深度对话：小米阿里引爆智能眼镜，AI耳机还是个好赛道吗？

在AI浪潮席卷硬件的当下，小米、阿里、百度等传统科技巨头纷纷押注智能眼镜，而脱胎于科大讯飞的“未来智能”，却选择深耕AI会议耳机赛道。尽管起步坎坷，其第一代iFLYBUDS耳机因基础体验问题遭遇用户批评，但AI会议录音的核心场景价值却被清晰验证。

从“边骂边用”到头部玩家，未来智能完成了艰难的蜕变，团队深刻总结出“5+X”法则。

正是凭借在垂直场景的深度耕耘、对蓝牙底层协议的优化，以及基于“viaim大脑”的硬件重构理念，未来智能在巨头环伺中构筑起差异化的“护城河”，同时也吸引了资本的目光，该公司已完成包括启明创投领投的Pre A+轮在内的多轮融资。

近期，在世界人工智能大会（WAIC 2025）现场，观察者网与未来智能CTO王松进行了深度对话。

这场对话，探讨了未来智能如何从场景出发，以AI+硬件的深度融合，在激烈的竞争中开辟属于自己的航道，并坚定看好AI耳机在未来人机交互中的关键地位。

展望未来五年，王松也给出了鲜明判断：智能眼镜受限于供应链成熟度、人体工学设计以及开放式耳机在噪音场景的固有短板，短期内无法取代具备深度降噪等核心能力的耳机。

以下是对话实录：

观察者网：众所周知，硬件是AI落地的重要载体。今天，我们邀请到了国内AI会议耳机头部企业未来智能的CTO王松，请他与我们共同探讨AI终端的未来发展趋势。

王松：大家好，我来自未来智能。这是我第二次创业，对我而言，这是一次全新开始。我此前的技术背景主要集中在软件领域，这次创业则让我踏入了硬件领域，这与我之前的经历形成了鲜明对比。因此，我非常荣幸能受邀与大家分享我的创业历程以及行业最新进展。

观察者网：你们团队中许多成员都来自软件领域，之前与科大讯飞也有一定联系，为何选择独立创业并进入AI硬件领域？

王松：我们团队最初在科大讯飞内部，最开始做的是一个名为灵犀的语音助手，这是一款纯软件的语音助手，始于2013年。当时，科大讯飞在国内语音领域处于领先地位，而Siri自2011年推出后，我们2013年开始做软件语音助手，也算是较早的尝试。

在此期间，我们尝试了通用语音助手，也涉足了多个垂直领域的语音助手，包括点歌、导航，甚至拨打电话等功能，与现在车机中的云助手相似。当时，已有部分用户在汽车中使用我们的产品，尽管那时汽车行业尚未像如今的电动车那样发达。在这个过程中，我们形成了一个判断：未来人机交互的主要方式将是语音交互，我们对此深信不疑。

ChatGPT的出现进一步坚定了我们的想法。基于这一判断，再加上当时科大讯飞已在一些垂直领域，如翻译机、录音笔等产品上尝试用AI赋能硬件，虽然当时还未涉足耳机领域，但我们认为可以尝试将AI与耳机结合。此外，耳机本身与语音有着天然的强关联，不易被手机替代，甚至我认为它永远不会被手机取代，或许未来会被眼镜替代，但那是另一个话题。综合以上三点，我们最终选择了AI与耳机结合的赛道。

观察者网：AI可以跟很多硬件结合，但你们率先选择耳机，是不是最看好耳机这个赛道？

王松：这也要从我们团队经历说起。2017至2018年，我们在科大讯飞内部开始着手耳机项目，当时产品名为莫比斯耳机，如今仍可检索到相关信息。该项目并不成功，原因在于当时整个供应链尚未成熟。我们试图在耳机中集成过多功能，甚至加入了心率传感器，但受限于当时的技术条件，导致产品整体不够成熟。直至2019年，我们才正式开启iFLYBUDS系列的研发工作。从那时起，我们便开始积累相关技术经验。2019年，我们着手研发第一代耳机，但实话实说，当时的产品也并不成功，用户在使用过程中确实提出了很多批评。由于第一代耳机存在诸多基础性问题，比如蓝牙连接不稳定、单边耳机无声等，用户体验并不好。究其原因，我们在耳机研发方面经验不足，导致这些问题频发。然而，耳机所搭载的AI功能却受到了用户青睐，因为它切实解决了用户的一大痛点，让用户对其爱不释手。

