ChatGPT“甜甜圈”没有摄像头。
但它或许分得清，你此刻在跟谁说话：伴侣、孩子、领导，还是客户。它靠的不是眼睛（摄像头）。据产业链专家透露，“甜甜圈”的供应商名单里，有一个此前从未被外界提起的名字：奥迪威，一家给汽车和服务机器人做超声波传感器的公司。🔺构想中的“甜甜圈”，AI生成示意图，非实物图：图源：AR圈
“明天早上7点叫我。”这是今天智能音箱最典型的用法：你说一句，它做一件。OpenAI想做的却是另一回事。据The Information报道，OpenAI在一次内部汇报中这样描述自己的硬件：它会观察用户，并主动给出建议。比如发现你第二天一早有会，就提醒你今晚早点睡，再顺手把闹钟也给你定好。这正是外界口中的ChatGPT“甜甜圈”想做到的事。按彭博社记者Mark Gurman的描述，它是一个环形设备，有扬声器、麦克风和指示灯，会随着使用逐步了解用户。OpenAI内部认为，这类设备的决定性特征，是它的“个性”，以及与人建立类人连接的能力。从“听话”到“懂你”，差的不只是一个更聪明的大模型，还有一整套感知系统。把“懂你”拆开，至少要回答三个问题：你是谁，你在做什么，你现在状态怎么样。“甜甜圈”的答案可以分成三层：听、感、记。听：不止听你说了什么。 据The Information，OpenAI设备的麦克风会捕捉周围的对话，作为理解上下文的依据。据产业链消息，“甜甜圈”的多颗麦克风由歌尔供应。多颗麦克风组成阵列，可以定位声源、过滤噪声；每个人的声音都有独特的“声纹”，设备听几次就能认出是谁在说话。再配合大模型，语气、语速和用词里的分寸感也有被读懂的可能：跟孩子说话时的语气，和跟领导汇报时，显然不一样。这正是Meta今年公开的一项专利申请所描述的方向：通过语调、语速、叹气和笑声，判断用户的情绪状态。感：知道你所处的环境。 据产业链消息，“甜甜圈”还用到了敏芯供应的环境感知传感器。按照业内常见的配置，这类传感器可以感知接近，以及温度、湿度、光线等环境变化。几点关的灯，屋里冷不冷，身边有没有人，这些看似琐碎的信号，恰恰是判断一个人作息和状态的依据。
这家北交所上市公司深耕超声波传感器多年，客户主要在汽车辅助驾驶和服务机器人领域；今年它又推出了基于MEMS工艺的超声波传感器PMUT，主打机器人的近场空间感知。🔺超色波传感器典型应用场景，图源：AR圈
超声波传感器的原理和蝙蝠相似：发出人耳听不见的声波，再接收反射回来的回声，就能算出物体有多远、在怎么动。在机器人上，它用来避障；放到“甜甜圈”上，它可以在不开摄像头、不依赖光线的情况下，知道你身边有几个人、离你有多近，谁走近了、谁离开了，甚至识别手在比划什么手势。人睡着以后，胸口还会随着呼吸轻轻起伏。这个动作很小，但超声波已经能隔空捕捉到。10月28日，亚马逊发布了一款没有摄像头的智能闹钟Echo Time，按亚马逊的说法，它用超声波检测呼吸和人的远近。用户什么都不用戴，到了设定的起床时段，它会挑你睡得比较浅的时候叫醒你。🔺图：放在床头的Echo Time，搭载超色波传感器，睡觉时无需佩戴任何设备，图源：亚马逊
