69 场景全覆盖 · 6 大原理 · ABCD 四层框架 · 第一性原理三层追问
来源：AI Agent 驱动——从 402 产品 × 69 子场景归纳
核心追问链：
表面：Milwaukee Anti-Kickback/Tonal/恒温淋浴做了什么？→ 传感器+AI闭环控制
一层：为什么用户愿意付 30-100% 溢价？→ 不是为传感器付费，是为"我不用再担心这件事"付费
二层："不用再担心"拆解为什么？→ 产品接管了原本属于人的持续注意力和瞬间判断力——这是人类大脑最稀缺的资源
三层：当产品替用户省下了注意力，用户用省下的注意力做什么？→ 用户获得的是心智自由
本质定义：用户购买的不是"更智能的工具"，而是注意力自由——让大脑从必须持续监控的任务中解放出来。
| 品类 | 产品 | 替代的注意力 | 溢价 |
|---|---|---|---|
| 工具安全 | Milwaukee Anti-Kickback | 钻孔时全程警惕反弹 | 30-40% |
| 健身 | Tonal 自适应阻力 | 每组动作判断"该不该加重" | 500% vs 传统器械 |
| 烹饪 | June Oven 食物识别 | "烤箱里是什么/该烤多久"的判断 | 300% vs 普通烤箱 |
| 睡眠 | Eight Sleep 温控 | 夜间反复调节被子的注意力 | 1000% vs 普通床垫 |
| 驾驶 | Tesla Autopilot | 高速公路上持续的方向/速度判断 | 渗透到品牌价值 |
| OPE工具 | Greenworks SmartCut | 草密度变化该用什么功率 | 20-30% |
用户省下的注意力越多，溢价空间越大。EGO 可替代的注意力层级：
①基础→替代负载判断（自适应功率·全品类覆盖·BOM≈$0）
②进阶→替代边界判断和路径规划（割草机·扫雪机 RTK+视觉）
③最高→替代"什么时候该割草"的决策（Weather IQ 天气自适应调度）
核心追问链：
表面：AI 烤箱/智能冰箱/AI 探鱼器做了什么？→ 识别→推荐→执行
一层：用户真正缺乏的是什么？→ 不是识别能力（肉眼也能看），是决策信心——"我这样做对不对？"
二层：为什么决策信心如此昂贵？→ 错误决策的代价高（牛排烤废→$20浪费；草坪施错肥→$500+修复）。信心不足→不做决策→产品闲置
三层：AI 提供的到底是什么？→ 不是正确答案，是承担决策后果的勇气——用户把"如果做错了"的风险转移给了产品
本质定义：用户购买的不是"更准的 AI"，而是决策权转移——把"判断+承担后果"这个负担交给产品。
| 品类 | 产品 | 外包的判断 | 用户不敢自己判断的原因 |
|---|---|---|---|
| 烹饪 | Breville Element IQ | 多个加热元件各该多少功率 | 选错了蛋糕塌陷→$15材料浪费+面子 |
| 冰箱 | 卡萨帝 AI 食材管理 | 哪些食材快过期/先做什么菜 | 忘记→$50+食材浪费/每周 |
| 花园 | 识花君/耘眼 | 草坪这个斑块是什么病/该用什么药 | 用错药→草坪枯死→$500+修复 |
| 清洁 | 云鲸脏污识别 | 这滩污渍该用什么温度/水量 | 洗不干净→重新拖，费时费力 |
| 渔具 | Garmin LiveScope | 这片水域有没有鱼/鱼在哪里 | 钓不到→一整天白费 |
| 3D打印 | Bambu AI 检测 | 这个打印是否已经开始失败 | 打废了→数小时+材料浪费 |
EGO 的竞品不是 Makita，是用户的犹豫。消灭一次犹豫=获得一次使用=离平台锁定近一步。
判断力外包的演进路径：
①基础→自动选择功率模式（替代"高/中/低"选择）
②进阶→草坪健康诊断+施肥/补种建议（替代"草坪怎么了"的判断）
③最高→庭院全托管——"明年我想多种一棵树，告诉我怎么做"
核心追问链：
表面：Nest 学习恒温器/Rachio 天气灌溉/节律照明做了什么？→ 感知环境→自动调整
一层：用户最惊喜的时刻是什么？→ 不是"它做到了我要求的"，而是"它怎么知道我需要这个"
二层："被预判"为什么比"响应指令"更强？→ 因为它暗示产品懂你——响应指令是工具，预判需求是管家
