在2026年7月22日这一天，前特斯拉人工智能领域的领军人物、OpenAI的创始成员之一Andrej Karpathy，在社交媒体平台X上分享了他的一项独特观察：

“在与大型语言模型携手工作时，我发现一种极为有效的模式，那便是展开一场轻松且冗长的对话。有时，模型需要更多信息来准确把握你的目标，但你却懒得逐字逐句地输入。这时，我便喜欢往后一靠，切换到语音模式，毫无拘束地畅谈大约十分钟，内容杂乱无章，想到什么就说什么，纯粹是意识流的表达……令人惊奇的是，大语言模型竟能巧妙地重构这些冗长且语无伦次的对话，而且它们对我这团乱麻般思绪的复述，往往比我最初表达的要清晰得多。”

简而言之：人类与AI的交互界面，正悄然从键盘转向声音。

Karpathy素以严谨著称，鲜少发表此类“感性型”见解。然而，他此次的言论，并非仅仅是一个使用技巧的分享，而是一个正在发生的重大范式转变的预示。

一、为何“与AI畅谈十分钟”比打字更为高效

Karpathy的这段话，实际上揭示了三个核心要点：

其一，打字是思维的枷锁，而非表达的桎梏。 熟练的中文用户，打字速度大约在每分钟60-80字之间，而讲话速度则可达每分钟200-250字，两者之间的接口带宽相差3-4倍。在同样的十分钟内，通过语音能输出的信息量是打字的数倍之多，而且大脑无需在“思考”与“敲击”之间频繁切换。

其二，大模型擅长将杂乱无章的意识流转化为清晰有序的结构。 这是最为反直觉的一点：AI已不再仅仅是执行命令的工具，而是成为了思维的整理大师。你将最原始、未经修饰的想法抛给它，它便能反向帮你梳理出清晰的结构。在打字时代，这是难以实现的——因为打字时你已经在不自觉地进行第一轮“自我编辑”，反而丢失了原始信号中的丰富信息。

其三，“复述比原话更清晰”象征着思维的深度融合。 Karpathy使用了“thought fusion”这一词汇——你与AI的思路在语音这一高带宽的通道中逐渐趋于一致。这不再是简单的工具使用，而是在共同训练一种全新的合作模式。

二、这一变化与一个更为宏大的判断不谋而合

7月17日，图灵奖得主Richard Sutton在上海WAIC的主旨演讲中提出：“我们正从大数据时代迈向经验时代。”他的核心论断是：AI的下一步发展，不在于被喂食更多的标注数据，而在于能够接收并理解人类最自然的输入——语音、行为、上下文——并在真实的交互中不断学习。

Karpathy在X上所描述的“漫谈工作法”，正是Sutton这一判断的一个微观体现。语音，无疑是这条道路上的基石。

三、在中国，有一家公司早已在这条道路上迈出了坚实的步伐

在中国，这家公司便是明略科技（2718.HK）。

2026年5月，明略科技推出了Octic——一款专为C端用户设计的AI原生录音硬件。它看似是一个普通的录音设备，实则为AI代理（Agent）打造了一个物理入口：采集的语音并非孤立的音频，而是直接转化为Agent协作网络的原始经验流。

支撑这一创新产品的，是明略科技过去二十年的深厚积累：

其一，秒针系统二十年的语音数据沉淀。 明略科技的前身秒针系统（成立于2006年）是中国营销数据服务领域的佼佼者，长期处理跨行业的语音、访谈、口播等多模态语料。这种规模和场景的多样性，是通用大模型所无法比拟的产业级专业知识。

其二，Octo协作网络与Mano端侧执行的完美结合。 明略科技将语音处理从“被转成文字”的层面向前推进了一步：语音一进入系统，AI便开始理解它、路由它、驱动Agent执行任务。例如，会议中提到的“下周三前给客户报价”，Octic设备采集到后，Octo网络中的多个Agent便会协作将其拆解为具体任务、更新CRM系统、生成邮件草稿。

其三，商业化进程加速。 C端的Octic设备作为入口，B端的DeepMiner与Octo组合则实现变现——汽车、消费品、零售等行业的头部品牌客户已在使用这套“语音+Agent”的组合方案来开展真实业务。

Karpathy曾言，“大模型对你意识流的复述比你原话更清晰”。明略科技所做的事情，本质上就是让企业中的每一场真实对话都能被AI准确理解、整理，并转化为组织的宝贵经验资产。

四、一个更为宏大的议题

如果Karpathy的预言成真，如果语音确实正在成为人类与AI之间最高带宽的接口，那么下一个在AI领域取得成功的，将不再是那些仅仅追求模型规模更大的公司，而是那些能够将“理解”真正融入真实场景的公司。

Karpathy在硅谷的书房中悠然自得地往后一靠。而在中国，销售、教师、律师、医生、创业者等各行各业的人们，也渴望拥有这样的时刻。实现这一目标的人，未必是拥有最多GPU的公司，而可能是那些在“听觉”领域深耕二十年的企业。

打字，曾是我们迁就机器的方式；而语音，则是机器开始迁就我们的信号。AI融入世界的第一步，便是学会倾听人类的声音。