海尔空气盒子:看大厂商如何玩转“小而美”

简介:
   当李阅苗在去年11月份加入樊佳鑫的团队时,那时的空气管家还是一串板子;再早两个月前,当樊佳鑫在海尔集团产品经理“抢单”中拿下小A这个项目时,他的提案是一台组合空调。但无论是空气管家还是小A,它们现在都意味着这只黑色圆润的空气盒子。

小A是空气盒子这个项目发起时它的内部代号,对外团队一直管它叫空气管家。而最终这颗小球定名为“海尔空气盒子”是源于网友的票选。

产品演变

去年9月前后,樊佳鑫以一名产品经理的身份加入海尔。上面提到的抢单其实是海尔内部定期举行的“项目大赛”,新的产品不断从抢单中孵化出来。于是,胜出后的樊佳鑫开始招兵买马将他的组合空调落地,最初他的想法是集空调、净化、加湿于一体。

在另一条线上,海尔内部的另一支创新团队Talking Timer当时正在众筹平台上收获如火如荼的关注。Talking Timer的外观类似Nest,主要的功能是计时、温湿度测量以及作为收发微信的设备。

樊佳鑫这头一面招募人马,一面开始深入研究他的组合空调,也就是在这段时间里,他发现组合空调存在这么几个问题:1、空调、净化、这三项功能如果放在一起,各自的工作效率都会受到影响,从技术层面目前还没法解决;2、将这三者组合的家电从研发到开模生产周期很长,没有一到两年时间难以完成;3、组合空调的价格必然会很高,消费者的接受程度会受影响。对樊佳鑫来说,这是一个两难的问题。

而也正是在这个时候,有人介绍樊佳鑫跟Talking Timer的同学认识了。两路人马在产品上有诸多的相似处,两者都在试图打造家居中简单易用的产品。于是,樊佳鑫,Talking Timer的黄橙、张攀和海尔空调企划王晓燕以及设计师周力科,这5人一起构成了这个项目的初始团队,项目方向也从组合空调调整到了空气盒子。

这个初始团队的平均年龄没有超过35岁。

从“一串板子”到CES

“一串板子”是李阅苗对空气盒子的初印象。当李阅苗作为云平台工程师加入这个团队的时间已经是去年11月。如何将眼前的一串板子变成实际产品,时间已经相当紧张,因为今年1月初拉斯维加斯的CES展上,这个产品就要展示。李阅苗告诉笔者,这个项目不同于他过往参与过的任何其他项目。智能家居是融合了硬件模块、结构设计、app、云、物联平台的力量一点点搭建起来的。

因为是海尔集团的重点创新孵化项目,这个被大家一致认为是传统家电的厂商,这一回为了这个小产品给予了最大资源支持。在空气盒子诞生的前后,团队里不断地有各种大牛加入,空调电控专家、资深物联网专家、资深硬件大牛,前惠普的云平台架构师、前微软的产品总监等等,樊佳鑫这么一一细数。

最重要的是,樊佳鑫说,海尔正在用互联网的思维为这个小球诸如更多的活力。

而这种互联网的思维,最核心的就是用户。除了产品实现的团队,空气盒子还有另一波力量同样扮演了塑造产品的角色。空气盒子大到ID方案、小到尺寸和最后的包装颜色,乃至“空气盒子”这个名字本身都是网友参与决定的。

【空气盒子的早期票选方案】

樊佳鑫说决定空气盒子ID外观的时候,有四个方案摆在了团队成员和网友的面前,柱状、方形、天樽空调缩小版、球形。让樊佳鑫没有想到的是,这个互联网团队最先排除的球形方案在网络上却受到了90%以上网友的喜爱。

网友们决定了让它变成一个小球,就要做。于是这个年轻的团队在今年1月前通过调整硬件结构最终实现了网友们“小球”的梦想。

1月7日,空气盒子团队带着它顺利参加了远在美国拉斯维加斯的CES展。面对老外投来的欣赏眼光,樊佳鑫说,他们离自己的梦想越来越近了。

不只是“检测”

乍看空气盒子,很多人以为它是一个检测设备,告诉你家里的PM2.5、告诉你家里有害气体指数。樊佳鑫说他们不想止步于此,那就有违“空气管家”的本意了。空气盒子强调的是跟家里的设备联动,而不是简单地推送信息。用樊佳鑫的话说,它的诞生就是解决一个问题。

当发现家里空气糟糕时,空气盒子能以红外的方式打开空调、打开净化器。团队认为虽然绕过了组合空调,但以这样的方式改善家居的空气环境同样是他们希望看到的,最重要的是,这种方式也是低成本、易用的,网友最能接受的。

樊佳鑫告诉笔者,当前空气盒子已经有2000名的使用用户。他们现在正以周更新的方式,将用户的反馈和新的体验加入到空气盒子中。据他透露,这周要上线的APP版本里,用户只要按下空调任一按键,空气盒子就能从云端识别匹配设备的型号,然后将空调的红外码库下载下来,也就是一键设置功能。,这让用户对空气盒子的体验变得更简单。

