旗舰店已入驻孩子王"就是这个场景——轮式机器人作为店内 IP 形象大使 + 试玩入口，让"不知道 AIGG 是什么"的人 5 分钟体验完整。
• 博物馆/学校：作为AI 教学伙伴/讲解员，把 AIGG 嵌入素质教育市场。
• 养老社区：作为陪伴 + 健康监测，BP 第 12 页明确写过"养老"。

⊙.12有机整体 · 智能与互联协奏的 1+1>2 效果

把"既笨又孤立的传统玩具"变成"有机协作的智能整体"的具体技术实现表现为以下 6 种"协同涌现"——这些是单一玩偶/单一道具做不到的。协同的前提是每个节点足够智能——只有 AI 玩偶能听懂自然语言、理解上下文、即兴生成剧情，"协同"才有意义；如果每个节点都只会预设语句，再多互联也只是"机械连接"。

⊙.13用户场景需求清单 · 15 条

AIGG 平台不是一个游戏引擎，也不是一个聊天 AI，而是"角色在玩活动"的统一运行时。所有产品形态——派对游戏、长线陪伴、运动健身、收集养成、UGC 创作——都是这个抽象在不同维度上的取值。

A.1统一抽象 / Role × Activity

替代"游戏 vs 陪伴"二分法的核心抽象。一切玩法都是角色在玩活动。没有"陪伴运行时"和"游戏运行时"的二分——陪伴是"AI 灵活性占主导"的活动类型，游戏是"规则确定性占主导"的活动类型。

A.2双引擎协作 / Rule Engine × AI Engine

每个活动都是规则引擎与 AI 引擎按比例混合的结果，活动 IR 必须显式声明两者的比例和边界。规则引擎管确定性可玩性（不卡死、不失衡、判决公正），AI 引擎管灵活性体验（不无聊、有惊喜、有共鸣）。

A.3三层 IR / Scene · Logic · Primitive

统一的活动描述语言，分三层：

A.4三种同步范式 / Sync Paradigms

游戏开发者必须在 L2 IR 中显式声明用哪种同步范式——平台不自动选择，因为它影响游戏设计本身。

A.5三层记忆 / Memory Architecture

Persona 角色的记忆按时间尺度分三层，每层有独立的存储位置、生命周期、隐私规则。

A.6两段式放置规划 / Compile + Lookup

不做"100ms 实时全局重规划"——那不可能在 MCU 上跑。正确做法是编译期穷举 + 运行时查表，类比数据库 query plan cache。

• 编译期（游戏发布时，云端，时间充裕）：穷举 10-20 种典型设备组合，用 ILP/启发式求解器生成 PlacementPlan 集合，附带 fallback 链。算几小时也无所谓。
• 运行时（游戏开始/进行中，雾节点，资源紧张）：扫描现场设备，匹配最相似 PlacementPlan（毫秒级查表）。游戏中只在 plan 内做小范围切换，不做新计算。
• 触发切换的事件：节点掉线 / 电量 <15% / 网络丢包率 >20%。沿预编译 fallback 链走下一个。
• 新设备型号上市：云端重跑编译，OTA 推 plan 更新。和应用商店推 APP 更新是一回事。

AIGG 必须能描述市面所有主流玩法——从狼人杀到健身环、从盲盒抽卡到情绪日记。我们采纳学术（Caillois / Aarseth / MDA）+ 产业（GameRefinery 三层分类）的混合方案，得出 6 Class × 25 Genre × 多维 Tags 的分类体系。

B.16 大 Activity Class

B.2三种结构维度

B.3活动 IR 实例

下面是"家庭桌游夜·爱心萌可主持版"的完整 IR：

activity: family_board_game_aiqkmk
version: 1.0.0

# Layer 1 · Class / Genre / Subgenre（唯一归属）
class: hybrid_casual
genre: party_board_game
subgenre: ai_hosted_card_game

# Layer 2 · 多维 Tags（多选正交）
caillois:
  primary: agon
  secondary: [mimicry, alea]
mda_aesthetics: [fellowship, challenge, fantasy]
aarseth:
  pace: turn_based
  player_composition: multiplayer_local
  teleology: finite

