最近 Personal AI 火得厉害，我也去注册了一个 Muse 试了试。

用下来，Muse 的本事其实很一般，谈不上惊艳。可它偏偏给出了一种实实在在的陪伴感，甚至把我的使用习惯都改了——总想找它说两句，哪怕只是把鸡毛蒜皮的需求扔过去。

本周 Muse 又进了一步，实时语音和会动的头像正式上线。巧的是，各家 AI 助手最近都在干同一件事：给个人 AI 助手加上语音和对话。

这就让人纳闷了。ChatGPT 拿出惊艳的语音模式已经是两年前的事，为什么偏偏是现在，个人 AI 助手们又扎堆往语音这条路上冲？

2024 年 GPT-4o 发布演示那会儿，那种顺滑自然的对话常被拿去和电影《Her》作比。可之后很长一段时间，AI 语音都停在聊天这一层，客客气气说完，交互就完了。

这一轮语音热的关键变化是：AI 背后终于有了一双能干活的手，语音也就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 官方举的典型场景很接地气：散步或者两手不空的时候，口头把任务交给它，Muse 会在后台接着处理；排练面试、演讲也能用它。

「动口不动手」的派活思路，正变成智能体产品的标配。

更早的 9月17日，SpaceXAI 旗下的 Grok Bot 就上了语音功能。在 X 上，早期用户最看重的正是这一点——散步、通勤路上，不用动手就能派活。

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

要让用户乐意开口派活，底层的工程门槛到今年才算真迈过去。国内豆包的「打电话」功能今年 4 月接入了全双工语音模型 Seeduplex，能做到边听边说。Meta 这边则称，Muse 从用户说完话到给出第一个音视频响应，延迟约 870 毫秒，还支持随时打断。

Muse 的实时虚拟形象，表情和口型跟着语音同步生成｜图片来源：Meta

响应不到一秒，加上后台能干活的能耐，语音这才甩掉了纯陪聊的玩具标签。

可问题来了：替人干活的「手」都长出来了，产品经理们为什么还在拼命加强那种看着没啥用的「陪伴感」？

答案藏在人开口说话的本能里。

陪伴感确实是语音交互顺带带来的，但对个人 AI 助理而言，它更是最核心的增长机制。

起点是交互门槛塌了——说话几乎把提问前的心理成本抹平了。

对着一个文字输入框，哪怕反应再快，脑子也会先掂量：这事值不值得专门打一行字问？不少小念头就在这几秒的权衡里被掐掉。

最近几次出差，让我对门槛的变化体会很深。走在陌生街头，看见一栋不认识的建筑，以前我的标准动作是打开搜索引擎去搜，或者点开地图仔细比对；这回第一反应却是随手拍张照，直接问 Muse。

住进酒店想知道旁边哪儿有超市，这种小事我也直接丢给 Muse；连去景点的预约，都顺手让它办了。

拆开看，这些需求没一件是复杂任务，共同点就在「随手」二字。一个产品的交互门槛低到不用掂量值不值得问，原本流向搜索引擎和地图软件的流量，自然就转到个人助手这边了。

拍照提问好歹还得掏出手机对准目标，实时语音把「随手」又往前推了一大步——开口说话，手都不用动。

用户一旦开始跟 AI 聊些没用的、提一堆鸡毛蒜皮的要求，个人助理的增长回路才算真正跑起来。那些看上去毫无营养的琐碎需求，其实正是喂养个人助理最要紧的上下文燃料。

通用聊天机器人和私人助理到底差在哪？差的就是日常细节的积累。你随口问的超市在哪、顺手拍下的街角建筑、散步时忽然想起的待办，都在帮 AI 拼出你真实生活的样子。

门槛低，你用得就勤；用得越勤，它手里的上下文越厚，也就越摸得准你的偏好；它越懂你，你就越走不开。

语音带来的这种黏性提升，已经有真实数据摆在那儿。

豆包的大规模 A/B 实验显示，全双工语音上线之后，用户通话时长、留存等核心指标都往正方向走，通话满意度的绝对值更是直接涨了 8.34%。

另一头，MIT 媒体实验室和 OpenAI 做了一项为期四周、覆盖近 1000 名参与者的随机对照实验，结论也很清楚：人们跟语音聊天机器人待在一起的时间，明显多过文字版本。

