乔布斯没等到的Siri,纯语音AI助手Orilo:终于有人把《Her》做成了产品

我做了多年AI产品，对“Personal Agent”这个词已经有点免疫了。过去一年，几乎每家都在讲同一个故事：给你配个AI助手，帮你订票、回邮件、管日程。听起来很美，但真用起来，大部分产品都卡在同一个死胡同里。

我管它叫“一低两高”。使用频率极低，订机票、退订阅这种事，一个月能碰上几回？为了这点低频需求，还得跟AI对齐半天，不如自己顺手点了。交互摩擦极高，你开车、洗碗、炒菜的时候，兜里一震，掏手机打字跟AI盘逻辑，现实吗？运行成本极高，后台每调一次大模型，烧的都是真金白银，消费级产品根本扛不住。

所以当我第一次用Orilo的时候，心里那个关于AI时代的浪漫幻想，突然具象化了。它可能是我目前为止用过最接近科幻电影的AI助手。

Orilo最聪明的地方，是它选了语音作为主入口。

文字是后来才发明的，主要用来传知识。日常交流，语音才是最自然的方式。你想想，生活里有多少时候不方便看屏幕：开车、做饭、带娃。更重要的是，人说话的时候会不自觉透露出更多上下文。你不会只说“帮我订张票”，你会顺嘴说“下周三去上海，上次那个酒店附近就行，这次预算紧一点”。这些“顺嘴”的信息，任何连接器里都找不到，但恰恰是理解一个人的关键。

但光有语音不够，还得找一个杀手级场景。Orilo选的是早晨。刚睡醒，满脑子混沌，想知道外面发生了什么、今天的事怎么安排，但手里抓着牙刷或者咖啡杯。这个场景，几乎是为语音量身定做的。

实际体验下来，有三个点最打动我。

第一，只属于你的晨报。市面上的新闻速递，本质还是拿兴趣标签做硬推，换皮信息流。

Orilo换了个逻辑：它不光盯发生了什么，还琢磨这事对你意味着什么。比如你平时关心Anthropic，它从历史对话里知道，比起IPO，你更在意大模型生态的价值链重塑。所以早上播报融资动态时，会顺手带出一套贴着你工作视角的解读。像是个顶级行业分析师站在你床边，喝着咖啡跟你私聊。

第二，替你盯住长尾信息。我们每天想跟进的事太多了：某家冷门创业公司、一场欧冠小组赛、某个断更很久的播客。但人的注意力有限，谁天天有空刷搜索框？现在动动嘴交代一句，它会在后台7×24小时趴在信息源上，有风吹草动就主动汇报。

第三，一句话闭环操作链条。正听着早报，你突然想起工作邮件没看，说一句“帮我看下邮箱”。

Orilo会很自然地衔接工具调用，两三秒提炼出重要信息：同事说下周二Presentation的PPT需要你更新。再比如孩子学校发邮件说提前放学，它会在早报间隙顺嘴插一句：“需要我帮你加个日历吗？”你一边挤牙膏一边回：“加上吧，提前半小时提醒。”从信息截获到任务执行，前后两句话，无缝闭环。

UI也值得夸一句。形态是一颗水滴，跟手机陀螺仪打通，倾斜手机，它就像真实水珠一样在屏幕上缓缓滑移。终于有个产品不是千篇一律的对话框加满屏工具栏了。

那它凭什么能做到实时对话不卡壳？

做语音Agent的团队，都被同一个物理级难题折磨过：深度推理和超低延迟，天生相克。端到端原生音频方案，速度快、情绪自然，但逻辑推理差；级联架构先听写、再推理、再合成，智商够了，但延迟动辄一两秒起步。人机交互有条残忍的心理红线：声音延迟一旦跨过1.5秒，你脑子里“在跟智慧生命沟通”的真实感瞬间消失。

