十年硬件創業者深度解析：Plaud之外，我還期待怎樣的AI硬件？

文：朱雷震

編輯：四木相對論

自從 Plaud 在海外大賣，AI 錄音硬件賽道正在變得越來越擁擠。

跨年夜，Get 筆記發布了自己的 AI 錄音卡，身份證大小，可以貼在手機背面不間斷錄音。

1 月中，飛書也發布了 自己的智能錄音硬件產品——「 AI 錄音豆」，在市場上引發了不小關注。這個只有 10g 的“圓扣”可以佩戴于衣領或袖口，固定在手機背面，飛書用戶有了專屬的錄音硬件。更早之前，釘釘也發布了自己的錄音卡片產品。

市場上大多數人都非常看好這類產品。但最近，一位在智能硬件領域有十余年經驗的創業者朋友跟我提了另一種不那么主流的觀點。

他認為，Plaud 這類以記錄線下會議、面談內容為目標場景的主動式 AI 錄音設備，聚焦在記錄人的“短期記憶”，側重構建組織記憶。但這些優勢，不能直接轉化為個人超級智能。

更大的想象力，是 Limitless Pendant 這類無需主動開啟錄音程序的產品。他覺得，佩戴即能錄音的全天候錄音設備，才更接近個人超級智能體的雛形。

* Limitless Pendant，公司前身 Rewind ，2025 年 12 月被 Meta 收購

我把他的觀察分享出來，希望給關注AI硬件的朋友們一些啟發。

以下是朱雷震的觀點表達：

前幾周飛書聯合安克發布了 AI 錄音豆產品。作為飛書的資深用戶，我第一時間就買了。

相比以往需要打開 App、進入軟件再開始錄音的流程，用戶如今只需按下實體按鍵，就能在會議或商務溝通中即時完成記錄。會議結束后，錄音內容會自動生成對應人的會議紀要，并按客戶或組織需求輸出成結構化模板，進一步沉淀進公司的知識庫體系，與后續的任務分配與追蹤形成聯動。

這種從溝通 → 記錄 → 結構化 → 執行 → 留痕的閉環，不只是錄音豆，也是各種錄音式產品的核心。

當然，除了端到端地提升用戶交流的效率，這種產品更大的意義在于，讓更多場景中的數據得以被結構化地記錄，構建可持續增長的組織記憶。

沉淀的組織記憶可轉化為企業專屬知識庫，成為新員工培訓的重要素材；當員工遇到同類問題時，也能通過公司智能體調取記憶沉淀的經驗尋求解決方案，同時還能幫助用戶更好地打通企業內部數字資產的連接鏈路。

但其實，記憶并不僅對組織有價值，對個人也非常重要。我想，要實現超級個人智能，個人記憶就是必不可少的一環。

從這個意義出發，我想到了我最近密集使用的另一款AI硬件—— Limitless Pendant 。這款脖掛式錄音設備，曾因 OpenAI 的投資被廣泛討論，2025 年底被 Meta 收購，但產品現在仍能使用。

在我看來，如果說“飛書 × 安克”的錄音豆代表的是組織層面的“記憶”存儲創新，那么 Limitless Pendant 則將視角推向了更激進的方向：

它試圖構建一個圍繞個體的、長期運作的“身外記憶系統”，探索人類如何將記憶、上下文與認知負擔持續外包給一個超級個人智能體。這兩者極有可能代表著 AI 錄音硬件未來的兩條不同路徑。

*Limitless Pendant，朱雷震攝

Limitless Pendant：幫助用戶存儲記憶

先來說說我使用 Limitless Pendant 的體驗。

與 Plaud 及各類錄音卡片、錄音膠囊不同，Pendant在設計之初就定位為主動協助用戶完成“記憶”留存與信息處理的工具，其核心特色功能有三個：

1. 數字化生活日志（ LifeLog ）： 它能將整天的音頻錄音自動切分為帶有小標題的邏輯片段，轉換后，形成結構清晰的生活日志。 每天早晨，Pendant 會基于 LifeLog 給用戶推送一份前一天的“記憶簡報”，包含高光時刻、重要關注點及極具情緒價值的“專屬洞見”。

1. 任務識別及提醒：它能從碎片化的短期記錄中智能分辨工作、個人及生活雜物，精準提取出具有執行意義的指令， 比如“給同事送文件”、“購買家庭用品”等事項。目前 Pendant 已打通 Google 日歷與蘋果提醒事項，確保用戶在談話中隨口答應的小事不會被遺忘。

   
   

