过去，我们耳熟能详的“听写产品”代表其实并不多，叫得上号的可能有讯飞、Otter、Notta等。如今新生代 Plaud、WisprFlow、Typeless等陆陆续续横空出世，整个AI 听写赛道的玩家都变多了，竞争也变得更激烈了 ：一场百花齐放、百家争鸣的时代正式拉开。“听写”就像诸子百家起于春秋（思想萌芽，学派不多），鼎盛于战国（百家争鸣）。

曾经的“录音转文字”到现在的“AI即听即译”，听写赛道正从简单的转写，变成了理解用户在说什么，并试图用更好的陈述方式还原文字、从帮用户做转录渐渐代替了键盘输入。

传统听写的范式：声音 → 文字。ASR 准确率是核心指标。

AI 加持后的新范式：声音 → 意图 → 可用结果，

结果可以是一段润色过的文本、一个结构化任务、一封写好的邮件，甚至一个被自动执行的动作。

人的口语天生不适合直接变成书面语。重复、犹豫、口头禅、逻辑跳跃、句子不完整：这些问题用任何 ASR 模型都解决不了。因为它们不是识别问题，而是表达问题。

所以 AI 听写产品真正要做的事，是补上人类口语缺失的那部分：结构、语气、上下文、意图、格式。

接下来，就让我们直接进入今天的正题：

听写赛道的四位面战争

Gboard如果明天上线一个"自动润色听写文本"的按钮，多少 AI 听写创业公司的估值会被削掉一半？这不是假设，而是整个赛道正在面对的现实。

Google、Apple、Samsung、Microsoft：所有控制系统入口的玩家，都已经具备把"听写 + 清理 + 改写"做成默认功能的技术储备；

Whisper 类开源模型遍地都是，大模型可以反向纠正转写错误，端侧推理能力正在快速提升：NPU 算力已从两年前的个位数 TOPS 跃升到今天的 40-70+ TOPS。

未来的竞争是肉眼可见的激烈，但也并不是说中小公司就完全没有一席之地了。

认清自己产品的定位在这个赛道里是非常重要的，你知道和谁竞争，你才知道怎么去设计自己的大方针大方向，并在对应的大方针下优化好自己的产品。

实际上，"听写"这个赛道，被四股力量瓜分：

系统输入法、AI 写作代理、会议记忆工具、垂直工作流。

每一层的生存逻辑其实是有一定差异的。

四位面战争：谁吃入口，谁抢表达

第一位面：系统基建层

这一层的本质不是 App，而是操作系统的输入基建。

代表：Gboard、Apple Dictation、Samsung Galaxy AI、Microsoft Voice Access、Nothing 手机的 Essential Voice

核心优势：默认入口 + 系统权限 + 十亿级分发。

用户不需要安装任何东西，打开键盘就能用。系统还能接触通讯录、日历、文件、剪贴板。但这一层有一个结构性弱点：不敢替用户做决定，即从录音转写时的语译策略必须保守。

它可以帮你加标点、去掉"嗯""那个"，但不会把你随口说的一段话改写成一封正式邮件。因为一旦改错，丢单的就是整个手机市场。

Nothing 这个手机可能对大部分人来说蛮陌生的，我们也是最近才关注到这部手机。

主要原因是它把语音输入变成了其手机主推的输入方式，更接近 "Voice as System Entry" ：

按一下，说一句，系统替你处理（邮件，聊天）。

这种大胆的尝试，也验证了语音输入在AI时代下会真的逐步代替手打键盘的方式，即AI听写的功能会越来越重要。

说句题外话，其实我们在写这篇内容前就察觉自己的输入方式已经在悄然被AI大模型软件改变了。基本上，不管与哪个国内外大模型的对话方式首要就会选择语音输入的方式。

商业化判断： 手机厂商不会把系统级能力交付给第三方，尤其是AI听写这么重要的输入口。

你如果执意想做一款"语音输入法"APP（类似键盘输入法应用），本质你就是在这个位面去参与竞争，但这个位面真正有话语权的参与者都是OS，你在未来就是跟 OS 直接打仗，所以赢面太小。

第二位面：表达增强层

这一层的本质，其实是在特定场景下，

基于原意做的表达增强，从而减少二次修正的时间，提升效率。

代表： Typeless、Wispr Flow、Superwhisper、Aqua、Willow、AudioPen

这一层的卖点是：

"在用户自然语言表达之后，通过纠正语法、口癖、错别字以及尝试用更贴切的表达方式重组语句"来让一段表达上较混乱的内容变成有章法、逻辑清晰的段落。像极了语文老师在替你修改作文的感觉。

