1. 首頁 > 生活百科 > >

把「Her」裝進一張卡里

人工智能aiLinuxGoogle

把「Her」裝進一張卡里

文章圖片

【把「Her」裝進一張卡里】把「Her」裝進一張卡里

文章圖片


今年 ， 大模型基礎能力再次實現飛躍 ， 像 ChatGPT、DeepSeek、豆包這樣的 AI 工具 ， 正在成為越來越多職場人工作中的常用助手 。
這些 AI 的能力確實強大 ， 但也有個不小的門檻：要讓它們「干活」 ， 往往需要提前準備大量資料 。 換句話說 ， 今天的 AI 更像是一個高智商的顧問 ， 而從實際提效的角度看 ， 我們更需要的 ， 其實是一個始終待在身邊、幫我記錄信息 ， 并在關鍵時刻給出提醒和反饋的「智能助理」 。
出門問問正在嘗試填補這一空白 。 4 月 ， 公司首次公開了旗下全球首款 Agentic AI 硬件產品 TicNote ， 6 月 25 日 ， 這款硬件也正式在國內發布 。 發布會上 ， 出門問問創始人李志飛強調 ， 這不只是錄音筆、翻譯器或語音助手 ， 而是一個「隨身的 AI 思考伙伴」 。
在出門問問之前 ， 國內外已有一些公司嘗試將大模型與錄音硬件結合 ， 但它們大多仍將 AI 作為音頻信息處理工具 ， 主要用它整理會議記錄、或者翻譯等 。 TicNote 雖然具備類似能力 ， 但它的定位并不止于此 。 通過持續記錄用戶的工作與生活信息 ， TicNote 實際上成為了一個 7×24 小時陪伴用戶的「超級助理」 ， 可以基于日常交流內容和大模型的推理能力 ， 主動提供工作靈感與洞察 。
作為極客公園的「老朋友」 ， 我們見證了出門問問從創業到上市的完整歷程 ， 也經歷了其在大模型方向上階段性的戰略收縮 。 而如今 ， 出門問問選擇以硬件的方式重新切入大模型賽道 ， 這背后并非是簡單的追風口或模仿他人 ， 而是創始人李志飛多年在人機語音交互領域積累的沉淀——在看到已有路徑被驗證的同時 ， 他也看到了更深的可能 ， 并希望在這個方向上做出更好的產品 。

01一個隨身的「AI 助理」
TicNote 的外觀類似一塊小巧的磁吸充電寶 ， 機身厚度約為 3 毫米 ， 可以整天通過磁吸方式貼附在手機背面 ， 幾乎不影響日常使用 。
TicNote 丨來自：出門問問
與傳統錄音筆不同 ， TicNote 的卡片式設計從一開始就面向「全天候記錄」的使用場景 。 用戶可以輕松控制錄音操作模式 。
這種硬件形態并非出門問問首創 ， 早前 Plaud Note 等產品也采用了類似設計 。 其優勢在于 ， 能夠在教育、媒體、創意策劃等需要大量語音記錄的場景中 ， 穩定長時間運行 ， 并借助大模型能力提升轉寫、翻譯和總結等后期處理的效率 。
這一應用場景已獲得一定程度的市場驗證 ， 但出門問問認為 ， 卡片式錄音硬件與大模型的結合 ， 除了錄音、處理等功能外 ， 還蘊含更大的潛力 。
除了轉寫和總結等基礎功能外 ， TicNote 最大的特色是其內置的 AI Agent「Shadow AI」 。 支持實時對話、邏輯推理、知識整合和寫作建議 ， 能夠更深入地理解用戶的內容創作需求 。 無論是在工作、學習 ， 還是靈感探索的過程中 ， 它都能與用戶保持對話 ， 協助完成任務 ， 成為一個貼身的智能助手 。
Yolanda 是 TicNote 的內測用戶之一 。 作為一名科技高管和中考孩子的母親 ， 她常常面臨時間碎片化和信息冗雜的挑戰 ， 難以兼顧家庭與工作 。 TicNote 在很大程度上緩解了她的這一困境 。
一次線上家長會與公司重要復盤會時間沖突 ， Yolanda 無法同時兼顧兩端 。 于是 ， 她用 TicNote「隱形」地全程記錄了家長會內容 ， 會后精準轉錄并自動提煉要點 ， 整理成結構清晰的文字紀要和思維導圖 ， 讓她無需回聽便能全面掌握會議信息 。
此外 ， Yolanda 還讓孩子在每次輔導課時攜帶 TicNote 。 一個學期下來 ， TicNote 不僅記錄了老師的重點內容 ， 還幫助總結出孩子的知識薄弱環節 。 臨近中考 ， 孩子利用 TicNote 整理出老師講授的「臨場工具包」和「應急方法」 ， 并結合薄弱點形成了清晰的復習資料 。
從 Yolanda 的使用體驗中可以看到 ， TicNote 不只是一個便攜的錄音工具 ， 而是通過軟硬件一體化的設計與大模型能力 ， 逐步走向一個真正「理解你」的智能助理形態 。 而這樣一款產品背后 ， 是出門問問在語音技術與人機交互領域十年如一日的深耕 。

