OpenAI正在推進一項看似與模型公司身份不符的計劃：造耳機。據鈦媒體報道，內部代號“Sweet Pea”的AI耳機將於2026年下半年面世，由Jony Ive創立的LoveFrom設計工作室操刀，採用耳後掛戴或開放式音訊結構，強調“技術隱形”與全天候佩戴。首年產量目標在4000萬至5000萬台之間，由富士康代工。作為參照，iPhone上市首年實際銷量約610萬台，量級差距顯示出OpenAI對這一品類的押注力度。不過，受儲存晶片漲價影響，首批產品可能縮減為基礎耳機形態，完整算力版本或將延後。

這一硬體動作背後，是OpenAI從純軟體公司向“軟體加硬體加生態”全棧計算平台的轉型。2025年5月，OpenAI以約65億美元收購了io Products，由Jony Ive聯合創立的AI硬體公司，55名員工。Ive曾主導蘋果從iMac到iPhone、iPad、AirPods的幾乎每一代標誌性產品設計。7月，OpenAI還推出了Codex Micro聯名鍵盤，一款13鍵可程式設計機械鍵盤，售價230美元，定位為“智慧體工作指揮中心”。

支撐硬體野心的技術基礎是全雙工語音模型GPT-Live。該模型基於全雙工架構，每秒可做出多次互動決策，實現更自然的對話節奏，支援隨時打斷和持續後台執行。使用者口述一個複雜任務，AI在雲端拆解、執行、等待中間結果、彙總，最後彙報，期間使用者可繼續走路、開車、做咖啡，無需盯著進度條。據OpenAI官方資料，目前每週有超過1.5億人使用ChatGPT的語音和聽寫功能。其2026年發表的論文《The Shift to Agentic AI: Evidence from Codex》披露，從2025年11月到2026年6月的半年間，OpenAI員工使用Codex的中位數token消耗量呈爆發式增長，97.9%的員工已在日常工作中使用Agent模式。

然而，AI硬體賽道不乏前車之鑑。Humane AI Pin售價699美元，因互動反人類、續航崩盤、核心功能依賴手機熱點等問題迅速遇冷，最終被惠普收購。Rabbit R1同樣因響應延遲、功能與手機App高度重疊、缺乏獨立生態而後續乏力。Sweet Pea能否打破這一局面，取決於它能否在不深度依賴手機系統許可權的前提下提供完整體驗，續航和佩戴舒適度能否支撐全天候使用，以及語音互動是否足夠好到讓使用者願意從手機螢幕上移開注意力。

OpenAI面臨的結構性短板在於沒有自己的作業系統。Sweet Pea要真正發揮作用，需要深度呼叫智慧手機的系統級許可權，包括日程、通訊錄、智慧家居控制乃至第三方應用。這些許可權分別掌握在蘋果和谷歌手中。蘋果掌握著全球TWS耳機市場份額第一的AirPods，加上iOS生態和自研晶片，一直在推進Siri的大模型化重構。谷歌有搜尋引擎、Android系統、Pixel硬體和Gemini的全棧能力，Android裝置全球月活超過30億台，有能力把語音互動能力直接植入系統層。OpenAI的硬體閉環，是建在別人地基上的。

範式切換意味著產業鏈重排。當首年產能目標近5000萬台的新品類誕生，且底層邏輯是“算力在雲端、互動在語音、感知在端側”，至少三個方向出現明確機會：端側語音硬體需要多麥克風陣列、波束成形、自適應降噪等訊號處理鏈路，以及低功耗離線語音預處理晶片，這是端側AI晶片公司的機會視窗；多裝置協同與跨端排程需要AI在雲端判斷當前最佳輸出通道並自動路由，這是語音計算生態的底層基礎設施；常駐Agent後台需要持久化的雲端工作環境，保留檔案系統狀態、瀏覽器會話、工具鏈和排程系統，讓AI在使用者不看螢幕時持續工作。

中國企業在端側語音AI上走了一條與OpenAI幾乎正交的路徑。科大訊飛做了27年語音技術，7月釋出了AIUI多模態互動平台升級，融合語音、視覺、Agent與具身智慧，支援100多種擬人音色，覆蓋100MHz主頻、140KB儲存的RTOS極限低功耗方案，策略是把AI語音能力植入已有硬體。面壁智慧的MiniCPM系列開源模型在GitHub和Hugging Face上累計下載量已突破3800萬。騰訊雲WorkBuddy與李未可科技宣佈戰略生態合作，釋出首款接入WorkBuddy的X-AI記憶眼鏡，整機主體26克，搭載多麥克風陣列與自研WakeeMemory OS，能自動識別會議、商務拜訪等場景並啟停錄音，將音訊整理為結構化資訊，再同步至WorkBuddy雲端生成文稿、PPT和日程安排。這條從感知到記憶再到執行的鏈路，把硬體入口和雲端Agent連在一起。

全雙工語音互動面臨共同的結構性風險：它在物理上等效於一個永遠開著的麥克風。中國《個人資訊保護法》對生物識別資訊和聲紋資料的採集有嚴格的單獨同意要求，GDPR將語音生物識別列為“特殊類別資料”，違規罰款上限為全球營收的4%。誰能設計出一套既合規又無感的使用者同意機制，如聲紋本地識別不上傳、差分隱私處理後的模糊化音訊、硬體級的物理麥克風開關，誰就可能在這個賽道上拿到最大的一張合規牌照。

計算機的歷史是一部互動成本不斷降低的歷史。從打孔紙帶到命令列，從圖形介面到多點觸控，現在輪到聲音。螢幕不會消失，只是不再是唯一選項。當語音成為計算的新入口之一，誰佔據了這個入口，誰就在下一代計算的版圖中拿到了一個關鍵位置。