Typeless就会把它“为你节省了多少修改时间”的贡献放在他产品的首页，时刻提醒你，它高效如斯：

大致体验上，我举个例子：

差距不在识别率，在于后面那一步改写之后的信息传递效率。

不过Typeless 也切了键盘输入的入口，用户可以通过调起它的键盘输入口去做语音内容的转写。但它又能绕过和OS系统在输入法层面上的直接竞争（就算竞争也竞争不过）。怎么理解这句话？

首先，OS 基建位面的竞争主要集中在“泛”聊天的文本输入场景或者咱们说是高频的对话场景，这种场景并不需要很官方无暇的表达，只要去掉一些基本的口癖和水词，用正确的语法去转写出来就行。甚至在日常对话场景中，我们更希望能还原说话人的风格。

所以在这种日常交流的泛场景下，Typeless 这种很正式的但也比较复杂的转写并没有明显的优势，而且作为键盘输入法的时候，Typeless没有办法做到录音的时候同步出文字，它的交互是要等用户一口气说完才会进行全篇的转写，这种没有办法即时校对文字的体感很差（如果用户没法第一时间知道听写的转写是否正确，很多时候人们说完了一段后也会忘记之前说的是什么，用户又如何校验Typeless 是否把自己的本意转写完整了呢？），且一定会拖慢日常对话的节奏。

以我自己的输入习惯为例，我只有在写大段文章内容的时候，才会去唤起起 Typeless。但我自己日常在微信里，直接会使用微信自带的语音转文字输入法，因为我觉得那样能保留我的一些语气。Typeless 往往会把我的非常多的语气给去掉，也就是那些能保留我心情的语气词（嗯、额、耶等）都给去掉了。

所以说，这类APP在泛场景是没优势的。

但在特定的输入场景，会自动分析上下文语境的、注重表达层的APP的优势就来了。比如你说一句：“今天先不上了，明天再看看。”

在不同场景里，就应该变成不同风格：

• 在Slack：Hey, let’s pause for today and revisit tomorrow.

• 在Gmail：Hi John, I think we should hold off for today and continue the discussion tomorrow.

• 在X：skipping today. revisit tmw.

• 在Notion：Deferred to tomorrow for further review.

Typeless 的特殊点在于它更强调：App-aware/social-aware/vibe-aware，而不是单纯的“高准确率”。

所以它会尝试理解：这是在 dating app 里？是在工作软件里？是在客服后台？是在写 X？是在写 PRD？然后自动切换人格。

而且在一些更为特殊的对话场景，比如你和律师沟通、和老板汇报工作的时候，注重表达层级别的官话式改写就变得有优势了。

注重表达层的竞争也很激烈，产品非常多。

但它的护城河并不是靠拼技术代差，而是要拼分发，多分发多拿数据。

拿到了数据就能沉淀出用户的个人表达模型：写作风格、专业词库、历史习惯，这样用户就离不开你。

这一点上，Typeless 也是那么做的。

你可以看到它的首屏，用了非常多的占位来展示用户个人表达模型的完善程度。

并且会帮我收录，去记录我自己的用户词典。

此处声明，虽然笔者这边非常浓墨重彩地讲了很多Typeless 的案例，但是在截稿前都没有收 Typeless 的广告费，我们是一家中立的行业媒体（严肃）。

看到这儿的各位开发者，如果你有自信你的产品能让我们团队产生 aha moment，或者说能丝滑嵌入我们媒体团队的日常工作流，请联系我（kleo945，备注开发者），我会不收一分钱地帮你用心推广产品。

然后说一下Wispr Flow， 它和Typeless 是怎样的竞争关系？

我们可以这样类比：他们不是Spotify vs Apple Music（同量级对手），更像Notion vs Obsidian

• Wispr Flow = Notion：大融资、企业市场、平台化野心、闭源、高估值、从个人工具向企业协作OS演进。

• Typeless = Obsidian：小团队或bootstrapped、消费者驱动、免费层慷慨、社区口碑好、在特定用户群（如writer、doctor、个人使用者）中赢在"性价比+准确率"。