用户在使用过程中，确实是边用边骂。因此，从产品本身的角度来看是不成功的。但从验证使用场景角度来看，它却非常成功，让我们清晰地看到了未来的发展方向。当时，很多用户在开会时使用这款耳机进行会议录音，通过第一代产品的验证，“办公会议”这一使用场景已经变得非常清晰。因此，我们在后续的产品研发中，针对这一场景不断发现问题并加以改进。

观察者网：当时产品可能并不理想，用户反馈对你们后续改进有哪些深刻的影响吗？

王松：用户在使用过程中反馈了许多问题，尤其是在开会时使用耳机进行录音和记录。在这个过程中，出现了诸如数据丢包、蓝牙与手机之间的数据传输链路等问题。基于这些反馈，我们判断这是核心的技术挑战，因为其他耳机厂商通常不会遇到这种情况，只有我们在尝试将耳机用于此类场景时才会碰到。因此，我们围绕这一点进行了深入研究和改进。我们专注于蓝牙技术，优化蓝牙底层通信协议，并与手机进行更好的配合，调整手机和蓝牙耳机上的编码解码方式，以确保数据链路的高效和稳定。通过这些努力，第二代产品在这些问题上取得了显著改善，变得更加稳定，基本解决了第一代产品中出现的丢包、断联、无声等问题。

观察者网：当时总结起来还是要先把耳机本身做好？

王松： 我们总结了一个重要的经验，称之为“5+X”经验。未来硬件产品都遵循类似的逻辑，只是不同的硬件产品前面的“N”可能不同。对于耳机来说，这五个基础要素是：音质、续航、降噪、佩戴和设计，缺少任何一个，耳机都很难在市场上取得成功。后面的“X”是我们所说的AI功能。只有当这五个基础要素具备后，耳机作为一个基础产品才能好用。再加上后面的“X”功能，即AI功能的加持，用户才更有可能买单。

观察者网： 目前许多消费电子巨头也在开发AI耳机，比如苹果、小米等，他们都在将AI技术与硬件结合。而且从AI技术本身来看，很多技术都是开源的。如果企业都能轻易地将AI与硬件结合，那你们如何构建自己的护城河？

王松：我也常被投资者问及这个问题。从AI本身来看，大家对AI的共识是存在的。以目前流行的Agent为例，大家对Agent的共识是：大模型作为大脑，需要有记忆功能，并且能够帮助用户真正落地完成任务。但Agent如何应用、在哪些场景中应用，则是百花齐放的。因为每一家的Agent都不一样，尽管底层的几个关键点是共性的。回到AI耳机或AI硬件，逻辑也是一样的。AI耳机必须具备基础能力，比如识别、翻译、合成以及大模型等。但将这些能力应用到哪些场景中，每个耳机厂商的做法都不一样。以我们的耳机为例，主打场景，至少在国内甚至全球范围内都没有竞争对手，因为我们对这些垂直场景的理解是最深的。

我们既没有护城河，又拥有很深的护城河。说没有护城河，是因为对于全球任何一家公司来说，现在的技术都是共通的。大模型这种高深的技术，中国也能迅速赶上，OpenAI前几年处于领先地位，但如今也被赶超了。作为一家创业公司，我认为所谓的技术护城河是不存在的。但我们的护城河又很深，对特定场景的理解，可能大公司不愿意涉足，因为它们太小众；而对于小公司来说，想要进入又很难，尤其是涉及硬件和对场景的深度理解。我们在蓝牙协议层、通讯层做了很多优化工作，要做好这一点其实非常困难。所以，我认为我们的护城河很深。对于AI加硬件，我认为还是要从场景出发，基于场景去做硬件。

