OpenAI正在推进一项看似与模型公司身份不符的计划：造耳机。据钛媒体报道，内部代号“Sweet Pea”的AI耳机将于2026年下半年面世，由Jony Ive创立的LoveFrom设计工作室操刀，采用耳后挂戴或开放式音频结构，强调“技术隐形”与全天候佩戴。首年产量目标在4000万至5000万台之间，由富士康代工。作为参照，iPhone上市首年实际销量约610万台，量级差距显示出OpenAI对这一品类的押注力度。不过，受存储芯片涨价影响，首批产品可能缩减为基础耳机形态，完整算力版本或将延后。

这一硬件动作背后，是OpenAI从纯软件公司向“软件加硬件加生态”全栈计算平台的转型。2025年5月，OpenAI以约65亿美元收购了io Products，由Jony Ive联合创立的AI硬件公司，55名员工。Ive曾主导苹果从iMac到iPhone、iPad、AirPods的几乎每一代标志性产品设计。7月，OpenAI还推出了Codex Micro联名键盘，一款13键可编程机械键盘，售价230美元，定位为“智能体工作指挥中心”。

支撑硬件野心的技术基础是全双工语音模型GPT-Live。该模型基于全双工架构，每秒可做出多次交互决策，实现更自然的对话节奏，支持随时打断和持续后台执行。用户口述一个复杂任务，AI在云端拆解、执行、等待中间结果、汇总，最后汇报，期间用户可继续走路、开车、做咖啡，无需盯着进度条。据OpenAI官方数据，目前每周有超过1.5亿人使用ChatGPT的语音和听写功能。其2026年发表的论文《The Shift to Agentic AI: Evidence from Codex》披露，从2025年11月到2026年6月的半年间，OpenAI员工使用Codex的中位数token消耗量呈爆发式增长，97.9%的员工已在日常工作中使用Agent模式。

然而，AI硬件赛道不乏前车之鉴。Humane AI Pin售价699美元，因交互反人类、续航崩盘、核心功能依赖手机热点等问题迅速遇冷，最终被惠普收购。Rabbit R1同样因响应延迟、功能与手机App高度重叠、缺乏独立生态而后续乏力。Sweet Pea能否打破这一局面，取决于它能否在不深度依赖手机系统权限的前提下提供完整体验，续航和佩戴舒适度能否支撑全天候使用，以及语音交互是否足够好到让用户愿意从手机屏幕上移开注意力。

OpenAI面临的结构性短板在于没有自己的操作系统。Sweet Pea要真正发挥作用，需要深度调用智能手机的系统级权限，包括日程、通讯录、智能家居控制乃至第三方应用。这些权限分别掌握在苹果和谷歌手中。苹果掌握着全球TWS耳机市场份额第一的AirPods，加上iOS生态和自研芯片，一直在推进Siri的大模型化重构。谷歌有搜索引擎、Android系统、Pixel硬件和Gemini的全栈能力，Android设备全球月活超过30亿台，有能力把语音交互能力直接植入系统层。OpenAI的硬件闭环，是建在别人地基上的。

范式切换意味着产业链重排。当首年产能目标近5000万台的新品类诞生，且底层逻辑是“算力在云端、交互在语音、感知在端侧”，至少三个方向出现明确机会：端侧语音硬件需要多麦克风阵列、波束成形、自适应降噪等信号处理链路，以及低功耗离线语音预处理芯片，这是端侧AI芯片公司的机会窗口；多设备协同与跨端调度需要AI在云端判断当前最佳输出通道并自动路由，这是语音计算生态的底层基础设施；常驻Agent后台需要持久化的云端工作环境，保留文件系统状态、浏览器会话、工具链和调度系统，让AI在用户不看屏幕时持续工作。

中国企业在端侧语音AI上走了一条与OpenAI几乎正交的路径。科大讯飞做了27年语音技术，7月发布了AIUI多模态交互平台升级，融合语音、视觉、Agent与具身智能，支持100多种拟人音色，覆盖100MHz主频、140KB存储的RTOS极限低功耗方案，策略是把AI语音能力植入已有硬件。面壁智能的MiniCPM系列开源模型在GitHub和Hugging Face上累计下载量已突破3800万。腾讯云WorkBuddy与李未可科技宣布战略生态合作，发布首款接入WorkBuddy的X-AI记忆眼镜，整机主体26克，搭载多麦克风阵列与自研WakeeMemory OS，能自动识别会议、商务拜访等场景并启停录音，将音频整理为结构化信息，再同步至WorkBuddy云端生成文稿、PPT和日程安排。这条从感知到记忆再到执行的链路，把硬件入口和云端Agent连在一起。

全双工语音交互面临共同的结构性风险：它在物理上等效于一个永远开着的麦克风。中国《个人信息保护法》对生物识别信息和声纹数据的采集有严格的单独同意要求，GDPR将语音生物识别列为“特殊类别数据”，违规罚款上限为全球营收的4%。谁能设计出一套既合规又无感的用户同意机制，如声纹本地识别不上传、差分隐私处理后的模糊化音频、硬件级的物理麦克风开关，谁就可能在这个赛道上拿到最大的一张合规牌照。

计算机的历史是一部交互成本不断降低的历史。从打孔纸带到命令行，从图形界面到多点触控，现在轮到声音。屏幕不会消失，只是不再是唯一选项。当语音成为计算的新入口之一，谁占据了这个入口，谁就在下一代计算的版图中拿到了一个关键位置。