02一家為人機交互堅持了十年的公司
出門問問能夠推出 TicNote ， 并非偶然 。 這款產品所代表的「軟硬件一體 + AI 服務」路徑 ， 其實是出門問問十年來技術積累與產品探索的自然結果 。
自 2012 年成立以來 ， 出門問問就將人機語音交互作為核心方向 ， 是國內最早一批踐行「voice-first」理念的公司之一 。 早期推出的自研語音助手 App ， 主打中文語音識別與自然語言理解 。 隨后幾年 ， 公司不斷嘗試將語音能力嵌入硬件 ， 先后推出了智能手表 TicWatch、智能后視鏡 TicMirror、翻譯器 TicTranslator 等產品 ， 持續探索語音與設備結合的應用可能 。
這些產品在當時都走在行業前列 ， 也積累了可觀的技術經驗 ， 但語音交互的使用門檻、成本等挑戰 ， 始終制約了其成為主流操作方式 。 用戶需要通過喚醒詞和指令語言與設備溝通 ， 交互成本高、容錯率低 ， 難以承擔復雜任務 。 出門問問因此在一段時間內收縮硬件產品線 ， 將重心轉向 AI 能力的打磨 。
但這條人機交互的進化之路 ， 出門問問從未真正放棄 。 大模型時代的到來 ， 為人機語音交互帶來了新的契機 。 隨著模型理解力和生成能力的提升 ， 人機對話變得更加自然 ， 越來越多用戶開始習慣以對話的方式與 AI 溝通 。 語音 ， 作為最接近人類表達習慣的交互方式 ， 也因此重新獲得價值 ， 有望成為連接 AI 與現實世界的重要入口 。
TicNote 正是在這樣的背景下推出的 。 它不僅是一款用于記錄的智能設備 ， 更通過內置的 AI Agent「Shadow AI」 ， 將用戶每天聽到的、說出的內容 ， 持續整理為結構化的信息 ， 構建出屬于每個人的「個人知識庫」 。 基于這個個性化知識庫 ， 大模型不僅能進行高效調用 ， 還可以聯網發散 ， 挖掘信息在更高維度上的價值 。
這種產品形態 ， 是出門問問在語音識別、自然語言理解、終端設計等多維技術積累的集成體現 。 以 TicNote 的「閃聊」功能為例 ， 用戶可以在錄音過程中隨時發起語音對話 ， 快速回顧前文內容、提取重點信息 ， 適用于采訪、會議等需要即時反饋的場景 。 這種「邊錄邊問」的交互模式 ， 正是出門問問十年來持續深耕語音技術的成果落地 。
同時 ， TicNote 還具備自動化的項目管理能力 。 過去 ， 即使是 AI 錄音筆 ， 也多局限于單一場景 ， 錄完之后進行一段內容的單次處理 。 而在 TicNote 的交互邏輯中 ， 所有錄音數據被統一沉淀為一個可持續擴展的知識庫 ， 用戶可以跨場景、跨時間地隨時調用、整理和繼續對話 。 這種更貼近用戶直覺的信息組織方式 ， 也讓 TicNote 不再只服務于專業用戶 ， 而具備了廣泛的日常適用性 。
更重要的是 ， 這一次 ， 出門問問不再試圖用語音去「控制一個機器」 ， 而是借助大模型能力 ， 讓語音成為構建知識的入口、推動思考的助力 。
回頭看 ， TicNote 并不是一次技術方向的轉身 ， 而更像是一次完成——它匯聚了出門問問十年走過的每一步 ， 將分散在人機交互、硬件設計、AI 服務等多個層面的經驗 ， 集中在一個更適合這個時代的產品中 。

