前些天，在公司跟同事一起看小米釋出會，他們一個個都盯著超跑躍躍欲試，而我（因為經濟實力）只能點頭微笑，彷彿鎮定地表達對新耳機更感興趣（扶額苦笑.jpg)……
是的，又一款冠以 AI 頭銜的耳機。
官方自誇小米 Buds 5 Pro 為“4000 元以內音質最好 TWS 耳機”，擁有無損音質、深度降噪，以及一些 AI 功能。
小米 Buds5 Pro Wi-Fi 版能達到 2.1 甚至 4.2 Mbps 的傳輸速率；
55dB 的降噪深度，AirPods Pro 2 官方未公佈具體數值，發燒友測試在 40-44dB 左右，Bose “王牌產品” QC Ultra Earbuds 最深度也是 46dB 左右；
頻響範圍在 15-50kHz，然而正常人耳能聽見的頻響範圍是 20-20kHz。
Buds5 Pro Wi-Fi 版本搭載了驍龍 S7+音訊平臺，是目前唯一支援 Wi-Fi 功能的藍牙耳機晶片，但主要還是服務音訊傳輸速率。
耳機支援高通 aptX Lossless 編碼，該協議支援傳輸 16bit/44.1kHz 音訊，這也是 CD 唱片和主流音樂平臺裡無損音樂（絕大多數）的規格。
aptX Lossless 官方最大位元速率為 1200 kbps，而 Wi-Fi 版最高達到4200 kbps，理論上也為後續更新的編碼，提供了更大的位元速率空間。
這似乎跨過了“AI 耳機得先是一個好耳機”的門檻？
暫時，還沒有一個能打的
其實，TWS 耳機自開始就少不了 AI 演算法——處理音質、最佳化拾音、環境分析、智慧降噪等等。
但今天我們討論的 AI， 意味著讓耳機去做一些更時髦的任務：給打工人翻譯、整理速記、喚醒智慧助手。反而TWS 原本的“三要素”——佩戴、音質、降噪成為了AI耳機的短板。大眾預設和市場成熟的產品形態和標準，卻成為了讓產品 AI 化的桎梏。
比如位元組 Ola Friend、Cleer ARC3、小度G108 等選擇了耳掛或者耳夾式。雖然相比入耳式更能成為一個“隨身 AI”，少了很多壓迫和異物感，能長時間佩戴，但是被動降噪幾乎沒有，音質也會因為開放式設計，低頻洩漏嚴重。
也有AI耳機選擇了入耳式的外觀形態。比如 iKKO ActiveBuds AI、科大訊飛 Nano+、飛利浦 8 號。降噪上用了主被動降噪結合，有幾款官方標註的極限降噪深度能達到 45db，效果還不錯——但音質又拿不出手了。
iKKO ActiveBuds AI 售價1899，不便宜了，藍牙解碼協議只支援到 AAC、SBC，不支援音質更好的 LDAC、aptX。在定位上，顯然不是以音質為導向的耳機。對比市面上很多三四百元左右價位的“普通” TWS 耳機，比如紅米 Buds6Pro、飛傲 FW3、Oppo EncoAir4、1MORE S20 等都沒有在協議上做妥協。
很多 AI 耳機的宣傳噱頭，也更多在智慧、生產力、陪伴等 AI 上，而可以淡化了關於音質、降噪、佩戴、續航、多協議等 TWS 耳機的基本品質——在前瞻性和實用性之間，還沒有達到一種良好平衡。
不能只做手機的附庸啊！
那麼耳機究竟把 AI 做得怎麼樣？
縱觀大多數產品介紹，AI 耳機如今也就“三大寶”：翻譯、速記、喚醒智慧助手。
打工人神器加一丨小米產品圖
你不免會問，這些功能哪個智慧手機做不到？為什麼還要額外買個 AI 耳機呢？這是個對於 AI 硬體來說一個老生常談，又從未被很好解答的問題。
但耳機在處理語音需求優勢巨大，似乎又天然為“語言大模型”而生——佩戴貼近耳朵和嘴巴，語音採集的訊號更清晰，說話起止更易判別，麥克風收聲時最大避免了環境噪音和語音衰減。
利用這些優勢，是可以打磨出在某些垂直場景中比手機更加細緻的使用者體驗的。
比如很多耳機配合連線手機做到，一人戴耳機，一人持手機，同步互譯。
比如耳機像一款獨立的錄音筆一樣，獨立錄製兩小時會議。然後同步到手機裡，轉文字，翻譯，會議紀要一下都出來了。
比如有的耳機號稱支援翻譯 62 種語言，還有能識別方言，維吾爾語、藏語之類的。
再比如，喚醒 AI 助手，隨時聊天、練口語，景區講解。更“賽博”一點的話，帶著耳機和 AI 聊騷戀愛，可比舉著個手機自然多了。
這個賽博戀愛我必須談丨iKKO ActiveBuds AI 產品圖
