在AI浪潮席卷硬件的当下，小米、阿里、百度等传统科技巨头纷纷押注智能眼镜，而脱胎于科大讯飞的“未来智能”，却选择深耕AI会议耳机赛道。尽管起步坎坷，其第一代iFLYBUDS耳机因基础体验问题遭遇用户批评，但AI会议录音的核心场景价值却被清晰验证。

从“边骂边用”到头部玩家，未来智能完成了艰难的蜕变，团队深刻总结出“5+X”法则。

正是凭借在垂直场景的深度耕耘、对蓝牙底层协议的优化，以及基于“viaim大脑”的硬件重构理念，未来智能在巨头环伺中构筑起差异化的“护城河”，同时也吸引了资本的目光，该公司已完成包括启明创投领投的Pre A+轮在内的多轮融资。

近期，在世界人工智能大会（WAIC 2025）现场，观察者网与未来智能CTO王松进行了深度对话。

这场对话，探讨了未来智能如何从场景出发，以AI+硬件的深度融合，在激烈的竞争中开辟属于自己的航道，并坚定看好AI耳机在未来人机交互中的关键地位。

展望未来五年，王松也给出了鲜明判断：智能眼镜受限于供应链成熟度、人体工学设计以及开放式耳机在噪音场景的固有短板，短期内无法取代具备深度降噪等核心能力的耳机。

以下是对话实录：

观察者网：众所周知，硬件是AI落地的重要载体。今天，我们邀请到了国内AI会议耳机头部企业未来智能的CTO王松，请他与我们共同探讨AI终端的未来发展趋势。

王松：大家好，我来自未来智能。这是我第二次创业，对我而言，这是一次全新开始。我此前的技术背景主要集中在软件领域，这次创业则让我踏入了硬件领域，这与我之前的经历形成了鲜明对比。因此，我非常荣幸能受邀与大家分享我的创业历程以及行业最新进展。

观察者网：你们团队中许多成员都来自软件领域，之前与科大讯飞也有一定联系，为何选择独立创业并进入AI硬件领域？

王松：我们团队最初在科大讯飞内部，最开始做的是一个名为灵犀的语音助手，这是一款纯软件的语音助手，始于2013年。当时，科大讯飞在国内语音领域处于领先地位，而Siri自2011年推出后，我们2013年开始做软件语音助手，也算是较早的尝试。

在此期间，我们尝试了通用语音助手，也涉足了多个垂直领域的语音助手，包括点歌、导航，甚至拨打电话等功能，与现在车机中的云助手相似。当时，已有部分用户在汽车中使用我们的产品，尽管那时汽车行业尚未像如今的电动车那样发达。在这个过程中，我们形成了一个判断：未来人机交互的主要方式将是语音交互，我们对此深信不疑。

ChatGPT的出现进一步坚定了我们的想法。基于这一判断，再加上当时科大讯飞已在一些垂直领域，如翻译机、录音笔等产品上尝试用AI赋能硬件，虽然当时还未涉足耳机领域，但我们认为可以尝试将AI与耳机结合。此外，耳机本身与语音有着天然的强关联，不易被手机替代，甚至我认为它永远不会被手机取代，或许未来会被眼镜替代，但那是另一个话题。综合以上三点，我们最终选择了AI与耳机结合的赛道。

观察者网：AI可以跟很多硬件结合，但你们率先选择耳机，是不是最看好耳机这个赛道？

王松：这也要从我们团队经历说起。2017至2018年，我们在科大讯飞内部开始着手耳机项目，当时产品名为莫比斯耳机，如今仍可检索到相关信息。该项目并不成功，原因在于当时整个供应链尚未成熟。我们试图在耳机中集成过多功能，甚至加入了心率传感器，但受限于当时的技术条件，导致产品整体不够成熟。直至2019年，我们才正式开启iFLYBUDS系列的研发工作。从那时起，我们便开始积累相关技术经验。2019年，我们着手研发第一代耳机，但实话实说，当时的产品也并不成功，用户在使用过程中确实提出了很多批评。由于第一代耳机存在诸多基础性问题，比如蓝牙连接不稳定、单边耳机无声等，用户体验并不好。究其原因，我们在耳机研发方面经验不足，导致这些问题频发。然而，耳机所搭载的AI功能却受到了用户青睐，因为它切实解决了用户的一大痛点，让用户对其爱不释手。

