文｜金雅

在科幻电影设想的未来中，拥有超能力的AI Agent常藏身于耳机。

《钢铁侠》里，AI助理贾维斯为史塔克掌管一切，大到机甲研发，小至生活琐事；《Her》中，西奥多对着耳机里的萨曼莎交谈，那道温柔声线为他疗愈孤独；《流浪地球》里，来自不同国籍的战士，则靠着耳机同传并肩作战。

这些画面，马啸看过无数遍。“从小就特别喜欢，觉得这个事儿太酷了，如果能把它们做出来该多好。”

多年以后，当马啸坐在未来智能的办公室里，他发现自己在做的，是将科幻电影里的场景慢慢搬进现实。只不过，贾维斯是漫威宇宙的天才之作，而他的AI耳机，是一步步从坑里爬出来，一点点被用户骂出来的。

马啸是未来智能的创始人兼CEO。他带领团队打造的viaim讯飞AI会议耳机，能录音转文字、实时翻译、自动生成摘要总结，甚至成为用户的语音嘴替。这些定价千元级的“办公神器”，在各大电商平台稳坐AI耳机销量榜首，累计出货量突破150万台。

近日，未来智能宣布完成亿元级A 轮融资，传音集团参与该轮投资，双方将围绕下一代AI Agent硬件展开全方位合作。过去三年，这家公司的营收持续翻倍增长，2024年实现盈利，2025年融资三轮，A轮由蚂蚁集团领投。

在大模型激战正酣、“龙虾”爆火全球的2026年，AI硬件项目炙手可热，但在马啸投身创业的那个节点，远不见这般好光景。

时间拨回2021年底。彼时，他刚刚从科大讯飞出来独立创业，带着29个人，一头闯入AI耳机的赛道。在此之前，他的履历几乎全部押注在智能助理这件事上。

2008年，马啸在中国移动负责语音增值业务；2010年苹果首发Siri，中国移动联合科大讯飞合作研发中文语音助理“灵犀”，一做就是四年，为了留住这块业务，他甚至从中国移动直接跳槽到了讯飞。

内部创业时期，马啸试水过两款耳机产品，但都失败了。“那个时候就是在坑底打转。”他这样描述。

但有一条数据令他意外欣喜——那款被用户骂“外观像小枕头”“塑料感太强”的初代耳机，虽然销量惨淡，月活竟然超过75%，用户一边痛斥，一边却在频繁使用。直觉告诉他，只要把产品性能做好，破圈指日可待。

他分析当时的耳机行业，手机厂商占据了六到七成份额，向上抢夺传统音频品牌的高端市场，向下吞噬白牌的低端市场。要在这个超级红海里跑出名头，必须找到差异化的心智定位。

一个现象闯入视野：以韶音为代表的运动耳机这些垂直品类，虽然市场不大，但价格坚挺，用户忠诚度高。他由此设想：用户包里是不是可以不止一副耳机？

于是，他将场景收窄到“办公会议”，同时将耳机的基本性能拉到千元级水准，简而言之，“拿掉AI，耳机也得值这个价。”这是他用一路交过的学费换来的经验。

独立创业后，马啸做的第一件事就是去补硬件的课。

这一次，他跑遍产业链TOP10的企业，拿着AI耳机的构想图畅聊，屡遭拒绝，最终打动了一家苹果代工厂。“我跟他讲，AI和硬件结合一定是大趋势，你现在和我一起做这件事，等AI时代真的来了，我们共同趟出来的经验可以复制到更多AI硬件上。”

被这副未来图景打动的果链巨头，决定牵手赌一把。

从金融人士圈层的口碑发酵开始，未来智能的AI耳机逐步破圈。制造业、销售、外贸、大学生、老师、牙医，以及听障人士和科研工作者，都成了它的用户。

回顾这场红海突围之战，我们总结出未来智能崛起的三个关键点，值得AI硬件创业者参考：

马啸从通用AI助理的研发经历中发现，摊子越大越易失败，选择一个用户高频使用的品类，将应用场景聚焦到能立即感知价值的垂直领域，反而有望走出一条大道。

马啸总结出一套“5 X”策略指导产品研发（5指外观、音质、降噪、舒适度、续航，X指多项AI功能），5要素向业内一流品牌看齐，AI功能持续拓宽升级；

马啸不相信技术本身能构成永久的护城河，真正强大的护城河是认知。如果能提前捕捉到“非共识”机会，提前聚焦资源布局，等风口来时，你就站在了那里。

最近这段时间，马啸的日常与“龙虾”相伴。

“我把它当作顾问，而不是工具。”在他看来，AI Agent的天花板非常高，关键在于让它润物细无声地了解你，而耳机这种媒介，能与生活亲密共存，有望成为最懂你的智能助理。

