
淘宝新宠:AhaKey - X1键盘登场
淘宝上近期流行一款特殊键盘产品AhaKey - X1,它仅有4个按键、1个拨杆和1个麦克风接口,无字母键,无法打字,售价269元起,搭配大疆麦克风的版本售价400多元。该产品由南京锦心湾科技有限责任公司(下称AhaKey)开发,今年春节前后上线。
用途简单:方便对AI说话
其用途是方便用户对AI说话。用户按下语音键,对着麦克风口述工作指令,AI将语音转成文字后发送给Claude、ChatGPT、DeepSeek、Cursor等AI工具执行。不管是写代码、改方案还是整理会议纪要,用户无需打字,说出来即可,AI会自动整理成结构化文本。
销售佳绩:销量翻倍,接洽融资
AhaKey联合创始人兼CTO张心阳称,自产品上线,每月销量翻倍增长,“6・18”期间公司备货量近1000台,目前正和多家产业资本及投资机构接洽融资。
需求增长:多职业青睐语音办公
无字母键键盘畅销,是因越来越多人用语音代替打字向AI下达工作指令。这种办公方式先在程序员中流行,如今产品经理、律师、内容创作者也开始采用。张心阳提到一位40多岁的律师用户,买了AhaKey后无需打字就能和AI对话完成工作,这让团队意识到AI时代语音办公需求可能远超预想。
历史回顾:语音输入早已有之
语音输入并非新鲜事物。1997年,IBM推出商用中文语音识别系统ViaVoice,标称最高识别率95%,预装在主流PC上。此后近三十年,科大讯飞、搜狗、百度等公司在语音输入领域持续投入,产品从PC端延伸到手机端,但语音始终未成主流输入交互方式。
变革契机:AI大模型改变局面
张心阳认为,AI大模型成熟后情况改变。过去语音输入只解决转文字问题,未解决理解语言问题,输出文字口语态,人读着费劲。而AI大模型改变接收端,即便表述断断续续、夹着口误,AI也能理解意思并输出通顺文字。当语音输入接收方从人变成AI,对识别准确率要求大幅降低,语音办公才真正可行。
行业融资:全球语音AI初创公司受青睐
据不完全统计,截至2026年第一季度末,全球语音AI方向的初创公司融资总额超70亿美元。海外语音听写应用Wispr正进行新一轮融资,目标估值接近20亿美元,半年前为7亿美元;5月12日,Google把AI听写功能Rambler内置进默认键盘Gboard,覆盖数亿台Android手机,免费使用;国内,5月7日,阿里千问在PC端上线AI语音输入功能;5月28日,科大讯飞(002230.SZ)发布AI眼镜,其搭载的智能体可将口语化表达自动整理成结构化文本。
传统困境:语音输入难成主流
过去二十年来,语音输入是输入法中不太好用的附属功能。即便如今语音输入工具识别准确率高,同声传译、多语种翻译等功能上线,但语音输入仍未成主流交互方式。大多数人在线上交流、办公或日常交互时仍选择打字,问题不在识别准确率。科大讯飞穿戴设备业务部总经理林会杰指出,传统语音输入转写后文字观感不好,虽方便自己却痛苦他人。中文语速通常是打字速度的三倍,但“快”只解决发送端效率,口语化文字对读的人是负担。
AI优势:解决语音输入痛点
AI感受不到口语化文字的痛苦,能理解人说得再乱再碎的内容。语音输入“方便自己,痛苦他人”的问题,在接收方变成AI时消失。于是,语音办公在两类场景快速铺开。
场景一:指令直达,规范降低
