最近 Personal AI 热度很高，我也注册了一个 Muse，上手试了试。

用下来，Muse 的本事只能算一般，离让人惊艳还差得远。可它偏偏给了一种很实在的陪伴感，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小事丢过去。

本周 Muse 又有新动作，实时语音和会动的头像正式上线。其实各家 AI 助手近来都在干同一件事：给个人 AI 助手配上语音和对话能力。

这就让我纳闷了。ChatGPT 拿出语音模式到现在已经两年，为什么偏偏是这个时候，个人 AI 助手们又一窝蜂地往语音赛道上挤？

2024 年 GPT-4o 发布演示时，那种顺滑自然的对话常被拿去跟电影《Her》作比。可之后很长一段时间，AI 语音都停在聊天这一层，双方客客气气说完，交互就结束了。

这一轮语音热的关键变化是：AI 背后终于长出了一双手，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：散步或者双手腾不出来的时候，直接开口给它派任务，Muse 会在后台接着处理；用户也能拿它排练面试或演讲。

「动口不动手」的派活方式，正在变成智能体产品的标配。

更早的 9月17日，SpaceXAI 旗下的 Grok Bot 已经上线语音功能。在 X 上，早期用户最看重的也是这点——散步、通勤路上，不用动手就能把活派给它。

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

要让用户乐意开口派活，底层的工程门槛今年才真正迈过去。国内豆包的「打电话」功能在今年 4 月接入了全双工语音模型 Seeduplex，做到了边听边说。Meta 那边则称，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，表情和口型随语音同步生成｜图片来源：Meta

不到一秒的反应，加上后台干活的本事，语音就此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码那种看上去没什么用的「陪伴感」？

答案就藏在人开口说话的本能里。

陪伴感固然是语音交互自带的副产品，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。

对着一个文字输入框，脑子再快也会先掂量：这事值不值得我专门打一行字去问？不少微小的念头，就在这几秒的权衡里被掐掉了。

最近几次出差，让我对门槛的变化体会很深。走在陌生街头，看到路边一栋不认识的建筑，搁以前我肯定是打开搜索引擎搜，或者点开地图仔细比对；这回我的第一反应是随手拍张照片，直接问 Muse。

住进酒店后，想知道旁边哪儿有超市这类小事，我也直接丢给 Muse；连去景点的预约，都是顺手让它办了。

把这些需求拆开看，没有一件是高难度任务，共同点就在「随手」两个字。当一个产品的交互门槛低到不用你掂量值不值得问，原本流向搜索引擎和地图软件的流量，就会很自然地转到个人助手这边。

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

用户一旦开始跟 AI 说些废话、提些零碎要求，个人助理的增长飞轮才算真正转起来。那些看着没什么营养的琐碎需求，其实就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，本质区别就在日常细节的积累上。随口问一句超市在哪、顺手拍下街角的建筑、散步时忽然想起的待办，这些都在帮 AI 拼出你真实的生活图景。

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，你越离不开它。

语音带来的这种黏性提升，已经有真实数据佐证。

豆包做的大规模 A/B 实验显示，全双工语音上线之后，用户通话时长、留存等核心指标都出现正向提升，通话满意度的绝对值直接涨了 8.34%。

另一头，MIT 媒体实验室与 OpenAI 联合做了一项为期四周、涵盖近 1000 名参与者的随机对照实验，结论同样清楚：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「用陪伴感换上下文」这套逻辑做到极致的，还是社交巨头 Meta。

Meta 给 Muse 默认配了一个叫 Jolly 的卡通形象。为了让这个角色活起来，官方提供了数百种声音选项，有充满「纽约客式活力」的声线，也有夸张的「海盗风」，用户甚至能用一句话直接描述想要的语气。

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

各家 AI 公司现在还想让 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起来。

一家靠社交网络起家的公司做 AI 助手，天然倾向于把它捏成一个有血有肉的「角色」。社交公司最清楚，工具是用完即走的，只有角色能让人留下来。这套打法确实见效，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无懈可击。可硬币很快翻到另一面，同一个增长机制，往往既是机遇也是挑战。

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

一项联合实验出自 MIT 媒体实验室和 OpenAI 之手，结论指向一个需要警惕的走向。从数据看，语音模式刚上手时确实能减轻孤独感、让人少一点心理依赖；可用量一涨上去，这点好处就撑不住了。到头来，用的人越频繁，孤独感和对 AI 的情感依赖反倒越深。

围绕 ChatGPT 高级语音模式的另一项研究，得出的判断差不多。情感色彩浓的交互行为，其实扎堆在少数重度用户那里。原本在现实生活里就孤单的人，越是多用语音 AI，心理状态到最后就越糟。

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

Meta 毫不犹豫选了角色化路线，它的商业模式底色本就是争夺用户时长，让人对 Jolly 产生依恋完全符合其商业利益；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，以及各家科技公司争相布局的 AI 眼镜，代表的是第三条路线，即「一直在场」。到了硬件贴身伴随那一步，不管产品设不设定人格，那种无处不在的陪伴感几乎都是被迫产生的。

厂商们还没做出取舍，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 头像设成扎克伯格的样子，理由很坦诚：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

用户已经开始不得不动用人格设置功能，来刻意抵抗 AI 扑面而来的陪伴感了。

个人 AI 助手眼下最尴尬的地方，恐怕就在这里。拿我自己来说，心里清楚 Muse 的本事其实很普通，可一碰上鸡毛蒜皮的小事，手还是会先伸向它。

这就不由得让人多想一层：当一个全天候在线、永远秒回的声音住进手机、甚至住进口袋，我们到底是得了一件更顺手的工具，还是自己请回了一个甩不掉的电子跟踪狂？