它们短期内不会正面交战，因为：

• Wispr Flow 的增长引擎是企业（125新企业客户/周），Typeless 没有企业销售能力（无SOC2=进不了采购流程）。

• Typeless 的增长引擎是个人用户的Product Hunt口碑+慷慨free tier转化，跟Wispr Flow 抢的是不同预算线的钱。

商业化判断：

这类产品如果把自己定位成"更好的输入法"，用户不会付钱。

但如果定位成"效率工具"：帮你省掉每天反复润色邮件、消息、文档的时间：就能收费了。

ASR 准确率是基操，丝滑嵌入每天的工作流才是结果。

另外，这一层的生存条件很苛刻：

你在特定场景中必须比 OS 默认体验的听写好 10 倍，用户才会多装一个 App。

虽然咱们说术业有专攻，OS厂商没必要去切垂类场景，技能点也是有限的，不能无限制乱点。

但如果哪天 Gboard 非要加了个"润色文本"按钮，开发者的日子肯定更难受。

所以真正能活下来的，是那些最懂分发的，能快堆积个人数据沉淀和围绕用户垂直领域的日常工作流的：让用户用得越久越爽，越离不开。

就像扫描全能王，即使苹果自创了扫描功能，仍然阻挡不了扫描全能王的增长趋势。

第三位面：会议/记忆层

这一层的本质不是转写工具，而是"替你做日常会后 dirty work 的TA"。

代表：Otter、Fireflies、Granola、Fathom、Plaud、Limitless（2025年12月已被 Meta 收购）

你不想花时间整理会议纪要、梳理每个人说了什么、接下来谁该干什么：它帮你干。

长音频转写、说话人区分、自动摘要、行动项提取、同步到 CRM 和 Notion，一条龙服务的明明白白。

B2B 有明确的付费意愿，结果可量化，乍一看是个非常 sexy 的商业模式。

但这一层有一个结构性压力：

会议软件巨头只需要在现有产品上加一个功能，就能把你逼上正面战场拼刺刀。

Zoom AI Companion、Microsoft Teams Copilot、Google Meet Gemini，全都在做 AI 会议总结。

通用摘要的差异化正在被快速抹平。这跟我们在第二位战争面里讲过的逻辑一模一样：Gboard 上线一个"润色"按钮，表达增强层就要重新证明自己存在的理由。平台做功能优化的成本，远低于创业公司建立一个独立品类的成本。

开个玩笑，如果还在卯着劲做通用会议摘要，咱们的对手不是同赛道创业公司签KA 的速度有多快，而是 Zoom 的产品经理想要完成下个季度的 OKR的决心有多大。

那么，这个位面能活下来的产品，只有一条路：

进入垂直工作流，把"会议摘要"变成"和业务关联的产出"。

举个例子：

• 帮销售团队在会议结束 30 秒内自动更新 CRM 里的客户状态、预算、下一步跟进动作

• 帮招聘团队自动生成候选人评估卡，直接同步进人才池

• 帮用户研究团队从 20 场访谈里自动提炼洞察，按主题聚类

• 帮 PMO 团队在会议结束 30 秒内自动输出项目 timeline 表格：哪个阶段做什么事，哪个团队负责配合。

单纯的"会议记录"在2026年已不是新鲜事儿，把"那个岗位上最不想做但又必须做的dirty work 做了"。这才是付费点。

题外话：硬件形态在这个位面值得单独说一句。

Plaud做实体录音笔 + AI 总结，Limitless 在被Meta 收购前做的是可穿戴记忆设备Pendant 。

它们做对了一件事：把场景从线上会议扩展到线下对话，甚至全天候个人记忆。这意味着 capture 的边界在扩大。

很多人会忽视一个点：用一个 APP 录音，你得先想起来打开它，这是一个非常有感知、非常刻意的动作。但如果它是一个硬件：别在胸前、贴在手机背面：你看到它，就想起来要用它。硬件的实体存在本身就是唤起机制。

从我们自己的体感来看，AI 在生活中的应用，最终一定会走向硬件和实体。

原因很简单：

• 硬件看得见、摸得着，带在身上就能随时想起来用。

• 一个硬件给了一个可拍摄的实体，更符合influencer 们来做创作传播。

• 软件藏在手机里几十个 APP 中间，你不刻意记着它，就会忘掉它。很多时候决定用户留存的不是功能好不好，而是他能不能想起来去用。

但 capture 从来不是终点。

这条路线真正的分水岭是 resurfacing：在你需要的时候重新出现。

• 你三周前和客户聊过的一个定价细节，在你写方案的时候自动弹窗提示；

• 你上个月面试候选人时提到的一个顾虑，在你做 offer 决策时弹出来；

• 一个在会议纪要里列得轻描淡写的 to do，到了对应的时间点它会提醒你：这事儿你好像还没干。

商业化判断： 谁能把 用户甚至不需要记得自己曾经记录过这件事 给做好了，就赢了。

第四位面：垂直工作流层

这一层的本质是深度理解行业knowhow 的产出系统。

代表：Nuance Dragon Medical（医疗；Microsoft 以 $19.7B 收购 Nuance）、Gong/Chorus（销售）、各类法律转写工具