三层：预判的准确度从哪来？→ 不来自传感器的精度，来自长期数据积累——数据越多，预判越准，换品牌成本越高
本质定义：用户最愿意传播和付费的，不是产品做到了什么功能，而是被理解的感觉——"它懂我"的价值远超"它听我的"。
| 品类 | 产品 | 预判了什么 | 用户反应 |
|---|---|---|---|
| 温控 | Nest Thermostat | 学习你的作息→提前调温 | "它怎么知道我要回家了" |
| 灌溉 | Rachio | 明天有雨→今天不浇 | "我都忘了看天气，它替我记着" |
| 照明 | Nanoleaf 节律 | 傍晚自动变暖色温 | "不知不觉就更困了，还以为是自然困的" |
| 睡眠 | Eight Sleep | 深睡时自动降温 | "我什么都没调，醒来评分变高了" |
| 健身 | WHOOP | 分析恢复数据→建议训练强度 | "它比我自己更了解我的身体" |
| 座舱 | 蔚来 NOMI | 检测到儿童→锁窗+推荐内容 | "它比我先想到孩子需要什么" |
EGO 可以预判的阶梯：
①基础→天气预报驱动割草建议（"明天下雨，建议今天割草"）
②进阶→草坪生长模型预测最佳割草时间和高度
③最高→"过去三年你的草坪数据→AI 比你自己更懂你的草坪"
核心追问链：
表面：EGO Line IQ/一键装线/Power Load/自动送线做了什么？→ 替代手动操作
一层：用户恨的不是操作本身，是什么？→ 是打断——割草是沉浸式体验，手动 bump feed 打断了这个心流
二层：为什么心流中断比体力消耗更让用户痛苦？→ 心流恢复需要 5-15 分钟。一次打断→从"享受"变为"赶紧搞完"
三层：最优的智能功能是什么样的？→ 消灭一个用语言都难以描述的不满，而不是增加一个用参数才能解释的卖点
本质定义：最好的智能功能消灭一个恨点（不是增加一个卖点）——让一项讨厌的副操作从用户生活中完全消失。
| 品类 | 产品 | 消灭的摩擦 | 用户之前的体验 |
|---|---|---|---|
| 草 | EGO Line IQ | bump feed 手动送线 | 每5分钟停下手套操作 |
| 草 | EGO Power Load | 手动绕打草线 | 绕3-5分钟容易绕错方向 |
| 草 | Toro Personal Pace | 手动调节自走速度 | 上坡推不动、下坡跑太快 |
| 厨房 | 方太烟灶联动 | 开火后手动开烟机 | 经常忘记→油烟满屋 |
| 木工 | Festool 蓝牙吸尘 | 开锯后手动开吸尘器 | 一只手开吸尘→失去稳定性 |
| 电工 | DeWalt 电池地理围栏 | 每天下班盘点工具 | Excel 手动盘点 30 分钟 |
| 汽车 | Tesla 一键出发 | 打火+放手刹+挂挡流程 | 每段行程都重复的 3 步骤 |
| 露营 | OPUS 自充气帐篷 | 帐篷搭建 15-30 分钟 | 到达营地先体力活 |
EGO 五品类最大的摩擦不是产品不好用——是庭院工作的认知负荷。消灭这个认知负荷 = 占领用户的心智入口。
核心追问链：
表面：EGO 56V 电池平台/Philips Hue 生态/Peloton 社区怎么锁定用户？→ 硬件不兼容
一层：为什么 Peloton/Hue 的锁定 > 电池平台？→ 电池兼容可以被攻克，但个人数据无法迁移
二层：什么数据最难迁移？→ ①空间数据（草坪地图·灯光布局）②时间序列数据（300 次割草记录）③个人偏好数据
三层：数据护城河如何自我强化？→ 数据→更好的 AI→更好的体验→更多数据→AI 更准→不可逆的飞轮
本质定义：硬件锁定只能管 3-5 年，但个人历史数据的锁定效应持续整个用户生命周期。
| 品类 | 产品 | 护城河数据 | 迁移成本 |
|---|---|---|---|
| 音乐 | Spotify | 10年播放记录+算法推荐 | "我的歌单不能带走" |
| 健身 | Peloton | 500次训练数据+社区排名 | "我的历史不能清零" |
| 照明 | Philips Hue | 每个房间的灯光场景 | "每个灯的场景得重设" |
| 温控 | Nest | 你家3年的温度学习模型 | "新温控不懂我家" |