需要说明的是，“甜甜圈”具体会用奥迪威的传感器做什么，目前并无公开信息，以上是基于其产品能力的推演。但一家机器人感知供应商出现在一款AI设备的供应链里，本身就说明OpenAI想让它感知的，不只是声音。记：越用越懂。 听到的、感知到的信号，最终都要沉淀成对一个人的长期理解。彭博报道称，OpenAI的设备会随着使用变得更个性化、更主动。它会记住你和每个人说话的习惯：跟谁说话最放松，跟谁说话总要斟酌。把“听”到的声纹和语气、“感”到的距离和人数、“记”住的相处模式放在一起，分清你在跟谁说话，并不需要一双眼睛。今天它知道你明早有会，明天它也许就知道，你说“没事”的时候其实有事。这不是一个锦上添花的功能，而是OpenAI对下一代计算设备的判断。奥特曼描述过他理想中的使用体验：像坐在湖边山间一座漂亮的小屋里，享受宁静；而今天的手机，更像走在纽约时代广场，到处是闪烁的灯光。他说，用户会随着时间逐渐信任这台设备，而它对“你的整个生活有着不可思议的情境感知”，知道什么时候该替你挡掉干扰，什么时候该来问你。乔尼·艾维则说，他希望这些设备能带给人更多快乐、更少焦虑。🔺图：奥特曼心目中理想的使用体验，像在湖边山间的小屋里享受宁静。图为意大利布拉耶斯湖畔的木屋（摄影：Luca Bravo / Unsplash）
换句话说，在他们看来，好的AI设备不该一直等你下指令，而应该在恰当的时候出现，在不该打扰的时候安静。做到这一点的前提，是读懂你的状态。
OpenAI的布局也在印证这条路线。今年1月，它推出了ChatGPT Health，可以接入苹果“健康”等应用的数据；同月，又收购了医疗记录初创公司Torch。ChatGPT已经在读手表和手环上的健康数据，而一台随时在身边、能感知作息和状态的自家设备，补上的正是它自己的数据入口。招聘信息也说明这不是临时起意。OpenAI消费设备研究部门专门设有一支“新传感”团队，职位描述写的是“把新的信号变成可靠的能力”“引入新的传感模态”；负责音频的工程师，也被要求让声音处理与“其他传感模态”协同工作。第一个代价是隐私。一台随时在听、随时在感知的设备，信任门槛天然就高。奥特曼自己也说，用户对它的信任需要时间建立。业内的通行做法，是尽量在设备本地处理原始声音和传感数据，只把必要的信息上传，但具体怎么做，还要等OpenAI给出答案。第二个代价是电量。要“懂你”，麦克风阵列和各类传感器就得常开，端侧芯片要随时待命，再加上与手机和云端的持续连接，耗电远高于一个只在被唤醒时才工作的设备。而“甜甜圈”体积小巧，留给电池的空间极其有限。这对电池提出了很高的要求。据产业链消息，“甜甜圈”的电池由ATL和珠海冠宇供货，采用的是钢壳叠片电芯和高硅负极。钢壳叠片用钢壳替代铝塑膜，把极片一层层叠起来，在同样的体积里塞进更多电量；高硅负极则进一步提升能量密度。这两项都是苹果今年才在iPhone上用上的电池技术，“甜甜圈”的硅含量还要更高。🔺图：拆解显示，iPhone钢壳电池的电芯标注为COSMX（珠海冠宇）（来源：网络拆解视频截图，中文标注为编者所加）所以出现了一个有意思的现象：电池虽然很小，但价格可能比一部苹果手机的电池还贵。按产业链估算，“甜甜圈”用三颗约240毫安时的电芯，总价约12美元；而iPhone 17 Pro Max那块4823毫安时的钢壳电池，价格约10美元。折算到每安时，“甜甜圈”电池的价格是iPhone的8倍左右。过去十年，智能音箱比拼的是谁听得更清、答得更准，本质上还是一个等待指令的工具。
“甜甜圈”想走的是另一条路：用麦克风听懂你，用传感器感知你所处的环境以及对话的对象，再用大模型把这些碎片拼成对你的理解，在你开口之前把事情想在前面。“憋说话，我懂。”这句听起来像玩笑的话，也许正是AI硬件下一个十年的分水岭：设备之间的竞争，将不再是谁更听话，而是谁更懂人。