很不sexy ，但壁垒最深的位面。需要大量前期积累，适合垂直行业 insider 老炮儿的创业方向。

护城河不来自某一项技术，而来自五层叠加：专业词库、合规认证、行业数据、与既有系统的绑定、用户迁移成本。

这些都不是技术壁垒，是资源壁垒。

大厂拿通用能力复制不了，因为每一层都需要时间和行业关系去堆，说白了还是数据，LLM 厂商未必拿得到这些细分垂类的数据。

这跟我们在第三位面里讲的逻辑形成对照：会议层的创业公司怕的是 Zoom 产品经理下个季度的 OKR，而垂直工作流层怕的从来不是大厂：是竞品进入行业的时间够不够久、在行业的knowhow 够不够深、渠道积累够不够多。

具体来说，每个垂直场景要的东西完全不一样：

• 医生要的是结构化病历，口述三分钟，出来的是一份可以直接归档的病历文书，而不是一篇需要护士再花十五分钟整理的录音稿。

• 销售不是要会议录音：要的是客户预算、竞品信息、决策链、下一步跟进动作，会议结束后 CRM 自动更新。这件事我们在第三位面讲过：会议摘要层的产品如果想活下来，就得往这个方向走。而垂直工作流层的产品，从第一天就得把客户的 " next to do "给融进产品里。

• 律师要的是庭审记录、证据摘要、案情梳理：而且每一段文本必须可追溯、可引用、可质证。"大概意思对了"在法庭上等于没对。

商业化判断：

四个位面里，这一层是最不需要怀疑"是不是真需求"的。付费意愿明确：效率提升可量化，替代方案迁移成本极高，ROI 可以精确到分钟和人效。

真正的难点不在需求端，在供给端：行业 know-how、合规资质、系统集成、KA 客户渠道，数据源头。每一项都是时间换来的门槛。

我们内部判断一个商业模式能不能跑通，通常从这四个维度拆解：产品、渠道、转化、运营。

这一层的特点是：每一个维度单点拉长形成长板，单点突破，对于一个想切进这个市场的优秀创业团队来说都不难，但是四个维度都做好，后来者要追上就很难了。

通用听写拼的是"效率"，垂直工作流拼的是行业经验和资源沉淀。

中文市场：跳过听写，直接进入"语音→结构化内容"

中国人对着手机说话这件事没有心理门槛，因为微信语音消息已经训练了十年的肌肉记忆，讯飞输入法日语音调用超 10 亿次，语音输入在中文市场根本不存在"教育用户"这个环节。

对比来看，Wispr Flow 的 CEO 2025 年融资时还在强调要说服用户"voice is faster than typing"，强调的核心痛点是英文用户长期不用语音是因为系统听写"too dumb"：中国用户早就用脚投票了。

