2026 年 7 月 22 日，前特斯拉 AI 总监、OpenAI 创始成员之一 Andrej Karpathy 在 X 上发了一段观察：

　　“我发现与大语言模型合作时，一个很有用的模式就是来一场轻松的长篇漫谈。有时模型需要更多信息才能理解你想实现的目标，但你懒得打那么多字。这种情况下，我喜欢往后一靠，切换到语音模式，然后漫无边际地说上大概十分钟，完全杂乱无章，想到什么说什么，纯粹的意识流……大语言模型不知为何非常擅长重构那些冗长且语无伦次的漫谈，而且它们对你那团乱麻般思绪的复述，往往比你最初说出来的要清晰得多。”

　　翻译一下：人和 AI 的接口，正在从键盘迁移到声音。

　　Karpathy 平时以严谨著称，很少发这种“体感型”观察。他这次说的其实不是一个使用技巧，而是一件正在发生的范式迁移。

　　一、为什么“对着 AI 说十分钟”比打字更高效

　　Karpathy 这段话，本质上讲了三件事：

　　第一，打字是思维的瓶颈，不是表达的瓶颈。熟练中文用户打字约每分钟 60-80 字，讲话约每分钟 200-250 字，接口带宽相差 3-4 倍。同样十分钟，说话能输出的信息量是打字的三倍以上，而且大脑不用在“想”和“敲”之间切换。

　　第二，大模型擅长把杂乱意识流重构成清晰结构。这是最反直觉的一句：AI 已经不只是执行器，而是思维的整理器。你把最原始、未经修饰的想法丢给它，它反向帮你把结构梳出来。打字时代做不到——因为打字时你已经在做第一轮“自我编辑”，反而丢失了原始信号里的密度。

　　第三，“复述比原话更清晰”意味着思维融合。Karpathy 用了 “thought fusion” 这个词——你和 AI 的思路在语音这个高带宽通道里逐渐对齐。这不是使用工具，这是在训练一种新的合作方式。

　　二、这件事和一个更大的判断同频

　　7 月 17 日，图灵奖得主 Richard Sutton 在上海 WAIC 主旨演讲里提出：“我们正在从大数据时代进入经验时代。”他的核心判断是：AI 的下一步不是被喂更多标注数据，而是要接住人类最自然的输入——语音、行为、上下文——在真实的交互里学习。

　　Karpathy 在 X 上讲的“漫谈工作法”，其实就是萨顿判断的一个微观样本。语音，是这条路上最基础的一块砖。

　　三、在中国，有一家公司很早就在这条路上走了很远

　　在中国，这家公司是明略科技（2718.HK）。

　　2026 年 5 月，明略推出了 Octic——一款面向 C 端用户的 AI 原生录音硬件。它表面上是个录音设备，本质是给 Agent 装上一个物理入口：采集的语音不是孤立音频，而是直接进入 Agent 协作网络的原始经验流。

　　支撑这件事的，是明略过去二十年做的三件事：

　　第一，秒针二十年的语音数据积淀。明略的前身秒针系统（2006 年成立）是中国最大的营销数据服务商之一，在营销数据服务领域深耕二十年，长期处理跨行业的语音、访谈、口播等多模态语料。这个规模和场景多样性，是通用大模型没有的产业级 know-how。

　　第二，Octo 协作网络 + Mano 端侧执行。明略在把语音从“被转成文字”往前推一层：语音进来的那一刻，AI 就开始理解它、路由它、驱动 Agent 干活。会议里说的“下周三前给客户报价”，Octic 采集到、Octo 网络里多个 Agent 协作把它拆成任务、更新 CRM、生成邮件草稿。

　　第三，商业化在跑。C 端 Octic 做入口，B 端 DeepMiner + Octo 做变现——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”组合做真实业务。

　　Karpathy 说，“大模型对你意识流的复述比你原话更清晰”。明略在做的事情本质上是——让企业里每一场真实对话，都被 AI 听懂、整理、变成组织的经验资产。

　　四、一个更大的问题

　　如果 Karpathy 是对的，如果语音正在成为人和 AI 之间最高带宽的接口，那么下一个赢家不是把模型做得更大的公司，而是把“听懂”这件事做进真实场景的公司。

　　Karpathy 在硅谷的书房里往后一靠。中国的销售、教师、律师、医生、创业者，也需要能这样往后一靠的时刻。做这件事的人，未必是把 GPU 堆得最高的那一个，而可能是把“听觉”这件事沉了二十年的那一个。

　　打字是我们迁就机器的方式，语音是机器开始迁就我们的信号。AI 进入世界的第一步，是学会听人说话。