做AI硬件產(chǎn)品，技術(shù)說教那套早過時(shí)了｜鯨犀百人談No.23

作者丨陳嘉欣 覃倩雯

編輯 | 林覺民

AI浪潮席卷全球，無論是B端智能制造，還是C端各類軟件應(yīng)用，AI逐漸滲透生產(chǎn)生活的方方面面，也推動(dòng)人機(jī)交互模式朝更方便快捷的方向發(fā)展。

智能手機(jī)盛況在前，一批看到機(jī)會(huì)的軟硬件廠商紛紛下場押注AI硬件，希望自己能成為下一個(gè)“蘋果”。

2016年聲智剛創(chuàng)立時(shí)，恰好趕上智能音箱的浪潮，當(dāng)時(shí)聲智主要給小米、華為等友商提供麥克風(fēng)陣列模組、語音交互開發(fā)框架等技術(shù)支持。而在今年夏天，聲智依托自身聲學(xué)技術(shù)背景，在抖音上推出了首款A(yù)I耳機(jī)，并取得了不錯(cuò)的成績。

Tob企業(yè)向Toc轉(zhuǎn)型并不容易，生成式AI帶來交互變革的同時(shí)也給廠商提出了新的難題。比如大模型應(yīng)該如何給AI硬件賦能，什么樣的AI硬件更能被用戶接受，國內(nèi)外市場何處能挖掘到最大增量。諸如此類的問題都在困擾著硬件廠商。

本期，我們邀請到了聲智科技副總裁、AI產(chǎn)品線負(fù)責(zé)人黃赟賀做客鯨犀出海百人談，分享她對AI硬件市場的洞察以及聲智的轉(zhuǎn)型經(jīng)驗(yàn)。以下是該場直播討論的內(nèi)容，雷峰網(wǎng)鯨犀進(jìn)行了不改變原意的編輯與整理：

鯨犀：請跟鯨犀出海百人談的朋友們做一下自我介紹

黃赟賀：大家好，我是黃赟賀，現(xiàn)任聲智科技副總裁，負(fù)責(zé)AI產(chǎn)品線。聲智聚焦關(guān)注AI大模型落地應(yīng)用，在AI硬件產(chǎn)品領(lǐng)域做了很多年。今年我們推出了一款FairyClip珍珠耳夾式AI耳機(jī)，在抖音首月銷量達(dá)到10萬臺。今天希望借這個(gè)機(jī)會(huì)，能和對AI賽道感興趣的小伙伴們分享我們做產(chǎn)品以及創(chuàng)業(yè)的心路歷程。

鯨犀：說到AI耳機(jī)，那么AI耳機(jī)和傳統(tǒng)耳機(jī)有什么不一樣的地方？

黃赟賀：AI耳機(jī)和傳統(tǒng)耳機(jī)的區(qū)別，大家聽名字直觀感受就是多了AI，融合了人工智能技術(shù)。聲智在做AI大模型應(yīng)用時(shí)候，當(dāng)時(shí)一個(gè)思考就是如何讓我們的用戶愿意接受AI。2016年聲智創(chuàng)立時(shí)，正好趕上了智能音箱的浪潮。智能音箱的普及讓大眾對語音喚醒、語音指令等交互模式有了初步了解，所以我和家里上一輩人解釋我們的產(chǎn)品時(shí)，常會(huì)說，聲智的耳機(jī)相當(dāng)于把智能音箱放在耳朵上了，他們也能很快理解AI耳機(jī)要怎么去用。現(xiàn)在大部分廠商提到AI耳機(jī)，大多數(shù)的營銷方向還是在AI 翻譯、AI轉(zhuǎn)寫等工具屬性的AI能力上，以及其他包括AI眼鏡、AI戒指之類的，我們都管它叫手機(jī)配件，它無法脫離手機(jī)去獨(dú)立存在。我們期待這些AI硬件的下一步進(jìn)化，是真正脫離手機(jī)，能夠獨(dú)立呈現(xiàn)的一個(gè)作品。類似騎行的場景，騎友們不必掏出手機(jī)，直接與AI耳機(jī)交互就能導(dǎo)航路線。

