当大多数 AI 公司还在优化“屏幕里的体验”时，OpenAI 正在做一件反直觉的事：把屏幕拿走。据多家外媒披露，OpenAI 的新一代音频模型预计将在 2026 年第一季度发布。为此，公司已在内部重组多个工程、产品和研究团队，把资源集中投向音频 AI。

据知情人士透露，相关工作由前 Character.ai 研究员 Kundan Kumar 牵头，目标是为未来的无屏设备打造真正可用的音频“操作系统”：新架构在语音自然度、情感表达和回答准确性上明显提升，并首次支持实时打断和双向对话——模型甚至可以在用户还没说完时就作出回应，用以弥补当前语音模型在速度和可靠性上仍落后于文本模型的短板。

这对应着 OpenAI 更宏大的硬件野心：此前以 65 亿美元收购前苹果首席设计官 Jony Ive 联合创立的 io 公司后，双方已为首款产品定下方向——既不是手机也不是眼镜，而是一款完全无屏、可放入口袋的“第三核心设备”，据称可能是一支“AI 笔”，目标 2026 年底前发货，并立下以史上最快速度达到 1 亿台销量的目标。从谷歌的音频概览、Meta 的智能眼镜到特斯拉车内的对话式 AI，弱化屏幕、强化音频与环境感知，正成为硅谷高度一致的集体转向。

消息来源

• 36氪：OpenAI 押注“音频优先”AI，剑指下一代无屏设备