11月3日AMD三季度财报显示数据中心营收同比增长97%，算力继续狂奔。英伟达近期介绍的Nemotron 3.5 Transcribe语音模型，将转写、说话人区分和翻译等能力整合到同一模型中，提升对多人语音内容及发归属的处理能力。

　　国内平台也在推进语音交互应用。腾讯云TRTC AI实时对话服务支持自然、可打断的多轮交流，面向智能助手、智能硬件和客服等场景；阿里云百炼10月上新的Qwen-Audio-3.1-Realtime-Flash支持实时双工语音对话、工具调用与联网搜索，让语音交流进一步连接任务执行。

　　从处理语音内容到区分说话人，AI正在获得更丰富的声音信息处理能力。而当这些能力进入终端、直接面对用户，声音能否被准确获取、回应能否被清楚听见，也将影响这些能力的实际使用。

　　AI加速落地，交互面临新需求

　　在自助服务设备、机器人和智能终端上，用户可以直接通过语音表达需求，由AI理解内容、调用服务并反馈结果，语音交互减少了屏幕操作，以更直接的方式获得服务。

　　但真实场景很少是安静的。在商场、政务大厅、酒店大堂这样的开放场景里，周围有人交谈、背景音乐持续播放，相邻设备也在同时发声，服务机或点餐机既要准确获取用户需求，也要让用户听清回应。如果需要反复重说、反复确认，语音交互带来便利就被抵消了。

　　模型对内容的理解能力，与设备在现场的声音交互能力，需要共同支撑一次顺畅的交流。这意味着，终端既要处理“说了什么”，也要处理声音与空间的关系：谁在说话、声音来自哪里、应当获取谁的声音，以及将回应传递给谁。

　　这些现场要求，构成了AI终端落地时需要解决的声学交互问题。

　　清听AUI

　　构建AI时代的声学交互界面

　　基于对AI产业趋势与声学交互需求的持续探索，清听声学提出AUI（Acoustic User Interface，声学交互界面）理念，让AI 通过声音感知人与空间，并将正确的信息以合适的方式传递给目标用户。

　　在这一体系中，AI与智能体负责理解、推理、决策和任务执行；AUI负责感知人与空间、理解声音背后的空间关系，二者协同，让 AI 真正具备进入真实空间与人交互的能力。

　　AUI 围绕感知（听谁——唤醒识别、声源定位、人声分离）、理解（怎么处理——端侧AI、低时延、懂意图）、执行（对谁反馈——定向发声、多区互不干扰）构建了一套完整的交互闭环。

　　通过协同声音感知、目标拾音与精准反馈，AUI帮助终端在复杂环境中围绕目标用户完成连续交互，为产品形成体验差异、拓展应用场景提供支撑。用户可以用较轻的声音直接表达需求，在设备回应时自然补充、打断或修改；设备获取目标人声，并将回应定向传递给用户，减少多人、多设备之间的相互干扰，让交互更加自然、顺畅、私密。

　　清听以声源定位、定向拾音、定向发声、混合空间音频、低语交互和双定向全双工六项声学能力展开技术布局，为AUI 提供核心技术支撑。

　　清听已构建从技术到产品的完整落地路径。依托从器件到整机的结构、声学与系统集成一体化设计能力，清听的相关声学能力已在AIO一体机、酒店/政务自助机、金融领域Kiosk等真实终端中完成验证，并支持16英寸、23.8英寸、27英寸等多规格适配。

　　在产业协同上，清听与品牌方、平台方、ODM/OEM，以及PC、显示、面板等上下游伙伴合作，推进方案集成、终端验证与量产导入，为不同产品采用AUI提供工程与产业链支撑。

　　AI走进更多终端，AUI迎来更大市场

　　当汽车、机器人、自助设备越来越多地通过声音与人交流，声学交互的市场也随之扩大。不同产品面临不同的使用环境，为AUI带来了更广泛的应用机会。

　　对终端厂商而言，声学交互的发展趋势直接关系到产品能否用得顺畅。准确拾音有助于减少重复输入，清晰且有针对性的声音反馈有助于减少误听和干扰，AUI 进一步让AI 理解声音背后的空间关系，将用户说的话与其所在的位置对应起来，让用户在多人所处的环境中也能通过自然对话完成点单、咨询等操作。

　　AUI的市场潜力，正来自不同终端不断增长的交互需求。清听将以已有的声学技术和产品验证为基础，与产业链伙伴共同拓展应用，推动AUI走向连接人与AI的交互平台。