摘要

马啸在科大讯飞时期参与的一款耳机只卖出 4 万台且未达预期；如今未来智能已拥有百万级用户、大几亿元收入并刚刚实现盈利。 公司今年完成三轮融资，最新一轮由蚂蚁集团领投、启明创投超额跟投，公司估值接近 10 亿元；马啸把这条路径放在十余年 AI 与音频经历中理解，而非临时追逐风口，概括为“一年融三轮背后是三年没开张”。
马啸不押注某个设备取代手机，而押注耳机、眼镜、卡片和音箱共同成为大模型分布式的“耳朵和眼睛”。 耳机的优势不是垄断入口，而是已经被用户接受、可以随身携带，并可将会议等非结构化声音变成数据流；手机的使用时长会被渐进分散，“耳机是共识，但是做什么样耳机是非共识”。
未来智能以商务办公场景应对 AI 硬件的“不可能三角”，偏向牺牲部分外观、体积和音质，优先支持 AI 功能、续航与商务可靠性。 普通耳机单耳通话续航约 5—6 小时，其产品争取做到不充电连续通话 9—10 小时、配合充电仓 30—40 小时，以覆盖一天 6—8 小时电话会议；但前提仍是先守住音质、外观、续航、降噪、佩戴舒适度这套“五加 X”，否则 AI 再强也不是合格消费品。
当前最有辨识度的技术资产，是通过 BLE GATT 在低带宽、易受 2.4G 干扰的链路上稳定实时传输语音。 主持人分享的体验是，耳机可跨飞书、微信、Zoom 等应用自动提醒录音并同步转写，而不是让信息散落在各平台；但马啸拒绝把专利神化，直言“技术永远不是最终的护城河”，更长期的壁垒是用户心智、数据积累和持续创新。
大厂会优先做翻译等十几亿用户的通用交集，未来智能则押注它们不愿深做的会议记录和办公闭环。 马啸认为基座模型最终可能像“自来水管”，Grok、Claude、ChatGPT 等能力各有千秋但没有五倍、十倍鸿沟，价值将更多落在“用这些水干什么”；真正的竞争是哪个设备伴随用户更久、捕获信息更准，再用垂直数据反哺服务。
公司主动拒绝以互联网泡沫逻辑抬估值、囤资金，因为硬件扩张遵循“短板原理”而非软件的“长板原理”。 马啸按收入和 PS 倍数估值，只融资未来一到两年有把握兑现的规模，即使同行报价达到其 5—10 倍也不跟随；硬件一旦失误，研发、开模、库存、渠道和经销商信心会同时压下来，“成功做三代产品，有一代产品做失败了，完蛋了”。
耳机只是起点，未来智能将在今年底至明年初继续推出具有伴随性的办公硬件，但仍坚持从工作八小时切入。 马啸不否认 24 小时 always-on 最终可能成为趋势，却认为当下隐私、续航、内容理解和社会接受度都未成熟；公司的组织押注也相同——寻找能把场景、coding 与算法融成一体的 AI-native 人才，做“AI 不是你的对手”的人机协同产品。

精读

1. 亿元级融资背后，公司已经越过收入与盈利验证

未来智能 2022 年正式成立，主力产品是讯飞 AI 耳机，目前拥有百万级用户；今年推出出海品牌 VM，未来还计划扩展更多围绕办公的软硬件产品。
最新一轮融资规模为人民币亿元级，由蚂蚁集团领投、老股东启明创投超额跟投，公司估值接近 10 亿元。这是公司今年第三次融资，但马啸提醒，热度之前是连续数年的资本冷淡。
经营面上，马啸披露公司已有“大几亿级别的收入”，刚刚实现盈利；团队约 150 人，分布在合肥、北京、上海、杭州和深圳，从 day one 就按远程协同方式组织，以跨城市获取人才。
他的履历也解释了公司为何不是临时转向 AI 硬件：创业前在科大讯飞负责业务，最后一项工作就是耳机，“做得不算太成功，所以出来创业了”。

2. “软硬件一体化办公助理”是经历多轮试错后的主动收敛

马啸相信“所有的硬件都可以被 AI 再改造一轮”，但创业公司不能什么都做，必须选一个能立刻让用户感知真实价值的重点。因此未来智能把边界限定为 AI、软硬件一体化、办公助理，“每一字都是血泪”。
这套收敛来自他亲历上一代人工智能热潮由喧嚣回归沉寂：技术趋势即使方向正确，也不等于产品当下成立。公司因此不先讲宏大入口，而先问用户是否马上获得效率提升。
“办公助理”而非通用助理，也是产品路线的约束条件：所有硬件、软件和模型能力都要围绕工作信息的采集、理解与后续处理展开，避免智能助理“什么都能干、每一样都很平庸”。