观察者网：深耕这些垂直场景，是不是会给你们积累更多经验和数据，从而为AI在垂直领域的应用带来优势？

王松：是的。虽然现在大模型能力很强，但它所具备的数据大多是公开的公域数据，大模型并不具备私域数据。这也是为什么大家都在做垂直领域的大模型。无论是金融、法律还是医疗领域，这些垂直领域的私域数据加上大模型的能力，可以打造一定的数据壁垒。未来，数据从一定层面上来讲是一家公司的核心资产。底层技术其实都相通，基于这些数据再加上大模型，我们如何调优、如何为用户提供更个性化的服务，这是我们未来需要考虑的问题。

观察者网：目前你们产品底层AI能力是如何构建的？现在很多硬件产品都采用端云协同的路线，你们是如何做的？

王松：我们的底层路线也类似，今年5月的发布会上提出了“一脑多端”的战略。我们的产品包括耳机和PC端使用的一个硬件产品Kit，这两个产品可以联动，大脑就是viaim大脑，可以简单理解为背后的大模型。不同的硬件接入到这个大模型中，端侧收集的数据，就像我们刚才提到的私域数据，进入大脑。大脑为各个端的硬件提供统一服务，不同端之间也会联动。

比如耳机和Kit，以及未来我们将推出的其他形态的硬件，它们之间会有许多协同配合。我举个例子，现在智能眼镜很火，但它具备耳机功能，其实是一种开放式耳机。不过，目前眼镜的续航、重量、佩戴舒适度等方面还达不到普通眼镜的标准。所以，是否可以将眼镜的部分功能，比如开放式耳机功能，与我们的耳机匹配起来？这样眼镜本身可以做到更轻，佩戴起来也不会那么难受。我们会从用户场景和体验出发，优化硬件端的佩戴体验。

观察者网：是否可以理解为，不应该将所有功能集中在一个终端上，未来将是多终端的发展趋势？

王松：我认为未来5到10年内需要多终端的配合，耳机肯定需要视觉能力的配合。但目前眼镜的供应链还不成熟，只能主打某一场景，无法像手机那样通用。所以，我判断未来至少在5年内，穿戴式硬件仍将聚焦于某一场景。但5到10年后，随着技术、供应链的成熟，可能会出现下一代通用的计算平台，像现在的手机一样，适用于任何场景。

观察者网：是否可以理解为，眼镜供应链现阶段还不成熟，所以让眼镜做它擅长的事情，耳机做耳机擅长的事情？

王松：很多人问我，未来眼镜是否会替代耳机？我认为在未来5年内，这种情况不会发生。耳机目前具备的一些功能，如降噪功能，是眼镜目前无法实现的。例如，在地铁或飞机上，开放式耳机由于其特性，很难让用户清晰地听到声音。因此，在这些场景下，耳机仍然具有不可替代性。然而，5年之后，随着供应链和技术的成熟，眼镜可能会通过人体工学设计等方式整合耳机功能，从而替代耳机。但至少在短期内，我认为这种情况不会出现。

观察者网：如何理解viaim大脑的技术架构？与纯软件方案本质上有哪些差异？

王松：作为一家硬件公司，在设计大脑架构时，我们更多地从硬件层面出发。以耳机为例，上一代耳机在硬件结构和算法设计上，并未考虑AI功能。传统耳机主要为人耳听音设计，只要通话清晰即可。例如，在嘈杂环境中打电话，只要对方能听清声音就行。但AI耳机不同，它是人类与AI交互的入口。以我佩戴的AI耳机为例，它只需让AI听清、听懂我的话，人耳是否能听清并不重要。从数据链路、协议到蓝牙协议层面，都需要做出改变以适应AI耳机。以ENC算法为例，它会影响语音识别算法的准确性。如果识别算法不准确，转录的文字不准确，输入到大模型中的数据也会不准确，从而导致生成的答案不准确。因此，在设计大脑架构时，我们从硬件层面出发，优先考虑让AI能够听懂。我们也希望国内大厂能推动国际蓝牙联盟从底层协议层面做出改变，因为当前的蓝牙协议已不适应AI耳机发展。

