從黑膠帶測試到跨設備智能體，兩個語音老兵等了十年

從黑膠帶測試到跨設備智能體，兩個語音老兵等了十年

多年前，一輛小鵬汽車的中控螢幕被黑色膠帶嚴嚴實實地封住。在那次媒體測試中，體驗者看不見界面，也不能觸碰螢幕，只能靠說話完成車內操作，測試最終順利跑通。時任小鵬語音業務負責人的趙恆藝後來回憶：「在我們的理解裡，螢幕是輔助。關鍵是怎樣透過有效溝通幫助用戶真正把事情做完。」那時，車載語音還在努力解決喚醒、識別和固定指令的問題。黑膠帶測試帶著一點產品經理的執拗，事實上把一個更長遠的問題推到了檯前：當螢幕退到後臺，機器靠什麼理解人，又怎樣接住人的下一步需求？這個問題，在過去十年間始終縈繞在語音技術領域的核心開發者心中。

從最早的關鍵詞喚醒，到後來的自然語言理解，再到如今的多輪對話與跨設備協作，語音互動的演進並非一蹴可幾。趙恆藝與另一位語音老兵——曾主導多家科技公司語音產品線的陳昊——在各自的道路上摸索多年，最終在2025年迎來了一個關鍵轉折點：AI開始真正理解語義、接受打斷、調用工具，並沿著聊天框向現實世界伸展。機器開始理解語義，意味著它不再只是被動回應固定指令，而是能從上下文推斷用戶意圖。例如，當駕駛說「我有點冷」，系統不會只回覆「好的，已收到」，而是主動調整空調溫度或建議開啟座椅加熱。這種能力的背後，是大型語言模型與語音辨識技術的深度融合。

過去，語音助手常因無法處理打斷或模糊表達而中斷對話；如今，新一代語音智能體能流暢地處理中斷、修正與補充，讓互動更像人與人之間的自然交談。更重要的是，這些語音智能體開始具備跨設備協作的能力。用戶在家中對智慧音箱說「繼續播放車上的音樂」，系統能自動串聯帳號與設備，將播放進度無縫轉移。在辦公室，語音助手可以根據日曆提醒，主動詢問是否需要預訂會議室或發送會議摘要。這種從單一設備到全場景連接的轉變，正是趙恆藝與陳昊多年來追求的目標：讓語音成為用戶與數位世界之間的橋樑，而非只是另一個應用程式的入口。

2025年，OpenAI將Jony Ive等人創辦的io團隊併入公司，這項收購被視為語音技術與硬體設計結合的重要信號。緊接著，Amazon和Meta也分別將環境式AI設備公司Bee、可穿戴設備公司Limitless收入旗下。這些動作顯示，科技巨頭正加速布局語音智能體的生態系統，從雲端服務延伸到終端設備，從被動響應進化到主動服務。趙恆藝與陳昊認為，語音技術的下一個戰場不在於辨識率或喚醒詞的準確度，而在於如何與用戶建立全場景連接，並持續獲得聊天框之外的上下文。

過去，語音助手往往在單次對話結束後就失去脈絡；現在，透過跨設備的狀態同步與長期記憶，智能體能記住用戶偏好、習慣與歷史互動，從而提供更個人化的服務。例如，當用戶每天早上對智慧音箱說「今天天氣如何」，系統不僅會回覆天氣資訊，還會根據用戶的日程提醒攜帶雨傘或調整出發時間。這種能力的實現，依賴於邊緣運算與雲端協同的架構。部分語音處理任務在本地設備完成，以降低延遲並保護隱私；複雜的語義理解與決策則交由雲端大型模型處理。同時，設備之間透過統一的帳號系統與API進行數據交換，確保用戶在不同場景下的體驗連貫一致。然而，跨設備智能體的普及仍面臨諸多挑戰。

首先是隱私與安全問題：用戶是否願意讓自己的語音數據在多個設備之間流轉？其次是標準化問題：不同品牌、不同作業系統的設備如何實現無縫協作？趙恆藝與陳昊指出，這需要產業鏈上下游共同制定開放協議，而非各自為政。他們也強調，語音技術的設計必須以用戶為中心，避免過度收集數據或強制綁定生態系統。回顧十年前的黑膠帶測試，當時的實驗看似極端，卻揭示了語音互動的本質：當視覺與觸覺被剝奪，聲音成為唯一通道，系統必須具備真正的理解能力與行動力。如今，隨著AI技術的成熟，這個願景正在逐步實現。從車載場景到智慧家庭，從辦公環境到公共空間，語音智能體正從「能聽懂」走向「能辦事」，從「單點回應」走向「全域服務」。

趙恆藝與陳昊等了十年，終於看到語音技術從實驗室走向大規模應用。他們相信，未來兩年內，跨設備智能體將成為智慧型手機、汽車、家電與可穿戴設備的標配功能。用戶不再需要記住複雜的指令或操作流程，只需像對人說話一樣，自然表達需求，系統便能自動調度資源、完成任務。這不僅是技術的進步，更是人機互動方式的根本轉變。當螢幕不再是唯一的入口，語音將成為連接數位世界與物理世界的最直覺橋樑。而這一切，始於那張被黑色膠帶封住的螢幕，以及兩個語音老兵對「有效溝通」的執著追求。