那些科幻电影里的想象——贾维斯的实时响应、萨曼莎的贴身陪伴、MOSS的智能分析，正借由耳机、眼镜、戒指等设备一点一点渗入现实。

而马啸和他的“AI耳朵”，刚刚翻过第一座山。

马啸：我从小就特别喜欢科幻电影里的人机交互，像贾维斯、Her，那时候就觉得这事儿太酷了，要是能做出来该多好。后来有机会在科大讯飞任职，2011年Siri出来了，当时讯飞就在做语音助理，我们觉得机会来了。

马啸：第一个是语义理解，那时候用“小模型”，不是现在的“大语言模型”。同一个说法，不同的倒装排列组合，都要有人去标注，效率非常低。

第二个是商业瓶颈，你用语音说要订票、要打车，看着很酷，但商业生态都在人家自己的系统里，阿里、京东、滴滴，每个平台都有闭环，你想对接，人家最大的顾虑是用户数据和交易数据不能开放，闭环就破了。我们当时谈得很费劲，最后人家就给你一个H5，没法给用户带来真正的价值。这个问题到现在也没完全解决。

第三点，现在的大模型给用户的是一个对话界面，底下有海量冰山。会用AI和不会用的人，效率差可能成千上万倍。这些瓶颈一直在阻碍语音助理真正落地。

马啸：后来我们就聚焦做4个技能，比如在车里，打电话、导航、点播、车辆设置。虽然那时的语音交互体验一般，但这是AI杀出来的几个垂直赛道之一。

再比如智能客服、电视遥控器，我们都试过。这些在商业上成功了，但问题是，你做的东西都是给别人提供技术，你不是品牌，没有用户沉淀，AI没法在你手里迭代。

马啸：我看到“互联网女皇”Mary Meeker谈论的一个趋势，未来交互除了在手机上，还会在三个场景大量应用：车上、路上、家里。车上和家里都是巨头的事儿，车里的智能交互已经很好，家里也有小米、天猫精灵。那什么东西是在走在路上的时候用的呢？我们就想到了耳机。

马啸：普通耳机是被动的，你给信号它就响；AI耳机是主动的，它听懂你在说什么，感知环境甚至预判需求。录音笔只能线下录，我们线上线下都能录，还能转写、翻译、摘要。

我们不是工具逻辑，是触点逻辑。录完不是结束，AI会帮你纵向总结、主动提醒。比如你录了100个通话，你问AI：“这10个硬件创始人的共同点是什么？”它自己总结。

马啸：手机厂商的耳机能占到六到七成份额，比如苹果、华为、小米，它们往上抢了传统音频品牌（森海、Bose、索尼）的高端市场，逼得那些品牌卖到2000元以上；往下抢了白牌市场，原来华强北耳机很火，现在小米和OPPO都做500元以下的，白牌就不香了。

但中间有一个垂直定位的市场很稳定，比如韶音的运动耳机，越卖越贵，还有睡眠耳机，市场小但价格坚挺。用户包里可以放不止一副耳机，运动时用韶音，办公时用我们的。

所以我们定位“会议耳机”，主打沟通场景，所有耳机都在讲音质，但没人讲打电话这件事，这是认知洼地。

马啸：思路一直变化，2022年之前，我们觉得耳机是工具，我们的产品功能类似于线上录音笔，2023年大模型一出来，我发现一直想做的录音记录、总结摘要、待办这些都能做了。

过去这些功能难度太高，现在底层变成大模型了，大脑能力一下子提升。很多用户的使用时间特别长，事无巨细全都录，但经常不再回看，有了AI后，你只需要问AI就把精华部分提取出来，他们不是把耳机当做工具，而是把它当做“大脑的外挂”，底层逻辑又变了，变成让AI多听、多看。

我们发现这条路虽然由窄门打开，但里面的路非常宽。

马啸：我们发现，当硬件能力提高（电池续航、佩戴舒适度等），当内容足够多，AI在后台待得足够久，它可以成为一个“触发器”。比如咱们聊着天，AI可能已经把某个话题理解了，回头你可以告诉它，把这段形成个调研报告，或者去核实某个信息。