# 平台调度参数
sync_paradigm: authoritative
ai_roles: [referee, director, persona]
ip: 爱心萌可
min_hardware_tier: companion
time_horizon: session

# 降级策略（鲁棒性一等公民）
degrade_strategy:
  no_screen: skip_visual_score, use_audio_only
  one_device: round_robin_solo_mode
  network_loss: fall_back_to_ble_mesh

基于 Greimas（1966 行动元模型）+ Bartle（2004 NPC 类型学）+ Warpefelt（2016 实证）+ Bouquet（2021 Companion 设计空间）+ Rato & Prada（2021 ICEC）的学术综合。7 个角色 × 三轴 MECE 分类。

C.1三轴一级分类

C.2身份层 / 位置层 分离

C.3七角色完整定义

C.4角色 × 玩法映射

硬件层不是 BP 中"4 层金字塔 + 7 类 Chiplet"的浪漫描述，而是四档算力 × 8 类标准化模块 × 蜂窝接入 × 真实 BOM 的工程基线。每档硬件能力边界、每个模块的真实芯片选型、每个 SKU 的目标 BOM 都有数据支撑。

D.1四档算力档位

D.2四层产品 → 算力档位映射

D.3Chiplet 模块化（8 类功能子板）

每个子板有标准化 PCB 接口（板对板连接器、协议）。新产品只需选模块组合，新 SKU 7 天打样、30 天量产。注意：BP 中"7 类模块"是简化叙事，工程上需要把"设备间互联"和"周边道具接入"分成独立的两类——它们解决的是完全不同的问题。

D.4周边道具 / 玩具的完整硬件谱系

BP 的"卡带经济"概念覆盖范围远比"NFC 卡片"广得多。"主机+周边"生态需要一整套从无源到有源、从纸卡到电子玩具、从家庭用到游乐场用的完整硬件谱系。这部分是上一版漏掉的关键内容，本节系统补充。

D.4.1 周边道具的 4 大形态

D.4.2 无源道具的硬件 / NFC 标签详细

这一类是"卡带经济"的成本主力——单价 ¥1-20，毛利可超 80%。

无源道具的形态创新——不只是卡片：

• NFC 印刷标签——直接印在书的封面、零食包装、漫画扉页（成本 ¥0.5/张）
• NFC 嵌入积木——参考 LEGO Dimensions 模式，每块积木有专属 ID
• NFC 雕像——参考 Amiibo 模式，IP 联名收藏品（毛利 70%+）
• QR 码地图——大尺寸印刷地图，玩偶摄像头识别位置
• NFC 贴纸——孩子可以贴在自己物品上，让玩偶认识"我的水杯""我的书包"

D.4.3 电子道具的硬件参考设计

电子道具用什么芯片？不需要主控 MCU 那么强大，几块钱的 BLE SoC 就够用。下面是典型 BOM 估算：

D.4.4 大型互动装置 · 游乐场 / 商场场景

在游乐场和商场展厅场景，"周边"还包括大型互动装置——这块工业链已经非常成熟（中国自贡是全球动画装置制造中心，控制 65% 的全球供应）。AIGG 不需要自己做，但需要把它们纳入"主机-周边"协议生态。

D.4.5 周边道具的发布与运营节奏

周边道具的商业逻辑和主机完全不同——主机是耐用品（一年买一只），周边是消耗品/收集品（每月新品、季度联名、年度限量）：

D.4.6 周边道具的接入协议规范

所有周边道具必须遵守 AIGG 的"周边接入抽象层"协议（详见需求 E12）。统一抽象设计如下：

# 周边道具的统一描述符 schema
peripheral_id: PROP-2026-AIQKMK-CARD-007
type: passive_card | active_electronic | structured_model | mechanic_toy
recognition:
  primary: nfc
  protocol: NTAG215
  data_uri: aigg://prop/PROP-2026-AIQKMK-CARD-007