观察者网：说到蓝牙协议，国内很多企业正在组成了星闪联盟，你们有与他们接触吗？

王松：华为的星闪协议本质上是从2.4G链路出发，优化蓝牙和Wi-Fi（两者均为2.4G协议）的传输效率，但并未从大模型层面思考问题。具体来说，蓝牙耳机工作时有两种状态：通话状态（HFP）和听歌状态（HDP）。我认为还应增加第三种协议，即AI语音协议。这种协议从语音数据进入耳机开始就不一样，其数据收集方式就应与通话和听歌不同，是从协议底层开始改变。星闪协议并未从这一层面出发，而是侧重于优化数据链路本身的传输效率，因此与我们的需求有所不同。

观察者网：星闪协议与蓝牙协议可以说各有优势？

王松：是的，它们各有优势。

观察者网：AI会议耳机可能会涉及一些敏感场景，如商务办公可能会涉及商业机密。在具体应用场景中，你们如何处理效率与隐私安全的问题？

王松：隐私问题确实是许多用户，包括我们自身都非常关心的。随着智能设备时代的到来，大家对隐私关注度越来越高，无论在海外还是国内。未来，穿戴设备可能会处于“始终在线”的状态，例如我们的耳机可能会24小时在线，持续收集周围的声音和视觉数据。以智能眼镜为例，其拍摄功能可能在无意识、不知情的情况下侵犯他人隐私。

从隐私保护角度来看，我们主要从两个层面考虑。首先是技术层面，我们采用了端到端的加密保护措施。从语音数据进入耳机的那一刻起，就会进行加密处理，一直到手机端、云端，再返回耳机，整个链路都进行了加密。这是技术层面的保障，我们也在使用业内先进的加密算法。其次是制度和人性层面。许多用户会问，使用我们的耳机录制会议后，员工是否会查看会议数据，这是一个很自然的问题。但我们认为，用户对品牌的信任至关重要。例如，大家在使用腾讯会议或飞书会议时，通常不会担心腾讯或飞书的员工会查看会议记录。这是因为用户对这些大厂已经建立了某种信任，相信它们会在制度层面杜绝此类事件的发生。对于我们来说，我们也需要不断强化用户的认知，建立用户对我们品牌的信任。从公司成立的第一天起，我们就立下规矩：员工不得触碰用户数据，这是一条红线。

观察者网：未来你们是否会侧重端侧AI能力，将更多隐私权交给用户？

王松：我们最近上线了全离线功能，数据都在用户手机上，只要断网，用户依然能使用这些功能。手机算力比耳机强很多，至少强100到1000倍。因此，全离线功能可以让用户在不联网的情况下依然使用AI能力。未来我们会将更多能力离线化，甚至在耳机上也会有一些离线功能，但耳机算力有限，可能需要5年左右才能运行一些小模型。从端到端的加密措施、企业制度、品牌认知建立以及全离线能力等多维度保护用户隐私，这非常重要。

观察者网：除了耳机，你们未来是否会进入其他硬件赛道？

王松：一定会。我们目前的产品不仅包括耳机，还有PC端的Kit。我们选择耳机的初衷是基于语音交互的考虑。未来除了耳机，用户在办公场景中可能更多地在办公桌前，不一定佩戴耳机。因此我们会从场景出发，思考如何将语音交互融入办公过程。我们会基于这一思路决定开发哪些硬件。目前，我们已经在研发一些新硬件产品。下半年或明年可能会推出新品，这些产品将围绕我们的viaim大脑和办公会议生态，让用户办公更加轻松。