用户在使用过程中，确实是边用边骂。因此，从产品本身的角度来看是不成功的。但从验证使用场景角度来看，它却非常成功，让我们清晰地看到了未来的发展方向。当时，很多用户在开会时使用这款耳机进行会议录音，通过第一代产品的验证，“办公会议”这一使用场景已经变得非常清晰。因此，我们在后续的产品研发中，针对这一场景不断发现问题并加以改进。

观察者网：当时产品可能并不理想，用户反馈对你们后续改进有哪些深刻的影响吗？

王松：用户在使用过程中反馈了许多问题，尤其是在开会时使用耳机进行录音和记录。在这个过程中，出现了诸如数据丢包、蓝牙与手机之间的数据传输链路等问题。基于这些反馈，我们判断这是核心的技术挑战，因为其他耳机厂商通常不会遇到这种情况，只有我们在尝试将耳机用于此类场景时才会碰到。因此，我们围绕这一点进行了深入研究和改进。我们专注于蓝牙技术，优化蓝牙底层通信协议，并与手机进行更好的配合，调整手机和蓝牙耳机上的编码解码方式，以确保数据链路的高效和稳定。通过这些努力，第二代产品在这些问题上取得了显著改善，变得更加稳定，基本解决了第一代产品中出现的丢包、断联、无声等问题。

观察者网：当时总结起来还是要先把耳机本身做好？

王松： 我们总结了一个重要的经验，称之为“5+X”经验。未来硬件产品都遵循类似的逻辑，只是不同的硬件产品前面的“N”可能不同。对于耳机来说，这五个基础要素是：音质、续航、降噪、佩戴和设计，缺少任何一个，耳机都很难在市场上取得成功。后面的“X”是我们所说的AI功能。只有当这五个基础要素具备后，耳机作为一个基础产品才能好用。再加上后面的“X”功能，即AI功能的加持，用户才更有可能买单。

观察者网： 目前许多消费电子巨头也在开发AI耳机，比如苹果、小米等，他们都在将AI技术与硬件结合。而且从AI技术本身来看，很多技术都是开源的。如果企业都能轻易地将AI与硬件结合，那你们如何构建自己的护城河？

王松：我也常被投资者问及这个问题。从AI本身来看，大家对AI的共识是存在的。以目前流行的Agent为例，大家对Agent的共识是：大模型作为大脑，需要有记忆功能，并且能够帮助用户真正落地完成任务。但Agent如何应用、在哪些场景中应用，则是百花齐放的。因为每一家的Agent都不一样，尽管底层的几个关键点是共性的。回到AI耳机或AI硬件，逻辑也是一样的。AI耳机必须具备基础能力，比如识别、翻译、合成以及大模型等。但将这些能力应用到哪些场景中，每个耳机厂商的做法都不一样。以我们的耳机为例，主打场景，至少在国内甚至全球范围内都没有竞争对手，因为我们对这些垂直场景的理解是最深的。

我们既没有护城河，又拥有很深的护城河。说没有护城河，是因为对于全球任何一家公司来说，现在的技术都是共通的。大模型这种高深的技术，中国也能迅速赶上，OpenAI前几年处于领先地位，但如今也被赶超了。作为一家创业公司，我认为所谓的技术护城河是不存在的。但我们的护城河又很深，对特定场景的理解，可能大公司不愿意涉足，因为它们太小众；而对于小公司来说，想要进入又很难，尤其是涉及硬件和对场景的深度理解。我们在蓝牙协议层、通讯层做了很多优化工作，要做好这一点其实非常困难。所以，我认为我们的护城河很深。对于AI加硬件，我认为还是要从场景出发，基于场景去做硬件。