capabilities:                    # 这个道具能做什么
  can_emit: [light, sound]    # 电子道具才有
  can_sense: [button_press]
  can_move: false

activates:                       # 接触主机后触发什么
  activity: aiqkmk_kitchen_adventure
  role_in_activity: ingredient_card
  initial_value: { flavor: sweet, level: 3 }

commercial:
  sku: AIQKMK-PACK-S03-008
  retail_price: ¥39
  ip_owner: SAMG · 爱心萌可
  launch_date: 2026-06-01
  expiry: never | seasonal | yearly

safety:                           # 儿童安全
  age_min: 6
  choking_hazard: false
  battery_type: none | aaa | rechargeable

D.4.7 周边道具自身的视觉能力 · "看"也是周边的能力之一

之前的视觉讨论只考虑了"主机的视觉"，遗漏了一条独立维度：周边道具自身也可以有视觉。这是一个被低估的设计空间——点读笔已经存在 20 年并卖出几亿支，证明"小道具+小摄像头"是验证过的产品模式。AIGG 的卡带经济不应该只有"被识别"的道具，也应该有"会看"的道具。

视觉道具三大类型

A · OID 光学识别笔 · 详细工程

OID（Optical Identification）是1990 年代台湾松翰科技发明的成熟技术——把肉眼几乎不可见的隐形码（0.5×0.5mm 微点阵）印在书本上，笔尖红外感光头识别后播放对应音频。第三代 OID 码组超 100 万，铺码精度达印刷品 1‰。

B · CMOS 扫描翻译笔 · AI 化的视觉道具

有道词典笔系列是当下最成功的 AI 视觉道具——A7S（2025 上市，¥349）已集成豆包 / 千问 / DeepSeek / 子曰多模型集群，可在线 AI 问答；X7 Pro（¥999）配 800 万像素摄像头 + 4.1" 屏。它已经不是简单的"扫描翻译"，是"带屏幕的视觉道具+AI"。

典型工程架构（以词典笔为例）：

# 扫描翻译笔的硬件 / 软件栈
硬件层:
  - CMOS 摄像头: 800万像素·30fps·扫读模式
  - 主控: 中端 SoC（如 RK3326S / 紫光展锐 W117）
  - 屏幕: 1.4-4.1 英寸 LCD / 墨水屏
  - 连接: WiFi 2.4G + BLE 5
  - 电池: 1500-3000mAh

软件层:
  - 本地 OCR: 中英文字识别（自研或 PaddleOCR）
  - 本地翻译: 离线词典 + 离线 NMT 模型
  - 云端 AI: GPT/豆包/Qwen 接入·复杂问答
  - 教材点读: 兼容 OID（部分型号）

AIGG 集成:
  - 设备身份: 通过 BLE/WiFi 加入家庭 Mesh
  - 协议: 五类互联中的"主机↔周边道具"+"设备↔云"
  - 数据回流: 学了什么单词·读了什么书 → Persona 长程记忆

C · 扩展摄像头模组 · 给任何玩具临时加视觉

这是 AIGG 真正独特的设计空间——用一个 ¥30-150 的 BLE/WiFi 摄像头模组，让任何"无视觉的玩偶"或"无视觉的环境"临时获得视觉能力。

D · AR 头盔 / VR 玩具 · 视觉的另一个方向

除了"道具看世界"，还有"道具让你看见虚拟"——AR 头盔 / VR 玩具 / 全息投影道具。这一类相对成熟但 BOM 偏高，AIGG 应放在 P2 阶段：

• 儿童 AR 头盔（¥299-1999）：通过 LCD 屏 + 反射镜投影 AR 内容到现实视野中。Magic Leap、Tilt Five 路径，但儿童化简化版
• 桌面投影道具（¥399-1500）：把虚拟内容投射到桌面，配合 NFC 卡触发不同投影
• 智能眼镜陪伴（¥1500+）：戴上后玩偶以 AR 形式出现在现实中——AIGG Persona 的视觉化身