3. 下一代入口不会复制手机的单一赢家结构

主持人把 AI 耳机置于“下一代入口”竞争中，马啸却说选择耳机有偶然性：团队不是先决定造一个 AI 入口，而是在多年做耳机的过程中发现，自然语言交互和随身佩戴具有潜力。
他的核心判断是，未来未必有另一台硬件直接打败手机。更可能的形态是耳机、眼镜及其他软硬件入口组成矩阵，共享云端“大脑”，逐步分散用户在手机上的使用时长，而不是某天突然把手机扔掉。
一天除去八小时睡眠，人们还有八小时工作、八小时生活。现阶段这 16 小时主要被手机占据；当 AI 足够智能，一部分任务不再需要拿起屏幕，耳机便可能凭借“永远可以随身携带，随时随地去沟通”承接其中一段时长。
马啸也保留限制条件：没有屏幕意味着数据获取和交互效率有短板，耳机只是不可避免的重要媒介之一，是“大家平等地跟 AI 互动的一种媒介”。

4. AI 耳机必须先通过“五加 X”的消费品门槛

马啸认同“AI 眼镜首先得是一副好眼镜”的逻辑：AI 耳机首先也得是好耳机。创业初期团队踩过的坑，正是片面强调 AI、却没有把基础硬件做好。
团队把基础盘概括为“五加 X”：音质、外观、续航、降噪和佩戴舒适度。用户购买耳机首先比较这五项；即使因 AI 功能下单，只要基础体验差，就不会长期使用，更不会推荐，产品也无法形成口碑扩散。
“X”来自 AI 耳机与用户一起听、一起感知外部信息。它既要听清佩戴者，也要按需收录周围人的声音，把自然环境中的非结构化语音转成 AI 可处理的数据流，实现“听你所听”。
这又反过来提高了拾音、功耗和佩戴难度：耳机不能只服务音乐播放，还得在会议、通话和现场交流中成为人工智能的耳朵，且让用户决定它此刻听自己还是听整个空间。

5. 续航、重量与算力构成无法回避的硬件三角

马啸把 AI 耳机的结构性矛盾定义为“不可能三角”：续航、重量所代表的佩戴舒适度，以及处理性能，很难同时做到极致。即使用最好的芯片和元器件，也只能做取舍，无法凭意志造出六边形战士。
未来智能的选择由商务用户决定。市面通用耳机通常可连续通话 5—6 小时、听音乐 7—8 小时；团队希望在不充电时把通话与记录做到 9—10 小时，放回充电仓后达到约 30—40 小时。
这个指标对应真实工作负荷：商务人士上午两个电话会议、下午两个电话会议，一天通话可能达到 6—8 小时，耳机必须持续让 AI 陪伴和记录，而不能迫使用户频繁左右耳倒换充电。
代价是产品不会追求最“性感”、最轻巧的外形，而更偏商务、皮实、可靠。音质同样需要妥协：动圈、双动圈或动圈加动铁都会改变能耗，团队只能在音乐体验与记录时长之间持续寻找平衡点。

6. 耳机是公开机会，垂直场景才是水下非共识

马啸把 AI 耳机称为“第一层的一张明牌”：手机厂商、创业公司都能看到机会，差异在于做什么耳机。手机厂商必须服务既有的海量用户，因此会把音质、外观、续航等通用品质卷到极致。
创业公司不可能正面复制苹果或华为，只能寻找垂直突破。有人做 AI 运动，有人做生活、陪伴或口语陪练；未来智能选择会议办公这个严肃、重数据的领域，“耳机是共识，但是做什么样耳机是非共识”。
主持人追问为何产品也有翻译，却很少被马啸主动提起。他的回答是，翻译解决跨语言障碍，属于苹果、华为、三星等平台厂商必做的最大公约数；会议记录和办公流程闭环只服务数千万垂类用户，大厂深做反而像“杀鸡用牛刀”。
因此，大厂与垂类公司的关系更像操作系统与 App：平台解决十几亿用户的通用交集，未来智能则把有限资源压到商务人群尚未被满足的深层流程上。

