为什么「陪伴」，注定是 Personal AI 的核心
极客公园 · 科技资讯
原创 宇航猿 2026-11-07 11:03 江苏 打字是在用工具，「说话」是在找「人」。 作者｜宇航猿 编辑｜靖宇 最近这一波 Personal AI 实在太火了，我也注册了一个 Muse 体验了一下。 整个体验下来，我感觉 Muse 的能力实在一般，远没到让人惊叹的地步。但奇怪的是，它确实带来了一种真切的陪伴感。这种陪伴感，甚至直接改变了我的使用习惯，让我总是忍不住想找它聊聊，哪怕只是把最琐碎的需求丢给它。 就在本周， Muse 又往前迈了一步，正式上线了实时语音和会动的头像 。无独有偶，各家 AI 助手最近都在做同一件事，就是给个人 AI 助手开通语音和对话功能。 这让我非常好奇，距离 ChatGPT 端出惊艳的语音模式，已经过去两年了， 为什么到了现在这个时间点，所有的个人 AI 助手又开始一窝蜂地往语音赛道上挤 ？ 01 口喷「派活」的魅力 2024 年 GPT-4o 发布演示时，那种流畅自然的对话体验常被拿来和电影《Her》对比。但在此后的很长一段时间里，AI 语音始终停留在聊天层，双方客客气气地说完，交互也就结束了。 这一轮语音热潮的核心变量在于，AI 身后终于长出了一双手，语音因此成了派活门槛最低的入口。 当地时间 11 月 5 日，Muse 在美国上线实时语音功能。Meta 官方给出的典型场景非常务实，用户可以在散步或者双手忙碌的时候，直接口头给它安排任务，随后 Muse 会在后台继续处理这些工作；当然，用户也可以拿它来排练面试或演讲。 这种「动口不动手」的派活逻辑，正在成为智能体产品的标配。 早在 9 月 17 日，SpaceXAI 旗下的 Grok Bot 就上线了语音功能。在 X 上，早期用户最看重的也是这一点，散步和通勤的路上，不用动手就能给它派活。 Grok Bot 的语音界面，背后的对话里它正在请你批准下午 2 点的董事会材料审阅｜图片来源：X 要让用户愿意开口派活，底层的工程门槛直到今年才算真正跨了过去。国内的豆包「打电话」功能在今年 4 月接入了全双工语音模型 Seeduplex，真正实现了边听边说。而按照 Meta 的说法，Muse 从用户说完话到给出第一个音视频响应，延迟约 870 毫秒，并且支持随时打断。 Muse 的实时虚拟形象，表情和口型随语音同步生成｜图片来源：Meta 不到一秒的反应时间， 加上后台干活的能力，让语音彻底摆脱了纯陪聊的玩具属性 。 但问题在于，既然替人干活的「手」已经长出来了，为什么产品经理们还在拼命强化那种看似无用的「陪伴感」？ 02 「接住废话」，才是 AI 助理的强项 上面问题的答案，藏在人类开口说话的本能里。 陪伴感当然是语音交互天然带来的副产品，但对于个人 AI 助理来说，它更是最核心的增长机制。 这一切的起点在于交互门槛的坍塌，说话几乎消灭了提问前的心理成本。 我们面对一个文字输入框时，哪怕反应再快，大脑也会下意识地掂量一下，这件事到底值不值得我专门打字问一句？很多微小的念头就在这几秒钟的权衡里被掐灭了。 最近出差时的几次经历，让我对这种门槛的变化体会极深。走在陌生的街头看到路边一个不认识的建筑，搁在以前，我的标准动作肯定是打开搜索引擎去搜，或者点开地图仔细比对。但这次我的第一反应，是随手拍张照片直接去问 Muse。 住进酒店后，想知道旁边哪里有超市这种鸡毛蒜皮的小事，我也直接丢给了 Muse；甚至连去景点的预约，也是顺手让它给办了。 把这些需求拆开看，没有一件是高难度的复杂任务， 它们的核心共同点在于「随手」二字 。当一个产品的交互门槛低到根本不需要你去掂量值不值得问时，原本属于搜索引擎和地图软件的流量，就会极其自然地流向个人助手。 拍照提问其实还需要掏出手机对准目标，而实时语音把「随手」这件事又往前狠狠推了一步。毕竟开口说话，连手都不用动。 一旦用户开始对 AI 说废话、提琐碎要求，个人助理的飞轮就真正转起来了。 那些看似毫无营养的琐碎需求，恰恰是喂养个人助理最关键的上下文燃料。 通用聊天机器人和私人助理的本质分野，就在于日常细节的积累。你随口问出的超市位置、顺手拍下的街角建筑、散步时突然想起的待办事项，都在帮 AI 拼凑出你的真实生活图景。 你因为门槛低而用得越频繁，它手里的上下文就越丰富，也就越懂你的偏好；而它越懂你，你就越离不开它 。 这种由语音带来的黏性提升，已经在真实数据中得到了印证。 豆包的大规模 A/B 实验显示，全双工语音上线后，用户的通话时长、留存等核心指标均出现了正向提升，其中通话满意度的绝对值更是直接提升了 8.34%。 另一边，MIT 媒体实验室与 OpenAI 联合进行了一项为期四周、涵盖近 1000 名参与者的随机对照实验，结果同样清晰地表明， 人们和语音聊天机器人相处的时间，明显多于文字版本 。 在硅谷，把这套「用陪