E · 周边道具视觉的协同涌现 · AIGG 独有的玩法

把"周边道具自身有视觉"和"主机视觉"结合，会涌现一些市面任何单一玩具都做不到的玩法：

D.5主机识别周边道具的多种方式 · 平等并行

"主机识别周边道具"是一个通用问题，有 5 种以上的实现方式，每种适合不同场景。AIGG 应该并行支持这些方式，让创作者/IP 合作方根据道具特性自由选择。下面是它们的能力对比：

D.6蜂窝物联网 · 远程连接能力

玩偶/机器人/周边设备不应该被绑死在家里 Wi-Fi 上——出门、独立机器人、户外探索类玩法、跨家庭联机都需要蜂窝连接。AIGG 必须把蜂窝物联网作为一等公民支持。

D.7无线协议能力边界（实测数据）

D.8视觉硬件谱系 · 从基础摄像头到深度感知

视觉硬件不是"加个摄像头"那么简单。AIGG 不同档位/不同场景需要完全不同类型的视觉硬件——从 ¥10 的单目 RGB 摄像头到 ¥3000+ 的工业级 RGB-D 立体相机。本节系统调研，明确选型规则。

D.8.1 视觉硬件四大类型

D.8.2 具体型号参考 · BOM 估算

D.8.3 AIGG 四层产品的视觉硬件配置

D.8.4 视觉硬件的工程考量

• FOV（视场角）选型：玩偶头部摄像头建议 90-120°（接近人眼），机器人巡视用 160-178°（广角无死角）。FOV 太窄会让玩偶"看不到"桌上一半的物品。
• 低光性能：儿童产品很多场景在暗光环境（睡前床头、拉窗帘的客厅）——必须选 1/2.6" 以上感光元件 + 至少 f/1.8 光圈，不然玩偶"晚上看不见你"。
• 红外补光：暗光场景加 940nm 红外 LED 补光（不可见光，不影响儿童睡眠）+ 摄像头去除 IR 滤片——玩偶可以在黑暗中"看见"你。但要严格的物理快门和家长授权。
• 固定 vs 可动头部：情感层玩偶若有动机机构，让头部可以转动（±60°）——这是"看着你说话"的灵魂。Anki Cozmo 的成功很大程度上来自这个细节。
• 物理快门：所有带摄像头的儿童产品必须有物理快门（机械片或盖子）——这是隐私的最后一道物理保障。
• EMI 与 ESD 抗扰：儿童手抓玩偶时容易产生静电放电，摄像头模组要做 ESD 防护测试。

AI 玩具不是"一个 LLM 解决一切"——这是死路。真实需要 6 类模型独立选型：唤醒词 / ASR / LLM / TTS / 视觉 / 情感。每类模型有自己的延迟、成本、隐私要求。

E.16 类模型独立选型

E.2云端 LLM 成本对照

E.3推理框架选型

E.4三层算子放置策略

同一 AI 功能在不同硬件上跑法不同。以"语音对话"为例：

E.5视觉 AI 完整栈 · 从识别到 VLA

视觉是 AIGG 从"会聊天的 AI 玩偶"跃升为"懂世界的 AI 伙伴"的关键能力。没有视觉，玩偶只能听见你；有了视觉，它能看见你画的画、识别你养的真宠物、看出你今天表情有点累、跟你的手势互动。视觉栈分四层：底层视觉 → VLM 视觉语言 → VLA 视觉语言动作 → 多模态融合。

E.5.1 视觉能力四层架构

E.5.2 VLM 选型矩阵 · 边缘到云端

E.5.3 VLA · 视觉-语言-动作模型 · 机器人前沿

VLA 是 2023-2025 年机器人 AI 最大突破——从"识别物体 + 单独写控制策略"变成"视觉+指令直接生成动作序列"的端到端模型。这是 AIGG 锚定层（双足机器人）和场景层（轮式机器人）的核心 AI 能力。

