據(jù)行業(yè)內(nèi)部消息，OpenAI正加速布局音頻人工智能領(lǐng)域，計(jì)劃推出一款以語音交互為核心的消費(fèi)級硬件設(shè)備。這款設(shè)備將突破傳統(tǒng)屏幕依賴模式，通過自然語音指令實(shí)現(xiàn)操作，旨在重新定義人機(jī)交互方式。知情人士透露，OpenAI已整合工程、產(chǎn)品與研究團(tuán)隊(duì)，集中攻克現(xiàn)有音頻模型在準(zhǔn)確性與響應(yīng)速度上的短板，為硬件落地鋪路。

當(dāng)前，ChatGPT的語音功能與文本回答采用不同模型架構(gòu)。OpenAI研究人員發(fā)現(xiàn)，現(xiàn)有音頻模型在復(fù)雜場景下的表現(xiàn)仍顯不足，例如應(yīng)對打斷、多輪對話等自然交互需求。為此，公司正在開發(fā)新一代音頻模型，計(jì)劃于2026年第一季度正式發(fā)布。該模型已具備生成更自然語音、實(shí)時(shí)響應(yīng)打斷的能力，甚至能模擬人類對話中的情感起伏。

在硬件設(shè)計(jì)理念上，OpenAI與谷歌、亞馬遜等科技巨頭形成共識：現(xiàn)有設(shè)備形態(tài)難以滿足未來AI交互需求。公司團(tuán)隊(duì)認(rèn)為，語音是人類最本能的交流方式，無屏幕設(shè)計(jì)不僅能降低使用門檻，還可避免用戶過度依賴視覺界面。曾主導(dǎo)蘋果產(chǎn)品設(shè)計(jì)的喬尼·艾維參與合作項(xiàng)目時(shí)強(qiáng)調(diào)，新一代設(shè)備應(yīng)承擔(dān)糾正消費(fèi)電子負(fù)面影響的責(zé)任，通過“隱形交互”減少用戶注意力分散。

盡管愿景宏大，OpenAI仍需跨越用戶習(xí)慣與市場認(rèn)知的雙重障礙。內(nèi)部數(shù)據(jù)顯示，當(dāng)前ChatGPT語音功能使用率偏低，既與模型性能不足有關(guān)，也源于用戶對語音交互的認(rèn)知局限。為改變這一現(xiàn)狀，公司正通過產(chǎn)品迭代與用戶教育同步推進(jìn)，例如在現(xiàn)有平臺中逐步強(qiáng)化語音功能體驗(yàn)。

組織架構(gòu)方面，OpenAI已組建跨部門專項(xiàng)團(tuán)隊(duì)推進(jìn)音頻戰(zhàn)略。來自Character.AI的語音專家昆丹·庫馬爾負(fù)責(zé)技術(shù)方向把控，工程師本·紐豪斯主導(dǎo)底層架構(gòu)重構(gòu)，多模態(tài)產(chǎn)品經(jīng)理杰基·香農(nóng)則協(xié)調(diào)跨模態(tài)交互設(shè)計(jì)。這種配置顯示出公司對音頻領(lǐng)域的重視程度不亞于其核心大模型研發(fā)。

產(chǎn)品規(guī)劃顯示，OpenAI的硬件布局不止于單一設(shè)備。公司正開發(fā)包括智能眼鏡、無屏幕音箱在內(nèi)的多形態(tài)產(chǎn)品線，定位為“環(huán)境感知型助手”。這類設(shè)備將通過音頻、視頻多模態(tài)輸入，主動(dòng)理解用戶所處場景，在獲得授權(quán)后提供適時(shí)服務(wù)。例如在烹飪時(shí)語音指導(dǎo)步驟，或在通勤時(shí)播報(bào)實(shí)時(shí)路況。

為支撐這一戰(zhàn)略，OpenAI在2025年初完成一筆重大收購——以近65億美元（約合人民幣455.06億元）價(jià)格收購喬尼·艾維聯(lián)合創(chuàng)立的io公司。這筆交易不僅獲得頂尖工業(yè)設(shè)計(jì)資源，更整合了供應(yīng)鏈管理能力。目前，公司正同步推進(jìn)模型優(yōu)化、硬件原型開發(fā)與生產(chǎn)鏈路搭建，三條工作線并行以加速產(chǎn)品落地。