硬件廠商開始參與上下文管理
AI眼鏡、耳機和錄音設備正在成為Personal Agent進入現實世界的入口。
10月13日，千問發佈AI眼鏡和AI耳夾式耳機，希望讓同一個Personal Agent通過不同設備理解用戶、延續任務。與此同時，硬體廠商也在嘗試通過耳機和錄音設備，把現實世界中的交流轉化為可供Agent調用的上下文。
手機本身已經具備錄音、感知和AI處理能力，用戶為什麼還需要單獨購買一套硬體？
獨立硬體的特點之一在於啓動快。在效率場景下，解鎖手機、點開App、按下錄音鍵的流程稍長，在會議中按亮手機查看錄音狀態也會分散注意力。相比之下，按一下錄音卡按鍵、看到指示燈亮起，操作更簡單直接，用戶的體驗會輕鬆些。
硬體銷量反映用戶購買意願，用戶黏性要依據訂閱轉化、持續使用和續費情況判斷。
雖然模型推理和任務執行能力可以由外部平台提供，但硬體廠商也可以參與上下文管理。
千問整合模型、App和硬體，韶音藉助外部AI能力提供服務，未來智能旗下品牌viaim嘗試通過自有Personal Agent調度其他Agent，亞馬遜旗下Bee接入已有的助手和購物服務，不同企業正在探索各自的位置。
硬體充當Personal Agent在現實世界吸收上下文的感官，圍繞這些資訊的長期管理、任務調用和服務收費，各廠商的競爭正在展開。
01. 耳邊、眼前，同一個Agent
一個Personal Agent，串起了一場硬體發佈會。
10月13日，阿里巴巴旗下千問發佈AI眼鏡N1、N1 Pro和AI耳夾式耳機，三款產品當天現貨開售。疊加國補及限時優惠後，眼鏡到手價2218元起，耳機首銷價1099元起。
阿里巴巴集團千問事業部副總裁宋剛在發佈會上表示：
「千問的目標是成為每個人的Personal Agent，我們認為AI穿戴是千問在物理世界的延伸，也是Personal Agent的重要組成部分。無論你從那裡發起需求，背後都是同一個千問，理解同一個人，延續同一個目標。」
這場發佈會之前，阿里已圍繞千問佈局AI應用、集團內部服務和硬體終端。
眼鏡、耳機和錄音卡分別面向視覺感知、隨身語音互動和辦公記錄等場景。千問開放平台的「技能廣場」開始引入第三方服務，這樣用戶的語音指令就可以調用更多功能。
8月，韶音推出OpenFit 2 AI耳機；9月，Meta在Connect大會上宣佈把個人智能體Muse引入AI眼鏡產品線，落地時間預計在數月後。
AI原生的故事，兩年前Humane AI Pin、Rabbit R1就講過，但產品體驗沒走那麼遠，宣傳片裡的新鮮感沒能兌現。新一輪AI硬體大多不再講替代手機，耳機、眼鏡和錄音設備要承擔更多感知與互動任務。
一個硬體覆蓋用戶的全部生活場景，未必是最合理的選擇。
耳機、眼鏡和錄音設備等硬體體積有限，需要貼身佩戴或隨身攜帶，如果要拼功能整合和硬體配置，很難拼得過智能手機。
關鍵是如何找到各自的生態位，相互協同，分別覆蓋不同使用場景和用戶需求，最終服務於完整的Agent工作流。
對於接入同一個Agent的多款硬體，性能、參數仍然重要，是用戶長期體驗的一部分。在此前提下，硬體還需要持續獲取對Agent有用的場景資訊。
02. 聽清只是前提
Agent要利用現實對話完成後續任務，首先需要獲得清晰、完整的錄音。如果一開始拿到的錄音不完整，後續模型很難準確還原缺失的內容。
Agent處理過程中需要的上下文不侷限於文字內容。歷史錄音、轉寫、文檔、人物、項目背景和未完成的任務，都可能是完成下一個任務需要的上下文。
聲學技術公司Soundskrit中國區總監嚴更真向全天候科技解釋，不同形態的AI硬體，對麥克風和聲音處理演算法有不同要求。
眼鏡首先需要提取佩戴者自己的聲音，在嘈雜環境中去除周邊噪聲；如果用於面對面翻譯，還需要聽清交流對象的講話。錄音卡則更強調遠距離拾音、複雜會議室環境，以及區分不同說話人。