那麼，第二個問題來了。Ola Friend 叫出來基於豆包大模型的豆包，小米 Buds 5 Pro 叫出來接入 DeepSeek 的超級小愛，跟我透過 AirPods 喚醒 Siri 有啥差別？
AirPods 是在2017年推向市場，大多 iPhone 使用者早就無比熟悉問 Siri 天氣如何、設定鬧鈴、甚至讓它搜尋一堆“鍋包肉菜譜”的網頁給你……
所以目前的 AI 耳機本質上還是一個“喚醒器”，是一個接收 app 音訊輸出的載體，與 AI 助手對話不是獨立在耳機內完成，而是經過“耳機-手機 App-雲端-手機 App-耳機”的路徑。
其智慧體現完全依賴模型能力，某款 AI 耳機就曾在直播活動中因為識別不出主播一句“I like 百年孤獨”中英文夾雜而卡住。
真·AI耳機，可不是要把手機塞進耳朵
耳機目前還無法成為具備獨立聯網、獨立運算能力的裝置，因為人耳體積是限制耳機內建 AI 算力和效能的天花板，其內建的計算能力承載不了哪怕是最小的端測模型。
體積上，目前最邊緣的 AI 晶片，比如有 13 TOPS 算力的樹莓派 AI 模組，物理尺寸都有 22*42 mm，比單隻 AirPods Pro 還寬還長，最少1-2W功耗。
目前 TWS 耳機功耗都控制在 5-150mW（全功能開啟後）範圍內，1W功耗別說續航和技術上實現不了，塞進耳朵內無法有效散熱，人耳也受不了，這下真“發燒”了（小夥兒～聽啥見不得人的呢？咋耳根臺子都紅了）。
所以現階段，AI 耳機必須需要依靠外部算力，拋開手機的可能性也許是“復古”：比如頸掛式，比如配一個越來越大的耳機盒，用來擴容算力。
比如 WISHEE Ai，iKKO Active Buds，把耳機盒做成一個帶 sim 卡槽，能打電話，能上網，帶螢幕，能下 app 的智慧終端。
後排都上 10 寸車機了，主駕還得用你耳機盒導航？丨WISHEE Ai 產品圖
可想而知，將感測器，儲存和計算單元，資料傳輸和網路連線等硬體模組放到一個如此“極致”的體積下，實際上算力應該非常有限，AI 助手估計經常卡頓，聊著聊著，AI 就消失了。
那麼更加絲滑的語音只能互動應該什麼樣？
你們還記不記得，之前有一個引起了很多討論的硬體，叫 Friend AI——大體上是一個項鍊的形態，內建了麥克風，長續航電池，收集使用者周圍的聲音資訊，並透過連線手機與使用者對話。
Friend AI 的宣傳片裡，一名女生邊吃飯邊在手機上看劇，Emily（女生給其 Friend AI 起的名字）聽到電視裡的聲音，給女生手機發訊息說，“這部劇被低估了，太精彩了。”女生不小心把食物掉到其上面，又收到了一句，“味道還不錯。”
這是很多 AI 硬體找到的成立理由，手機積累了大量資料但仍有限，能收集到比手機更多資料、更多維度資料，才能打造隨身的“Personal AI”。
耳機如何實現這種個性化和智慧化？
就像智慧手錶/手環，耳機也可以依靠捕捉到的佩戴者體徵資訊和環境聲音後，提供“聽力健康”類似的功能。
比如 AI 分析我的語氣，檢測我的情緒，然後自動推薦適合的音樂，白噪音來緩解壓力，提升注意力，改善我當下的情緒。
耳機是語音互動最為直接的入口。對人來說，用語音互動非常自然，但對機器處理任務來說，並不高效。
區別於我們早已習慣的螢幕互動，語音對話是線性的（想想你做 ppt 彙報，和只有語音的電話會彙報，這兩個場景的區別）。耳機應該成為更多環節複雜，但步驟明確，容錯率高的語音場景的入口，一個隨叫隨到，互動摩擦儘可能少的 AI 助理。
《Her》
比如當你再問耳機裡的智慧助手“鍋包肉咋做”，它會考慮到你剛健完身，推薦一個低卡版給你，甚至從電商平臺上比好了價，整理好了購物清單給你；
如果能與其他隨身裝置配合，比如根據手錶在記錄的運動型別，自動在跑步時放快歌，在游泳時播播客；
也會在你設定鬧鈴時，提醒你當天有哪些安排。
這也是大家仍執著於要 AI 耳機（或其他 AI 硬體）的原因——隨身的 AI 不應該被困在某個 app 當中，而即將到來的通用 agent，也許並不再會是軟體應用，而恰恰是一款硬體，比如耳機。
作者：糕級凍霧
編輯：沈知涵
封面圖來源：《Her》
本文來自果殼，未經授權不得轉載.
如有需要請聯絡[email protected]