界面新聞記者 | 陸柯言
界面新聞編輯 | 宋佳楠
“所有的產(chǎn)品都值得用AI重做一遍?！蔽④汣EO薩提亞·納德拉一句展望時代的話，成為了AI硬件行業(yè)的創(chuàng)業(yè)圣經(jīng)。一群消費電子行業(yè)的創(chuàng)業(yè)者正試圖用AI闖出一條新路。
耳機成為首選賽道之一，越來越多植入AI功能的耳機在市場涌現(xiàn)。蘋果剛剛推送的Apple Intelligence中就首次加入了通話錄音功能，小米近期發(fā)布的Xiaomi Buds5也同樣支持通話錄音，這被視為語音智能交互的第一步。
初創(chuàng)公司中，未來智能推出的iFLYBUDS系列、時空壺翻譯耳機，WISHEE強調(diào)聊天陪伴功能的Ai Ear，以及主打“AI+音頻”的塞那，都在近幾年連續(xù)推出新品。
今年5月，字節(jié)跳動收購開放式耳機品牌Oladance，也被認為是布局AI硬件賽道的一種準備。錘子科技創(chuàng)始人羅永浩以及前魅族CMO李楠成立的怒喵科技，同樣將推出智能耳機產(chǎn)品。
在AI耳機領域，未來智能是很難繞過的一家廠商。2021年底，科大訊飛耳機團隊獨立，成立主攻AI硬件賽道的未來智能。這家公司主要瞄準會議及辦公場景，陸續(xù)推出iFLYBUDS Pro、iFLYBUDS Air、iFLYBUDS Nano+等多款會議，支持錄音轉(zhuǎn)寫、智能轉(zhuǎn)譯、會議整理等功能。
未來智能CTO王松在接受界面新聞專訪時表示，所有布局AI耳機或智能硬件賽道的公司，本質(zhì)上還是在押注下一代人機交互變革的機會。一種觀點是，語音是未來人機交互的入口，而耳機則是天然與語音掛鉤的設備，它并不容易被手機完全替代掉。
但耳機值得被AI重做一遍嗎？王松的答案是兩面的。在他看來，如果加上時間維度，的確所有的產(chǎn)品都值得被AI重做一遍，但現(xiàn)階段這句話并不適用。
原因在于，由于耳機本身算力有限，大部分AI能力也只能寄居在手機上，依賴于手機的算力和網(wǎng)絡能力。以現(xiàn)有的芯片與電池續(xù)航水平來看，耳機還很難成為一個獨立的計算產(chǎn)品。
IDC曾預測，2024年，中國市場上搭載AI功能的終端設備將超70%，AI終端占比將達55%。但僅搭載生成式AI功能，與AI真正成為核心驅(qū)動力，仍然是兩件完全不同的事。
媒體曝光的OpenAI AGI路線圖顯示，OpenAI將AI劃分為5個等級。其中，L1為聊天機器人，是具有對話能力的AI；L2為推理者，像人類一樣能夠解決問題的AI；L3為智能體，指不僅能思考，還可以采取行動的AI系統(tǒng)；L4為創(chuàng)新者，能夠協(xié)助發(fā)明創(chuàng)造的AI；L5為組織者，可以完成組織工作的AI。
OpenAI認為其AI模型正處于L1，但很快就會達到L2（推理者）。而根據(jù)該公司前研究員預測，L5級AGI最快將在2027年實現(xiàn)。
王松預計，要等到L3，也就是智能體階段落地后，才能談真正的AI耳機。目前包括未來智能在內(nèi)，所有耳機廠商的探索都還處于非常原始的雛形階段。
“真正的智能耳機有一個重要的先決條件，它必須是一個可獨立聯(lián)網(wǎng)、獨立運算的設備，即便脫離了手機也能夠使用。”王松指出，有了這兩項能力，耳機就能不依賴屏幕，獨立執(zhí)行一些操作，例如叫外賣、打車，打電話、聽音樂等等，大約可以占日常手機操作的10%。
即便如此，也需要技術的突破。相比其它硬件設備，耳機的體積偏小，這就限制了芯片和電池的體積，進而限制了算力與續(xù)航。事實上，這也是當前所有可穿戴設備面臨的挑戰(zhàn)。最典型的例子是，算力強大如Vision Pro也仍離不開外掛電池。
軟件同樣需要革新。手機和PC的交互遵循菜單層級結構，但耳機無法遵循這套交互邏輯，因為它無法像手機那樣，一層一層地去用語音打開新的菜單。它需要把所有的功能平鋪開來，通過語音一步直達，這則需要軟件的改造和產(chǎn)品設計的更新。
未來智能在耳機獨立運算層面進行了一些探索。例如，iFLYBUDS主打的錄音功能可以做到單獨運行，而不依賴手機。但想要實現(xiàn)更復雜的功能并不容易。
一個行業(yè)共識是，在電池和芯片出現(xiàn)突破性進展之前，手機仍然會是最重要的計算平臺。但手機也有無法實現(xiàn)的功能，這是留給AI硬件的機會。
據(jù)王松透露，公司內(nèi)部在做一些研究，例如能夠?qū)崟r偵測周圍環(huán)境的功能，包括處于什么地方、周圍有哪些人。如果用手機只能通過舉起攝像頭來實現(xiàn)，但這很怪異的，也無法每時每刻都舉著攝像頭。但一副耳機或者眼鏡，就能夠利用傳感器來監(jiān)測。
未來智能內(nèi)部有許多類似的探索，但由于目前大模型能力有限，很難做到100%的準確率，也無法把類似功能快速推上線。他們擔心當有偏差或幻覺時，會對用戶造成非常大的影響。倘若大模型的能力達到某種閾值，則可以馬上上線類似的功能。
自從蘋果在2016年推動TWS （True Wireless Stereo，真無線）耳機爆發(fā)之后，耳機行業(yè)已經(jīng)許久未現(xiàn)突破性的技術革新。在AIGC行業(yè)苦于尋找落地場景的當下，耳機廠商試圖證明耳機承載的音頻創(chuàng)新是最理想的應用之一。他們正在摸索，等待智能硬件迎來一場新的爆發(fā)。