Personal AI 核心是陪伴

打字是在用工具，「说话」是在找「人」。 最近这一波Personal AI实在太火了，我也注册了一个Muse体验了一下。 整个体验下来，我感觉Muse的能力实在一般，远没到让人惊叹的地步。 但奇怪的是，它确实带来了一种真切的陪伴感。 这种陪伴感，甚至直接改变了我的使用习惯，让我总是忍不住想找它聊聊，哪怕只是把最琐碎的需求丢给它。 就在本周，Muse又往前迈了一步，正式上线了实时语音和会动的头像。 无独有偶，各家AI助手最近都在做同一件事，就是给个人AI助手开通语音和对话功能。

这让我非常好奇，距离ChatGPT端出惊艳的语音模式，已经过去两年了，为什么到了现在这个时间点，所有的个人AI助手又开始一窝蜂地往语音赛道上挤？ 让用户愿意开口派活，底层的工程门槛直到今年才算真正跨了过去。 国内的豆包「打电话」功能在今年4月接入了全双工语音模型Seeduplex，真正实现了边听边说。 而按照Meta的说法，Muse从用户说完话到给出第一个音视频响应，延迟约870毫秒，并且支持随时打断。 不到一秒的反应时间，加上后台干活的能力，让语音彻底摆脱了纯陪聊的玩具属性。

陪伴感当然是语音交互天然带来的副产品，但对于个人AI助理来说，它更是最核心的增长机制。 当产品的交互门槛低到根本不需要你去掂量值不值得问时，原本属于搜索引擎和地图软件的流量，就会极其自然地流向个人助手。 这种由语音带来的黏性提升，已经在真实数据中得到了印证。 豆包的大规模A/B实验显示，全双工语音上线后，用户的通话时长、留存等核心指标均出现了正向提升。 MIT媒体实验室与OpenAI联合进行了一项为期四周、涵盖近1000名参与者的随机对照实验，结果同样清晰地表明，人们和语音聊天机器人相处的时间，明显多于文字版本。

Meta给Muse默认配备了一个名叫Jolly的卡通形象。 为了让这个角色足够鲜活，官方不仅提供了数百种声音选项，甚至允许用户直接用一句话来描述自己想要的语气。 Meta目前正在研发一款名为Muse Charm的口袋设备，它的机身小屏幕上会直接显示Jolly的形象。 当AI的声音变得越来越像人、反应快到不到一秒时，人类大脑很难再维持「这只是一段代码」的理性认知。 实验数据显示，语音模式在一开始确实展现出了缓解孤独感、降低心理依赖的优势； 但随着使用量的不断上升，这种优势很快就消失了。

最终的结果是，用户用得越多，自身的孤独感和对AI的情感依赖反而越高。 面对这根随时可能引爆的心理引线，硅谷公司们在产品路线上出现了一次明显的分岔，核心分歧就在于，要不要刻意去培养用户的情感依赖。 Meta毫不犹豫地选择了角色化路线，而Grok Bot这类工作型agent则走向了另一个方向，人格退到次要位置。 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，则代表了第三条路线，即「一直在场」。

用户已经开始本能地自卫了，The Verge的一位记者在试用Muse时，把自己的Muse头像设置成了扎克伯格的样子，理由非常坦诚，这么做是为了时刻提醒自己正在使用的是Meta的服务，因为他「拒绝被一个欢乐的Jolly迷住」。 这让人不得不思考，当一个全天候在线、永远秒回的声音住进手机甚至口袋里，我们究竟是拥有了一个更趁手的工具，还是亲手给自己请回了一个甩不掉的电子跟踪狂？