E.5.4 VLM/VLA 在 AIGG 各场景的具体应用

E.5.5 视觉护栏 · 儿童安全的硬底线

视觉模型用在儿童产品上有极高的内容安全要求。Google 在 2025 年推出 ShieldGemma 2 — 专门做多模态安全过滤的开源模型，把图像 + 内容策略作为输入输出"安全/不安全"判断。

E.5.6 视觉相关的协同涌现 · 单纯视觉做不到、协同做得到的事

视觉模型很厉害，但 AIGG 的真正价值是多设备 + 多模态视觉协同——这是单玩偶视觉做不到的：

• 多视角融合：客厅多个玩偶各有摄像头，从不同角度看同一场景，融合后玩偶"知道"完整布局
• 视觉接力：A 玩偶看见 NFC 卡放下了 → B 玩偶（带屏幕）显示对应剧情·两玩偶配合演戏
• 视觉时序协作：游戏中 A 玩偶看见你举手 → 触发 B 玩偶喊"你出招了"——分布式感知
• 跨设备主体识别：客厅 A 玩偶认识你 → 你走到卧室 B 玩偶 → 立即知道是你来了，无需重新认识
• 视觉 + 雾节点 LLM：基座层精灵看不懂复杂画面 → 拍照传给雾节点机器人 → 机器人本地 VLM 处理 → 回复传回精灵

E.5.7 周边道具自身视觉的处理路径 · 视觉数据流的多种来源

视觉数据不只来自"主机摄像头"，也来自"周边道具的摄像头"——这改变了视觉数据流的来源拓扑。AIGG 必须把所有视觉来源统一到一套处理管线下：

关键设计原则：

• 每个视觉来源独立标注——主机看到 / 词典笔看到 / 扩展摄像头看到，要在数据流中区分清楚（影响隐私边界、责任归属、推理可信度）
• 本地预处理优先——能在道具本地处理的不传输原始图像（OID 笔只传 ID，词典笔只传 OCR 结果，扩展摄像头压缩+加密后传）
• 统一脱敏管线——任何来源的视觉数据出户前都要走同一个脱敏管线（雾节点责任）
• 来源不一致时的优先级——主机视觉 + 道具视觉冲突时（比如主机看见的和词典笔扫的不一样），由 LLM 综合判断而不是简单取一
• 儿童视觉道具的特殊保护——胸针/项链型摄像头戴在孩子身上 24 小时，必须有更严格的"何时录、何时不录"策略

AIGG 软件层不是一套，而是 5 套各自独立又必须互联的子系统。每个子系统的选型、协议、互联方式都需要明确。其中互联协议层（E）是最被低估、但工程难度最高的一层。

F5 子系统总览

G五类互联协议

HQoS 四类通道

家庭里要同时跑控制信令、语音流、游戏状态同步、文件下载——延迟/带宽需求差异极大，必须分通道。

IMQTT Topic 命名空间

把"家庭"作为一等公民概念（family_id），不只是单个设备。

# 设备上行（Device → Cloud）
ap/v1/{tenant}/{device_id}/up/telemetry          # 心跳、状态
ap/v1/{tenant}/{device_id}/up/event              # 用户互动事件
ap/v1/{tenant}/{device_id}/up/ai/asr             # ASR 流式上传
ap/v1/{tenant}/{device_id}/up/data/{type}        # 数据飞轮回流

# 设备下行（Cloud → Device）
ap/v1/{tenant}/{device_id}/dn/cmd                # 控制命令
ap/v1/{tenant}/{device_id}/dn/ai/llm             # LLM 流式回复
ap/v1/{tenant}/{device_id}/dn/ai/tts             # TTS 音频流
ap/v1/{tenant}/{device_id}/dn/activity/load      # 推送活动 IR
ap/v1/{tenant}/{device_id}/dn/ota/{channel}      # OTA 通知

# 设备影子（Device Shadow）
$shadow/{device_id}/desired                       # 期望状态
$shadow/{device_id}/reported                      # 上报状态
$shadow/{device_id}/delta                         # 差量