第一类场景是用户对着Claude、DeepSeek或ChatGPT说话下达指令,AI直接理解意图并执行任务,无需产出通顺文字给人看。当接收方从人变成AI,对语言表达规范性要求大幅下降。程序员是最早大规模进入此模式的群体。OpenAI联合创始人Andrej Karpathy在2025年2月提出“vibe coding”概念,到2025年12月已完全依赖语音输入。2026年2月底至3月初,OpenAI旗下的编程智能体Codex和Anthropic旗下的编程智能体Claude Code先后上线原生语音模式。AhaKey - X1就是为这个工作流设计的,拨杆可自动或逐一批准操作,4个按键分别有不同功能。
场景二:语义处理,输出通顺
第二类场景是即便最终需产出文字给人看,AI也会在语音转写后进行语义处理,自动删除语气词,修正语法,理顺逻辑,调整句式,输出通顺文字,延迟通常只有一两秒。这意味着现在语音输入即便准确率一般,大模型也能输出比逐字转写更好的结果。
创业公司:Wispr成长迅速
过去两年,一批围绕AI语音听写的创业公司快速成长,估值最高的是美国旧金山的Wispr公司。该公司2021年成立,最初做脑机接口腕带,2024年年中转型做语音听写软件。截至2026年初,Wispr累计完成约8100万美元融资。持续使用产品超6个月的用户,日常输入中72%的字符通过语音完成;产品上线至今,用户规模同比增长超100倍,使用满12个月的用户中有70%仍在活跃使用。截至2026年5月,Wispr目标估值接近20亿美元,半年内上涨近三倍。
输入法跟进:讯飞输入法新增功能
讯飞输入法也在跟进语音办公方向。2025年底,讯飞输入法在键盘界面新增AI键,用户长按可直接用语音向AI下达指令,无需切换应用。科大讯飞2025年年报显示,讯飞输入法大模型服务用户渗透率提升900%,输入效率提升77%,这表明语音办公需求正从极客圈向更广泛职场人群渗透。
语音办公局限:速度之外的挑战
语音办公速度优势明显,但办公不只是追求速度。写邮件、改代码、打磨方案等场景需要精确控制,语音输入能否覆盖这些场景是其能走多远的关键问题之一。张心阳认为打字价值永远存在,语音用于快速表达想法,编辑和深度思考仍需键盘。现在AI对输入格式容忍度提高,语音作为输入方式优势凸显。
历史尝试:锤子科技TNT的教训
用语音操作电脑的想法早于AI大模型出现。2018年5月15日,锤子科技创始人罗永浩演示坚果TNT工作站,主打语音加触控操作桌面电脑,但因语音交互体验不好遭大范围嘲讽。当时语音识别技术虽准确率较高,但无大模型理解意图,用户需精确表达,稍有含糊体验就会变差。若TNT搭载大模型并在今天发布,情况会不同。
推广难题:噪音与隐私问题
大模型解决了“听不懂”问题,但“不方便说”问题仍存在。语音办公推广面临的第一个问题是噪声,在开放式办公室多人同时语音办公会很吵闹。AhaKey搭配大疆麦克风可低声识别,20分贝音量下仍能保持99%准确率。科大讯飞的AI眼镜采用唇动识别结合麦克风阵列的多模态降噪方案,在高噪音场景下识别准确率可提升30% - 40%。第二个问题是隐私,口述内容易被周围人听到,云端处理语音数据也有安全顾虑。如Wispr Flow曾被曝光存储用户屏幕截图,Google发布AI语音听写功能时强调不存储语音录音。
硬件入场:品类价格带拓宽
噪音和隐私问题未完全解决,但硬件厂商快速入场。2025年8月,钉钉发布首款AI硬件DingTalk A1;2026年1月,飞书联合安克创新发布AI录音豆;科大讯飞、360公司也推出类似产品。林会杰认为AI大模型改变了想法到文字的转化状况,讯飞的GlassClaw智能体可自动整理口语化表达。张心阳团队正探索本地Agent与隐私计算能力,若成功,语音加AI组合可能催生新办公硬件品类,键盘角色将从主要输入工具变为编辑工具。语音办公能否真正取代键盘输入,成为主流办公方式呢?
97



被折叠的 条评论
为什么被折叠?