观察者网：除了耳机，您最看好那个AI跟哪个硬件结合？

王松：我个人比较看好眼镜的未来。不过，我们现在没有做眼镜的原因，是因为目前的供应链还不成熟，用户教育也有一定难度。尽管AI眼镜概念很火，但每年的出货量其实并不多，可以说是叫好不叫座，所以我们在这一块相对比较谨慎。但我个人是比较看好眼镜形态。眼镜本身具备视觉和显示能力，也有听觉能力，是一个相对比较完整的形态。

观察者网：现在很多眼镜是不是处于缺少内容和原生应用的状态？您认为眼镜的理想状态应该是什么样的？

王松：从两个层面来讲，一方面眼镜的内容生态需要建立，就像最初iPhone的崛起，先是有了硬件，大家觉得硬件好用，然后吸引了众多开发者，形成了App Store生态，这是一个螺旋式上升的过程。未来眼镜也会走类似的路线，前提是硬件一定要好用，先让硬件普及，才会有更多开发者加入，生态才会逐渐建立起来。这是一个循序渐进的过程。未来两三年后，随着眼镜技术的成熟，它会大幅改进耳机的局限性。耳机可能天生有缺陷，未来可能只是某个辅助或特定场景下的设备，而眼镜可能会在更多场景中发挥主导作用。不排除未来还会有其他形态的硬件出现。比如之前失败的AI Pin，它也做了一些很好的尝试。还有前几个月泄露的OpenAI与前苹果设计总监合作研发的胸前佩戴设备，也是一种可能的硬件形态。

观察者网：在“一脑多终端”的战略下，这些设备是不是可以协同起来？

王松：是的，我认为它们不是互相取代，而是协同。在技术不成熟的时候，每个设备在某个场景上都有独特的优势，可以和其他设备协同。未来可能会有一个设备发展成像现在手机这样的通用设备，但还需要很长时间。

观察者网：眼镜的发展不仅需要硬件成熟，也需要AI能力进一步提升。AI耳机的AI能力如果按照智能驾驶的L1到L5级划分，现在可能处于哪种状态？

王松：我认为现在最多只到L1级别。我和内部的同事也在讨论，之前OpenAI发布了一个从L1到L5的Agent定义，我认为耳机基本上可以套用那个逻辑。目前耳机还处于比较初级的L1级别，什么时候能到L2或者L3？有可能在未来两三年内会实现。

观察者网：这还需要大模型算法等能力的进一步进化？

王松：大模型算法现在可能已经接近极限了，因为某些Agent已经发展得相对比较好了。但如何将这些Agent与耳机结合，是一个需要探索的点。

观察者网：你们在下半年或未来几年将着重发力哪些方面？

王松：首先是AI硬件，其作为人类的“耳朵”和“眼睛”，如何更高效地将周围数据传输至AI大脑，这是需要研究的第一点，无论是听觉还是视觉数据。这些数据并非为人眼观看，而是优先让AI理解并处理。其次，由于我们本身不研发大模型，因此在大模型层面更多依赖业内巨头的进展。但我们会在大模型基础上进行开发，如刚才所讨论的，将私域数据融入大模型体系，为用户提供更优质、个性化的服务，这是我们需探索的方向，也是我们的优势所在，必须深耕垂直场景进行优化。

观察者网：未来智能在出海方面，目前海外市场的拓展情况如何？

王松：我们从去年开始在海外进行试点，在东南亚的新加坡进行试点，今年则拓展至北美、日本，并计划下半年进入欧洲。目前，我们正在积极布局海外市场的线上线下渠道，海外市场是我们未来的主战场。

观察者网：海外与国内市场的理想占比大概是多少？

王松：参考业内一些成熟或成功的公司案例，海外市场的比例通常大于国内市场。

观察者网：海外市场也存在一些挑战，比如涉及AI方面的法律法规？

王松：是的，海外对隐私保护特别关注，包括海外用户在硬件、软件使用习惯上与国内用户存在差异，甚至在模型层面也有一些需要适配和适应当地条款或习惯的地方。

观察者网：好的，今天的对话就到这里，谢谢。