在如今的科技时代，AI 和耳机似乎成为了两个独立的存在，人们往往认为它们是不同领域的产物，只能在各自的范畴内发挥作用。然而，真的只能将它们视为单选题吗？其实不然，AI 可以为耳机带来更多的智能化体验，比如通过语音控制实现便捷操作，根据用户的喜好和习惯调整音效等。而耳机则为 AI 提供了更直接的交互入口，让用户在使用 AI 服务时更加便捷和沉浸式。它们并非相互排斥，而是可以相互融合、相互促进，共同为人们的生活带来更多的便利和乐趣。所以，AI 或耳机，不应只是一道单选题，而可以是携手共进的伙伴。

本文来自微信公众号：果壳 （ID：Guokr42），作者：糕级冻雾，编辑：沈知涵

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。

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。

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。

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。