然而，Plaud合伙人、中國區(qū)CEO莫子皓表示，沒有任何有價(jià)值的產(chǎn)品是通過簡(jiǎn)單的方式就能做出來的。真正有用的產(chǎn)品，一定是洞察用戶需求，經(jīng)過產(chǎn)品經(jīng)理的深思熟慮，利用像亞馬遜云科技這樣專業(yè)、務(wù)實(shí)的云服務(wù)，做好工程建設(shè)才行的。

Plaud是一家成功的AI硬件品牌。截至今年6月，Plaud通過軟硬結(jié)合方式打造的AI紀(jì)要產(chǎn)品已經(jīng)在全球170多個(gè)國家賣出100萬臺(tái)，在亞馬遜電商平臺(tái)上這一品類的市場(chǎng)占有率高達(dá)95%，年收入大約為2.5億美元的規(guī)模。

Plaud成立之初從海外市場(chǎng)起步，莫子皓坦言是看到了很多成功先例才做出的選擇。作為一家定位于大模型應(yīng)用設(shè)備的公司，依靠來自深圳作為硬件之都的優(yōu)勢(shì)，結(jié)合全球領(lǐng)先的云技術(shù)為全世界用戶打造AI硬件產(chǎn)品。

“我們的產(chǎn)品，用戶用一次能80分，用了很多次還能保持80分，這背后我們投入了大量努力?！蹦羽┍硎?。憑借口口相傳的好口碑，Plaud先是在海外市場(chǎng)獲得成功。2025年9月，正式宣布進(jìn)軍中國大陸市場(chǎng)。

在亞馬遜云科技軟件企業(yè)峰會(huì)上，莫子皓提到了大模型技術(shù)的局限性，并基于這樣的思考打造了Plaud。同時(shí)，也分享了他對(duì)于創(chuàng)業(yè)成功的解讀，希望能幫助更多希望在AI領(lǐng)域有更大作為的創(chuàng)業(yè)者提供參考。

活在對(duì)話框里的大模型，無法更好地理解現(xiàn)實(shí)世界

莫子皓認(rèn)為，現(xiàn)在的大模型都活在“無語境的對(duì)話框”里，沒有辦法更好的理解現(xiàn)實(shí)世界。而Plaud想用軟硬件結(jié)合的方式讓AI理解現(xiàn)實(shí)世界中的語境與意圖，從而讓人與AI真正對(duì)齊。在他看來，現(xiàn)在的AI Agent有兩個(gè)比較大的問題。

首先，這些AI Demo所用的數(shù)據(jù)都是現(xiàn)成的數(shù)據(jù)和文件，而不是從現(xiàn)實(shí)中自然產(chǎn)生的信息，會(huì)缺少一些真實(shí)的語境。此外，這些Agent只會(huì)被動(dòng)地回答問題，但從不主動(dòng)提問、也不會(huì)提出新想法，這說明缺少理解用戶意圖的能力。

莫子皓認(rèn)為，通往通用人工智能（AGI）有三條路，第一個(gè)是繼續(xù)訓(xùn)練更大的模型，第二個(gè)是像Manus那樣抓取外部信息再加工，第三個(gè)則是從人類日常對(duì)話中挖掘智能，也就是offline context（離線語境）。

Plaud選擇了第三條路，從真實(shí)的對(duì)話中提取有用的信息。他認(rèn)為，大模型現(xiàn)在都在沒有時(shí)間概念的聊天框里工作，而現(xiàn)實(shí)交流是有時(shí)間、有情境的。因此，大模型無法真正與人對(duì)齊。

莫子皓認(rèn)為，要讓AI真正理解人類的語境，就必須捕捉offline context（離線語境）和intention（意圖）。所以，他們決定自己設(shè)計(jì)一個(gè)專門的硬件錄音設(shè)備，實(shí)時(shí)捕捉聲音、時(shí)間點(diǎn)等信息，把這些信息提供給AI模型，讓AI能更好地理解現(xiàn)實(shí)世界。

