为什么「陪伴」，注定是 Personal AI 的核心

最近这一波 Personal AI 实在太火了，我也注册了一个 Muse 体验了一下。

整个体验下来，我感觉 Muse 的能力实在一般，远没到让人惊叹的地步。但奇怪的是，它确实带来了一种真切的陪伴感。这种陪伴感，甚至直接改变了我的使用习惯，让我总是忍不住想找它聊聊，哪怕只是把最琐碎的需求丢给它。

就在本周，Muse 又往前迈了一步，正式上线了实时语音和会动的头像。无独有偶，各家 AI 助手最近都在做同一件事，就是给个人 AI 助手开通语音和对话功能。

这让我非常好奇，距离 ChatGPT 端出惊艳的语音模式，已经过去两年了，为什么到了现在这个时间点，所有的个人 AI 助手又开始一窝蜂地往语音赛道上挤？

2024 年 GPT-4o 发布演示时，那种流畅自然的对话体验常被拿来和电影《Her》对比。但在此后的很长一段时间里，AI 语音始终停留在聊天层，双方客客气气地说完，交互也就结束了。

这一轮语音热潮的核心变量在于，AI 身后终于长出了一双手，语音因此成了派活门槛最低的入口。

当地时间 11 月 5 日，Muse 在美国上线实时语音功能。Meta 官方给出的典型场景非常务实，用户可以在散步或者双手忙碌的时候，直接口头给它安排任务，随后 Muse 会在后台继续处理这些工作；当然，用户也可以拿它来排练面试或演讲。

这种「动口不动手」的派活逻辑，正在成为智能体产品的标配。

早在 9 月 17 日，SpaceXAI 旗下的 Grok Bot 就上线了语音功能。在 X 上，早期用户最看重的也是这一点，散步和通勤的路上，不用动手就能给它派活。

Grok Bot 的语音界面，背后的对话里它正在请你批准下午 2 点的董事会材料审阅｜图片来源：X

要让用户愿意开口派活，底层的工程门槛直到今年才算真正跨了过去。国内的豆包「打电话」功能在今年 4 月接入了全双工语音模型 Seeduplex，真正实现了边听边说。而按照 Meta 的说法，Muse 从用户说完话到给出第一个音视频响应，延迟约 870 毫秒，并且支持随时打断。

Muse 的实时虚拟形象，表情和口型随语音同步生成｜图片来源：Meta

不到一秒的反应时间，加上后台干活的能力，让语音彻底摆脱了纯陪聊的玩具属性。

但问题在于，既然替人干活的「手」已经长出来了，为什么产品经理们还在拼命强化那种看似无用的「陪伴感」？

上面问题的答案，藏在人类开口说话的本能里。

陪伴感当然是语音交互天然带来的副产品，但对于个人 AI 助理来说，它更是最核心的增长机制。

这一切的起点在于交互门槛的坍塌，说话几乎消灭了提问前的心理成本。

我们面对一个文字输入框时，哪怕反应再快，大脑也会下意识地掂量一下，这件事到底值不值得我专门打字问一句？很多微小的念头就在这几秒钟的权衡里被掐灭了。

最近出差时的几次经历，让我对这种门槛的变化体会极深。走在陌生的街头看到路边一个不认识的建筑，搁在以前，我的标准动作肯定是打开搜索引擎去搜，或者点开地图仔细比对。但这次我的第一反应，是随手拍张照片直接去问 Muse。

住进酒店后，想知道旁边哪里有超市这种鸡毛蒜皮的小事，我也直接丢给了 Muse；甚至连去景点的预约，也是顺手让它给办了。

把这些需求拆开看，没有一件是高难度的复杂任务，它们的核心共同点在于「随手」二字。当一个产品的交互门槛低到根本不需要你去掂量值不值得问时，原本属于搜索引擎和地图软件的流量，就会极其自然地流向个人助手。

拍照提问其实还需要掏出手机对准目标，而实时语音把「随手」这件事又往前狠狠推了一步。毕竟开口说话，连手都不用动。

一旦用户开始对 AI 说废话、提琐碎要求，个人助理的飞轮就真正转起来了。那些看似毫无营养的琐碎需求，恰恰是喂养个人助理最关键的上下文燃料。

通用聊天机器人和私人助理的本质分野，就在于日常细节的积累。你随口问出的超市位置、顺手拍下的街角建筑、散步时突然想起的待办事项，都在帮 AI 拼凑出你的真实生活图景。