当耳机一天16个小时都在你耳朵上时，它就不再是录音工具，而是一对“耳朵”，而AI不只是助手，我更倾向于把它描述为“顾问”，因为顾问高于你，训练了大量数据，能给你更专业的建议，这事会越来越有意思。

马啸：不是有信心，而是我看到了用户数据。2020年，我们在讯飞做的那款耳机，卖得不多，但月活特别高，超过75%。用户一边骂我们耳机外观差、有塑料感，一边还在用，反差特别大。这说明只要把产品做好，一定能产生破圈效应。

第一代耳机产品

我们自己创业后，2022年5月出的第一款产品，把硬件从头到尾好好做了一遍，找到最好的供应链，又把线下录音的功能加进去，线上、线下打通。

马啸：产品逻辑上，耳机最核心的功能点就是音质、外观、续航、降噪、舒适度，这是我们总结的“5 X”里的5，普通耳机都要做好，再加上X项AI功能。

我们定位“会议耳机”，把硬件品质提升，卡在1500元价位，这个定位就出来了。以前我们产品被骂得最狠的是外观和佩戴体验。后来我们改了，耳机盒越来越圆润，塞口袋不突兀。佩戴舒适度也提升了，挂耳、耳夹式的能戴一天不难受，用户黏性特别高。

马啸：2018年、2019年做第一代耳机，双耳连接专利没绕开，芯片不成熟，连接不稳定。后来我们用了国产芯片，算力要求高，芯片就贵，所以卖千元级。麦克风方面，全球最好的是楼氏（Knowles），但我们不一定用最贵的，因为AI听和人不一样，不需要收所有人耳能听到的频段，可以只收特定频段（比如男声、女声），这样能省电。这是我们的认知优势。

马啸：当时我们找的是一个关键事业部的负责人，他们公司也要布局未来两到三年的趋势。我跟他讲，AI和硬件结合一定是大趋势，我们的单量小，但做硬件的方法不同，会放不一样的元器件，做不一样的算法。我们一起趟出经验来，等真正的AI时代到了，这些经验可以复制给其他AI硬件，但得给我们优先权。大家一拍即合。

马啸：喜忧参半。好的是，大家关注我们了，我们有选择了。不好的是，资本一旦关注，赛道就会变得拥挤，最怕鱼龙混杂，劣币驱逐良币。现在就有很多200多块钱的耳机，打着AI翻译的旗号，用流量的逻辑去赌用户退货，这把我们经营好的用户心智给分流了。

最好的环境是“非共识”，大量共识之下，反而不利于业务跑出来。AI硬件现在已经是共识了，那我们得去找下一个非共识，也就是AI硬件具体该怎么做。

未来智能公司团队

马啸：我们一开始不敢投大众广告，就锁定金融用户，分析他们看什么杂志、用什么APP，把子弹“射程”聚焦到足够窄，转化率就很高。

我们送了几十个耳机给金融大佬，耳机上刻着凯撒的拉丁文名言“我来，我见，我征服”，很多人用了以后觉得开会太好用了，就推荐给大家，口碑就这样慢慢起来了。

马啸：分好几类。大标签还是白领用户，其次是教育类，很多学生和老师用来备课、记录。再后来，我发现制造业的用户比例已经超过金融业用户了。高精尖制造业、外贸企业跟老外开会，需要记录和翻译，还有销售、保险、公务员等等。

马啸：听障人士。他们很怕外卖员打电话，用我们的耳机，电话打来能转成文字，他打字AI替他说话，就能交互了。另外还有科研工作者，大量听国外播客、获取信息，虽然小众，但给我们的产品迭代提供了很多建议，像中科大的老师，把我们的产品嵌入到工作流里了。

马啸：我们做了一个小产品叫Kit 2，像个U盘一样，可以插在电脑USB口上，收声特别远，翻译、记录都很方便，价格是三百来块，学生用这款多一点。

定价在千元级，一方面是因为有技术门槛，在芯片上做了大量开发，这需要算力，芯片成本就高，卖千元是顺势而为；另一方面，从定位策略上看，从上往下覆盖更容易，我们的客群是追求品质的用户。随着芯片算力提升，未来低端芯片也能承接这些功能，那我们可以推更多价格带的产品。

马啸：技术原理不难，难的是Know-How。做硬件有点像接力，从第一个碗到第五个碗，每一步不精细，水就漏完了。这个过程是工程问题，需要深耕细作，这是局部护城河。

但真正大的护城河是认知。以终为始地看，未来三年AI硬件会变成什么样？如果你能预判，在合适的时间点聚焦资源，等风口来时，你就是那只猪。如果乱试，风口来了，你却不在那个位置上，你就输了。所以，对未来的判断准确并能够提前布局，才是核心。