03未來每個人都需要一個「高維記憶倉」
當下 ， ADHD 已成為一個熱門社會話題 。 「注意力難以集中」作為一種癥候 ， 正在變得越來越流行 。 除真正的 ADHD 患者之外 ， 越來越多普通人也開始發現自己有類似癥狀 ， 甚至開始「自我診斷」 。
這和我們正在經歷一場巨大的信息過載有很大關系 。 向前回顧 ， 人類從未像今天這樣 ， 每天要接收、處理大量的信息 ， 這些信息不只通過手機涌入我們的眼睛 ， 也存在于生活中的每一個場景 。 我們每天接收的信息太多 ， 思維的保質期卻越來越短 。
過去常見的一個認識是 ， 相比體力勞動 ， 腦力勞動是輕松的 ， 坐辦公室是少數人的「特權」 ， 是人們的共同追求 。 但現在 ， 越來越多人從事圍繞信息展開的工作 ， 卻對此感到疲憊甚至厭倦 。
我們越來越意識到 ， 處理信息也是一種負載 ， 會帶來「勞損」 。 在當下 ， 我們需要像使用機械工具替代體力勞動那樣 ， 為我們的大腦減負 。 而這樣的設備 ， 必然要具備感知、交互 ， 以及輔助的思考和洞察能力 ， 成為我們的「前置感官」和「輔助大腦」 。
這可能就是 TicNote 以及出門問問未來的終極野望 。
今天絕大部分 AI 產品都在為用戶提供「單一場景切面」的信息 ， 實際上 ， AI 的終極未來 ， 應該要能夠輔助用戶管理整個記憶和思維 ， 其中既包括信息、知識 ， 也有回憶 。 當下 AI 業界已經提出了「人生流」的概念 ， 被記錄下來的人生流 ， 其實就是我們的「記憶倉」 。 而 Agentic AI 能做的 ， 就是把這個記憶倉進行升維 ， 挖掘出我們自己平時都沒有意識到的思考和洞察 ， 最終幫我們減輕接受信息的負擔 ， 激發出更多靈感 。
在可預見的未來 ， 我們每個人都需要一個擁有完美記憶力且能輔助我們思考的 agent ， 來幫助我們重新組織接收到的信息 ， 增加思考的維度 。 而 TicNote 內置的「頓悟時刻」功能 ， 就已經初窺了這種未來 。 它能夠基于用戶保存的數據 ， 為用戶提供 AI 角度的「洞見」 。
當下絕大多數 AI 助手產品都是基于泛意義上的公開語料訓練的 ， 很大程度上都在以「全知全能」作為訓練和發展目標 ， 但對用戶來說 ， 更多人需要的其實是一種「個性化的 AI」 ， 這個 Agentic AI 應當更多了解我們的私人知識 ， 提供與我們切身相關的信息 ， 幫助我們構建個性化的體驗 。
對出門問問和李志飛來說 ， TicNote 既是過去十二年堅守技術理想的一次成功落地 ， 也是一次面向 AIGC 未來的再次出發 。 他們等到了人機交互的新時代 ， AIGC 的新時代 ， TicNote 絕非一次產品上的「投機」 ， 而是長期技術「戀愛腦」的一次修成正果 。
去年 4 月 ， 出門問問上市 ， 成為國內 AIGC 第一股 。 對李志飛和他的團隊來說 ， 解決「錢」的問題從來都不是最重要的 ， 更重要的是他們又可以把自己堅信的技術 ， 打磨到最好的狀態 ， 然后帶給這個世界 。
現在 ， 它再次邁出了堅實一步 。

    推薦閱讀