以后开会，AI可能要开始插嘴了

AI语音加速进入现实场景

AI开始从屏幕走进现实，是今年AI发展的主线之一。而语音，是AI切入一个个现实场景的早期突破口。

从最早的人工智障Siri，到近两年一众AI录音笔铺货，再到上半年企业微信和豆包输入法灰度尝试的语音/录音拓展，再到上个月苹果宣布以新版Siri为核心入口、全面革新Apple Intelligence，再到这两周GPT Voice快速落地ChatGPT桌面端、Anthropic同步跟进语音模式，AI语音正在加速进入现实。

当前能力：能说，但听与想仍在强化中

一方面，AI语音已经“说”得很6了，比如豆包。

另一方面，AI语音正在快速强化“听”和“想”的能力，也就是更接近智能本质的这块能力。

就像两个人类交流时的常见情况，能否有效聆听，识别对方的真实意图和当下情景的相对局限，能否既充分兼容而又不冒犯，能否以长期价值为导向推进对话，就变成了下阶段AI语音的重点课题。

现阶段，客观来讲，AI语音还没达到对答如流，或者说顶级聪明的水平，应答深度还不够。主要是推理速度还没跟上，又不能一直傻等，就只有牺牲一些智能来换取流畅度。

但这个应该不是啥大问题，再有几个月也就解决了。真正难的，还是灵性和悟性，或者说智能本质这块的提升。

智能本质的突破需依赖全模态与具身智能

当然，这个事也不是光靠语音就能解决。

比如按梁文锋的看法，类似多模态这些事情也许跟智能本质还离得很远，而他和团队还是在从LLM+agent这个路径，尝试解决AGI问题。

其实要实现人的灵性，可能还是要建立在全模态打通、具身智能全面落地的基础上。

主要因为人是基于大脑、同时通过多种感官接收和处理信息的，而目前单一的语言或语音界面，还达不到人类“望闻问切”的交互深度。

组织稳定性成为AGI竞争的关键变量

说到梁文锋，这周他有一篇比较火的投资者交流问答反复刷屏，可以说把强价值观驱动下的科学+商业实践怎么做，基本说清楚了。

其中，梁总提到只要团队稳，他就一定能做成AGI，而且“就是这么简单”。

巧的是，最近月之暗面杨植麟也有类似的表达：不光是DeepSeek和月之暗面，看看Anthropic也会发现，他们的团队和组织也是稳得一匹。

看来英雄所见略同。现阶段AI竞争的技术和产品范式基本有了，大目标也都差不多，中美都是瞄着AGI去了。

眼下的重点，就是把核心人才和组织稳住，尽快把agent做透，然后快速进入AI持续学习和自我迭代阶段（也就是梁总认为的智能奇点）。

所以“组织”，可能是眼下AI竞争的关键词。

而所谓“AI时代的组织”，一是人与人之间要形成共同愿景驱动下的真实链接，以善意和共识驱动；二是明确业务边界，尊重商业规律和资源有限性，把好钢用在刀刃上。

AI语音已初步具备日常协作能力

实际用下来，比如在家中，目前完全可以在客厅一直开着GPT Voice，让它扮演倾听者、聊天搭子或者比如口语老师，就是下面右侧这颗蓝色的球🔵

它就像个真人，既能陪聊伴学，又能调动agent做事，还能分辨场景中多个不同人类的音色，体验下来挺好的，比打字效率高很多。

不难想象，在办公、娱乐、日常生活等场景中，开一个AI语音搭子，可能会逐渐流行起来，就像呼唤车机一样自然而然。

再进一步，当AI语音搭子普及后，AI摄像头和扬声器、甚至充分隔音的类似玻璃房子的AI工位，也许会有一波市场需求，这样免得大家在开放办公室相互影响。

AI作为“参会人”或将重构会议形态

更实际一点，目前我能想到的AI语音提升生产力的典型场景，可能是开会。

也就是在目前AI会议纪要的基础上，真正引入一个“AI参会人”，赋予它充分的上下文背景和内部资料，设定好它所扮演的角色（主持人、决策者、汇报者、智囊等等），从而充分利用AI的超级智能推动建设性讨论，减少人类自身局限性造成的偏见和谬误，进而实现更有效的共识和更高质量的决策。

有时候，主动放下一些人类的ego，以更灵活的身段和AI协作，也许是更好的选择。