既然说话的习惯不用培养，问题就变成了：说完之后怎么办？

对短消息和搜索来说，系统输入法已经把"说话转文字"做到了 90 分。

讯飞、搜狗、豆包、微信语音键盘覆盖了日常打字的绝大多数场景，这一层基本没有创业公司的生存空间。但对长段落、需要"成文"的场景，系统输入法完全不够。

中文口语的问题不在词汇级，我们没有英文那么多 um/uh/like 要清理。

问题在结构级：我们说出来的话是碎片化的，"然后"、"就是"、"那个"堆了一地，逻辑跳跃，句子不完整。

这种碎片靠"润色"修不好，得靠结构化重组才能变成可用的产出。

英文赛道的解法是"让口语变得像书面语"：去 filler、修语法、调 tone。

中文赛道的解法得再往前一步：把口语碎片直接变成系统里该有的那个东西。

这件事已经有人在做了：

• 钉钉 2025 年上线语音生成日报

• 通义听悟把长音频自动拆成结构化会议纪要（议题+决策+待办）

• 讯飞医疗的"讯录"把医生口述直接变成电子病历

• 销售易 NeoAgent让销售通过语音自动更新 CRM 记录

这些产品验证了同一件事："语音→结构化产出"在中文市场有真实付费意愿，"语音→纯文字"没有。

举几个更具象的场景：

• 销售拜访完客户，电梯里对手机说两分钟，CRM 里的客户状态、预算、下一步跟进 30 秒内自动写好

• 员工下班前对着手机说三分钟，日报周报自动生成，格式对齐公司模板

• 医生边看诊边口述，病历草稿实时成型，回头改两笔就能签字

• 创作者讲十分钟思路，自动拆成小红书文案、播客大纲、视频脚本三个版本

这些工作的交付物主要是文本，而AI 最擅长文本。并且还说明了一个共性，用户不排斥表达，但如果能节省说完之后还要坐下来花 20 分钟把它敲成系统需要的格式。

把这 20 分钟压到 30 秒：这才是付费的理由。

那问题来了：切哪个场景？

会议纪要这条路已经是红海。

飞书、通义、钉钉、讯飞四个巨头在打，跟欧美Zoom/Teams/Google Meet 挤压Otter 的逻辑一样：通用摘要的差异化正在被快速抹平，创业公司很难在这个位置活下来。

蓝海在更碎片化的垂直场景：

销售的 CRM 填写、医生的病历、内容创作者的多平台适配、教育场景的笔记整理。但这些场景的付费难度完全不同。

中国用户为"省时间"付费的阈值比欧美高得多，你得让用户觉得"如果没有这个工具我今晚要多花一小时"，才撑得起一个独立产品的现金流。

值得注意的是路径选择的差异：

Wispr Flow2026 年推出 Command Mode，开始往结构化方向走，CEO 明确要做"voice-led operating system"。海外的路径是先用通用听写获客，再叠加结构化服务：因为英文用户首先要被说服"语音比打字快"，这一步本身就是产品价值。

中国的路径得反过来：先从一个高痛感的结构化场景切进去，用确定性的输出证明价值，再横向覆盖。 因为中国用户已经习惯语音输入了，只靠"转写"收不到钱。

终局可能殊途同归，但起手式决定了你第一批用户是谁、付费意愿有多强、留存靠什么撑住。

张三丰教张无忌太极剑，问他记住了多少。张无忌说全忘了，张三丰说可以上了。

这个故事被引用烂了，但放在这个赛道里有一层可以琢磨下的含义：

张无忌之所以能忘招式，是因为他已经把每一招都练过、拆过、理解过了。

忘掉的是形，留下的是对力量结构的直觉。

做中国市场的特定行业语音工作流产品也一样：你得先把这些行业里的脏活一个一个啃过，理解每个场景里"从口述到可用输出"的完整摩擦链，然后才有资格做模型、做平台。

跳过具体招式直接谈"语音意图引擎"，大概率是空转。

终局判断

AI听写赛道正在经历：

基础能力被系统级巨头标准化之后，独立产品要么向上长成"个人表达代理"（你用得越久它越懂你，迁移成本越高），要么向下扎进垂直工作流（一旦接入CRM、HIS、ERP，就再也拔不出来）。

中间那些"比系统自带好一点，但没有深度绑定"的产品，就会是最先被干掉的。

会被系统吞掉的：基础转写、自动标点、去口头语、简单改写、多语言输入、短消息润色、翻译。

Google2026年4月已经发布了免费的AI Edge Eloquent，本地运行Gemma模型，自动去filler、改写tone：这还只是一个实验性App，一旦集成进Android系统输入法就是降维打击。

Apple 2024年底已把Writing Tools（rewrite/proofread/summarize）做进了iOS 18系统级。24-36个月内，这些能力会成为OS标配。

会留下来的：跨app上下文感知（Wispr Flow已实现：在Slack自动用casual tone，在邮件自动用 professional tone）、个人风格的长期记忆、企业术语库、垂直场景的工作流绑定（医生/律师/销售/开发者）、深度语音编辑、本地隐私方案、与特定SaaS 的集成。

这些功能需要持续的个人数据积累，系统级工具短期内做不到这个深度。

能做大的只有两个位置：

一个是"个人表达代理"：用户用得越多，AI越懂你的风格、常用词汇、写作习惯。Wispr Flow 的数据证明了这条路：80%的6个月留存，用户72%的日常打字通过语音完成，本质上已经形成了输入习惯替代。这种产品的护城河是个性化数据飞轮。

