據(jù)行業(yè)內(nèi)部消息，OpenAI正加速布局音頻人工智能領域，計劃推出一款以語音交互為核心的消費級硬件設備。這款設備將突破傳統(tǒng)屏幕依賴模式，通過自然語音指令實現(xiàn)操作，旨在重新定義人機交互方式。知情人士透露，OpenAI已整合工程、產(chǎn)品與研究團隊，集中攻克現(xiàn)有音頻模型在準確性與響應速度上的短板，為硬件落地鋪路。

當前，ChatGPT的語音功能與文本回答采用不同模型架構(gòu)。OpenAI研究人員發(fā)現(xiàn)，現(xiàn)有音頻模型在復雜場景下的表現(xiàn)仍顯不足，例如應對打斷、多輪對話等自然交互需求。為此，公司正在開發(fā)新一代音頻模型，計劃于2026年第一季度正式發(fā)布。該模型已具備生成更自然語音、實時響應打斷的能力，甚至能模擬人類對話中的情感起伏。

在硬件設計理念上，OpenAI與谷歌、亞馬遜等科技巨頭形成共識：現(xiàn)有設備形態(tài)難以滿足未來AI交互需求。公司團隊認為，語音是人類最本能的交流方式，無屏幕設計不僅能降低使用門檻，還可避免用戶過度依賴視覺界面。曾主導蘋果產(chǎn)品設計的喬尼·艾維參與合作項目時強調(diào)，新一代設備應承擔糾正消費電子負面影響的責任，通過“隱形交互”減少用戶注意力分散。

盡管愿景宏大，OpenAI仍需跨越用戶習慣與市場認知的雙重障礙。內(nèi)部數(shù)據(jù)顯示，當前ChatGPT語音功能使用率偏低，既與模型性能不足有關，也源于用戶對語音交互的認知局限。為改變這一現(xiàn)狀，公司正通過產(chǎn)品迭代與用戶教育同步推進，例如在現(xiàn)有平臺中逐步強化語音功能體驗。

組織架構(gòu)方面，OpenAI已組建跨部門專項團隊推進音頻戰(zhàn)略。來自Character.AI的語音專家昆丹·庫馬爾負責技術方向把控，工程師本·紐豪斯主導底層架構(gòu)重構(gòu)，多模態(tài)產(chǎn)品經(jīng)理杰基·香農(nóng)則協(xié)調(diào)跨模態(tài)交互設計。這種配置顯示出公司對音頻領域的重視程度不亞于其核心大模型研發(fā)。

產(chǎn)品規(guī)劃顯示，OpenAI的硬件布局不止于單一設備。公司正開發(fā)包括智能眼鏡、無屏幕音箱在內(nèi)的多形態(tài)產(chǎn)品線，定位為“環(huán)境感知型助手”。這類設備將通過音頻、視頻多模態(tài)輸入，主動理解用戶所處場景，在獲得授權(quán)后提供適時服務。例如在烹飪時語音指導步驟，或在通勤時播報實時路況。

為支撐這一戰(zhàn)略，OpenAI在2025年初完成一筆重大收購——以近65億美元（約合人民幣455.06億元）價格收購喬尼·艾維聯(lián)合創(chuàng)立的io公司。這筆交易不僅獲得頂尖工業(yè)設計資源，更整合了供應鏈管理能力。目前，公司正同步推進模型優(yōu)化、硬件原型開發(fā)與生產(chǎn)鏈路搭建，三條工作線并行以加速產(chǎn)品落地。