OpenAI为什么造耳机

7月的某一天，一个人走在山路上，手机揣在口袋里，屏幕没有亮过。他用语音给ChatGPT布置了一个任务：整理上个月的产品数据，生成一份董事会报告。AI在后台拉取数据、生成图表、写完全文，然后读给他听。他口述修改意见，三个来回，定稿。全程40分钟，屏幕使用时间为零。 据公开报道，一位创业者曾在LinkedIn上记录过类似经历，一次两小时的步行中，他用纯语音交互写完了整个网站的文案。 当大多数人还在争论大模型参数高低的时候，人机交互的方式正在发生一次结构性变化。屏幕正在从“操作的入口”退化为“结果的展示窗口”，语音正在从“辅助输入”升级为“计算的主交互通道”。 GPT-Live：全双工语音的技术突破 喊一声“Hey Siri”设闹钟，问一句“小爱同学”放首歌。过去十年，人们习惯的“语音助手”本质上是一问一答的单次服务。你说一句，它做一件事，交互结束。它不记得上下文，不会在你沉默后主动推进任务，更不会在后台持续运行一段工作流。 2026年的ChatGPT Voice改变了这种交流方式。全双工语音架构意味着AI可以同时听和说，可以被随时打断，可以在你思考的间隙等待而不是超时退出。更重要的是，它支持持续后台执行。你口述一个复杂任务，AI在云端拆解、执行、等待中间结果、汇总，最后汇报。期间你可以继续走路、开车、做咖啡，不需要盯着进度条。 这个变化放在具体场景里，对比足够直观。过去，你要完成一份报告，需要打开电脑、登录系统、打开浏览器和Excel、筛选数据、打开PPT、粘贴图表、写文字、排版、导出。一套流程下来，你实际在“操作工具”而非“思考内容”。现在，你只需要口述任务，AI在云端执行工具链，汇报结果，你口述修改，定稿。屏幕是可选项，不是必选项。 支撑这一变化的，是7月OpenAI发布的两项关键技术更新。 在全双工语音赛道上，OpenAI并非先行者，谷歌Gemini Live和字节跳动豆包此前已实现实时语音对话。GPT-Live的意义在于，它将语音能力与Codex Agent工作流深度绑定，让语音从“聊天”升级为“指挥”。 OpenAI发布的新一代语音模型GPT-Live，基于全双工架构构建，每秒可以做出多次交互决策，实现了更自然的对话节奏，让交流更接近真人对话。同月，OpenAI将GPT-Live语音能力集成到ChatGPT桌面应用中，用户可以通过语音直接控制桌面端的Codex编程Agent和ChatGPT Work工作流Agent。你对着电脑说一句话，AI就能理解意图、调用工具、执行任务。 从使用规模看，据OpenAI官方数据，目前每周有超过1.5亿人使用ChatGPT的语音和听写功能，应用场景涵盖免提日常帮助、语言练习、通勤途中的闲聊陪伴。其2026年发表的论文《The Shift to Agentic AI: Evidence from Codex》披露了内部使用数据，从2025年11月到2026年6月的半年间，OpenAI员工使用Codex的中位数token消耗量呈现爆发式增长。97.9%的员工已在日常工作中使用Agent模式。这家公司自己的员工，正在从“跟AI聊天”切换到“让AI干活”。 交互范式每一次迭代都遵循一条规律，交互成本的降低会创造新的使用场景，而新场景的总量远超旧场景。键鼠让专业工作数字化，创造了电子表格和代码编辑器；触屏让数字交互随身化，创造了短视频、移动支付和打车软件。语音让计算变成无感化的背景服务。写文档、盯数据、查信息，甚至做创作，这些场景叠加在一起，总量将远超“打开一个App完成一件事”的手机范式。 问题是，谁来决定语音入口的归属？ Altman的硬件棋局 OpenAI做硬件这件事，如果只看表面，一家模型公司跑去造耳机，确实容易让人困惑。但把时间线拉长看，Altman在执行一条清晰的商业路径，而且这条路径有迹可循。 2001年， 苹果 发布了iPod。在那之前，苹果是一家电脑公司，iPod是一个音乐播放器，看起来像“不务正业”。iPod的真正使命不是卖设备，而是培育用户用iTunes管理音乐的习惯。等到2007年iPhone发布时，用户已经习惯了苹果的软件生态，硬件只是水到渠成的最后一块拼图。iPod用了6年才等到iPhone问世。 Altman的路径有相似之处，但差异同样明显。从ChatGPT Voice上线到Sweet Pea量产，不到两年，节奏远快于苹果。更重要的是，2026年的市场环境与2001年截然不同。数十亿台智能手机已经在用户口袋里，Sweet Pea面对的是一个设备饱和的市场，它要做的是在已有生态中插入一个新的交互层。 三步走的逻辑是清晰的。 第一步，用ChatGPT Voice培育语音交互习惯。从2024年Advanced Voice Mode上线，到2025年11月语音与文本界面融合，到7月GPT-Live发布，每一步都在降低用户从“打字”切换到“说话”的心理门槛。截至7月，ChatGPT的周活跃用户已接近10亿，是全球增长最快的互联网应用之一。不过，增速相较年初有所放缓。Gemini Live的分流、GPT-5发布后的口碑争议、Claude在编程场景的蚕食，都在影响着增长曲线。 第二步，锁定工业设计能力。2025年5月，OpenAI以约65亿美元收购了io Products，由Jony Ive联合创立的AI硬件公司，55名员工。Ive主导设计了苹果从iMac到iPhone、iPad、AirPods的几乎每一代标志性产品，他懂得如何把消费电子产品做得让人爱不释手。这是AI模型厂商自己很难具备的能力。 第三步，用硬件完成生态闭环。2026年下半年，内部代号“Sweet Pea”的AI耳机将面世，由LoveFrom设计工作室操刀，采用耳后挂戴或开放式音频结构，强调“技术隐形”与全天候佩戴。 据供应链消息，首年产量目标在4000万到5000万台之间，由富士康代工。作为参照，iPhone上市首年实际销量约610万台。一个是产能规划，一个是市场出货，口径不同，但量级差距仍能说明OpenAI对这个品类的押注力度。不过，受存储芯片涨价影响，首批产品可能缩减为基础耳机形态，完整算力版本或将延后。 AI硬件赛道不乏前车之鉴。Humane AI Pin售价699美元，上市后因交互反人类（以手势操作替代触控，学习成本极高）、续航崩盘（数小时一充）、核心功能依赖手机热点等问题迅速遇冷，最终被 惠普 收购。Rabbit R1同样因响应延迟、功能与手机App高度重叠、缺乏独立生态而后续乏力。 这两款产品的共同教训是，硬件形态和AI能力之间需要找到平衡，单靠一个新设备无法创造新交互习惯。Sweet Pea能否打破这一局面，取决于它能否回答几个问题：能否在不深度依赖手机系统权限的前提下提供完整体验？续航和佩戴舒适度能否支撑全天候使用？语音交互是否足够好，好到让用户愿意从已经习惯的手机屏幕上移开注意力？这些问题目前没有答案。 7月，OpenAI还推出了Codex Micro联名键盘，一款13键可编程机械键盘，售价230美元，定位为“智能体工作指挥中心”。虽然面向开发者，但它释放了一个信号，OpenAI正在从纯软件公司转向“软件加硬件加生态”的全栈计算平台。 真正的对手 OpenAI