另一个是"行业产出系统"：一旦接入业务系统（CRM、HIS、ERP），迁移成本极高。Otter.ai 的转型是活教材：2025年3月突破$100M ARR，靠的已经不是"会议摘要"，是Sales Agent（实时coaching）和SDR Agent（自动做产品demo）。讯飞医疗的"讯录"也是同理：语音进去，电子病历出来，嵌入医院信息系统后就拔不出来了。

中间地带："比系统输入法好一点但没有工作流绑定的通用听写工具"：会被两端挤死。

三个预测

2026-2027年：

系统级AI改写能力完成普及。

GoogleAI Edge Eloquent的Android系统集成版大概率在这个时间窗口落地（当前App Store描述已提及Android系统级键盘集成计划）。

Apple下一代iOS大概率将Writing Tools与Dictation打通。

结论：定价在$5-10/月的"基础AI听写"工具失去增长空间，获客成本急剧上升。

但Wispr Flow 这类产品是否真的会增速放缓？

目前没有证据。截至2026年4月它仍在40% MoM增长，$700M估值。

如果它的context awareness和个人风格记忆做得足够深，

系统级工具的普及反而可能帮它教育市场：

用户先在系统输入法里养成语音习惯，然后因为"不够懂我"迁移到专业工具。

类似Spotify的逻辑：系统播放器免费，但用户愿意为个性化体验付费。

2027-2028年：

通用会议摘要工具分化。

Zoom 已经在2024年10月从Marketplace移除Otter/Fathom/Colibri 等第三方AI工具，替换为自己的AI Companion。但Otter 没死：它转型为垂直AI Agent（Sales Agent做实时coaching，SDR Agent做自动demo），ARR从$81M（2024底）涨到$100M（2025.3）。

结论：纯会议摘要工具会死，能在垂直场景里替代人力动作的会活下来。

2028年之后：

"AI听写"作为一个独立品类名称可能消失，但产品形态不会消失：

会收敛到2-3个赢家，以"AI写作OS"或"个人表达代理"的面目存在。

这更像密码管理器的演化：系统自带了iCloud Keychain，但1Password 靠跨平台+企业功能+高级安全特性活得很好，只是不再叫自己"密码App"了。

给三类人的一段话

创业者：

不要做"又一个更好的听写App"。

往上做，做"用三个月之后离不开的个人表达代理"：

核心指标看用户第90天是否有50%以上输入通过你的产品完成

（Wispr Flow 已经验证了72%这个数字的可能性）。

往下做，做"某个岗位必须填的表/必须写的文档"的语音自动化：

核心指标看是否接入了业务系统、形成迁移成本。

投资人：

看三个数：

① 6个月留存（Wispr Flow做到80%，这是标杆）；

② 单用户月输入字数的增长曲线（越涨越多说明习惯在形成）；

③ 个人化数据深度（有没有学到用户的行业术语、常用表达、偏好格式）。

讲不出"用户的数据越多产品越好用"这个故事的，会被系统级能力吃掉。

产品经理：

这个赛道最可迁移的能力，不是语音识别：是"把模糊口语变成可信输出"的设计能力。

具体包括：上下文识别（用户在写邮件还是发X ？）、改写强度控制（用户想要逐字还是大幅度改？）、

纠错成本设计（错了一个字是打断用户还是默默修正？）、信任建立（用户什么时候开始不检查就直接发？Wispr Flow 的答案是"0.5秒出结果+10%以下错误率"）。

这些问题，所有AI Agent产品都要解决。

听写就是Agent化的最小可行场景。

做过这类产品的人，在任何Agent团队都是稀缺角色。

系统厂商拿走基础能力，平台吞掉通用摘要，

留给独立产品的空间只剩两块：

要么深入一个行业深到别人不愿跟 call ，要么沉淀一个人的表达习惯久到别人无法加注。基础能力归系统，深度绑定归场景，个人表达归记忆。

收敛是明天的事，

但选位置是今天的事。

选择大于努力。

创作本文的一些讨论花絮

我放了一段视频花絮，是我和九日（@九日论道）关于这次选题时的一些碎片讨论。

我们还顺手做了件事：用两款主流 AI 听写软件（Typeless和 Get 笔记），

把这段对话的音频实时转写了一遍 ：为了让你对照视频的原声，直观感受一下当下优秀的听写应用的真实水准。附测试结果：

Typeless

- 全文完 -