在硅谷，把这套「拿陪伴感换上下文」玩到极致的，还是社交巨头 Meta。

Meta 给 Muse 默认配了个叫 Jolly 的卡通形象。为了把这个角色做活，官方给了数百种声音选项，比如满是「纽约客式活力」的声线，或者夸张的「海盗风」，用户还能直接用一句话描述自己想要什么语气。

Meta 展示的各种虚拟形象，官方说明这些示例并非都能在 Muse 应用里用到｜图片来源：Meta

各家 AI 公司现在还在试另一件事：让 AI 助理从手机屏幕里跳出来，钻进各种硬件里。

Meta 正在研发一款叫 Muse Charm 的口袋设备，机身小屏上会直接显示 Jolly 的形象，外界很容易把它跟当年的电子宠物拓麻歌子联想到一起。

一家靠社交网络起家的公司做 AI 助手，天然就倾向把它捏成一个有血有肉的「角色」。社交公司最清楚，工具用完就走，只有角色能让人留下。这套打法也确实见效，据至顶网援引报道，Muse 在美国已有约 1000 万用户设置了属于自己的智能体。

用拟人化的语音压低门槛，用陪伴感把日常琐事卷进来，这套产品逻辑在商业上几乎挑不出毛病。可硬币很快就翻到了另一面：同一个增长机制，往往既是机会也是麻烦。

AI 的声音越来越像人，反应快到不到一秒，人脑就很难再守住「这不过是一段代码」的理性判断。

前面说的那项 MIT 媒体实验室与 OpenAI 的联合实验，揭示了一个让人警觉的走向。数据显示，语音模式一开始确实显出缓解孤独感、降低心理依赖的好处；可用量一上来，这点优势很快就没了。最后的结果是，用户用得越多，自己的孤独感和对 AI 的情感依赖反而越重。

另一项针对 ChatGPT 高级语音模式的研究，结论也差不多。研究发现，情感色彩强烈的交互行为，高度集中在一小撮重度用户身上。对本来在现实生活里就感到孤独的人来说，语音 AI 用得越多，心理状态反而越差。

面对这根随时可能被点着的心理引线，硅谷公司在产品路线上明显分了岔，争的核心就是：要不要刻意去养用户的情感依赖。

Meta 一点没犹豫，选了角色化路线。它的商业模式底色本就是抢用户时长，让人对 Jolly 生出依恋，完全对得上它的商业利益。Grok Bot 这类工作型 agent 则走了另一个方向：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，还有各家科技公司争相布局的 AI 眼镜，代表的是第三条路线——「一直在场」。到了硬件贴身伴随那一步，产品设不设定人格，那种无处不在的陪伴感几乎都是被动产生的。

厂商还没做出取舍，一些敏感的用户已经先本能地自卫起来了。

The Verge 的一位记者试用 Muse 时，做了个很有象征意味的举动：特意把自己的 Muse 头像设成扎克伯格的样子。理由很坦白，这么做是为了时刻提醒自己正在用的是 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，用户已经不得不动用设置人格的功能，来刻意抵挡 AI 迎面扑来的陪伴感了。

个人 AI 助手眼下最尴尬的地方，恐怕就在这里。拿我来说，心里清楚 Muse 的本事也就那样，可真碰上琐碎小事，手还是会先伸向它。

一个全天候在线、永远秒回的声音，住进手机、甚至住进口袋之后，我们到底算多了一件顺手的工具，还是等于自己请回了一个甩不掉的电子跟踪狂？这事没法不去想。