Personal Agent热潮下，硬件创新引领新趋势

AI智能眼镜、无线耳机以及专业录音设备，正逐步成为Personal Agent从虚拟世界迈向现实生活的关键入口。

10月13日，阿里巴巴旗下千问平台正式推出AI智能眼镜与AI耳夹式耳机，旨在通过统一的Personal Agent实现跨设备用户意图理解与任务连续性。与此同时，硬件制造商也在积极探索，如何利用耳机和录音设备将现实对话转化为可供Agent深度分析的上下文信息。

在智能手机已具备录音、环境感知及AI处理能力的当下，用户为何还需额外购置专用硬件设备？

独立硬件的核心优势在于其快速响应能力。在追求效率的场景中，解锁手机、打开应用、启动录音的繁琐流程不仅耗时，而且在会议中查看手机录音状态也易分散注意力。相比之下，轻触录音卡按键、观察指示灯亮起，操作更为简便直接，显著提升了用户体验。

硬件销量是衡量用户购买意愿的直接指标，而用户黏性则需通过订阅转化率、持续使用频率及续费情况来综合评估。

尽管模型推理与任务执行能力可依托外部平台，但硬件制造商同样能够参与到上下文管理的过程中。

千问通过整合模型、应用与硬件，韶音借助外部AI能力提供服务，未来智能旗下品牌viaim尝试通过自有Personal Agent调度其他Agent，亚马逊旗下Bee则接入现有助手与购物服务，各企业正积极探寻自身在市场中的定位。

硬件作为Personal Agent感知现实世界的“感官”，围绕这些信息的长期管理、任务调度与服务收费，各厂商间的竞争已悄然展开。

耳边、眼前，同一Agent的全方位服务

一场硬件发布会，因一个Personal Agent而紧密相连。

10月13日，阿里巴巴旗下千问发布AI眼镜N1、N1 Pro及AI耳夹式耳机，三款产品同步现货发售。叠加国家补贴与限时优惠后，眼镜起售价为2218元，耳机首销价则为1099元。

阿里巴巴集团千问事业部副总裁宋刚在发布会上强调：

“千问致力于成为每个人的Personal Agent，我们认为AI穿戴设备是千问在物理世界的延伸，也是Personal Agent不可或缺的一部分。无论用户从何处发起需求，背后都是同一个千问，理解同一个人，延续同一个目标。”

在此次发布会之前，阿里已围绕千问布局AI应用、集团内部服务及硬件终端。

眼镜、耳机与录音卡分别针对视觉感知、随身语音交互及办公记录等场景。千问开放平台的“技能广场”开始引入第三方服务，使用户的语音指令能够调用更多功能。

8月，韶音推出OpenFit 2 AI耳机；9月，Meta在Connect大会上宣布将个人智能体Muse引入AI眼镜产品线，预计数月内落地。

两年前，Humane AI Pin、Rabbit R1等AI原生产品虽已讲述过类似故事，但产品体验未能达到预期，宣传片中的新鲜感未能转化为实际使用中的满意度。新一轮AI硬件不再追求替代手机，而是更加注重承担感知与交互任务。