2. 擁有長期記憶的 GPT ：在與搭載了長期記憶的 GPT 對話時，AI 會優先檢索用戶的 LifeLog 數據庫，并給出針對性回答。

   比如當你詢問“上周關于某項技術的討論建議”時，它無需你重復背景，而是基于過往一周的實錄數據，給出針對性的反饋。但同樣的問題我在 Pendant APP 問跟我在 GPT 賬號里問，得出的結論是不太相同的，Pendant APP 會更懂我的內容。我覺得這種“ Pendant App 比原生 GPT 更了解我”的體驗，正是核心壁壘所在。

我每天使用它的時間在 8-12 小時，取決于每天的工作強度，一般來說工作時間我都會一直佩戴，周末親子互動的時候也會戴上，產品電量可以維持兩天滿負荷佩戴。

*佩戴 Limitless Pendant

最近兩周，我們公司有一個硬件產品在迭代，我會有非常多會議，涉及到軟硬件的研發資源調配以及合作方的會談；同時，還在開發一個關于與 AI 記憶有關的產品，因為是新的嘗試，每天需要與不同的專家、研發同事來聊技術棧的選擇與測試。另外，家里的小朋友要過 10 歲生日了，還有一場派對需要籌辦?？梢哉f，還是比較忙碌的。

Pendant 會在一天中實時錄音，結束一段交流之后，就會有彈窗提示需要執行的事情。

* Pandent 會主動基于記憶進行提醒，這些待辦事項會被記錄下來，目前可以和蘋果設備自帶的“提醒事項”打通。

*提示項匯總界面，待辦事項會按工作、個人、生活用品分類；點開提示項，可以直接定位該話題下的對話內容和錄音。

一天結束以后，Pandent會主動彈出每日洞察，包含人際交往的亮點以及需要追蹤的事項。

Ask AI 是我使用最多的功能，Pandent內置GPT5，并且有我長期的錄音記錄，當我提出問題，它會根據搜索這個問題的相關LOG進行搜索并精確的回答。

有了它，我一個最大體會是，我可以更放心、更輕松地參加各種不同的會議和討論，不用擔心因為忘記而漏掉需要跟進事情，也不怕靈光一閃的好點子被打斷就再也找不回來。

白天來不及思考的好點子，我可以在晚上和AI的對話獲得一些更深層的思考，因為 Pandent 對我近期有關系這個“好點子”的記憶，它的回答會更有針對性，不會答非所問。

另外，它還可以提示我一些人際關系中小細節，比如某位朋友的工作生活變動，甚至是“八卦”。

在使用的時候，我感覺Pandent更像是一個成熟的商業伙伴，它給到的事件分析與建議給我一種它既懂你又睿智的感覺。而不是那種僅僅有情緒的 AHA moment 。

比如最近我在和技術同事探討一些項目細節，我們對于其中具體的技術落地的細節有分歧，以前我們需要再找外部顧問來討論，補全我們欠缺的知識?，F在，Pandent因為了解我們之前討論的全部內容，它可以直接幫我們補全這些知識，可以說非常懂我了。

*和 Ask AI 的一次對話，它幫我補全了知識圖譜約束 RAG的知識點。

不過，它仍然有不足的地方，沒有覆蓋所有包含我“記憶”的信息源，比如網絡會議、電話、郵件、文件等等。這些數據的缺失還是會影響AI對某件事或者某個人的判斷。但現在對于我本人來說，這個產品已經非常好用，至少是值得訂閱費的，能看到基于聽覺個人記憶在未來的雛形。

所以我最遺憾的是，Meta 收購LIMITLESS后，Pandent 有 70%的可能不會再是一個獨立的產品，而是作為一個低功耗監聽模塊整合進Ray-Ban眼鏡里。這極有可能會打斷了產品的繼續研發，沒辦法去驗證個體記憶最大化的應用效果。

為什么現階段 Plaud 不能實現超級個人智能？

肯定有朋友要問，同樣是錄音類的產品，Pandent 和 Plaud 的區別在哪，為什么 Plaud 不能實現超級個人智能？

首先，二者的產品定位以及核心目標的不同。Plaud 等設備是以記錄一段會議或見面記錄為目標的主動式錄音設備，聚焦于線下場景的短期記憶留存、轉寫、靈感輸入與提醒。之所以限定線下，是因為線上場景中，Otter、Granola 等軟件的體驗已足夠出色，無需依賴硬件。

而 Pandent 的目的是全天候的記錄工作和生活，更偏向長期監聽設備，看重的是長期記憶，希望用AI主動幫助用戶工作生活的效率提升，查漏補缺。

對于用戶來說，Pandent 的使用也會更無感，Plaud 等主動式錄音需要用戶自行打開錄音按鈕，并在一段會議或是活動結束之后，再主動關閉。而 Pandent 則不用這樣的操作，只要電源開啟，就在錄音。

