AIor耳机只能是一道单选题么？

　　前些天，在公司跟同事一起看小米发布会，他们一个个都盯着超跑跃跃欲试，而我（因为经济实力）只能点头微笑，仿佛镇定地表达对新耳机更感兴趣（扶额苦笑.jpg)……

　　官方自夸小米 Buds 5 Pro 为“4000 元以内音质最好 TWS 耳机”，拥有无损音质、深度降噪，以及一些 AI 功能。

　　Buds5 Pro Wi-Fi 版本搭载了骁龙 S7+音频平台，是目前唯一支持 Wi-Fi 功能的蓝牙耳机芯片，但主要还是服务音频传输速率。

　　耳机支持高通 aptX Lossless 编码，该协议支持传输 16bit/44.1kHz 音频，这也是 CD 唱片和主流音乐平台里无损音乐（绝大多数）的规格。

　　其实，TWS 耳机自开始就少不了 AI 算法——处理音质、优化拾音、环境分析、智能降噪等等。

　　但今天我们讨论的 AI， 意味着让耳机去做一些更时髦的任务：给打工人翻译、整理速记、唤醒智能助手。反而TWS 原本的“三要素”——佩戴、音质、降噪成为了AI耳机的短板。大众默认和市场成熟的产品形态和标准，却成为了让产品 AI 化的桎梏。

　　比如字节 Ola Friend、Cleer ARC3、小度G108 等选择了耳挂或者耳夹式。虽然相比入耳式更能成为一个“随身 AI”，少了很多压迫和异物感，能长时间佩戴，但是被动降噪几乎没有，音质也会因为开放式设计，低频泄漏严重。

　　也有AI耳机选择了入耳式的外观形态。比如 iKKO ActiveBuds AI、科大讯飞 Nano+、飞利浦 8 号。降噪上用了主被动降噪结合，有几款官方标注的极限降噪深度能达到 45db，效果还不错——但音质又拿不出手了。

　　iKKO ActiveBuds AI 售价1899，不便宜了，蓝牙解码协议只支持到 AAC、SBC，不支持音质更好的 LDAC、aptX。在定位上，显然不是以音质为导向的耳机。对比市面上很多三四百元左右价位的“普通” TWS 耳机，比如红米 Buds6Pro、飞傲 FW3、Oppo EncoAir4、1MORE S20 等都没有在协议上做妥协。

　　很多 AI 耳机的宣传噱头，也更多在智能、生产力、陪伴等 AI 上，而可以淡化了关于音质、降噪、佩戴、续航、多协议等 TWS 耳机的基本品质——在前瞻性和实用性之间，还没有达到一种良好平衡。

　　你不免会问，这些功能哪个智能手机做不到？为什么还要额外买个 AI 耳机呢？这是个对于 AI 硬件来说一个老生常谈，又从未被很好解答的问题。

　　但耳机在处理语音需求优势巨大，似乎又天然为“语言大模型”而生——佩戴贴近耳朵和嘴巴，语音采集的信号更清晰，说话起止更易判别，麦克风收声时最大避免了环境噪音和语音衰减。

　　比如耳机像一款独立的录音笔一样，独立录制两小时会议。然后同步到手机里，转文字，翻译，会议纪要一下都出来了。

　　再比如，唤醒 AI 助手，随时聊天、练口语，景区讲解。更“赛博”一点的话，带着耳机和 AI 聊骚恋爱，可比举着个手机自然多了。

　　那么，第二个问题来了。Ola Friend 叫出来基于豆包大模型的豆包，小米 Buds 5 Pro 叫出来接入 DeepSeek 的超级小爱，跟我通过 AirPods 唤醒 Siri 有啥差别？

　　AirPods 是在2017年推向市场，大多 iPhone 用户早就无比熟悉问 Siri 天气如何、设置闹铃、甚至让它搜索一堆“锅包肉菜谱”的网页给你......

　　所以目前的 AI 耳机本质上还是一个“唤醒器”，是一个接收 app 音频输出的载体，与 AI 助手对话不是独立在耳机内完成，而是经过“耳机-手机 App-云端-手机 App-耳机”的路径。

　　其智能体现完全依赖模型能力，某款 AI 耳机就曾在直播活动中因为识别不出主播一句“I like 百年孤独”中英文夹杂而卡住。

　　耳机目前还无法成为具备独立联网、独立运算能力的设备，因为人耳体积是限制耳机内置 AI 算力和性能的天花板，其内置的计算能力承载不了哪怕是最小的端测模型。

　　体积上，目前最边缘的 AI 芯片，比如有 13 TOPS 算力的树莓派 AI 模块，物理尺寸都有 22*42 mm，比单只 AirPods Pro 还宽还长，最少1-2W功耗。

　　目前 TWS 耳机功耗都控制在 5-150mW（全功能开启后）范围内，1W功耗别说续航和技术上实现不了，塞进耳朵内无法有效散热，人耳也受不了，这下真“发烧”了（小伙儿～听啥见不得人的呢？咋耳根台子都红了）。

　　所以现阶段，AI 耳机必须需要依靠外部算力，抛开手机的可能性也许是“复古”：比如颈挂式，比如配一个越来越大的耳机盒，用来扩容算力。

　　比如 WISHEE Ai，iKKO Active Buds，把耳机盒做成一个带 sim 卡槽，能打电话，能上网，带屏幕，能下 app 的智能终端。

　　可想而知，将传感器，存储和计算单元，数据传输和网络连接等硬件模组放到一个如此“极致”的体积下，实际上算力应该非常有限，AI 助手估计经常卡顿，聊着聊着，AI 就消失了。

　　你们还记不记得，之前有一个引起了很多讨论的硬件，叫 Friend AI——大体上是一个项链的形态，内置了麦克风，长续航电池，收集用户周围的声音信息，并通过连接手机与用户对话。

　　Friend AI 的宣传片里，一名女生边吃饭边在手机上看剧，Emily（女生给其 Friend AI 起的名字）听到电视里的声音，给女生手机发消息说，“这部剧被低估了，太精彩了。”女生不小心把食物掉到其上面，又收到了一句，“味道还不错。”

　　这是很多 AI 硬件找到的成立理由，手机积累了大量数据但仍有限，能收集到比手机更多数据、更多维度数据，才能打造随身的“Personal AI”。

　　就像智能手表/手环，耳机也可以依靠捕捉到的佩戴者体征信息和环境声音后，提供“听力健康”类似的功能。

　　比如 AI 分析我的语气，检测我的情绪，然后自动推荐适合的音乐，白噪音来缓解压力，提升注意力，改善我当下的情绪。

　　耳机是语音交互最为直接的入口。对人来说，用语音交互非常自然，但对机器处理任务来说，并不高效。

　　区别于我们早已习惯的屏幕交互，语音对话是线性的（想想你做 ppt 汇报，和只有语音的电话会汇报，这两个场景的区别）。耳机应该成为更多环节复杂，但步骤明确，容错率高的语音场景的入口，一个随叫随到，交互摩擦尽可能少的 AI 助理。

　　比如当你再问耳机里的智能助手“锅包肉咋做”，它会考虑到你刚健完身，推荐一个低卡版给你，甚至从电商平台上比好了价，整理好了购物清单给你；

　　如果能与其他随身设备配合，比如根据手表在记录的运动类型，自动在跑步时放快歌，在游泳时播播客；

　　这也是大家仍执着于要 AI 耳机（或其他 AI 硬件）的原因——随身的 AI 不应该被困在某个 app 当中，而即将到来的通用 agent，也许并不再会是软件应用，而恰恰是一款硬件，比如耳机。