7. 耳机的办公价值首先是跨平台统一数据

飞书可以记录飞书会议，腾讯等平台又各有自己的工具，微信等场景甚至没有完整能力；用户每天切换多个 App，信息也随之分散在不同平台。马啸认为，耳机作为外设，可以绕过平台边界统一采集和管理。
主持人给出的实际体验是：飞书、微信或 Zoom 一开始通话，耳机就会提醒开始录音；通话过程中，文本同步生成，结束时记录已可使用。这种“随时启动”来自可穿戴设备离人耳近、无需一直举着手机的形态优势。
未来智能希望把录音、记录以及办公流程闭环服务作为垂直能力，而不只是做一只带录音按钮的耳机。

8. BLE GATT 实时语音链路是看家本领，但不是永恒专利墙

实时转写的底层难点在蓝牙带宽。经典蓝牙通道一旦被电话占用，就难以同时传输其他数据；团队转而使用原本只负责小字节控制指令的 BLE GATT 等协议，并将其改造成持续传输语音流的链路。
蓝牙工作在容易受 Wi‑Fi 等信号干扰的 2.4G 频段，干扰会造成变慢、丢包或数据中断；若为了稳定而过度压缩，语音细节又会丢失，最终拉低识别率。
团队为此持续迭代三年多，目标被马啸浓缩为：“在低带宽的情况下保证质量，在保证实时性的前提下，实现稳定的数据流传输。”这是其自称的看家本领。
面对“能否像韶音专利一样形成护城河”的追问，马啸给出克制答案：公司确实申请了专利，但别人可能通过更换编码格式或实现方式绕开，“技术永远不是最终的护城河”。技术的价值是把体验做好，长期壁垒仍是用户心智、认可、数据和不断创新。

9. 小订单获得顶级供应链支持，靠的是可验证的未来路径

立讯是未来智能耳机供应链上最好的 ODM 厂商之一，也是马啸眼中重要的制造伙伴。创业早期公司的单次订单只有几万台，而对这类工厂，百万级产量才足以让一条生产线长期持续运转。
团队曾接触产业链上下游约二三十家厂商，从头部一路找到第二、第三梯队，几乎没有谁愿意承接。2021 年尚无 ChatGPT，“AI 耳机”也没有今天的市场共识，小公司同时缺订单、品牌和确定性。
转折来自多次拜访立讯董事长。马啸不只讲一个突然做出的梦，而是把当下产品、已有数据、未来目标以及“如何从现在走到 A”的路径反复推演清楚；对方也在思考传统耳机代工之外、当下微小但可能长大的增量机会。
这种“以诚动人”随后被用于争取芯片等上游伙伴。马啸认为，真正打动供应链的不是夸张终局，而是团队能否把未来描述得足够清楚，让对方判断这条路径虽难但可行。

10. 上一代产品的失败，反而提供了最关键的需求证据

在科大讯飞时期，团队推出过一款售价 799 元的耳机，总销量只有 4 万台，给老东家造成亏损；但配套 App 的月活基本维持在总注册用户约 80%，即每 100 名购买者中约 80 人每月仍在使用。
当时没有大模型摘要，用户仍会用它记录会议并把语音转成文字。两个小时录音原本要听近两个小时，转成文本后约二三十分钟即可读完；ASR 虽远不如今天，已经产生了效率价值。
最强烈的信号是用户“骂并用着”：他们批评耳机难看、质感差、音质差，却仍依赖记录功能。马啸由此判断，需求并非不存在，而是硬件拖累了传播——用户自己会用，却“不好意思推荐给别人”。
这也解释了产品为何在科大讯飞内部难以继续。办公本、录音笔、翻译机属于未被 AI 改造的垂直蓝海，升级后容易成为头部并获得定价权；耳机一开始就是苹果、华为及传统音频品牌重兵竞争的红海，组织自然更愿意留在相对熟悉的蓝海产品上。

11. 红海并非铁板一块，突破口是新场景而非复制头部

马啸在没有生成式 AI 时仍相信耳机方向，部分灵感来自《她》和《流浪地球》里随时通过耳机交互的图景。他的判断不是技术马上成熟，而是“这些事情早晚都会发生”，创业问题只剩能否熬到合适的时间点。
韶音提供了第一类证据：即使主流耳机战役看似结束，运动场景仍能形成独特垂类，用户已有苹果耳机，也可能再买一副运动耳机。红海中仍会不断出现新需求，关键是及时发现并占住。
影石提供了第二类证据：GoPro 已经很强，后来者仍能在其基础上提升体验，说明头部企业的创新不会覆盖每个方向。马啸据此相信，赛道成熟不等于创业窗口关闭。
主持人担心苹果给耳机补上 AI 功能。马啸承认翻译等通用功能一定会被巨头加入，但认为短期内它们不会把记录、摘要和办公应用做得足够深；竞争对手可以学习今天的公开功能，却未必理解或认同团队半年、一年后的判断。