*左：Plaud，右：Pandent

給用戶的內容交付上，Plaud 是將一個完整會議或者段落的音頻上傳，經由大模型轉寫，再把 MarkDown 內容通過不同的模板交付給用戶，如會議紀要與行業報告等。而 Pandent 為客戶存儲的是一天的 Lifelog，包含了整天活躍狀態下的音頻切片以及時間線上的時間。

它的交互在于根據一天，一周跟長期時長下主動給與用戶短期的提醒與長期的會話跟蹤。同時，在 ASK 大模型上，Pendant 更有上下文的完整性，它會進行相關 Log 的檢索并提供結果，而 Plaud 只能進行目標錄音的詢問。

技術端，二者在端側都是藍牙語音芯片，麥克風陣列加 BLE 傳輸手機，手機再與大模型交互進行轉寫，不同的是 Pendant 為長期監聽，硬件強調低功耗，音頻數據在端側壓縮進行切片，把雜亂的音頻轉化為有序信息進行存儲，既不會像人腦那樣遺忘細節，也不會漏掉任何聲音片段，強調信息記錄的廣度和密度，對于音頻質量和轉寫精準度的要求更低一些。

總的來說，Plaud 主打轉寫的準確性和專業性，而輕上下文交互。它的發展方向最終可能是把單次服務做得更好，更好地匹配到用戶的工作流。如果用它進行非常長時間的錄音，續航不一定能很好地負擔，文件轉寫的 token 消耗量也非常大。它更適合當做日常會議或者知識記錄類助手使用，會錯過大部分時間的記憶，難以滿足超級個人智能的上下文需求。

從聽覺硬件切入“個人超級智能體”，該怎么做？

Plaud 將單一需求的用戶體驗做到了極致，比如面向金融用戶，使用后輸出金融行業專有的模板或者選擇由金融行業專業用戶提供的專業模板。再加上出色的營銷，Plaud 成為了銷量百萬臺級別的爆品。

而 Pendant 自 2024 年 9 月陸續發貨到 2025 年 12 月宣告停售僅僅過了 15 個月，商業表現遠不及 Plaud 的零頭。但 2025 年發布會上，Limitless 公司透露，Pendant 的產品留存率達到了 99.6% ，說明它的用戶粘性還是挺強，對用戶產生了實際價值。

我認為在通往“個人超級智能體”的道路上，Limitless 的硬件設計和技術路線的選擇并沒有問題，但問題在于 Limitless 并沒有找到真正需要它的客戶，并針對性優化。

要繼續從聽覺硬件切入“個人超級智能體”路線，首先要問到底哪類人群更有可能先一步需要有長時記憶的“個人超級智能體”，并且愿意為此持續付費？

我的結論是，這一類人會是決策者，管理者與復雜信息處理者。如小公司的經營者，大公司的中高層管理人員，大客戶經理，上門型客戶成功經理等需要長期溝通并通過溝通調度資源的人。

根據我的觀察，這類崗位的從業者，工作具有三大共性：主動溝通多于被動接收、特定時段內人際關系相對穩定、可調配資源豐富、處理信息的飽和度高。他們還有一個特質是“貴人多忘事”。若有一款 AI 工具能長期共生，捕捉其大部分聽覺記憶與文本信息，構建出一個“身外化身”，形成專屬個人 AI ，他們是愿意付費的。

拿 HR 行業舉一個例子，基礎HR的工作是根據公司的預期進行新員工的招聘，入職以及老員工的維護，這部分的工作標準化流程的較多，在接入大量的 AI 原生的供應商以后，這部分的工作很容易被自動化并取代。

而需要處理復雜人際事務的 HRBP 就很難被替代，他們的工作包括核心員工的激勵考評，因地適宜地制定及修定人效制度，還需要勞動行政部門、獵頭、部門經理、高管等進行內外部事務的對接與協調。

對他們來說，每天記錄與跟蹤的事項，梳理和維護人際關系極為重要，就需要個人超級智能體來幫助他/她提升容錯率跟增加效率。

銷售領域也是一樣，電話銷售在國內已被大量 AI 替代，但關鍵客戶管理這類崗位，需要為何核心客情關系，了解客戶的個性化偏好，同樣需要超級智能體來輔助處理。

然后在技術層面，長期監聽設備還需要提升獲取音頻的輸入準確性，并在時間維度上全覆蓋。還要在信息處理上，進一步在 RAG 、知識圖譜與 Agent 技術中找到一條最符合個體記憶儲存提取以及調用處理的方式或者結構。

長期來說，這種設備還需要找到一種更貼近人腦運作機制的低功耗，低數據量的記憶編碼解碼方式。

最后是體驗。大模型在長時記憶方向的突破只是時間問題，這將指數級提升長期監聽設備的輸出效果。硬件設備該如何將這優秀的體驗傳達到用戶側將是未來決勝的關鍵。

我很期待，未來能有這樣的產品出現。