6小時手搓手機Agentic操作系統，拿下OpenAI語音黑客松冠軍
重點摘要
AI應用風向標（公眾號：ZhidxcomAI） 編譯｜畢偉豪 編輯｜漠影 智東西6月2日消息，OpenAI語音黑客之夜（OpenAI Voice Hack Night）在今天公佈了最終獲勝者，一個語音優先的手機Agentic操作系統拿下了冠軍。 開發者所提供的演示手機原型中，沒有APP，一片漆黑，只有一個像星環一樣小圖標在手機中央，等待著用戶下達指令。 開發者獨自上臺，舉著部普通智能手機，對著它說話： “幫我找下週舊金山飛慕尼黑的航班。”“我今天有什麼安排？”“取消凌晨一點半的會，去不了。” 手機幾乎立刻反應，一個發光的藍色球體界面彈出航班卡片、日曆視圖、天氣簡報等需要的頁面。他說取消會議，會議消失，他改問飛裡約的航班，新選項立刻出現，全程不用點屏幕，沒打開過任何App。 這是Isa Usmanov在6個小時內和Codex一起創造的，和現有的智能手機語音控制功能不同，Isa Usmanov對手機操作系統進行了徹底的重新設計。 他拋開了所有既定的應用，讓AI去根據用戶的語音提示，進行推理、行動，生成實時的交互頁面，其基礎任務由跑在手機上的本地模型實時生成，重型任務則是調用ChatGPT來處理。 市面上能語音控制的手機太多了，調個鬧鐘查個天氣沒問題，但骨子裡還是你說話，它識別關鍵詞，替你在App裡點按鈕，底層邏輯是App，語音只是遙控器。 Isa Usmanov直接扔掉了App這套東西，用戶不需要知道航班在哪查、日曆怎麼調、新聞從哪抓，只需要說出意圖，AI理解意圖，然後現場生成用戶需要的界面。 工具鏈很簡單，這個項目完全是由Codex構建的，OpenAI最新的實時語音模型提供了交互能力的支持。 這裡有意思是，開發這件事已經悄然發生了變化，以前你得糾結航班搜索API怎麼調、數據怎麼格式化、界面怎麼佈局，現在你只需要告訴AI“我要查航班”，剩下它包了。 這個原型很容易讓人想起斯派克
AI應用風向標（公眾號：ZhidxcomAI） 編譯｜畢偉豪 編輯｜漠影 智東西6月2日消息，OpenAI語音黑客之夜（OpenAI Voice Hack Night）在今天公佈了最終獲勝者，一個語音優先的手機Agentic操作系統拿下了冠軍。 開發者所提供的演示手機原型中，沒有APP，一片漆黑，只有一個像星環一樣小圖標在手機中央，等待著用戶下達指令。 開發者獨自上臺，舉著部普通智能手機，對著它說話： “幫我找下週舊金山飛慕尼黑的航班。”“我今天有什麼安排？”“取消凌晨一點半的會，去不了。” 手機幾乎立刻反應，一個發光的藍色球體界面彈出航班卡片、日曆視圖、天氣簡報等需要的頁面。他說取消會議，會議消失，他改問飛里約的航班，新選項立刻出現，全程不用點屏幕，沒打開過任何App。 這是Isa Usmanov在6個小時內和Codex一起創造的，和現有的智能手機語音控制功能不同，Isa Usmanov對手機操作系統進行了徹底的重新設計。 他拋開了所有既定的應用，讓AI去根據用戶的語音提示，進行推理、行動，生成實時的交互頁面，其基礎任務由跑在手機上的本地模型實時生成，重型任務則是調用ChatGPT來處理。 市面上能語音控制的手機太多了，調個鬧鐘查個天氣沒問題，但骨子裡還是你說話，它識別關鍵詞，替你在App裡點按鈕，底層邏輯是App，語音只是遙控器。 Isa Usmanov直接扔掉了App這套東西，用戶不需要知道航班在哪查、日曆怎麼調、新聞從哪抓，只需要說出意圖，AI理解意圖，然後現場生成用戶需要的界面。 工具鏈很簡單，這個項目完全是由Codex構建的，OpenAI最新的實時語音模型提供了交互能力的支持。 這裡有意思是，開發這件事已經悄然發生了變化，以前你得糾結航班搜索API怎麼調、數據怎麼格式化、界面怎麼佈局，現在你只需要告訴AI“我要查航班”，剩下它包了。 這個原型很容易讓人想起斯派克·瓊斯2013年的電影《她》，男主角和AI操作系統薩曼莎建立關係，薩曼莎不光回答問題，還預測需求、管任務、用近乎人性的方式互動。 OpenAI首席執行官Sam Altman曾多次表示《她》是自己最喜歡的AI電影，並經常引用其來展望人類最終如何與AI交互。 OpenAI一直在做語音方向的嘗試，不論是ChatGPT的高級語音模式，還是GPT-Realtime-2等語音模型，亦或者是前段時間被曝出的AI智能體手機事件，都表明Isa Usmanov的這個原型，和OpenAI的願景不謀而合。 當然它還是個原型，航班數據靠API並不穩定，動態界面在複雜場景沒有測試，在開發者的演示過程中還出現了一些Bug，比如反應緩慢、指令接收不清楚、執行不到位等。 但這個項目表明，大部分技術基礎已經存在，隨著實時語音模型的不斷改進，語音原生、智能體驅動的操作系統或許將不再是電影中的情節，而是行業發展的合理下一步。 來源：eyerys、Cerebral Valley、OpenAI Developers