马啸：我预测的未来是“AI听”和“AI看”。过去，麦克风和摄像头都是设计给人用的，所以追求高清、防抖。如果这些设备是给AI用的呢？AI不需要连续画面，几个片段加环境感知就够了。这会导致元器件设计、底层逻辑都变了。

我认为未来会出现岔路，一部分硬件给人用，一部分给AI用，还有一部分两者兼顾。我们的布局就是做给AI听、AI看的设备，让AI理解世界，触发服务。举个例子，销售打完电话，AI把用户反馈数据自动进到公司CRM系统，还能分析客户顾虑，出解决方案。

马啸：确实有点晚了，但有客观原因。AI产品出海，合规问题特别难。我们花了一年多时间，把数据托管、算法合规、隐私声明这些全都按最严的标准做了一遍。

另外，我们得搭建海外思维的团队，“文化墙”很厚，比如国内爆火的种草视频，你用外国演员演一遍却不会爆。我们不想伪装成外国公司，就定位自己是一个全球化的中国公司，还是用产品跟当地用户沟通。

定价差不多，但海外有单独的收费策略，买硬件送后服务，之后订阅制收费，因为海外模型调用有流量成本。主要市场是北美、日本，今年开始做欧洲、东南亚和中东。

马啸：没有完全一样的对手。我们的产品是在多个板块的交叉点，“三不管”地带。你说它是耳机，我们又多了AI功能；你说是录音设备，我们的形态又不同；你说是AI软件，但我们有硬件入口。这种交叉逻辑是我们的生存空间。

其实海外火的产品，80%-90%都是中国公司做的。我最近看到一款轻量化眼镜，只保留了一个摄像头，把其他功能全砍了，做到极致，30克。我觉得这种做减法的思路很好。

马啸：我们会在合适时机发布新品。有一个关键点：我们要做接地气的产品。现在市面上有很多新奇的AI硬件，对我们有很多启发，但我们不敢做太新的东西。因为我心目中真正有用的AI，是用户买到以后立刻马上可用，认知门槛要低一点。

新形态产品，用户需要先接受这个新形态，再去挖掘功能，这两件事都是成本。而我们的做法是从耳机开始，你反正需要一副耳机，再多个AI功能你要不要？这样我们的漏斗就是一层，而别人是两层。

比如我们下半年会做音箱。你可能觉得音箱有什么好做的？都被大厂做烂了，音箱大战都过去多少年了。但我觉得，有了AI听和AI看的逻辑，这些硬件完全可以重做一遍，它们存在的基础已经被颠覆了。

马啸：对，你总结得很好。不需要做基础品类教育的、加上AI功能的硬件，而且一定要有听和看的逻辑。

马啸：说白了都是经验。你要看市场真实数据，这个场景存不存在？你的功能打不打得动他？

需求大于一切，不能凭空讲故事。

我们做新品一般都会找核心用户调研，这是最坚持的基础。另外看供应链趋势，能不能支撑我们做成这件事。太早了，供应链做不出来或量产不了；太晚了，又赶不上。用户端、供应链侧、市场情况都要评估。有些产品不一定要量非常大，但用户体验要足够好。

马啸：硬件创业有四座大山：供应链、产品、销售渠道、品牌，一开始全压上来，成功率很低。我们先借助讯飞的渠道解决了一部分挑战，但现在线上渠道包括抖音等平台，基本都是我们自己建了。目前线上、线下销售额的占比是64%、36%。

马啸：感受很深。龙虾火了，我周围有两拨人，一拨人把它变成数字员工，开发了很多技能；另一拨人装完后不知道该干什么，用得非常浅。这两拨人极速分化，差距可能是100倍。

我在工作里高频使用龙虾，把它当成顾问，而不是员工。比如我遇到问题，尽可能把所有信息告诉它，让它给我建议，效果特别好。我觉得AI的天花板非常高，关键是让它更了解你。

马啸：在软件领域，一人公司一定是成立的，一个会用AI的人能抵一个50人公司。但硬件不一样，它涉及大量的社会分工，从量产、开模到供应链谈判等，这些AI替代不了。

在我看来，一人公司会在特定的小领域跑出来，但在需要各种社会角色协同的领域，还不行。不过不可否认，AI正在改变公司的结构，从金字塔式的上传下达，变成方尖碑式的，像一位专家去操控一群AI来完成工作。