北京
到2030年，全球处方助听器销量预计突破3100万台，2025至2030年的年复合增长率为4%。Counterpoint《全球端侧AI可穿戴设备预测》报告给出了另一个更值得琢磨的数字：到2030年，近50%的助听器产品将搭载端侧AI能力。
一半的产品都要装AI，听起来是个顺理成章的升级故事。但把目光挪到续航上，故事的味道就变了。
嘈杂餐厅，是助听器几十年的老难题
助听器在小型化、连接性、续航上一直在进步，可核心难题始终没解决：用户在嘈杂环境里听不清对话。
传统方案靠数字信号处理（DSP）。麦克风采集环境声音，处理器分析频率、音量等特征，再通过预设算法决定放大或降低哪些声音。这套规则系统对付空调、发动机这类稳定噪音有效，但现实场景往往更复杂——拥挤餐厅里同时存在多段对话、音乐、餐具碰撞声，基于规则的方案很难判断用户真正想听的是哪一段。
AI走的是另一条路。它不依赖预设规则，而是通过学习区分人声与其他声音的模式。经过数百万组人声与背景噪音样本训练的深度神经网络（DNN），可以实时识别说话者的声音，并抑制无关噪音。
AI能补上的，是那些最细微的语音
AI在真实环境中的语音识别提升，具体体现在几个方向：分离人声和噪音、优先突出目标说话者、提升空间感知、持续适应环境变化。
它尤其擅长区分「s」「f」「t」「sh」「th」这类细微易混的语音，还能帮用户分清15和50、17和70这类读音近似的数字。保留这些精细语音特征，意味着AI不只是把音量放大，而是提升餐厅、会议、拥挤街道等场景下的实际语音理解能力。
临床「噪音中语音识别」测试里，听力正常的听众通常需要约2 dB的信噪比（SNR）才能正确识别50%的关键词；轻中度感音神经性听力损失听众，这一需求提升到约8 dB。AI正好能在信噪比上带来可量化的提升。
根据峰力（Phonak）测试，固定指向麦克风搭配传统设置，相比全向麦克风可将信噪比提升6.4 dB；加入AI降噪技术后，默认设置下提升幅度达到9 dB，最大设置下可达10.2 dB——足以让用户在餐厅场景中顺畅交流。
AI还能让助听器更自动化、个性化。机器学习可以根据用户偏好和聆听场景自适应调整声音处理，减少手动调节，降低跟随对话所需的认知负荷，最终减少聆听疲劳、降低重复询问的需求、提升日常交流信心。
代价藏在电池里
这些提升并非没有代价。持续运行神经网络会消耗电池电量，也占用设备空间，因此当前最强的AI助听器往往仅提供少数款式选择。
助听器对处理延迟的要求极高：从采集声音到处理完成再传入耳朵，整个过程必须控制在10毫秒或更短，才能保证自然体验。这让它和大部分AI设备有着本质区别——智能手机可以把数据上传到云端、等AI返回结果再处理，但助听器无法承担云端往返延迟，哪怕微小延迟也会造成视听不同步，或让用户自己的声音听起来不自然。
实时语音处理要求AI必须运行在助听器本地，而非用户手机或云端。这正是端侧AI的核心价值：声音在靠近麦克风和接收器的本地完成分析处理。
难点在于，助听器本身电池容量极小、计算能力有限、尺寸约束严格。想把AI能力塞进这样的设备，必须对AI模型和处理器做高度优化，才能在实现语音分离、降噪的同时把功耗控制到最低。
持续运行神经网络会显著缩短续航。峰力2025款Audéo Infinio Ultra Sphere，常规使用续航为56小时，如果持续开启AI功能，续航会骤降到10小时。这组数字直观展现了本地运行AI的成本。
集成端侧AI让助听器变得「智能」，但高效集成才是研发难点：每一点语音清晰度提升，都要付出续航和空间代价。下一代助听器的核心竞争力，就在于如何让AI在后台静默运行，在提供更清晰人声、更低聆听负荷、更个性化听力体验的同时，不消耗过多电量，也不增大设备体积。这场技术竞赛，行业已经开跑了。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