當全天候科技問及新增的聲學需求主要來自那類公司，嚴更真回答：
“兩個都有吧，有些傳統的做音頻硬體的公司，考慮新增聲學與AI結合的應用形態，比如縮小麥克風陣列的尺寸，同時降低噪聲環境下文字轉錄的誤碼率；
有些AI背景的公司，考慮圍繞大模型落地重新定義應用場景，採用新的聲學技術與應用。”
拾音設備放置的位置同樣會影響上下文。
貼在耳邊的耳機離佩戴者本人更近，在嘈雜的公共場景裡更容易優先保證清晰收錄用戶本人的聲音。但在辦公室裡開會的時候，大家往往把錄音卡放在桌面上，確保每個人的聲音都能錄進去。
有產品嚐試讓耳機和充電盒都能錄音。未來智能創始人馬嘯介紹，9月在柏林IFA發佈的AI智能體耳機viaim Rise，把過去線上錄音、面對面錄音、音視頻錄音等多種模式合併為一個錄音鍵。
充電盒上的按鍵在手機App關閉後也可以啓動錄音，錄音功能不完全依賴於耳機佩戴狀態和手機App。
「這個盒子也花了不少精力，可能一開始有很多的反對意見，但我們還是勇敢地把它往下推下去了，因為Agent的硬體肯定是要有一些新的東西在裡面的。」
馬嘯並不認為這一輪Personal Agent熱潮帶來了硬體技術的本質變化。在他看來，變化的是人們看待硬體的視角。
Agent將設備與上下文聯繫起來，讓一次錄音成為後續任務的起點。馬嘯認為，當Agent能夠推動會議事項形成閉環，硬體的使用場景和商業價值也會隨之改變。
聲音收進來之後，還需要經過相應的信號處理和模型解析，才能成為Agent可調用的資訊。具體到端側和雲端如何分工，各款產品並不相同。
千問辦公錄音卡QwenNote A2內置4G物聯網卡，可以不依賴手機將聲音傳輸到雲端，進行實時轉寫和紀要處理，原始音頻在轉寫完成後刪除，只保留文字和紀要。
viaim看重的是把多條錄音、文檔和歷史討論組織進同一個項目，供Agent在後續任務中調用，設備端主要承擔拾音、降噪和傳輸等任務，網絡信號不佳時會先在本地緩存錄音，待恢復連接後上傳。
當前上傳雲端處理的是原始音頻，轉寫及後續Agent分析主要在雲端完成，用戶可以導出原始音頻和轉寫文字。
03. 從傾聽到記住
錄音、轉寫、上下文管理和後續Agent服務，可以由不同公司提供。
以韶音OpenFit 2 AI耳機為例，韶音掌握硬體和用戶互動入口，錄音轉寫與紀要生成交給千問，光帆為相對獨立的「AI實驗室」功能提供支援。
韶音方面回覆全天候科技，用戶按下錄音鍵後，音頻先記憶體在耳機內置晶片中，左右耳各支援4小時錄音；錄音結束並連接手機後，音頻自動上傳至Shokz App，再由韶音服務端調用千問大模型進行轉寫和紀要生成。
9月雲棲大會上，韶音攜手光帆科技在OpenFit 2 AI上推出了「AI實驗室」。
據韶音回覆，光帆為Shokz App中AI實驗室的智能對話、日程待辦、隨口記和消息助手等功能提供技術支援，錄音紀要服務與AI實驗室服務相互獨立，數據不交叉。
韶音還表示，韶音資訊安全管理系統已通過網絡安全等級保護三級和SOC 2 Type 1認證，並對錄音、轉寫到檔案歸檔的過程採取加密措施。
千問走的是整合式路徑，推出眼鏡、耳機和錄音卡，同時經營App、模型能力和第三方技能生態，將多個入口納入同一套服務體系。如果同一個千問能夠理解用戶、調取歷史上下文並連接阿里服務，那麼阿里將有機會從入口一直經營到任務執行和服務消費。
這條路線的商業價值在於閉環，挑戰在於用戶未必願意把日常任務全部交給同一生態。
Plaud支援用戶選擇不同模型。用戶可以通過ChatGPT、Claude等外部AI工具發起任務，通過MCP等連接方式調用Plaud保存的會議資料。
整合多款外部AI工具給了用戶更多的自由度，下一步要考慮的是用戶留存。在一個可能被替代的生態位上，廠商需要提供差異化的價值。