| 睡眠 | Eight Sleep | 个人睡眠数据+温控模型 | "AI模型归零" |
| 草坪 | 暂无 | 暂无 | EGO 的机会 → |
→ 最后一个格子是 EGO 的机会。
护城河深度：第一年→基础数据（浅）→第二年→AI 预测"你家草坪今年比去年更密"（中）→第三年→"你家草坪的北侧日照不足，建议修剪树冠"（深）
关键洞察：EGO 不是在卖割草机——是建立一个庭院数据档案。第三年后的用户终身价值，来自没人愿意亲手重建的三年数据。
核心追问链：
表面：LiDAR/RTK/视觉导航的割草机器人 vs 推走式割草机——只是自动化程度不同
一层：自动化程度不同→用户和产品的关系发生了什么变化？→ 推走式=工具，自走式=助手，机器人+App=管家
二层：从工具到管家，产品的价值主张发生了什么根本转变？→ 从"完成任务"变为"承担责任"
三层：管家模式的终极形态是什么？→ 用户不需要"使用"产品——用户只需要批准管家的建议
本质定义：产品从"执行你的命令"进化为"主动发现问题并提出解决方案"——用户从操作者变为审批者。这是 EGO 从工具公司转型为庭院服务公司的核心路径。
| 品类 | 助手阶段 | 管家阶段 | 进化触发点 |
|---|---|---|---|
| 健康 | Apple Watch 记录心率 | WHOOP 说"你今天不适合高强度训练" | 从数据到建议 |
| 安防 | 摄像头录视频 | Ring 说"下午快递员放了一个包裹在门口" | 从录像到摘要 |
| 冰箱 | 冰箱显示温度 | 卡萨帝说"牛肉还有2天过期，可以做红烧牛肉" | 从状态到方案 |
| 汽车 | 定速巡航 | Tesla 说"建议现在出发，前方30分钟有拥堵" | 从执行到规划 |
| 草坪 | EGO 割草 | EGO 庭院管家：还没出现 | EGO 的机会 |
管家进化的三个阶段：
①工具（当前）：用户判断什么时候割草→打开 App→监控进度→完成→收工
②助手（6-18月）：App 说"根据天气预报，明天适合割草，要帮你安排吗？"
③管家（18-36月）：App 自主行动——"因为后天有雨，我已经在今天下午割了草坪。北侧发现黄斑，建议买这个药。电池健康度 72%，建议双十一换新。"
关键洞察：EGO 真正的竞品不是 Milwaukee/Stihl——是用户自己管理庭院的习惯。
统一电池平台，复购裸机。EGO 56V ARC Lithium 100+ 兼容产品是行业标杆。
数据→更好的 AI→更好的体验→更多数据→AI 更准→迁移成本更高。Milwaukee TORQUE-SENSE 用 10 次训练建立个人化 ML 基准模型。
硬件+SaaS 双收入：Hilti ON!Track（$5-15/月/工具）、Peloton（$44/月）。EGO 扫雪机可做雪季托管订阅。
Kaia Health 获德国 DiGA 认证——第三方认证=定价权+品牌资产。EGO 链锯反弹检测可申请 UL 安全认证→换保险折扣。
从成熟行业搬整套控制回路。从汽车 ECU、Tesla BMS、安全气囊、Find My——案例库主力打法。
军用→工业→消费三级降维。外骨骼（DARPA→Hapo→EGO 愿景）是最完整的降维案例。
健身行业 FOC+ML 控制栈 = OPE 电机控制栈。Tonal 电磁阻力 ↔ EGO SmartMow 自适应切割——同一个控制回路。
BOM≈$0（固件复用已有硬件）vs BOM 跳档（加摄像头/IMU $3-50）。这是最快的落地决策工具。
真需求（多品牌量产/Reddit 好评）vs 感知人群（专业 vs DIY）vs "智能"标签过度使用风险。
| 原理 | 割草机 | 链锯 | 打草机 | 吹风机 | 扫雪机 |
|---|---|---|---|---|---|
| 1.注意力替代 | 边界判断自导航 | 反弹检测切停 | Line IQ自送线 | 表面自适应风力 | 密度自适应速度 |
| 2.判断力外包 | 草坪健康诊断 | 切入角度建议 | 线径/转速推荐 | 风力/时间推荐 | 雪密度判断 |
| 3.预期溢价 | 天气驱动割草调度 | 链条磨损预测 | 线量预测+自动订购 | 季节性使用提醒 | 雪季预警启动 |
