OpenAI 首席執(zhí)行官山姆?奧特曼
作者：斯蒂芬妮?帕拉佐洛
知情人士透露，OpenAI 正全力升級音頻人工智能模型，為最終推出首款人工智能驅(qū)動的個人硬件設(shè)備做準(zhǔn)備。另有三位知情人士表示，這款設(shè)備將以音頻交互為核心形態(tài)。
用戶與 ChatGPT 語音對話時(shí)，雖能得到語音回復(fù)，但支撐該音頻功能的大語言模型，與 ChatGPT 文本回復(fù)所依托的模型并非同款。OpenAI 一位前員工和一位現(xiàn)任員工透露，公司研究人員認(rèn)為，當(dāng)前音頻模型在回復(fù)準(zhǔn)確率、響應(yīng)速度上，均落后于文本模型。
核心要點(diǎn)
? OpenAI 整合多支團(tuán)隊(duì)，為新一代硬件升級音頻 AI 模型
? 全新音頻模型架構(gòu)，可實(shí)現(xiàn)更自然、精準(zhǔn)、富有情感的語音交互
? 首款設(shè)備定位智能陪伴助手，主動提供建議助力用戶達(dá)成目標(biāo)
深耕研發(fā)，攻堅(jiān)音頻技術(shù)
知情人士表示，過去兩個月，OpenAI 已整合工程、產(chǎn)品、研究等多個核心團(tuán)隊(duì)，專項(xiàng)攻堅(jiān)音頻模型優(yōu)化，全力適配未來硬件設(shè)備的需求。
提升音頻模型準(zhǔn)確率，是 OpenAI 打造語音指令操控消費(fèi)級設(shè)備的關(guān)鍵前提。此前《信息報(bào)》曾報(bào)道，這款硬件設(shè)備預(yù)計(jì)至少還需一年才會正式發(fā)布。
目前，OpenAI 的音頻模型升級已初見成效。上述知情人士稱，全新音頻模型架構(gòu)生成的回復(fù)語音更自然、更富情感，答案也更精準(zhǔn)、更具深度；該模型還將實(shí)現(xiàn)與用戶實(shí)時(shí)同聲對話（現(xiàn)有模型無法做到），并能更好地應(yīng)對用戶的中途插話。
據(jù)悉，OpenAI 計(jì)劃于 2026 年第一季度推出這款全新音頻模型。OpenAI 發(fā)言人對此不予置評。
與谷歌、亞馬遜、元宇宙平臺、蘋果等企業(yè)一樣，OpenAI 也在布局新一代個人人工智能設(shè)備，包括可穿戴設(shè)備。多家企業(yè)認(rèn)為，當(dāng)下主流設(shè)備（如蘋果手機(jī)）并未針對未來人工智能技術(shù)做優(yōu)化適配。
OpenAI 的硬件研發(fā)團(tuán)隊(duì)希望用戶通過語音而非屏幕與設(shè)備交互。包括前 OpenAI 首席技術(shù)官米拉?穆拉蒂聯(lián)合創(chuàng)立的人工智能初創(chuàng)公司思維機(jī)器實(shí)驗(yàn)室在內(nèi)，眾多人工智能研究者均認(rèn)為，語音交流是人與人工智能更自然的交互方式 —— 畢竟人與人之間的溝通也以語音為主。
無屏設(shè)計(jì)，規(guī)避設(shè)備成癮問題
部分研究者還認(rèn)為，無屏幕設(shè)計(jì)能降低用戶對設(shè)備的成癮風(fēng)險(xiǎn)。正與 OpenAI 合作研發(fā)硬件的前蘋果首席設(shè)計(jì)官喬尼?艾夫表示，這是他的核心設(shè)計(jì)考量，他希望通過新一代設(shè)備，彌補(bǔ)過往消費(fèi)電子產(chǎn)品的設(shè)計(jì)缺憾。
艾夫在 2025 年 5 月接受支付公司 Stripe 首席執(zhí)行官帕特里克?科里森采訪時(shí)表示：“即便初衷無過，但若參與打造的產(chǎn)品帶來不良后果，就必須承擔(dān)責(zé)任。于我而言，這份責(zé)任驅(qū)動著我如今的所有工作?！?/p>
不過上述前員工坦言，OpenAI 當(dāng)前面臨一大難題：多數(shù) ChatGPT 用戶并未使用語音交互功能，究其原因，一是音頻模型體驗(yàn)欠佳，二是用戶對該功能并不知曉。要打造音頻優(yōu)先的人工智能設(shè)備，OpenAI 首先要讓消費(fèi)者養(yǎng)成與 ChatGPT 等產(chǎn)品語音交互的習(xí)慣。
核心團(tuán)隊(duì)領(lǐng)銜，多品類設(shè)備蓄勢待發(fā)
據(jù)悉，OpenAI 音頻人工智能研發(fā)的核心領(lǐng)軍人物是昆丹?庫馬爾 —— 他于 2025 年夏季從 Character.AI 加盟 OpenAI，專職負(fù)責(zé)音頻 AI 研發(fā)。其他核心負(fù)責(zé)人還包括：產(chǎn)品研究主管本?紐豪斯，主導(dǎo)重構(gòu)了 OpenAI 原有的文本人工智能基礎(chǔ)設(shè)施，適配音頻 AI 需求；多模態(tài) ChatGPT 產(chǎn)品經(jīng)理杰姬?香農(nóng)。
多位知情人士透露，OpenAI 并非研發(fā)單一硬件設(shè)備，而是規(guī)劃推出全系硬件產(chǎn)品矩陣，并分階段發(fā)布。公司已探討的產(chǎn)品形態(tài)包括智能眼鏡、無顯示屏智能音箱。
上述知情人士稱，硬件研發(fā)團(tuán)隊(duì)在 2025 年夏季的內(nèi)部匯報(bào)中表示，這款設(shè)備將定位智能陪伴助手，全程協(xié)助用戶，主動提供建議幫用戶實(shí)現(xiàn)目標(biāo)，而非單純作為連接各類應(yīng)用和軟件的工具。經(jīng)用戶授權(quán)后，設(shè)備還可通過音頻、視頻感知周邊環(huán)境與用戶狀態(tài)。
OpenAI 多個部門均參與該硬件項(xiàng)目，涵蓋供應(yīng)鏈、工業(yè)設(shè)計(jì)、模型研發(fā)等環(huán)節(jié)。2025 年初，OpenAI 以近 65 億美元收購了喬尼?艾夫聯(lián)合創(chuàng)立的設(shè)計(jì)公司 io，全權(quán)負(fù)責(zé)硬件設(shè)備的設(shè)計(jì)工作。