瓶颈在输入，不在输出。

过去几年，这个行业几乎所有的钱和最好的人，都投在同一件事上：让模型答得更准、更快、更像人。这件事做得很好。

但普通人用 AI 的困难从来不在那一头。困难在于：念头来的时候，你没法打字。

走在路上、开着车、洗完澡、半夜醒来、排队、跑步、送完孩子回来的那段路上。那些时刻你有话要说，但你面前没有屏幕，或者有屏幕也腾不出手。等你坐下，那句话已经走了，或者剩下一个模糊的影子。

输入是稀缺的那一半。而几乎没有人在做它。

以后也包括视频输入层。

这是环境 AI（Ambient AI），我们也叫它 Aether AI：一层贴着人、随时在场、不占注意力的东西，它不替你思考，只保证你想说的时候有地方说。

它不是边缘 AI（Edge AI）

这两个词在中文里很容易被混起来，所以要说清楚。

边缘 AI 讲的是把 AI 计算放到本地硬件上跑。我们不是。我们的硬件在本地只做一件事——拾音。它不认字、不理解、不做任何推理，只负责把你的声音干净地拿下来。

转成文字发生在手机或电脑上，用的是云端的大模型。硬件不聪明，硬件只负责听清楚。这条分工是故意的，它让硬件可以做得很小、很省电、很便宜，也让模型可以随时换成更好的那个。

你说话，它捕获，转成文字。AI 的回答是文字——你回到屏幕前再看。

我们不做实时语音对话。这不是能力不够，是选择。

念头来的那一刻，你要的是别丢掉，不是聊天。对话要求你停下来、投入注意力、等一个回答，然后接着说——而你正在走路、正在开车、正在做别的事。一个要你专心的东西，恰好在你不能专心的时刻找上你。

捕获和对话是两件事。我们只做捕获。

这个选择让整层都变轻了：不需要唤醒词，不需要一直在听，不需要在你耳边说话，也不需要你为了它把手上的事停下来。

这是我们做每一件硬件时的第一原则，简单到有点不像一个技术。

声压随距离衰减。距离减半，到达麦克风的声压大约翻一倍——6 dB。而背景噪声不会因为麦克风挪近而变小，它在整个空间里是均匀的。所以每缩短一半距离，你抬高的不是一点点信号，是整条信噪比曲线。

一副普通耳机的麦克风离嘴十到十五厘米，在户外只能靠猜。手机拿在手上倒是能到两三厘米，但你得先掏出来、解锁、找到那个界面——念头经不起这三步。

所以任何一件 AI 硬件，核心问题都是同一个：怎么让麦克风离嘴更近，而且不要你多做一个动作。

AI 墨镜的答案是把主麦放在左镜框正中下缘，开孔朝下对着嘴——戴着就是四到七厘米。真的很吵，或者你根本不想被人听见，就把眼镜摘下来举到嘴边，同一颗麦克风来到两到三厘米。没有模式切换，你只是用手把距离缩短了。

我们把这件事叫低语引擎。它的意思是：在这个距离上，你可以非常小声地说话，小到旁边半米的人听不见，它还是听得清楚。

转出来的文字可以进任何一个编程智能体、任何框架、任何一个能打字的输入框。目标你选，我们负责把字放进去。

这里有一个位置上的判断：巨头不会去统一彼此的智能体。没有哪一家有动力把用户平滑地送到对手那里去。这件事只有一个不站队的人能做。

所以我们刻意不做模型，也不打算做。我们要的是那条连线，不是连线的两头。

捕获下来的东西存成 Markdown。AI 读得懂，人也读得懂，随时可以整份导出。你换任何一个 AI 应用，把它带走就行。

我们不锁你。一个靠迁移成本留住人的产品，最后会把力气花在加高墙上，而不是把里面盖好。

但这份记录本身会变成一样别的东西：一份关于你自己怎么想事情的档案。你在什么时候冒出什么念头，什么问题反复出现，哪一条想了三年还没解决。这个东西一年之后的价值，和第一天完全不是一回事。

输入层不绑在任何一种形态上。壳可以换，第一原则不换：麦克风要能到嘴边，而且只录戴它的那个人。

AI 墨镜

这是我们目前最看重的一种，理由不是它酷。是太阳出来你本来就要戴墨镜——这是唯一一件不需要说服任何人去接受的可穿戴。戒指、项链、吊坠、宠物，都要先赢一场很难的仗：说服一个人改变身上的东西。墨镜不用打这一仗。

主麦在左镜框正中下缘，开孔朝下对着嘴；参考麦在右镜框右上角，开孔朝上背对嘴。播放、音量、接听全部交给手机，跟任何一副蓝牙耳机一样。没有摄像头，没有唤醒词，整机没有一颗会亮的灯——一个物理上录不到旁人的东西，不需要一颗灯替它道歉。

再加上度数。一副配了度数的眼镜，佩戴时长是墨镜的十倍左右。而一个输入层最重要的属性不是它多聪明，是念头来的时候它在不在。

以后也会有带相机的版本。到那时候，这一层就不只是语音了。

语音项链

吊坠模块自己带麦克风。要用的时候把吊坠拿起来凑到嘴边——那是这一层能达到的最近的距离。

不用的时候它就是一个吊坠：挂在胸前，或者挂在包上。取下来、说一句、放回去，一共三秒。它最大的好处是完全不改变你穿什么、戴什么。

可陪伴的 AI 宠物

同样的原理，换一个更亲近的壳。它待在桌上、在包里、在孩子手上；要说话的时候把它拿起来，凑近。

一个你本来就愿意随手拿起来的东西，天然满足了「离嘴最近」这个条件。

耳机

最简单的那一支。它可以就是一副普通蓝牙耳机，也可以加一块本地存储再配一个转录应用。要记东西的时候摘一只下来拿在手上凑到嘴边；平时戴在耳朵里；不用的时候装进小布袋当吊坠挂在胸前。

真正入耳的耳机在噪音大的环境里胜过其他所有形态，外面吵的时候它依然是最好的选择。但运动的时候不是——跑起来、骑起来，一副合适的眼镜更合适。

形态会一直变，也应该一直变。第一原则不变。

人和机器之间的语音交互入口——说白了，普通人用 AI 的那个入口——不会长在一样东西上。

它在手机上，在电脑端。也在 AI 眼镜里，在 AI 耳机上，在语音戒指上，在语音项链上，在语音小吊坠上，在一只能陪着你的 AI 宠物身上。