单一硬件覆盖用户全部生活场景，未必是最优选择。

耳机、眼镜与录音设备等硬件体积有限，需贴身佩戴或随身携带。若拼功能集成与硬件配置，难以与智能手机相抗衡。

关键在于找到各自的生态位，相互协同，分别覆盖不同使用场景与用户需求，最终服务于完整的Agent工作流。

对于接入同一Agent的多款硬件，性能与参数仍至关重要，是用户长期体验的一部分。在此基础上，硬件还需持续获取对Agent有用的场景信息。

听清只是基础

Agent要利用现实对话完成后续任务，首先需获取清晰、完整的录音。若初始录音不完整，后续模型难以准确还原缺失内容。

Agent处理过程中所需的上下文不仅限于文本内容。历史录音、转写、文档、人物关系、项目背景及未完成任务，均可能是完成下一任务所需的上下文。

声学技术公司Soundskrit中国区总监严更真向徽声在线解释，不同形态的AI硬件对麦克风与声音处理算法有不同要求。

眼镜需优先提取佩戴者声音，并在嘈杂环境中去除周边噪声；若用于面对面翻译，则需清晰捕捉交流对象讲话。录音卡则更注重远距离拾音、复杂会议室环境及区分不同说话人。

当徽声在线问及新增声学需求主要来自哪类公司时，严更真回答：

“两类公司均有涉及。一些传统音频硬件公司考虑新增声学与AI结合的应用形态，如缩小麦克风阵列尺寸，同时降低噪声环境下文字转录误码率；

另一些AI背景公司则考虑围绕大模型落地重新定义应用场景，采用新的声学技术与应用。”

拾音设备放置位置同样影响上下文质量。

贴在耳边的耳机离佩戴者更近，在嘈杂公共场景中更易优先保证清晰收录用户声音。但在办公室会议中，大家通常将录音卡放在桌面上，以确保每个人声音都能被录入。

有产品尝试让耳机与充电盒均具备录音功能。未来智能创始人马啸介绍，9月在柏林IFA发布的AI智能体耳机viaim Rise，将线上录音、面对面录音、音视频录音等多种模式整合为一个录音键。

充电盒上的按键在手机应用关闭后仍可启动录音，录音功能不完全依赖于耳机佩戴状态与手机应用。

“这个盒子也花费了我们不少精力，可能一开始有很多反对意见，但我们还是坚持将其推进下去，因为Agent的硬件肯定需要一些创新元素。”

马啸并不认为这一轮Personal Agent热潮带来了硬件技术的本质变革。在他看来，变化的是人们看待硬件的视角。

Agent将设备与上下文紧密联系起来，使一次录音成为后续任务的起点。马啸认为，当Agent能够推动会议事项形成闭环时，硬件的使用场景与商业价值也将随之改变。

声音收录后，还需经过信号处理与模型解析，才能成为Agent可调用的信息。具体到端侧与云端如何分工，各产品并不相同。

千问办公录音卡QwenNote A2内置4G物联网卡，可不依赖手机将声音传输至云端进行实时转写与纪要处理，原始音频在转写完成后删除，仅保留文字与纪要。

viaim则注重将多条录音、文档与历史讨论组织进同一项目，供Agent在后续任务中调用。设备端主要承担拾音、降噪与传输等任务，网络信号不佳时会先在本地缓存录音，待恢复连接后上传。

当前上传云端处理的是原始音频，转写及后续Agent分析主要在云端完成，用户可导出原始音频与转写文本。

从倾听到记忆

录音、转写、上下文管理与后续Agent服务，可由不同公司提供。

以韶音OpenFit 2 AI耳机为例，韶音掌握硬件与用户交互入口，录音转写与纪要生成交给千问，光帆则为相对独立的“AI实验室”功能提供支持。

韶音方面回复徽声在线，用户按下录音键后，音频先存储在耳机内置芯片中，左右耳各支持4小时录音；录音结束并连接手机后，音频自动上传至Shokz App，再由韶音服务端调用千问大模型进行转写与纪要生成。

9月云栖大会上，韶音携手光帆科技在OpenFit 2 AI上推出了“AI实验室”。

据韶音回复，光帆为Shokz App中AI实验室的智能对话、日程待办、随口记与消息助手等功能提供技术支持，录音纪要服务与AI实验室服务相互独立，数据不交叉。

韶音还表示，韶音信息安全管理系统已通过网络安全等级保护三级与SOC 2 Type 1认证，并对录音、转写到文件归档的过程采取加密措施。

千问走的是整合式路径，推出眼镜、耳机与录音卡，同时经营应用、模型能力与第三方技能生态，将多个入口纳入同一套服务体系。若同一个千问能够理解用户、调取历史上下文并连接阿里服务，则阿里将有机会从入口一直经营到任务执行与服务消费。