鯨犀：智能音箱可以做麥克風(fēng)陣列，保證聲源定位和降噪等功能，耳機(jī)只能做一個(gè)麥克風(fēng)，AI耳機(jī)怎么解決這些聲學(xué)問題呢？相比智能音箱，它還有哪些其他功能？

黃赟賀：音箱是遠(yuǎn)場交互，噪音強(qiáng)人聲弱，但耳機(jī)是近場環(huán)境，在交互這塊會(huì)比音箱的表現(xiàn)更好。AI耳機(jī)又因?yàn)橛写竽Ｐ图夹g(shù)的加持，各方面反饋會(huì)比傳統(tǒng)耳機(jī)更好。因?yàn)樗难舆t性會(huì)被降低，我們可以去做到流式的輸出，用戶先說出一個(gè)字的時(shí)候，AI就已經(jīng)開始進(jìn)行反饋，不會(huì)像過去一樣，系統(tǒng)響應(yīng)需要很長一段時(shí)間。目前大模型的語音克隆技術(shù)也非常成熟，不會(huì)再讓用戶有機(jī)器音的疏離感。口語場景化也會(huì)更好，因?yàn)榇竽Ｐ头g出來的語義會(huì)更加連貫。另外，透露一個(gè)小秘密，聲智接下來準(zhǔn)備出海的產(chǎn)品，我們會(huì)做到，您在這邊說中文，另一邊傳達(dá)到時(shí)已經(jīng)變成純英語的狀態(tài)，只要把翻譯轉(zhuǎn)化的時(shí)間拉到毫秒級別，基本兩個(gè)不同語種的人在溝通時(shí)候可以實(shí)現(xiàn)無感交互。對于AI智能寫作、AI翻譯、轉(zhuǎn)錄之類的功能，我們也在觀察后臺用戶數(shù)據(jù)，基于實(shí)際用戶反饋，我們發(fā)現(xiàn)一些AI能力用戶理解門檻比較低，或者一些功能是用戶需求比較大的，我們后續(xù)系統(tǒng)升級也會(huì)加強(qiáng)這些能力。我們目前的產(chǎn)品思路，就是希望我們的耳機(jī)變成年輕人的AI搭子。我們一直認(rèn)為，AI一定要在具體的場景里才能發(fā)揮作用，才能降低用戶理解門檻，而不能只把它作為一個(gè)工具擺在那里。

鯨犀：聲智這款A(yù)I耳機(jī)出圈的原因，還在于它的外形非常像珍珠，可以作為耳飾佩戴，可以給我們介紹一下嗎？

黃赟賀：聲智的設(shè)計(jì)思路來自前段時(shí)間美國大選哈里斯競選的時(shí)候，有人懷疑她戴的珍珠耳環(huán)其實(shí)是個(gè)藍(lán)牙耳機(jī)。這種珍珠配飾形態(tài)的耳夾式，大家容易會(huì)忽略它是一個(gè)耳機(jī)，在工作中依然可以佩戴，既能保證工作可以正常輸出，也更具顏值。近期我們還出了一個(gè)黑色款，跟黑神話悟空的色調(diào)很像，上架即售罄。我們營銷策略整體偏向年輕時(shí)尚，耳機(jī)的外觀設(shè)計(jì)方面，和傳統(tǒng)耳機(jī)做出差異化，也是我們覺得比較吸睛的點(diǎn)。聲智的直播間，也和其他友商的科技風(fēng)格不太像，網(wǎng)友說我們老是展示功能展示佩戴效果，看起來像賣衣服的，的確我們直播間的小組長，原來就是做服裝直播的，這種非常規(guī)的營銷方式，可能也是聲智產(chǎn)品能做出圈的一個(gè)原因。