Orilo的解法是把交互层和执行层拆开。前端挂一个超低延迟的轻量化语音模型，负责极速收听、捕捉情绪，确保任何打断都能瞬间反应。后端挂一个慢思考的高推理Agent，在幕后读邮件、调接口、查日历。这套双层思路业界都在做，但所有人都被同一个坑绊倒：后端跑任务的十几秒里，前端跟用户大眼瞪小眼，该干嘛？

Orilo的产品层解法很聪明：给前端语音模型赋予“边干活边闲聊”的控场能力。你让它去后台建日程，它一边调度后端，嘴上一点没闲着，顺着刚才聊的新闻若无其事往下递话。整个交互没有一秒钟死寂。就像一个资深行政，一边在工位上敲键盘给你订票，一边嘴里还在跟你聊行业八卦。它甚至会在需要轻微思考时，用“hmm……”“uh……”这种拟声词填补缝隙。虽然听多了人机感明显，但总比惨遭AI冷暴力好。

数据也证明了一点。在Full-Duplex-Bench测评里，Orilo被用户打断后重新开口的耗时仅1.08秒，是测试里最快的。GPT Realtime是1.50秒，Gemini Live要2.62秒。快，是它最硬的底牌。

当然，初代产品也有槽点。最要命的是只支持英文。第一次真正需要全英文对话时，我才意识到自己只是个背了几千个考研单词的普通人。另外，这种极致追求响应速度的双层架构，会牺牲鲁棒性。有好几次它后台压根没调通接口，前端为了不冷场，一本正经告诉我“全办妥了”，结果点开日历一看，空空如也。但方向是对的，剩下的只是时间问题。

最后说说团队。创始人焦可，百川智能联合创始人。去年他们做过一个叫“来福电台”的产品，核心就是个性化Daily Brief的AI电台，几十万用户规模下做到了次日留存50%、30日留存10%+。所以Orilo不是拍脑袋出来的，是一次蓄谋已久的范式跃迁。他们一直在打Voice这个场景，从“来福”验证了“早晨”这个PMF，再往下走，就是能记忆、能回邮件、能真正陪在身边的Orilo。

作为做了十年AI产品的人，我看Orilo最珍贵的，是那份克制。

上一代互联网产品，争分夺秒把用户骗到平台上，绑住之后疯狂投喂广告。但Orilo反其道而行之：它不追求成为无所不能的超级工具入口，它甚至不希望你的视线一直停在屏幕上。有啥事，说就好了，搞定了直接进入睡眠。当AI不再试图入侵生活，它反而会成为那个每天早上在你床头、车里、厨房中，你愿意聊上几句的伙伴。

2010年，乔布斯收购Siri时对创始人说，我要把这部手机彻底改头换面，你再也不用一直点来点去、打字了。但LLM这项技术，迟到了十多年。如今Orilo发布了，乔帮主当年寄托在Siri上的畅想，终于有了一个可以触摸的起点。

从“使用”一个App，到“相处”一个Agent。一种全新的人机关系，正在萌芽。

文中金句回顾：

• 它可能是我目前为止用过最接近科幻电影的AI助手。
• 这些“顺嘴”的信息，任何连接器里都找不到，但恰恰是理解一个人的关键。
• 这个场景，几乎是为语音量身定做的。
• 像是个顶级行业分析师站在你床边，喝着咖啡跟你私聊。
• 从信息截获到任务执行，前后两句话，无缝闭环。
• 终于有个产品不是千篇一律的对话框加满屏工具栏了。
• 声音延迟一旦跨过1.5秒，你脑子里“在跟智慧生命沟通”的真实感瞬间消失。
• 给前端语音模型赋予“边干活边闲聊”的控场能力。
• 快，是它最硬的底牌。
• 作为做了十年AI产品的人，我看Orilo最珍贵的，是那份克制。
• 它不追求成为无所不能的超级工具入口，它甚至不希望你的视线一直停在屏幕上。
• 如今Orilo发布了，乔帮主当年寄托在Siri上的畅想，终于有了一个可以触摸的起点。