viaim希望通過自有Agent承擔一部分上下文管理和任務分配。「我們做了一個調動其他Agent的Agent。」未來智能創始人馬嘯向全天候科技解釋。
馬嘯介紹了viaim與騰訊WorkBuddy合作的兩種方式。一種是由主機方調度，自有Personal Agent分析用戶積累的資訊、識別需求，任務交給WorkBuddy執行。另一種是開放CLI，用戶在WorkBuddy裡發起任務，通過viaim CLI調取錄音記錄。
兩種模式可以使用同一批錄音，區別在於任務從那裡發起。
當地時間10月15日，亞馬遜旗下Bee發佈Bee Frontier手環與磁吸卡片配件Bee Eclipse。
兩款硬體可從用戶的對話及已連接應用中提取資訊、生成摘要和待辦，付費訂閱服務Bee Pro支援第三方應用及Alexa+、Amazon.com整合。
從已公佈的功能來看，亞馬遜正在嘗試將硬體採集的現實場景資訊與AI助手、電商服務連接起來。
同樣做硬體，廠商選擇了不同的價值鏈位置。有的經營硬體和用戶入口，有的希望掌握上下文與任務分配，也有平台公司嘗試把現實資訊接入自有服務。至於用戶實際調用這些資訊的頻率和付費意願，目前公開披露的數據還不能充分說明。
04. 訂閱制分別賣什麼
上下文處理是一條長鏈，不同企業分別覆蓋這條鏈上不同的環節。一次具體的任務中，各家收取的並不是同一層費用。硬體賣出去只是第一步，長期使用過程中，軟件服務、訂閱制度是重要的收入來源。
目前已推出訂閱服務的廠商不少，但具體到收費標準上，各家正在嘗試為資訊處理量、上下文管理和後續任務服務分別設計付費權益。
近半年來，阿里、科大訊飛、階躍、騰訊混元、小米等先後發佈或升級語音識別模型。
9月千問發佈Qwen-Audio-3.1系列時，全線語音模型價格下調，其中語音識別降幅達95%。手機等通用設備可以通過軟件調用語音識別能力，獨立硬體的訂閱價值還需要體現在上下文管理和Agent服務。
對於經常開會、採訪的用戶，要是每次都先看一眼剩餘時長，再考慮要不要錄音，額度本身就可能成為使用門檻。但如果用戶規模擴大以後，單位用戶帶來的收入無法覆蓋相應成本，訂閱業務的毛利率仍可能承壓。
未來智能創始人馬嘯認為，當前AI主動性有兩個瓶頸，一是判斷用戶需求的準確度，需要持續積累用戶資訊；二是任務的完成度，涉及任務執行和反饋。
用戶持續使用硬體及Agent服務，錄音數量多了，可用的上下文不一定同比例增加。上下文管理還需要把多次交流組織成項目背景、人物關係和歷史決策，Agent才能在後續任務中持續調用，優化執行效率和交付結果。
例如，會議結束後，Agent需要準確識別負責人和截止時間，將待辦同步到用戶的辦公系統。
這樣用戶再次討論同一個項目時，才能方便地找回上次的任務結果和待辦事項。Agent如需向外部人員發送消息，也應在必要的環節請求用戶確認。
以往硬體產品銷售通常是一次性的買賣，更新迭代很多時候意味著再換一臺。
Personal Agent講長期故事，硬體開始強調「always on」，上下文正在成為資源，但資源本身不會直接沉澱為競爭壁壘，也不能證明做Personal Agent硬體一定是好生意，Agent執行的任務越來越複雜，可能同時帶來新的收入和新的成本。
Agent硬體的長期價值，首先取決於產品能力。很少有人願意花錢僱一個經常失憶、想到那句說那句的Agent助理，主動提供服務也需要講究分寸。
產品能力到位以後，要考慮用戶需求。如果用戶購買硬體後大多數時間都閒置，或者新鮮感過去就轉手，最終調用Agent功能的頻率不高，那麼硬體承擔的主要功能就仍然是採集，而不是積累。
商業模式方面，當前訂閱套餐的構成各有差異，各廠商對Agent帶來的價值有不同考量。訂閱業務要持續運轉，用戶需要獲得可感知的長期價值，廠商也需要用收入覆蓋記憶體、推理和任務執行成本。 (華爾街見聞)