鯨犀：據(jù)我了解，聲智系統(tǒng)用的是自研大模型，聲智為什么要自研大模型？自研的大模型能在聲學(xué)技術(shù)上帶來什么不同之處？

黃赟賀：聲智的理念是“技術(shù)為產(chǎn)品服務(wù)”，我們是產(chǎn)品和運(yùn)營在先，技術(shù)作為堅(jiān)實(shí)的后盾。AzeroGPT的中文叫壹元大模型，取自于壹元初始、萬象更新，因?yàn)槲覀兿Ｍ?到1這個(gè)過程做到極致。做自研模型的關(guān)鍵在于它能根據(jù)產(chǎn)品需求以及用戶反饋及時(shí)做調(diào)整，避免采買帶來的滯后性。比如在最卷的語言模型訓(xùn)練上，我們就關(guān)注到了一個(gè)精簡性的問題。因?yàn)槿藱C(jī)交互場景不是長文概念，類似微信場景60秒一條語音，用戶不可能對著機(jī)器長篇大論，他希望得到的答案，也是基于提問給出的很精簡的、可用性很強(qiáng)的答案，自研大模型就可以根據(jù)我們觀察到的用戶需求，調(diào)整訓(xùn)練方向。另外，大模型的運(yùn)用也讓我們耳機(jī)的硬件成本降下來，并且在回聲抑制和噪聲消除等耳機(jī)功能方面，有更好更精準(zhǔn)的效果。

鯨犀：AzeroGPT是能夠在語義上做理解，還是主要在語音上？

黃赟賀：我們現(xiàn)在模型構(gòu)成是三個(gè)板塊，聲學(xué)、語音和語言。從交互邏輯來講，聲學(xué)先對聲音進(jìn)行采集，采集聲音之后進(jìn)行解析，降噪、回聲抑制都是對聲學(xué)信號進(jìn)行處理，然后才到語音識別，音頻進(jìn)行轉(zhuǎn)譯，再通過語音合成以聲音形態(tài)轉(zhuǎn)遞給用戶。當(dāng)然我們的大模型參數(shù)肯定不會(huì)像大廠的大模型參數(shù)一樣那么大，所以我們在做這個(gè)模型的時(shí)候更關(guān)注它對人機(jī)交互流程上體驗(yàn)效果的提升。所以我們更關(guān)注大模型嵌入到硬件里面的技術(shù)鏈路如何更順暢，讓響應(yīng)速度達(dá)到極致，這也是聲智創(chuàng)立以來一直致力于解決的問題。

鯨犀：在聲學(xué)方面，這個(gè)大模型處理的結(jié)果是相當(dāng)于一個(gè)怎樣的水平？比如說能對標(biāo)豆包，還是不輸于GPT-4o？

黃赟賀：GPT4-4o我理解屬于端到端模型，我們是按照端到端語音模型去做訓(xùn)練，因?yàn)樗_實(shí)是在 AI硬件語音交互場景下最合適的技術(shù)底座。我們沒有想去對標(biāo)哪家公司，更多的是技術(shù)要服務(wù)于產(chǎn)品。當(dāng)然也會(huì)看市面上其他模型，發(fā)現(xiàn)其他模型或者AI產(chǎn)品的優(yōu)勢再取長補(bǔ)短，這也是為什么要自己做模型，可以根據(jù)產(chǎn)品迭代需求、用戶需求進(jìn)行模型優(yōu)化，采集到合理反饋就會(huì)調(diào)優(yōu)。

鯨犀：目前很多用戶更習(xí)慣于手機(jī)端上下滑動(dòng)，對話式的AI交互會(huì)不會(huì)造成一定用戶門檻？

黃赟賀：移動(dòng)端的上下滑，我們叫圖形界面的交互，下一個(gè)形態(tài)就是語音交互，再到視覺交互，比如AI眼鏡。視覺更復(fù)雜，要求的算力也更高，像現(xiàn)在很多AI眼鏡看東西會(huì)暈，耳機(jī)就會(huì)好很多，這也是聲智會(huì)選擇AI耳機(jī)作為我們AI硬件的首發(fā)形態(tài)。

