我今天还要跟大家讲一讲市面上比较流行的这些 AI 录音设备，其实我是来劝退的。我会给大家讲讲背后的原理，包括你去选择硬件、软件，选择不同的模型时，我是如何思考的。希望这些方案的分享能给大家一些启发，顺便起到帮大家立省一千块的效果。
提到近期的直播节奏，顺便闲聊一下过年。每次大家看春晚的时候，那个会场舞台就离我直播的地方几百米。春晚那一天，那条路上摆满了值班的警察和警车，维护这个全国最重要的活动。因为春晚会有一些小鲜肉偶像，我经常路过时看到路边有几十个年轻人，拿着长枪大炮的微单相机，在零下十几度的寒风中苦等。其实就是为了等偶像从中央电视台出来的时候，坐在车里可能会打开窗户让他们拍上那么一秒。过年期间大家除了吃喝玩乐，咱们也可以来点“清口”的，下周五初四晚上，我们还可以继续 AI 直播，聊一聊目前的阅读器和 AI 阅读的软硬件系统。
今天是我们小能熊“AI 学习系统”的第三弹，主题叫“口头费曼 OS”。我们前面讲了 AI 学习系统的一系列专题，为什么呢？因为我认为 2026 年是整个 AI 行业大革命至关重要的一年。你想想，在硬件层面上，美国最重要的几家公司在 AI CapEx 上的投入达到了六七千亿美金，折合 5 万亿人民币。而在软件这块，像 OpenAI 能不能上市、上市时泡沫会不会破裂，在这个波澜壮阔的 AI 历史上，2026 年肯定是特别关键的一年。
之所以说 AI 这个行业现在很关键也很危险，主要原因就是 AI 的落地非常困难。现在 AI 已经可以做很多事情、创造很多价值了，然而大部分人其实可能都还只是在使用简单的 Chat 聊天应用，不会每个月为它支付几十、上百美金。一年几万亿砸进去却没有人付钱，这其实是非常危险的。
所以关于 AI 落地这块，我整个 2026 年有一个明确的价值主张：我们要把 AI 的能力和我们个人的所有 context（上下文），和我们工作、学习、生活当中的项目结合起来。只有这样，我们才能让每个月 20 美金的 AI 给你创造几千、上万美金的价值。我把这些东西总结成一个概念叫“AI 学习系统”，2026 年“AI 系统”这个词至关重要。
第一弹直播时，我给大家讲了为学习型家庭搭建的 AI 学习系统中，应用于数学、Coding 等理科模块的系统；第二弹讲的是应用于中文、英文、写作等文科能力的系统。今天讲的其实是一个比较轻量级的系统，叫“口头费曼 OS”。今天我们要聊两大主题，一个是 AI 输入法，一个是 AI 录音，这两个是完全不同的概念。我们会从软硬件系统搭建，以及道法术器的层面来聊一聊。
首先第一个问题，是 AI 输入法。不知道现在直播间里有多少人在用 AI 输入法？用的是哪个？你觉得它的 Why 和 What 是什么？
大家可以看到我现在使用的是 Typeless，而且是付费的 Pro 会员。谁能想到到了 2026 年，竟然还要为一个输入法每个月支付 12 美金？但我倒是觉得这个东西真的好值。为什么呢？因为 AI 输入法本质上放大了我们的“输出带宽”。
我们打字的时候，其实是有一定认知摩擦的。打字很难有我们说出来的那么快，也很难跟得上我们思考的速度。今天我分享了一个数据：全球来看，ChatGPT 的 8 亿用户平均每天发出 40 亿条消息对话，相当于平均每个人一天对话 5 次，总共产生 1600 亿个单词——也就是平均每次对话只有 40 个字。如果大家都只保持这种极低带宽的平均数据，2026 年的 AI 泡沫真的就要破裂了。因为投了这么多钱，但每天只对话 5 次、每次 40 个字，你能跟 AI 聊出什么深度来呢？
我给大家看一下我的使用案例。比如这是我阅读文章时做的一个对话，是“三级笔记”的一个 Prompt。今天早上我听了一席的一个 40 分钟的演讲，林小英讲了县中的孩子和县域教育。这个主题特别重要，因为我们县中都学衡水，衡水学富士康。这种教育模式我们觉得毫无疑问错得很离谱，但是大家也没有办法。听完之后我会有一些思考，三级笔记做完之后，我会有一个“费曼”的过程。
你看这段费曼的过程：一大段、两段、三段，很明显远远超过 40 个字，快有上百个字了。这三大段如果是我自己手敲的，平时肯定敲不了这么多，敲起来也很慢。你看下面这一大段，带要点、带标点符号，12345 罗列得清清楚楚。这就是 AI 输入法的价值，它极大地放大了你跟大语言模型交互的带宽。你一天之内使用的次数变多了，每一次你能够提供的 Personal Context（个人上下文）也多了很多。
最关键的是，大概在一个月前，出现了一个突破性的使用体验。我们都知道 OpenAI 的 Whisper 模型 2022 年就有了，从 2023 年我就跟大家分享基于 Whisper 开源模型本地运行的语音转文字工具。但实际上，以前的 Whisper 模型从来都达不到一种“One Shot”的效果。什么叫 One Shot？就是你跟它说长达六分钟的话，一次性直接发出来，不用做任何修改，没有错字。只要在输出这块扫除了障碍，你的带宽就是以前的好多倍。
我再给大家讲一个生活中的例子。昨天我跟小树去逛清华大学艺术博物馆，小树问我：“你猜一猜一个边长 37 厘米的立方体黄金重多少？”她说是 1 吨。我说我不相信，怎么可能这么小一块的黄金重 1 吨？这时我只要掏出手机，输入法选 Typeless，直接一句话的事儿发给 AI，结果证明差不多真的是 1 吨。紧接着我就考她：“那你估算一下，按照现在的黄金价格，这个立方体值多少人民币？”她在那里脑子里口算，念念有词，算出来是 10 亿。这也对了。
这就是生活中极大地提升了输出带宽的典型场景。很多时候就是一句话 One Shot，完全不用修改。因为去除了认知阻碍和打字的摩擦，你使用 ChatGPT 的频率就会高很多，整个过程变得无比顺滑。这就是我为什么愿意每个月付 12 美金。当然考虑到 Token 价格每年要降到前一年的十分之一，明年理论上应该只要 1.2 美金一个月，一年也就 100 块钱。
有同学问，Typeless 跟其他的语音模式有什么区别？直接用 ChatGPT 自带的语音模式不行吗？首先它不仅是一个输入法，普通的语音模式达不到这种随时随地全局输入的功效。
更重要的是，AI 输入法能够解锁一个核心动作——费曼学习法。它解决了学习闭环跟费曼学习法多年以来无法落地的问题。费曼学习法的定义大家都知道：把你所学的东西，用自己的话、用简单的人话说出来。注意，是“说出来”，而不是写出来。
而在以前，当你说出来的时候，对面的人往往没有办法给你提供行之有效的反馈。因为当你把思考用人话说出来时，对方要想给你提供有效反馈，他得花费注意力，花费信息加工处理的能力，他得花费感情，最根本的是，他得花费大脑的 Compute（算力）。但是我们都知道，人脑是最缺乏 Compute 的。你会发现社会上各种荒诞、崩坏的现象，其实都是因为人脑没有高质量的智能资源投入去进行信息加工和理性的计算。