# 多设备协同（家庭命名空间）
ap/v1/{tenant}/{family_id}/family/sync             # 家庭内同步
ap/v1/{tenant}/{family_id}/family/host_election    # Host 选举

# 创作者后台
ap/v1/{tenant}/creator/{author_id}/up/ir/submit    # IR 提交
ap/v1/{tenant}/creator/{author_id}/dn/review        # 审核结果

J云端核心服务架构

设备 → 阿里云 IoT 平台（接入层）→ EMQX 集群（业务总线）→ K8s 微服务集群

业务后端微服务（K8s）
├─ 用户服务（Go/Java）
├─ 设备管理服务（Go）
├─ 活动 IR 服务（Python）
├─ AI Gateway（Python · LLM 路由 + 缓存）
├─ 内容市场服务（Go）
├─ 创作者经济（Go）
├─ 数据飞轮服务（Python）
└─ 计费服务（Java）

数据存储层
├─ PostgreSQL（业务主数据库）
├─ Redis（缓存 + 实时状态）
├─ MongoDB（活动 IR、剧情）
├─ ClickHouse（用户行为分析）
├─ Milvus（向量检索 · L2/L3 记忆）
├─ MinIO/OSS（资源 + 录音备份）
└─ Kafka（事件流）

AI 推理层
├─ vLLM 集群（自建大模型）
├─ 阿里 Qwen-Plus / 豆包（云 LLM 主力）
├─ 阿里 ASR / Paraformer（云 ASR）
├─ CosyVoice / Edge TTS（云 TTS）
└─ Triton Server（视觉模型）

支撑层
├─ APISIX（API 网关）
├─ Nacos（服务注册）
├─ Prometheus + Grafana（监控）
├─ ELK Stack（日志）
└─ Sentry（错误追踪）

每条需求都有目标 + 衡量标准 + 不要做什么。三件齐才算需求，少任一件均为愿景。优先级：P0 = MVP 必须 · P1 = 12 个月内必须 · P2 = 预留扩展。

本章列出 12 个工程需求簇（A-L 共 108 条）。第 13 个需求簇——⊙ 用户场景簇（11 条）——按其作为"所有需求起点"的特殊性质，已嵌入§00 用户场景与体验愿景章节末尾，不在本章重复展示。

A核心抽象（8 条）

B玩法覆盖（9 条）

CAI 角色（8 条）

DPersona 身份与人格（5 条）

E硬件层（15 条）

FAI 计算与云端协同（5 条）

G多设备协同与组网（6 条）

HAI 模型与软件栈（15 条）

I软件系统架构（19 条）

J数据·隐私·合规（5 条）

K创作生态（5 条）

L模拟器（10 条）

V视觉与具身智能（16 条）

架构设计已经收敛，但有 18 个产品/工程判断需要拍板，否则下一步无法启动。这些不是技术问题，是需要结合市场、团队、资金做的战略选择。

MVP 范围 · 5 个

角色与玩法设计 · 3 个

软件栈与基础设施 · 6 个

战略与组织 · 4 个

AIGG 的设计不是凭空发明，而是站在游戏研究、IoT、嵌入式、AI 推理多个领域的成熟工作之上。下面按主题分类列出关键引用。

9.1AI 角色分类（5 篇）

• Greimas, A.J. (1966) — Sémantique structurale. 行动元模型（actantial model），叙事学根基，Subject/Object/Sender/Receiver/Helper/Opponent 六元结构
• Bartle, R. (1996) — Hearts, Clubs, Diamonds, Spades: Players Who Suit MUDs. MUD 玩家分类奠基，两轴四象限方法论
• Warpefelt, H. (2016) — The Non-Player Character: Exploring the believability of NPC presentation and behavior. PhD 论文，NPC 类型学集大成，294 玩家实证
• Bouquet, E., Mäkelä, V., Schmidt, A. (2021) — Exploring the Design of Companions in Video Games. Companion 7 维度设计空间
• Rato, D. & Prada, R. (2021) — A Taxonomy of Social Roles for Agents in Games. ICEC 2021，离 AIGG 最近的工作