鯨犀：AzeroGPT會(huì)對外開放嗎？

黃赟賀：會(huì)對外。我們之前提到的大模型聲學(xué)、語音和語言三個(gè)板塊，目前官網(wǎng)都有一個(gè)API可以接入。聲智很多B端客戶像做全息數(shù)字人的，之前的數(shù)字人可能還是一問一答式，意圖理解、槽位匹配的時(shí)候，會(huì)要有一個(gè)運(yùn)營團(tuán)隊(duì)在后面做標(biāo)注，必須是命中了這個(gè)問題的關(guān)鍵詞，數(shù)字人才能回答問題。現(xiàn)在新一代的交互形態(tài)可以給很多產(chǎn)業(yè)賦能，我們也非常歡迎同樣做AI硬件的廠商，使用我們的大模型算法以及Azero交互框架。市場一定是百花齊放，大眾的認(rèn)知才會(huì)變高，用戶的理解成本才會(huì)降低，我們的產(chǎn)品才能賣得更好。

鯨犀：聊完大模型，我們再聊聊品牌打造。到目前為止，AI耳機(jī)賣得最好的時(shí)候是什么樣的狀態(tài)？

黃赟賀：我們的AI耳機(jī)對外銷售是今年8月份，現(xiàn)在最好的成績是在抖音自營直播間，這一款耳夾式耳機(jī)單店單品一個(gè)月賣了10萬臺，ROI和整體的數(shù)據(jù)反饋都是非常好的，在抖音3C榜上連續(xù)半個(gè)月都是第一名，我們沒有任何投放動(dòng)作，也能到前三。我們認(rèn)為先在國內(nèi)卷出來，才能在海外有一個(gè)很好的成績。而字節(jié)不僅國內(nèi)有抖音，國外也有TikTok，能提供很順暢的平臺服務(wù)，讓聲智能夠及時(shí)動(dòng)作。我們預(yù)計(jì)在今年11月份左右啟動(dòng)海外直播間，直擊歐美、中東等市場。我們?yōu)槭裁磿?huì)選擇抖音這個(gè)賽道，就是要在最卷的里面卷出來，才能去海外卷。國內(nèi)企業(yè)其實(shí)是非常卷的，卷AI、卷供應(yīng)鏈、卷產(chǎn)品創(chuàng)意，卷用戶數(shù)據(jù)。要在國內(nèi)先拼出來，才能在海外有一個(gè)很好的成績，我們的前輩像大疆、Insta360都是非常好的案例。

鯨犀：抖音3C賽道很卷，耳機(jī)更卷。從做品牌的角度來說，一個(gè)新品能拿到這樣的成績，您認(rèn)為是做對了哪些事情呢？

黃赟賀：我一直蠻喜歡小米雷總的一句話，他說好多公司都是熬出來的。我覺得這個(gè)“熬”字非常貼切，因?yàn)槲覀冏鲞@個(gè)產(chǎn)品，整個(gè)團(tuán)隊(duì)大概歷經(jīng)了兩年的努力。現(xiàn)在的產(chǎn)品形態(tài)，其實(shí)還有非常多種備選，今年下半年也會(huì)再出很多不同形態(tài)的產(chǎn)品。我們沒有為了搶占市場，快速推出一款產(chǎn)品直接面向市場。另外一方面，我們在做營銷的時(shí)候，不是直接以AI形態(tài)去教育用戶，而是采取了一種更“春風(fēng)化雨”的方式，用潮玩圈的思路去做AI，是潮玩品有了AI能力，這樣大家就比較容易接受。比如聲智的耳機(jī)里有16種AI能力，整個(gè)設(shè)計(jì)風(fēng)格也帶些游戲感，比如里面放吉祥物做串場，給到沉浸式體驗(yàn)等。外觀設(shè)計(jì)方面也有很多小巧思，比如用軟硅膠材質(zhì)達(dá)到輕巧目的，換音樂的按鍵也和平常的不太一樣。我們認(rèn)為，用戶得先喜歡你的產(chǎn)品，才能用你的AI功能，團(tuán)隊(duì)才能有數(shù)據(jù)去優(yōu)化產(chǎn)品功能，形成正反饋。