12. AI 硬件竞争的是谁能成为大模型最贴身的感官

马啸把基础大模型比作升级后的大脑：Transformer 带来了推理、逻辑和问题解决能力，预训练、后训练再到 Agent 构成逐层外扩的能力链。应用公司很难把基座大脑做得更强，却可以决定它怎样触达物理世界。
手机和 laptop 已被巨头闭环，但许多场景并不方便打开它们。访谈中的领夹麦、贴在手机后的录音卡、戴在脸上的眼镜、摆在桌面的音箱，本质上都在把物理信息转成比特，是“大模型的耳朵和眼睛”。
因而耳机、录音卡、眼镜和音箱既竞争又合作。比拼指标不是谁的形态最科幻，而是谁能更自然地伴随用户更久、把信息捕捉得更清晰；伴随时间越长，垂直数据越精准，AI 处理能力和服务价值越容易形成双向促进。
AI Pin 一类产品的问题，在马啸看来是先要求用户理解并接纳全新形态，再等待它提供足够高的价值。当接纳成本和功能价值都不够强，闭环就无法形成；耳机则先是一件成熟、有用的消费品，再叠加会议陪伴能力。

13. 未来智能想占领的是 ThinkPad 式“可靠”心智

面对主持人“几家 AI 耳机看起来都差不多”的反馈，马啸没有回避：“可能我们还不够努力，没有足够的区分度。”他认为品牌气质最终会与创始团队、目标用户及所解决的问题绑定，而不是单靠广告生成。
公司不会走时尚路线，理想原型更接近早期 ThinkPad：工程师、金融人士在复杂环境里仍相信它稳定、皮实，拿起来就能用。未来智能希望商务用户形成同样的判断——产品未必最优美，但必须高精准、少出问题。
这种可靠性也延伸到模型输出。商务用户无法接受记录摘要凭空编造，因此团队使用自己的模型技术尽量压低幻觉，让生成内容来自原始记录；品牌承诺不是“AI 什么都知道”，而是先把有限任务做扎实。
马啸承认产品仍在接近这一状态，预计今年底和明年的新品会更能体现这种气质。可靠并非包装词，而是对硬件稳定性、记录准确度和功能边界的共同约束。

14. 24 小时记录可能是终局，但现在仍跨不过隐私与接受度

主持人提到 24 小时录音、Apple Watch 改装记录，以及 GoPro 每隔几分钟拍摄环境的探索。马啸称这种路线“比较 aggressive”，不否认未来可能主流化，但判断当前仍是非常早期、非常非主流的行为。
他用饭局上的眼镜故事说明社会成本：佩戴者展示设备可持续记录后，整桌人立刻不敢说话，“饭局就凉了”。技术即使能听、能看，也必须跨过旁观者隐私、道德伦理和人类社会接受度。
除隐私外，续航、清晰度和内容理解是否有效也未解决。未来智能因此先切工作八小时中用户明确需要记录的部分，不贪生活八小时，更不试图连睡眠八小时都收集。
他的路线是“往前一小步”：先让用户在会议结束时立刻感到价值，再逐渐接近硅谷描述的 always-on 未来，而不是要求市场一次接受最终形态。

15. 通用助理的真正瓶颈不是对话，而是商业服务无法贯通

马啸曾在科大讯飞做过中文世界里第一个类似 Siri 的产品。当年十句话可能有八句听不懂，如今语言理解问题在他看来已解决得“七七八八”，但服务闭环依旧没有被模型能力自动打通。
他举语音订机票为例：团队费了九牛二虎之力接入在线服务平台，试点接口很快又被停掉，因为平台不愿让外部助理深入自身交易流程。外卖、机票等行业各有巨头，通用 Agent 必须逐一穿透商业边界，而这些接口并不会随意开放。
主持人提到 MCP 和屏幕遥控等新路径，马啸仍认为它们可能被封、也不够稳定有效。自然语言界面不像 App 按钮那样限制用户路径，大量需求藏在水下；只要某个开放问题答不好，体验就会“断崖式下降”。
垂直收敛可以改变可行性。车载助理只聚焦导航、车辆设置、内容点播和通信四个场景，而车机已打通相应接口，语音交互便能真正有用；未来智能也采取同样方法，从记录开始限定办公边界，再逐步延伸。