9.2游戏分类学（6 篇）

• Caillois, R. (1958) — Les jeux et les hommes. 哲学根基，Agon/Alea/Mimicry/Ilinx 四类 + Paidia/Ludus 风格
• Crawford, C. (1984) — The Art of Computer Game Design. 数字游戏分类奠基
• Wolf, M. (2001) — The Medium of the Video Game. 41 类穷举分类
• Aarseth, E., Smedstad, S.M., Sunnanå, L. (2003) — A Multi-dimensional Typology of Games. DiGRA，AIGG 多维度方案根基
• Hunicke, R., LeBlanc, M., Zubek, R. (2004) — MDA: A Formal Approach to Game Design. Mechanics/Dynamics/Aesthetics 框架
• PLOS One (2024) — The tangled ways to classify games. 96 篇研究系统综述

9.3产业分类（5 篇）

• GameRefinery (2019/2020/2024) — New Genre Taxonomy. 行业最权威三层分类：Category → Genre → Subgenre，52 个 subgenre
• data.ai App Annie (2020+) — Game IQ. 80+ 标签的多维方法论
• Newzoo (2024) — Games Taxonomy. 投资 / 市场视角分类
• Liftoff (2024/2025) — Casual Gaming Apps Report. Hybrid-casual 趋势数据
• PocketGamer.biz (2024) — The state of the hypercasual genre in 2024. Hyper-casual 衰落趋势

9.4硬件与嵌入式（7 篇）

• CNX-Software ESP32-S3 系列文章（2024-2026）— 嵌入式 AI 玩具最权威评测
• TinyComputers.io（2025）— Rockchip RK3588 NPU Deep Dive，国产芯片真实性能基准
• NVIDIA Jetson AGX Thor / GR00T（2025）— 双足机器人算力天花板
• Espressif ESP-Mesh 文档 — BLE Mesh 在 ESP32-S3 上实测节点上限
• Cortesi et al. (2023) — Latency and Power Consumption in 2.4 GHz IoT Wireless Mesh Nodes. ETH Zurich，BLE Mesh vs Wirepas 实测
• arXiv (2022) — Latency in Mesh Networks. Thread vs BLE Mesh 真实延迟
• 36 氪 (2025) — 人形机器人芯片调研，国产现状

9.5AI 模型选型（8 篇）

• Awesome Agents (2026) — Small Language Model Leaderboard. SLM 选型权威
• distil labs (2025) — SLM Benchmark. 12 个 SLM × 8 任务对比
• Northflank (2026) — Best Open Source STT Models. ASR 模型完整盘点
• Red Hat (2025) — vLLM vs llama.cpp. 推理引擎权威对比
• arXiv (2025) — 2025 Edge Speech-to-Text Benchmark. 边端 ASR 实测
• arXiv 2507.14451 — Whisper 在 Raspberry Pi 上的儿童语音 ASR 工程
• HuggingFace TGI 维护模式公告 (2025-12) — vLLM/SGLang 成为新标准
• Ultralytics YOLO26 Docs (2026) — 最新边端视觉模型

9.6软件系统（7 篇）

• Hubble Network 系列（2025-2026）— 嵌入式系统选型权威，FreeRTOS vs Zephyr 决策
• EMQX 官方文档 + GitHub（2025）— MQTT broker 行业标准
• Matter 1.4.1/1.5 规范（CSA-IOT, 2025）— 物联网配对标准，NFC onboarding
• Nordic Semi (2025) — BLE for Wi-Fi Onboarding. 配对流程参考
• 阿里云 IoT 平台文档 — 国内 IoT 后端事实标准
• arXiv (2020) — A Comparison of MQTT Brokers for Distributed IoT Edge Computing. MQTT broker 实测
• The Droids on Roids (2026) — Flutter vs React Native 2025 对比