鯨犀：耳飾通常是女性更青睞，但玩3C的很多是男性，這種策略會(huì)不會(huì)造成用戶流失？

黃赟賀：這款單品設(shè)計(jì)的時(shí)候，沒有確定用戶消費(fèi)性別，更多是考慮到實(shí)用、美觀度的提升。后出的黑色款，男性用戶也買的比較多，七夕節(jié)的雙色套餐，也有很多情侶用戶買。另外我們其他產(chǎn)品線，也有商務(wù)款之類的偏傳統(tǒng)耳機(jī)的樣式。

鯨犀：AI耳機(jī)售價(jià)定在199非常巧妙，定價(jià)策略是怎么設(shè)計(jì)的呢？

黃赟賀：我們的低定價(jià)是考慮到用戶對AI的嘗鮮門檻要低一點(diǎn)。因?yàn)槁曋鞘菑闹悄芤粝鋬r(jià)格戰(zhàn)里走出來的，最早智能音箱都是千元級，后面慢慢小米等廠商降到了199甚至更低，用戶嘗試成本不高，才快速打開市場。AI有很多功能，哪些功能是用戶真正需要的，我們也需要快速打開市場，去了解用戶需求，反饋升級系統(tǒng)。當(dāng)然我們也有高價(jià)款去匹配不同細(xì)分人群的需求，比如今年會(huì)推出AI助聽器，相對來說高價(jià)一點(diǎn)，但對比國外AI助聽器動(dòng)輒幾萬塊的水平，聲智更希望成為國產(chǎn)之光。聲智的聲學(xué)技術(shù)優(yōu)勢，在降低成本和擴(kuò)展功能方面，都有很大幫助。

鯨犀：過去很多ToB公司在轉(zhuǎn)型做ToC的時(shí)候，思維邏輯轉(zhuǎn)換不過來，聲智轉(zhuǎn)型的一年多里，遇到過哪些問題？聲智怎么應(yīng)對這些問題？

黃赟賀：我將這個(gè)過程定義為從技術(shù)到產(chǎn)品、產(chǎn)品到品牌的發(fā)展過程，而且這些過程都是聲智必經(jīng)的。從2016年聲智開始做智能音箱，最開始聲智是算法支持，后面變成了做硬件跟算法的嵌套。我們也有國家專利獎(jiǎng)的Azero的開發(fā)框架（AI算法與硬件結(jié)合的交互框架）。在做這個(gè)的時(shí)候，我們已經(jīng)在做 AI 硬件了，只不過當(dāng)時(shí)我們管它叫行業(yè)終端、智慧終端。現(xiàn)在，我們就是把產(chǎn)品形態(tài)換了一個(gè)消費(fèi)領(lǐng)域能接受的形態(tài)去呈現(xiàn)，選擇了一個(gè)比較時(shí)尚的外觀，把 AI 耳機(jī)包裝成大家接受度更高的產(chǎn)品。內(nèi)核的技術(shù)架構(gòu)，對我們而言是成熟且穩(wěn)定的。我們目前最關(guān)心的還是研究用戶數(shù)據(jù)、市場反饋，做營銷做品牌，技術(shù)反而是最安心的部分。當(dāng)然聲智轉(zhuǎn)型過程中也會(huì)有一些人員上的調(diào)整，但調(diào)整方向比較明確，營銷策略規(guī)劃都比較清晰，而且整個(gè)團(tuán)隊(duì)都比較年輕，大家的網(wǎng)感、對最新消費(fèi)市場的把握都會(huì)更強(qiáng)一點(diǎn)。我們將體驗(yàn)店設(shè)在中關(guān)村創(chuàng)業(yè)大街的街上，也是方便用戶隨時(shí)過來進(jìn)行產(chǎn)品體驗(yàn)反饋，讓我們的工程師直面一線。