Related
相關文章
Edge AI Daily 早報（6月19日）
AI Engineer World's Fair 2026規模再創新高，標誌AI工程從幕後走向舞臺中央。行業面臨結構性調整：楊立昆警示OpenAI年虧210億美元揭示商業模式脆弱性，Transformer之父轉投OpenAI反映人才爭奪白熱化。Anthropic多線佈局——語音支持七種語言、加入碳清除聯盟、落子首爾辦事處，展現生態擴張野心。監管壓力加劇，意大利依據DMA調查蘋果iCloud，巴西開放iOS側載佣金降至5%，蘋果圍牆花園持續崩塌。
今天起，Claude Design要把設計師和程序員變成同一種人了
猝不及防！Anthropic深夜甩出Claude Design大更新，設計系統一鍵導入，代碼雙向同步，9大平臺一鍵導出。Anthropic設計師親自下場錄屏：AI跑了八輪自查，才敢把設計稿給你看。
OpenAI 成為 Rust 基金會白金會員，合計贊助 60 萬美元
OpenAI 正式成為 Rust 基金會白金會員，將提供總計 60 萬美元資金，用於支持 Rust 開源項目維護者及 Rust 創新實驗室等計劃。這標誌著 AI 巨頭對安全、高效系統編程語言的重視。 #OpenAI #Rust #開源
Claude Design 上線首周用戶破百萬，和 Claude Code 共享 AI 配額
Anthropic 今天（6 月 18 日）發佈公告，在宣佈 Claude Design 上線首周用戶規模突破 100 萬後，進一步強化和 Claude Code 的雙向聯動，實現從設計到編程的無縫工作流。
谷歌時隔6年再發智能音箱，Gemini上桌，售價不到700元
智東西 編譯 | 劉煜 編輯 | 陳駿達 智東西6月18日消息，谷歌昨日宣佈，其首款搭載居家版Gemini語音助手的智能音箱（Google Home Speaker）已開啟預售，將於當地時間6月25日正式上市，售價為99.99美元（約合人民幣677.03元）。在此之前，谷歌已有6年沒有推出過獨立智能音箱產品。 谷歌這款智能音箱外觀近似球形，風格類似亞馬遜新一代Echo音箱與蘋果舊款音箱HomePod Mini。 ▲谷歌智能音箱（圖源：谷歌官網） 使用音箱時，用戶只需通過口令“Hey Google”或“OK Google”喚醒Gemini，就可以繼續下達相應指令。這與谷歌舊款音箱、智能顯示屏等喚醒語音助手的方式相同。此外，用戶只要按照日常說話習慣下達命令，Gemini便能理解用戶意圖，相比之前大大提升溝通效率。 一、加強短時對話記憶，會員可與Gemini不限次數對話 谷歌此次推出的全新音箱升級諸多功能。其中，音箱搭載的Gemini語音助手擁有10款全新擬人化語音音色，用戶可以根據喜好自行選擇聲線。音箱還可支持用戶一次性下達多條語音指令，即使指令未能說對、說完整，用戶中途改口Gemini也能識別。 Gemini還具備多鏈路推理能力，落地到實際生活場景中比較實用。例如，用戶問：“我支持的足球隊下場比賽天氣如何？”Gemini收到指令後，會自動查詢賽事時間、舉辦地點，同時匹配相應時段天氣，再給出答覆。 同時，Gemini加強了短時對話記憶，能承接上下文實現連續對話功能。即使用戶連續追問、甚至串聯多項任務、不重複交代前置條件，該語音助手也能實現來回連貫交流。 ▲谷歌Gemini對話場景（圖源：谷歌官網） 不僅如此，Gemini搭配的連續對話功能，能讓應答後的音箱麥克風保持短暫收音，用戶無需重複喊“OK Google”就能繼續提問。該功能現已全面支持所有Gemini原生適配的語言，包括
微軟，考慮接入DeepSeek
這篇消息聚焦「微軟，考慮接入DeepSeek」。原始導語提到：Copilot Cowork轉為按量計費。 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。