AI or 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)……

是的，又一款冠以 AI 头衔的耳机。

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。

小米 Buds5 Pro Wi-Fi 版能达到 2.1 甚至 4.2 Mbps 的传输速率；

55dB 的降噪深度，AirPods Pro 2 官方未公布具体数值，发烧友测试在 40-44dB 左右，Bose “王牌产品” QC Ultra Earbuds 最深度也是 46dB 左右；

频响范围在 15-50kHz，然而正常人耳能听见的频响范围是 20-20kHz。

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。

aptX Lossless 官方最大码率为 1200 kbps，而 Wi-Fi 版最高达到4200 kbps，理论上也为后续更新的编码，提供了更大的码率空间。

这似乎跨过了“AI 耳机得先是一个好耳机”的门槛？

暂时，还没有一个能打的

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。

不能只做手机的附庸啊！

那么耳机究竟把 AI 做得怎么样？

纵观大多数产品介绍，AI 耳机如今也就“三大宝”：翻译、速记、唤醒智能助手。

打工人神器加一丨小米产品图

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。

利用这些优势，是可以打磨出在某些垂直场景中比手机更加细致的用户体验的。

比如很多耳机配合连接手机做到，一人戴耳机，一人持手机，同步互译。

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。

比如有的耳机号称支持翻译 62 种语言，还有能识别方言，维吾尔语、藏语之类的。

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。

这个赛博恋爱我必须谈丨iKKO ActiveBuds AI 产品图

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。

真·AI耳机，可不是要把手机塞进耳朵

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。

后排都上 10 寸车机了，主驾还得用你耳机盒导航？丨WISHEE Ai 产品图

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。

那么更加丝滑的语音只能交互应该什么样？

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”。

耳机如何实现这种个性化和智能化？

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。

《Her》

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；

也会在你设置闹铃时，提醒你当天有哪些安排。

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。

作者：糕级冻雾

编辑：沈知涵

封面图来源：《Her》