鯨犀：聊了這么多國內(nèi)市場，聲智目前出海整體策略和規(guī)劃是怎樣的？現(xiàn)在的出海情況如何？

黃赟賀：聲智10月份剛剛參加迪拜舉辦的科技+創(chuàng)新展會(huì)，預(yù)計(jì)年底發(fā)布的新品SoundAI OWS Pro在GITEX現(xiàn)場順利完成了印地語、阿拉伯語、土耳其語等一帶一路國家小語種與中文的互譯。在商務(wù)場合中，用戶只要將充電倉遞給對方，就可以在符合商務(wù)禮儀的前提下，實(shí)現(xiàn)跨語言無縫交流。聲智目前也是響應(yīng)國家一帶一路建設(shè)倡導(dǎo)，逐漸走出海外，中東在這條線上有很好的市場環(huán)境。然后今年聲智也會(huì)繼續(xù)在TikTok深耕，借助直播等渠道，進(jìn)入北美和歐洲市場。我們也提前預(yù)測了一些海外市場可能會(huì)遇到的問題，比如說品牌認(rèn)知不夠的情況下，怎么讓用戶去接受產(chǎn)品及定價(jià)，我們都做了完整規(guī)劃，期待第四季度海外會(huì)有良好表現(xiàn)。

鯨犀：怎么分析國外的3C市場？

黃赟賀：北大的路教授提出過一個(gè)觀點(diǎn)：出海等于海外創(chuàng)業(yè)。2023年的時(shí)候，大模型比較火，經(jīng)常有很多論壇邀請我們?nèi)プ鲆恍﹫A桌討論。當(dāng)時(shí)有一個(gè)主持人問我， ChatGPT做那么厲害，中國的大模型基本上都是望聞卻步的狀態(tài)，我們有什么能力優(yōu)勢？有多少年的差距？我說中國有自己的優(yōu)勢，供應(yīng)鏈優(yōu)勢是我們的優(yōu)勢，我們可以做很多產(chǎn)品創(chuàng)新，有很多不同的形態(tài)。早年間的智能音箱，美國所有的智能音箱加起來就是一小堆。中國的智能音箱有海量的形態(tài)，這就是中國的優(yōu)勢。所以我們要把這個(gè)優(yōu)勢發(fā)揮到最大。我們的創(chuàng)新性、產(chǎn)品迭代的速度、成本優(yōu)勢、定價(jià)優(yōu)勢，這些都能在海外市場很好地獲客。且北美市場對于AI創(chuàng)新產(chǎn)品的接受度會(huì)相對高一些。

鯨犀：這個(gè)產(chǎn)品在海外會(huì)有市場嗎？未來的渠道策略是怎樣的？

黃赟賀：像AI指環(huán)、胸章、掛墜、耳機(jī)、眼鏡這些產(chǎn)品，我覺得整個(gè)市場都在探索AI形態(tài)。最開始鼠標(biāo)，后面到PC，變成了觸屏，與智能音箱語音交互，到現(xiàn)在這個(gè)階段，一直在進(jìn)行交互形態(tài)的升級。下一輪交互形態(tài)可能是脫離圖形界面交互。這個(gè)交互形態(tài)的載體是什么？大家都在探索，現(xiàn)在沒有結(jié)論說到底哪一個(gè)交互形態(tài)是完美形態(tài)。我比較欣喜，創(chuàng)業(yè)公司也好，大廠也好，大家都在尋求創(chuàng)新的狀態(tài)，國內(nèi)的“內(nèi)卷”反倒會(huì)助長我們在海外的表現(xiàn)。當(dāng)有一個(gè)友商出海很成功，會(huì)有更多的AI硬件產(chǎn)品出海獲得海外市場份額，那個(gè)時(shí)候全球會(huì)覺得 AI made in China 是一個(gè)很好的產(chǎn)品形態(tài)。現(xiàn)階段，AI耳機(jī)對于聲智來講肯定是最好的一個(gè)AI硬件載體，“耳朵里的智能音箱”用戶理解成本門檻也會(huì)較低，我相信隨著市場的蓬勃發(fā)展，以及我們AI技術(shù)的不斷成熟和完善，包括市場策略的精細(xì)化，能更好地做出更符合市場需求的AI時(shí)代的新產(chǎn)品。（雷峰網(wǎng)(公眾號：雷峰網(wǎng))）

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。