空气盒子在上周已经开启了大规模的预售。笔者走的时候,刚刚完婚的樊佳鑫透着满满的欣喜,通过近一个月来的攻坚,他希望这个“小球”走进用户家中时会带去更多的惊喜。在知春路的海尔北京创新中心大楼里,扁平化的诸多项目团队,拉用户入伙参与产品,快速的迭代周期。空气盒子是海尔在这波智能家居浪潮里的早期试水,而在小编看来这家昔日的家电业巨头看上去几乎有着跟互联网公司一样灵活的步调。

  
  
 
  本文作者: 吴德新

本文转自雷锋网禁止二次转载, 原文链接
目录
相关文章
|
自然语言处理 测试技术 计算机视觉
ICLR 2024:谁说大象不能起舞! 重编程大语言模型实现跨模态交互的时序预测
【4月更文挑战第22天】**TIME-LLM** 论文提出将大型语言模型重编程用于时序预测,克服数据稀疏性问题。通过文本原型重编码和Prompt-as-Prefix策略,使LLMs能处理连续时序数据。在多基准测试中超越专业模型,尤其在少量样本场景下效果突出。但面临跨领域泛化、模型调整复杂性和计算资源需求的挑战。[论文链接](https://openreview.net/pdf?id=Unb5CVPtae)
432 2
AutoJS4.1.0实战教程---快刷短视频
AutoJS4.1.0实战教程---快刷短视频
366 1
|
容灾 测试技术
如何衡量软件质量好坏?
如何衡量软件质量好坏?
574 0
|
存储 人工智能 编解码
Pippo:Meta放出AI大招!单张照片秒转3D人像多视角视频,AI自动补全身体细节
Pippo 是 Meta 推出的图像到视频生成模型,能够从单张照片生成 1K 分辨率的多视角高清人像视频,支持全身、面部或头部的生成。
1218 9
Pippo:Meta放出AI大招!单张照片秒转3D人像多视角视频,AI自动补全身体细节
|
4月前
|
人工智能 前端开发 API
一人挑战一支研发团队,3步搞定全栈开发
本文是 Qwen3-Coder 挑战赛教程第四期,我将带你完整走通一个真实项目案例:从零搭建一个“AI 舞蹈生成器”网站——上传一张人物照片,点击“立即生成”,即可获得一段该人物跳舞的动态视频。 整个过程仅需三步,无需前端、后端或模型部署经验,真正实现“说话即开发”。
442 0
|
6月前
|
数据采集 数据挖掘 测试技术
Go与Python爬虫实战对比:从开发效率到性能瓶颈的深度解析
本文对比了Python与Go在爬虫开发中的特点。Python凭借Scrapy等框架在开发效率和易用性上占优,适合快速开发与中小型项目;而Go凭借高并发和高性能优势,适用于大规模、长期运行的爬虫服务。文章通过代码示例和性能测试,分析了两者在并发能力、错误处理、部署维护等方面的差异,并探讨了未来融合发展的趋势。
567 0
|
9月前
|
存储 Go
Go语言之接口与多态 -《Go语言实战指南》
Go 语言中的接口是实现多态的核心机制,通过一组方法签名定义行为。任何类型只要实现接口的所有方法即视为实现该接口,无需显式声明。本文从接口定义、使用、底层机制、组合、动态行为到工厂模式全面解析其特性与应用,帮助理解 Go 的面向接口编程思想及注意事项(如 `nil` 陷阱)。
256 22
|
7月前
|
移动开发 小程序 开发工具
揭秘微信/支付宝6大支付方式:从扫码到刷脸,谁在偷偷赚你的手续费?优雅草卓伊凡
揭秘微信/支付宝6大支付方式:从扫码到刷脸,谁在偷偷赚你的手续费?优雅草卓伊凡
1404 0
揭秘微信/支付宝6大支付方式:从扫码到刷脸,谁在偷偷赚你的手续费?优雅草卓伊凡
|
7月前
|
监控 API 开发者
京东商品详情API响应数据解析
京东开放平台提供多种API接口,可获取商品标题、价格、库存、详情描述等120+字段信息,支持分钟级更新。核心接口包括商品基础信息、详情及SKU查询,适用于比价、监控、营销分析等电商场景。文章还附Python调用示例,便于开发者快速集成。
|
机器学习/深度学习 人工智能 NoSQL
记忆层增强的 Transformer 架构:通过可训练键值存储提升 LLM 性能的创新方法
Meta研究团队开发的记忆层技术通过替换Transformer中的前馈网络(FFN),显著提升了大语言模型的性能。记忆层使用可训练的固定键值对,规模达百万级别,仅计算最相似的前k个键值,优化了计算效率。实验显示,记忆层使模型在事实准确性上提升超100%,且在代码生成和通用知识领域表现优异,媲美4倍计算资源训练的传统模型。这一创新对下一代AI架构的发展具有重要意义。
813 11
记忆层增强的 Transformer 架构:通过可训练键值存储提升 LLM 性能的创新方法

热门文章

最新文章