对话未来智能viaim创始人兼CEO马啸：Agent 的“三级火箭”，难在用户“点火”那一步

见证 100 位创始人的深度思考

淬炼下一个十年的全球商业洞察

【马蹄社原创】对话伊始，未来智能 viaim 创始人兼 CEO 马啸做了一个动作：将耳机盒置于桌央，按下红点。随后两小时的访谈全程由该设备自动录制，无需人工速记。

viaim 讯飞智能体耳机

这场关于未来智能的采访，正由其核心产品——viaim 讯飞智能体耳机记录。

未来智能（旗下品牌：viaim）成立于 2021 年，切入办公场景解决会议记录痛点。2026 年 5 月，公司完成亿元级 A+ 轮融资，传音参投，此为 16 个月内第四轮融资。旗下品牌 viaim 全球注册用户超 150 万，覆盖 50 余行业及 200 个国家地区。数据显示，2025 年国内线下门店超 3500 家，出货量突破 25 万件；2026 年一季度，海外全渠道增长 3.8 倍，活跃用户同比增长 11.5 倍。

一家耳机公司为何被支付生态、手机巨头及头部 VC 同时关注？马啸的答案不在耳机本身。

"AI 现在没有耳朵，也没有眼睛。”他表示，“传统产品为人做感官，我们要为 AI 提供感官，让其自动补全 Context。这是下一步最重要的战场。”

2021 年大模型尚未普及，产品核心功能仅为语音转文字。马啸复盘称，记者与金融从业者是早期核心用户，疫情期间线上沟通需求井喷。尽管初代产品工艺粗糙，但高频使用者占比高达 70%。其核心价值在于：相比传统录音笔拖拽进度条，viaim 支持关键词搜索定位。

马啸将此策略定义为“进窄门，走宽路”。初期聚焦“办公会议”这一垂直场景，将对话处理做到极致。随着大模型能力提升，产品进化至总结、摘要及待办生成，用户群扩展至销售、制造业出海人员及留学生群体。

2026 年，战略迎来第三次拐点：AI Agent。

“从 2023 到 2025 年，主要利用大模型的摘要能力；此后，这些内容将成为 Agent 的触发器。”针对用户需在不同设备间切换处理录音内容的痛点，未来智能决定让耳机接管工作流后半段，将所有录音内容视为触发器。

马啸将触发场景分为三类：

第一，工作闭环。AI 可直接完成写稿、出研报或整理法律档案等任务。

第二，生活服务主动触发。例如对话中提及出差，后台静默抓取语义并生成订票待办卡片，用户确认即可执行。

第三，专家辅助。在法律、医学等知识体系稳定领域，将 AI 萃取为垂直专家。

针对"1% 超级个体与 99% 迷茫大众”的差异，马啸提出不能靠教育用户，而需改变交互方式：让 AI 主动感知，无需用户费力输入 Context。这正是公司为 AI 提供“耳朵和眼睛”的核心价值。

viaim 讯飞智能体耳机 智能体展示

关于 AI 主动性，马啸提出"0.3 刻度”理论：在准确率不足时，主动性需适度，避免打断用户原有习惯。他将此能力进阶比喻为“三级火箭”：

第一级，Assistant（助理）。像新员工，事事请示。

第二级，Copilot（副驾）。熟悉习惯后，对固定选项寻求确认，确认后直接执行。

第三级，Agent（智能体）。完全理解意图，直接呈现结果。

最难的是“点火”，即如何让普通用户迈出第一步。马啸认为“记录”就是第一滴油。为此，viaim 采取反共识策略：开放系统，允许用户上传外部音频或文档。虽然增加成本，但这能降低门槛，让用户先添加“燃料”，启动个性化飞轮。最终，凭借专属硬件声学阵列技术提供的干净输入，实现更准确的输出。

马啸将 AI 应用分为两种命运：脱离大模型的封闭小模型终将被替代；建立在大模型之上的 Harness（应用服务）则能随大模型能力增强而“水涨船高”。

分界线在于能否吸收“灰数据”（隐性知识）。企业权力结构、行业潜规则及未公开的深度对话等大模型盲区，正是核心价值所在。未来智能不占有数据，而是通过端侧本地安全激活用户的私有数据，构建护城河。