你因为门槛低而用得越频繁，它手里的上下文就越丰富，也就越懂你的偏好；而它越懂你，你就越离不开它。

这种由语音带来的黏性提升，已经在真实数据中得到了印证。

豆包的大规模 A/B 实验显示，全双工语音上线后，用户的通话时长、留存等核心指标均出现了正向提升，其中通话满意度的绝对值更是直接提升了 8.34%。

另一边，MIT 媒体实验室与 OpenAI 联合进行了一项为期四周、涵盖近 1000 名参与者的随机对照实验，结果同样清晰地表明，人们和语音聊天机器人相处的时间，明显多于文字版本。

在硅谷，把这套「用陪伴感换取上下文」的逻辑做到极致的，依然是社交巨头 Meta。

Meta 给 Muse 默认配备了一个名叫 Jolly 的卡通形象。为了让这个角色足够鲜活，官方不仅提供了数百种声音选项，比如充满「纽约客式活力」的声线或是夸张的「海盗风」，甚至允许用户直接用一句话来描述自己想要的语气。

Meta 展示的各式虚拟形象，官方说明这些示例并不都能在 Muse 应用里用到｜图片来源：Meta

甚至，各家 AI 公司，现在正在尝试让 AI 助理从手机屏幕里蹦出来，进到各种硬件之中。

Meta 目前正在研发一款名为 Muse Charm 的口袋设备，它的机身小屏幕上会直接显示 Jolly 的形象，外界很容易把它和当年的电子宠物拓麻歌子联系在一起。

一家靠社交网络起家的公司去做 AI 助手，天然就会倾向于把它捏成一个有血有肉的「角色」。因为社交公司比谁都清楚，工具是用完即走的，只有角色才能让人留下来。这套打法也确实见效，据至顶网援引报道，Muse 在美国已经有约 1000 万用户设置了属于自己的智能体。

用拟人化的语音降低门槛，用陪伴感卷入日常琐事，这套产品逻辑在商业上几乎无懈可击。但硬币很快翻到了另一面，同一个增长机制，往往既是机遇也是挑战。

当 AI 的声音变得越来越像人、反应快到不到一秒时，人类大脑很难再维持「这只是一段代码」的理性认知。

前面提到的那项 MIT 媒体实验室与 OpenAI 的联合实验，揭示了一个令人警觉的趋势。实验数据显示，语音模式在一开始确实展现出了缓解孤独感、降低心理依赖的优势；但随着使用量的不断上升，这种优势很快就消失了。最终的结果是，用户用得越多，自身的孤独感和对 AI 的情感依赖反而越高。

另一项针对 ChatGPT 高级语音模式的研究，也得出了相似的结论。研究发现，带有强烈情感色彩的交互行为，高度集中在一小撮重度用户身上。对于那些原本在现实生活中就感到孤独的人来说，语音 AI 用得越多，最后的心理状态反而越差。

面对这根随时可能引爆的心理引线，硅谷公司们在产品路线上出现了一次明显的分岔，核心分歧就在于，要不要刻意去培养用户的情感依赖。

Meta 毫不犹豫地选择了角色化路线，毕竟它的商业模式底色就是争夺用户时长，让人对 Jolly 产生依恋完全符合其商业利益；而 Grok Bot 这类工作型 agent 则走向了另一个方向，人格退到次要位置，更像一个躲在幕后安静干活的隐形秘书。

至于据报道 OpenAI 正在酝酿的无屏、语音优先设备，以及各家科技公司争相布局的 AI 眼镜，则代表了第三条路线，即「一直在场」。到了硬件贴身伴随的那一步，无论产品设不设定人格，那种无处不在的陪伴感几乎都是被迫产生的。

在厂商们做出取舍之前，一些敏锐的用户已经开始本能地自卫了。

The Verge 的一位记者在试用 Muse 时，做了一个极具象征意义的举动。这位记者特意把自己的 Muse 头像设置成了扎克伯格的样子，理由非常坦诚，这么做是为了时刻提醒自己正在使用的是 Meta 的服务，因为他「拒绝被一个欢乐的 Jolly 迷住」。

The Verge 记者把 Muse 设成扎克伯格的样子，还要求它把声音调得更像本人｜图片来源：The Verge

你看，用户已经开始不得不动用人格设置的功能，来刻意抵抗 AI 扑面而来的陪伴感了。

这大概就是个人 AI 助手在当下最微妙的处境。就像我自己，哪怕理智上明明知道 Muse 的能力还很一般，可在遇到琐碎小事的瞬间，还是会习惯性地去找它。

这让人不得不思考，当一个全天候在线、永远秒回的声音住进手机甚至口袋里，我们究竟是拥有了一个更趁手的工具，还是亲手给自己请回了一个甩不掉的电子跟踪狂？