16. 新硬件不会偏离办公、伴随性和 AI 重构三条约束

马啸确认公司正在保密研发耳机之外的硬件，预计今年底至明年初会看到相关产品。具体形态没有披露，但不是为了扩 SKU，而是继续服务“软硬件一体化办公助理”。
新品必须同时满足三项条件：与办公有关；现有产品没有很好满足用户需求，加入 AI 后能形成明显不同的体验；具有一定伴随性，让用户随时随地解决工作问题。
耳机因此只是第一种载体。公司的长期方向不是成为单一音频品牌，而是在不同办公情境中布置更合适的感知入口，再把硬件收集的数据汇入同一套软件和 AI 服务。

17. 资本热度被当作窗口，而不是抬高估值的理由

“一年融三轮背后是三年没开张。”团队从 2021 年下半年筹备，2022 年 1 月 1 日完全独立运营；当时投资人听到 AI 往往联想到亏损，AI 硬件更冷，直到 2023 年行业注意力才被大模型重新点燃。
2023 年不少人劝有科大讯飞背景的团队去做基座模型。马啸判断 Transformer 已公开多年，能力跃迁主要由算力膨胀推动，训练需要公司负担不起的资源，也不符合团队基因，于是继续守住应用层。
他理解基座模型会逐渐像“自来水管”：数据和算法存在差异，但 Grok、Claude、ChatGPT 及国内模型尚未拉开五倍、十倍级鸿沟；用户最终更关心拧开哪根水管之后，“用这些水干什么”。
公司按收入与 PS 倍数讨论估值，即使同赛道企业报价达到自身 5—10 倍，也只融资未来一到两年有把握兑现的规模。马啸的原则是“有多少能力，我能兑现”，资本是股东对未来的投资，不是无需偿还的竞争筹码。

18. 硬件遵循短板原理，更多资金也无法跳过产业节奏

主持人的反复追问是：既然市场愿意给更高估值，为什么不多拿钱、加速产品，甚至把资金先占住？马啸明确拒绝这套策略，认为“fake it until you make it”或许适用于部分软件，却未必适用于 AI 软硬件一体化。
互联网产品遵循长板原理：一个功能足够吸引人，其他缺陷可在第二、第三个版本快速修补。硬件遵循短板原理，一处致命缺陷会同时牵动研发、开模、试产、销售和库存；“成功做三代产品，有一代产品做失败了，完蛋了”。
他经历过产品滞销后的向下螺旋：卖不动导致渠道更不愿卖，也没有资源继续促销。硬件甚至可能最终以约十分之一价格清库存，因此团队、供应链、渠道和品牌没有任何一环可以靠融资直接跳级。
经销商信心尤其不可逆。经销商用真金白银进货，品牌若突然降价，会直接损伤其库存和预期；互联网团队可以砍掉失败产品另起炉灶，硬件公司却可能损害行业口碑。马啸形容硬件“更像种地”，要春种秋收、养肥土地，一茬一茬积累。

19. “本分”的长跑文化，决定创始人的选择和人才标准

马啸对自己的认识不是天才式顿悟，而是进入一个圈层后慢慢做到中等偏上。他从中国移动到科大讯飞，逐渐适应更强的人群，也确认自己“比较擅长在长跑中慢慢击败别人”，靠每天反复推演形成水滴石穿的正反馈。
决定创业前，他曾用半年时间试图说服科大讯飞继续做耳机，却不断碰壁，怀疑自己是不是那条逆行的鱼。科大讯飞联合创始人、后来担任未来智能董事长的胡玉，在一次约 30 分钟电话里没有判断项目对错，只告诉他遵从内心才能解放天性、全情投入并获得快乐；这让“follow your heart”第一次从口号变成可执行选择。
公司文化延续这条线：不追求狂和张扬，而是“本分”地创造用户能真切感到的价值；AI 应增强人的能力、让人更轻松工作和生活，“AI 不是你的对手”，而不是把替代谁、抢谁饭碗当作产品叙事。
马啸最想招的是把场景、coding 和算法融合起来的 AI-native 人才。上一代组织往往算法、产品、部署各自分工，新一代年轻人从上大学起就把 AI 工具、场景和 coding 融合到开发中；他甚至直言，上一代 AI 专家“可能已经被淘汰掉了”，但“一百倍”对“一点五倍、两倍、三倍”只是其体感比喻，重点是工作方式已经发生代际断层。

Trader Joe’s：夏威夷衫与反向定位（音频）Brad Jacobs如何打造8家十亿美元级公司