本文來自微信公眾號：果殼 （ID：Guokr42），作者：糕級凍霧，編輯：沈知涵

前些天，在公司跟同事一起看小米發布會，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，仿佛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。

官方自夸小米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官方未公布具體數值，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；

頻響范圍在15-50kHz，然而正常人耳能聽見的頻響范圍是20-20kHz。

Buds5 Pro Wi-Fi版本搭載了驍龍S7+音頻平臺，是目前唯一支持Wi-Fi功能的藍牙耳機芯片，但主要還是服務音頻傳輸速率。

耳機支持高通aptX Lossless編碼，該協議支持傳輸16bit/44.1kHz音頻，這也是CD唱片和主流音樂平臺里無損音樂（絕大多數）的規格。

aptX Lossless官方最大碼率為1200 kbps，而Wi-Fi版最高達到4200 kbps，理論上也為后續更新的編碼，提供了更大的碼率空間。

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算法——處理音質、優化拾音、環境分析、智能降噪等等。

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、喚醒智能助手。反而TWS原本的“三要素”——佩戴、音質、降噪成為了AI耳機的短板。大眾默認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。

比如字節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，低頻泄漏嚴重。

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，有幾款官方標注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，藍牙解碼協議只支持到AAC、SBC，不支持音質更好的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，也更多在智能、生產力、陪伴等AI上，而可以淡化了關于音質、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！

那么耳機究竟把AI做得怎么樣？

縱觀大多數產品介紹，AI耳機如今也就“三大寶”：翻譯、速記、喚醒智能助手。

你不免會問，這些功能哪個智能手機做不到？為什么還要額外買個AI耳機呢？這是個對于AI硬件來說一個老生常談，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，語音采集的信號更清晰，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致的用戶體驗的。

比如很多耳機配合連接手機做到，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，獨立錄制兩小時會議。然后同步到手機里，轉文字，翻譯，會議紀要一下都出來了。

比如有的耳機號稱支持翻譯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。

那么，第二個問題來了。Ola Friend叫出來基于豆包大模型的豆包，小米Buds 5 Pro叫出來接入DeepSeek的超級小愛，跟我通過AirPods喚醒Siri有啥差別？

AirPods是在2017年推向市場，大多iPhone用戶早就無比熟悉問Siri天氣如何、設置鬧鈴、甚至讓它搜索一堆“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音頻輸出的載體，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-云端-手機App-耳機”的路徑。

其智能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、獨立運算能力的設備，因為人耳體積是限制耳機內置AI算力和性能的天花板，其內置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芯片，比如有13 TOPS算力的樹莓派AI模塊，物理尺寸都有22*42 mm，比單只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（全功能開啟后）范圍內，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（小伙兒～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，帶屏幕，能下app的智能終端。

可想而知，將傳感器，存儲和計算單元，數據傳輸和網絡連接等硬件模組放到一個如此“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。

那么更加絲滑的語音智能交互應該什么樣？

你們還記不記得，之前有一個引起了很多討論的硬件，叫Friend AI——大體上是一個項鏈的形態，內置了麥克風，長續航電池，收集用戶周圍的聲音信息，并通過連接手機與用戶對話。

Friend AI的宣傳片里，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）聽到電視里的聲音，給女生手機發消息說，“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硬件找到的成立理由，手機積累了大量數據但仍有限，能收集到比手機更多數據、更多維度數據，才能打造隨身的“Personal AI”。

耳機如何實現這種個性化和智能化？

就像智能手表/手環，耳機也可以依靠捕捉到的佩戴者體征信息和環境聲音后，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，然后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。

耳機是語音交互最為直接的入口。對人來說，用語音交互非常自然，但對機器處理任務來說，并不高效。

區別于我們早已習慣的屏幕交互，語音對話是線性的（想想你做ppt匯報，和只有語音的電話會匯報，這兩個場景的區別）。耳機應該成為更多環節復雜，但步驟明確，容錯率高的語音場景的入口，一個隨叫隨到，交互摩擦盡可能少的AI助理。

比如當你再問耳機里的智能助手“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；

如果能與其他隨身設備配合，比如根據手表在記錄的運動類型，自動在跑步時放快歌，在游泳時播播客；

也會在你設置鬧鈴時，提醒你當天有哪些安排。

這也是大家仍執著于要AI耳機（或其他AI硬件）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，也許并不再會是軟件應用，而恰恰是一款硬件，比如耳機。