一只憨态可掬的机器鸭日前上市，被放上货架仅24小时，销售额超260万美元。4天，预订量突破10000台，累计销售额超454万美元，短时间创下消费级机器人短时间内的销量纪录。
    它身高25厘米、体重不足800克，它会走路、会蹲下再站起来、被推倒后能自己翻身爬起来，嘴巴是铰接式的，能低头叼起地上的袜子或马克笔，再直起身子，嘴里叼着“战利品”。它由Hugging Face旗下机器人公司Pollen Robotics推出，名叫Microduck。
    具身智能迎来新宠
    机器鸭的配置表显示，仅25厘米高、不足800克重，却集成15个电机、摄像头和激光雷达，出厂预装7种基本行为策略，支持Python/JS编程，1至2小时就能训练出新步态，训练成果还能上传Hugging FaceHub，供全球的鸭子共享。
    关键不在配置表，令人眼前一亮的是它的“完整闭环”，这台设备把“仿真到实机”的完整训练链条，从数万美元的实验室级投入，压缩到了千元级。
    北京社科院副研究员王鹏认为，这种非语言的互动体验“更符合人类对陪伴伙伴的深层情感需求”。
    天使投资人郭涛认为，现有大模型仅能完成语言生成，很难构建真实的生命感，而机器鸭依靠肢体行为、体态变化构建陪伴感受，规避了对话模型容易出现逻辑错乱、人格不稳定的固有缺陷。
    当前，国内AI玩具的主流选择是“对话交互”路线。依托成熟的大模型语音生态，产品能快速落地，满足用户即时问答、教育启蒙的明确需求。Microduck走的是另一条路：不做语音对话，官方定位明确——“把它当一个活物，而不是一个助手”。它通过拟态行为、自主运动，建立情感连接。
    王鹏认为，未来会走向融合：以行为陪伴为核心基底，逐步叠加轻量化语音交互，形成“有动作、有性格、能自然互动”的完整智能伙伴体验。
    中国城市专家智库委员会常务副秘书长、浙大城市学院副教授林先平介绍，海外机器鸭以零售价399美元、开源与强化学习定位切入市场，为国内AI玩具行业带来重要参照。不过该产品偏向创客、科创教育圈层，价位偏高，短期难以直接冲击大众市场；国内硬件供应链具备跟进条件，但强化学习工具链、算法仍是明显短板。
“可训练”让大众能够调教出专属机器人
    机器鸭最被低估的，是它的“可训练”属性。
    传统玩具的核心逻辑是：厂商设计好玩法，用户按规则使用。而可训练机器人，把部分产品定义权交还给了用户——用户实质上是购买一套硬件、软件和训练能力。用户自主调教生成的专属行为、独特性格，会形成极强黏性，产品生命周期远长于普通一次性售卖的AI玩具；而大量普通用户的训练数据，又会反哺底层算法优化，进一步降低后续用户的调教门槛，形成生态正向循环。
    “就像大家用WorkBuddy调教自己的Agent一样，每个人都可以调教自己的机器人。”业内这句比喻点破了下一代AI玩具的核心——从“消费内容”转向“共同创造”。
    林先平介绍，它跳出单纯云端大模型对话的套路，把具身运动能力落地消费级产品，会倒逼国内厂商改变“玩具外壳叠加大模型”的内卷思路，更加重视端侧运动控制算法。
    影响力研究院品牌与IP委员会副主任高承飞判断，“可训练”一定会成为一个独立品类，而且可能是粘性最强的品类：“当一个人花时间去调教自己的机器人，本质上和养宠物、训练模型是一样的，投入的感情会转化为产品忠诚度。”
    苏商银行特约研究员高政扬认为，未来AI玩具可能从一次性消费品，逐步演变为可持续迭代的平台。用户通过训练新动作，开发者贡献新策略，社区形成类似应用商店或模型社区的生态。“当机器人本身具备可扩展性后，它的生命周期和用户黏性都将发生改变，这也是‘AI+玩具’区别于传统智能硬件的关键。”
    玩具或成物理AI“试验田”
    机器鸭爆火或许不在于它卖了多少台，而在于它提出了一个问题，物理AI的世界是否已经到来？
    林先平认为，低成本硬件是物理AI产业化的关键条件，但并非全部，算法、真实场景数据、安全标准同等重要。玩具是绝佳技术练兵场，容错空间更高，能够把强化学习推向C端，依靠海量用户积累物理世界数据，反哺算法迭代，培育开发者生态。不过零售价格距离大众平价仍有差距，玩具以娱乐场景为主，仅承担试验迭代功能，不等于完成产业化闭环。想要实现大规模商用，还需要完成算法跨硬件迁移，持续下压成本，完善相关行业标准。
    “只有把具身智能硬件的价格降到普通消费者能轻松承担的区间，才能打破过去仅在实验室、工业场景小范围测试的局限，获得海量真实家庭场景的运行数据。”王鹏认为，玩具，恰恰是物理AI落地家庭的最优路径。玩具场景的‘实用性容错度’极高，不需要机器鸭立刻完成复杂家务，用户可以包容它在玩耍、互动的过程中逐步进化。以平价玩具为载体，能快速完成千万级用户普及，用3至5年时间走完原本需要10余年的技术迭代和市场教育过程。
    高承飞认为，当越来越多的孩子在玩机器鸭的过程中接触强化学习、接触开源社区，未来物理AI的人才储备和应用场景都会自然生长出来。
    但乐观之外，多位受访者也划出了边界。郭涛认为，物理AI真正落地还取决于伺服执行器件、安全控制、系统可靠性等整套技术体系，仅仅依靠低价玩具硬件无法直接完成产业化跃迁；玩具允许一定容错，而工业与家庭服务机器人对安全性、稳定性有着严苛标准，玩具赛道的技术成果需要经过系统性改造，才能向正式产品迁移。
    业内人士认为，复刻一只鸭子的外形容易，复刻它背后的学习能力与开发生态，才是真正的门槛。这只鸭子不只是“示范”，也将证明开源软件、强化学习与中国供应链结合后，能把物理AI（能够理解并适应物理世界规律，在现实环境中进行感知、推理、决策与交互的智能系统）的开发成本压到个人开发者都能接受的水平。