| 4.摩擦消灭 | 草袋满传感器 | 链条张力自适应 | Power Load装线 | 与割草机联动 | 凌晨自动预热 |
| 5.数据护城河 | 草坪地图+生长历史 | 使用次数+木材记录 | 线耗+使用频率 | 季节使用模式 | 降雪记录+路径 |
| 6.管家进化 | AI草坪管家 | 切割方案建议 | 不操心线的存在 | 庭院联动指挥官 | 雪季自动化管家 |
| 应用 | 品类 | 原理 | BOM增量 |
|---|---|---|---|
| 负载自适应固件OTA | 5品全覆盖 | 1+4 | <$10 |
| 链锯反弹检测 | 链锯 | 1+2 | $15-20 |
| 割草机异物检测 | 割草机 | 1+4 | $8-15 |
| Weather IQ天气调度 | 割草机+扫雪机 | 3 | $0(纯软件) |
| 维护提醒+电池健康评分 | 5品全覆盖 | 2+5 | $0(纯软件) |
| 应用 | 品类 | 原理 | BOM增量 |
|---|---|---|---|
| 草坪健康AI诊断 | 割草机 | 2+6 | $30-50(摄像头) |
| 边界自导航（RTK+视觉） | 割草机+扫雪机 | 1+6 | $50-80 |
| 线量预测+自动订购 | 打草机 | 3+4 | $5-10 |
| 切入角度引导 | 链锯 | 2 | $15-25 |
| 联动引擎（割草→吹扫→灌溉） | 全品联动 | 4+6 | $20-40(蓝牙Mesh) |
| 应用 | 品类 | 原理 | 说明 |
|---|---|---|---|
| 庭院AI管家 | 全品 | 6 | 主动服务·用户审批·年费模式 |
| 庭院数据平台 | 全品 | 5 | 跨年草坪档案+社区对比 |
| 天气-日历-草坪生长模型 | 全品 | 3 | 精准预测割草/施肥/补种时间 |
| 跨品类庭院套系 | 全品 | 4+6 | "一键庭院模式"（割草→吹扫→灌溉→灯光联动） |
C1 场景平移 OPUS T46 帐篷 + A2 摩擦消灭 | BOM $30-50
离开充电座→自动展开，完成→自动折叠收纳。消灭搬出-展开-折叠-搬回的 5 步操作链。
C2 技术降维 Hapo 园艺外骨骼 + A1 能力补全 + B1 平台锁定 | BOM $15-60
打草机是手臂前伸最长的 OPE 工具。EGO 56V 电池同时赋能工具+外骨骼。品类首创+平台锁定双杀。
C3 跨界复用航空 ANC + A6 身份表达 + A7 环境编程 | BOM $15-30
反相声波抵消叶片噪声。吹风机社交属性最强——邻居听得到。"安静"=对邻居友好的身份标签。
C1 场景平移 Rachio + A3 认知降负 + B4 服务订阅 | BOM $0
纯 App+云端 API。降雪预测→自动预热+路径规划。"醒来车道已清"的确定性价值极高。
C1 场景平移 Milwaukee Anti-Kickback + A1 能力补全 + B5 认证背书 | BOM $8-15
IMU+电流<5ms 停机。户外植被差异化避开 Milwaukee 建筑专利。安全溢价 30-40%。
EGO 2.0 不只是更智能的工具。
工具解决"怎么割更快"——那是工程师思维。
我们解决的是"用户不想操心割草这件事"——这需要产品经理思维 × 第一性原理。
我们从全球 402 个智能产品中发现了 6 条深层规律：
1. 用户付高溢价的，从来不是传感器，是注意力自由
2. 最强的智能功能消灭一个恨点，不增加一个卖点
3. 让用户说"它怎么知道我需要这个"，比让它响应指令强 10 倍
具体到 EGO：今年 Q3-Q4 我们可以用纯软件升级（BOM $0）做出 Weather IQ + 电池健康评分 + 维护提醒——让用户第一次感受到"EGO 懂我的草坪"。
中期：链锯反弹检测 + 草坪 AI 诊断——这两个功能 Milwaukee 的室内专利覆盖不了，我们有 12-18 个月的独占窗口。
长期：EGO 的终局不是工具公司，是庭院数据平台——当 EGO 管家比你更了解你的草坪，用户留下的不是一台割草机，是一段无法重建的记忆。