这决定了必须做硬件。马啸指出，服务 AI 的硬件与服务人的硬件将分道扬镳。传统视听硬件追求人类感知指标（如高清、防抖），而 AI 感知基于“采样逻辑”，只需提取特征信息。未来，专为 AI 定制的“感官硬件”将催生全新增量市场。公司研发重心已转向端侧视觉、语音算法及专属处理器，旨在构建"AI 认识世界的专属耳朵和眼睛”。

viaim 讯飞智能体耳机 AI 功能展示

位置策略：viaim 定位为四类产品的交界处——纯硬件耳机、办公 SaaS、手机自带功能及传统录音设备。通过内化 AI Agent 能力、跨平台硬件抓手及垂直工作流解析，实现错位竞争，避开同质化红海。

结构策略：心智收敛，产品发散。马啸反对单一 SKU 打透，主张用产品矩阵承接不同层级流量。核心心智锁定“办公 AI 助理”（一根针），硬件则是服务于该核心的不同“肉身”。场景定义公式变为：硬件形态 × AI Agent 能力 = 新物种。硬件作为变量与不同 Agent 相乘，将裂变出私人教练、随身助理等多种应用场景。

无论形态如何变化，底层逻辑统一：一切硬件本质都是充当 AI 的外延器官，帮其更好地“看”和“听”。

未来智能 2025 年下半年才真正发力海外，主因 AI 硬件全球化面临极高合规门槛。以美国为例，需满足当地模型、数据存储、数据不回流的硬约束。

合规虽拖慢速度，却构筑了护城河。通过“数据留在本地，能力走向全球”的架构，规避了隐私监管风险。软件层面仅需输出最佳实践方法，无需挖掘当地用户数据，从而解决了跨境数据安全与能力复用的矛盾。

渠道策略上，坚持“先线上后线下”。针对不同市场生态进行分层治理：美国以亚马逊为主，试水 Best Buy；日本依靠软银代理进入线下卖场；东南亚侧重 TikTok Shop 等电商平台。针对北美科技精英与下沉市场的割裂，马啸提出差异化打法：在新兴市场做减法，提供基础翻译录音的高性价比产品，通过与传音联手接住红利。

viaim 讯飞智能体耳机 翻译功能展示

取舍一：耳机形态的价格天花板。受限于用户对耳机的心理锚点（如 AirPods），viaim 海外定价约 200 美元。打破天花板的路径在于软件付费。马啸认为，AI 作为数字员工，用户最终将为解决方案买单。短期可用硬件利润补贴软件，但长期必须跨过软件收费这道窄门。

取舍二：翻译市场的分层。基础翻译是手机厂商的基线市场，viaim 聚焦纵向办公人群。过早承诺高难度垂直场景（如嘈杂展会双向翻译）易引发信任危机。因此，公司坚定押注办公场景，此处用户更愿意让渡数据换取效率。同时，数据安全被视为生死线，全链路加密是建立信任的基石。

马啸强调，硬件是一场考验综合基本功的长跑，节奏遵循“规划一代、研发一代、销售一代”。

固件驱动层是软硬件结合的“神经系统”，也是抄不走的壁垒。例如，新一代耳机盒配置麦克风阵列，利用声波时间差反推声源位置，在物理采集阶段获取空间信息，大幅提升云端大模型区分角色的准确率。这种跨界创新源于广阔的视野：技术无固定属性，关键在于解决什么问题。

复盘整场对话，马啸鲜少提及“耳机”，更多探讨 AI 感官缺失、灰数据价值及大众用户唤醒。未来智能 viaim 为行业提供了三个结构性判断：

第一，场景由“硬件×Agent"重新定义。硬件想象力取决于 AI Agent 的上限。

第二，能力需建立在大模型之上，掌握灰数据。以此实现水涨船高，避免被大模型淹没。

第三，全球化门槛迁移至“数据合规”。本地化部署与数据不出境将成为新的竞争壁垒。

这场“耳朵战争”的胜负手，在于如何让用户迈出第一步，点燃发动机的第一滴油。

关注马蹄社，更早一步进阶全球化品牌