这条路线的商业价值在于闭环，挑战在于用户未必愿意将日常任务全部交给同一生态。

Plaud支持用户选择不同模型。用户可通过ChatGPT、Claude等外部AI工具发起任务，通过MCP等连接方式调用Plaud保存的会议资料。

集成多款外部AI工具给了用户更多自由度，下一步需考虑的是用户留存。在一个可能被替代的生态位上，厂商需提供差异化价值。

viaim希望通过自有Agent承担一部分上下文管理与任务分配。“我们做了一个调动其他Agent的Agent。”未来智能创始人马啸向徽声在线解释。

马啸介绍了viaim与腾讯WorkBuddy合作的两种方式。一种是由主机方调度，自有Personal Agent分析用户积累的信息、识别需求，任务交给WorkBuddy执行。另一种是开放CLI，用户在WorkBuddy里发起任务，通过viaim CLI调取录音记录。

两种模式可使用同一批录音，区别在于任务从哪里发起。

当地时间10月15日，亚马逊旗下Bee发布Bee Frontier手环与磁吸卡片配件Bee Eclipse。

两款硬件可从用户对话及已连接应用中提取信息、生成摘要与待办，付费订阅服务Bee Pro支持第三方应用及Alexa+、Amazon.com集成。

从已公布功能来看，亚马逊正尝试将硬件采集的现实场景信息与AI助手、电商服务连接起来。

同样做硬件，厂商选择了不同的价值链位置。有的经营硬件与用户入口，有的希望掌握上下文与任务分配，也有平台公司尝试把现实信息接入自有服务。至于用户实际调用这些信息的频率与付费意愿，目前公开披露的数据尚不足以充分说明。

订阅制分别售卖什么

上下文处理是一条长链，不同企业分别覆盖这条链上不同的环节。一次具体任务中，各家收取的并非同一层费用。硬件售出只是第一步，长期使用过程中，软件服务与订阅制度是重要收入来源。

目前已推出订阅服务的厂商不少，但具体到收费标准上，各家正在尝试为信息处理量、上下文管理与后续任务服务分别设计付费权益。

近半年来，阿里、科大讯飞、阶跃、腾讯混元、小米等先后发布或升级语音识别模型。

9月千问发布Qwen-Audio-3.1系列时，全线语音模型价格下调，其中语音识别降幅达95%。手机等通用设备可通过软件调用语音识别能力，独立硬件的订阅价值还需体现在上下文管理与Agent服务。

对于经常开会、采访的用户，若每次都需先查看剩余时长再考虑是否录音，额度本身就可能成为使用门槛。但若用户规模扩大后，单位用户带来的收入无法覆盖相应成本，订阅业务的毛利率仍可能承压。

未来智能创始人马啸认为，当前AI主动性有两个瓶颈，一是判断用户需求的准确度，需持续积累用户信息；二是任务的完成度，涉及任务执行与反馈。

用户持续使用硬件及Agent服务，录音数量增多，可用的上下文不一定同比例增加。上下文管理还需将多次交流组织成项目背景、人物关系与历史决策，Agent才能在后续任务中持续调用，优化执行效率与交付结果。

例如，会议结束后，Agent需准确识别负责人与截止时间，将待办同步至用户办公系统。

这样用户再次讨论同一项目时，才能方便地找回上次的任务结果与待办事项。Agent如需向外部人员发送消息，也应在必要环节请求用户确认。

以往硬件产品销售通常是一次性买卖，更新迭代往往意味着再换一台。

Personal Agent讲述长期故事，硬件开始强调“always on”，上下文正在成为资源，但资源本身不会直接沉淀为竞争壁垒，也不能证明做Personal Agent硬件一定是好生意。Agent执行的任务越来越复杂，可能同时带来新的收入与新的成本。

Agent硬件的长期价值，首先取决于产品能力。很少有人愿意花钱雇一个经常失忆、想到哪句说哪句的Agent助理，主动提供服务也需讲究分寸。

产品能力到位后，需考虑用户需求。若用户购买硬件后大多数时间闲置，或新鲜感过去就转手，最终调用Agent功能的频率不高，则硬件承担的主要功能就仍然是采集，而非积累。

商业模式方面，当前订阅套餐的构成各有差异，各厂商对Agent带来的价值有不同考量。订阅业务要持续运转，用户需获得可感知的长期价值，厂商也需用收入覆盖存储、推理与任务执行成本。