Plaud創(chuàng)始人許高有意借力深圳在硬件創(chuàng)新上的優(yōu)勢(shì)打造產(chǎn)品，結(jié)合大語言模型概念的硬件產(chǎn)品也有差異化定位。通過這一產(chǎn)品，Plaud不僅突破了單純的軟件創(chuàng)新局限，也在多個(gè)維度建立了競(jìng)爭(zhēng)優(yōu)勢(shì)，配合產(chǎn)品的口碑優(yōu)勢(shì)，迅速開拓了海外市場(chǎng)。

作為一款基于大語言模型的AI硬件產(chǎn)品，它不僅有時(shí)髦的商業(yè)概念，還有酷炫的外形設(shè)計(jì)，相對(duì)友好的售價(jià)，無論是貼在手機(jī)背面還是放在桌子上用起來都很方便。這樣一款產(chǎn)品受到了高決策杠桿、高對(duì)話依賴、高知識(shí)密度人群的歡迎。

很多朋友可能都會(huì)問，在人人都有手機(jī)，手機(jī)都能錄音的時(shí)代，還有必要做一個(gè)Plaud這樣用來錄音的設(shè)備嗎？答案是肯定的。

用手機(jī)來錄音，如果需要正常用手機(jī)，則不僅會(huì)錄入噪音，而且會(huì)占用手機(jī)的續(xù)航和麥克風(fēng)，如果錄音過程中收到來電，很可能就會(huì)中斷錄音。所以，在很多場(chǎng)景中，用一個(gè)單獨(dú)的AI硬件錄音設(shè)備在使用場(chǎng)景上是成立的。

Plaud能做的，遠(yuǎn)不止錄音。

AI硬件錄音設(shè)備可以配備更強(qiáng)的錄音單元，除了更強(qiáng)的收音能力，這樣一臺(tái)錄音設(shè)備還能提供怎樣的額外功能呢？莫子皓用三個(gè)捕捉（Capture）、提取（Extract） 和 運(yùn)用（Utilize）三個(gè)關(guān)鍵詞進(jìn)行了概括。

首先，在“捕捉”層面，Plaud設(shè)備除了錄音，還支持搭配手機(jī)App同步拍照，把現(xiàn)場(chǎng)畫面和聲音一并記錄下來，為AI提供更豐富的語境信息。

此外，它還有一個(gè)獨(dú)特的，帶有時(shí)間感知概念設(shè)計(jì)的功能“一鍵標(biāo)記”。在會(huì)議或交流中，用戶只需輕按一下Plaud設(shè)備的按鈕，就能為錄音打上時(shí)間標(biāo)記。AI會(huì)把這些時(shí)間節(jié)點(diǎn)當(dāng)做關(guān)鍵內(nèi)容進(jìn)行重點(diǎn)提煉，這可以讓AI更好地理解人類意圖。

其次是“提取”。在擁有充足語境（context）之后，Plaud的AI會(huì)根據(jù)不同角色的需求，自動(dòng)提煉出不同的信息維度，幫助用戶獲得更有價(jià)值的信息。

比如，警方在審訊時(shí)使用Plaud錄音，不僅是為了記錄內(nèi)容，更希望借助大模型的推理能力，從語氣、邏輯來分析嫌疑人的動(dòng)機(jī)與心理狀態(tài)，甚至給出量刑建議，其價(jià)值超越了單純進(jìn)行會(huì)議內(nèi)容的記錄和總結(jié)。

最后，Plaud正在讓這些信息進(jìn)一步“運(yùn)用”起來。它與多個(gè)第三方智能平臺(tái)（如Zapier、n8n）集成，讓語音數(shù)據(jù)真正融入日常工作流程，從而提升效率。目前這部分能力還在持續(xù)完善中。

值得一提的是，Plaud在隱私保護(hù)上也投入了大量精力，已通過HIPAA、GDPR等多項(xiàng)國際認(rèn)證，并與亞馬遜云科技深度合作，確保數(shù)據(jù)安全與合規(guī)，這也是Plaud能贏得大量用戶信任的一個(gè)重要原因。

亞馬遜云科技伴隨著Plaud一路做大做強(qiáng)

2023年，作為初創(chuàng)公司的Plaud面臨著技術(shù)支持缺乏、GPU等資源難以獲取的難題，接觸到亞馬遜云科技之后，Plaud獲得了技術(shù)與資源支持，而亞馬遜云科技希望與有潛力的初創(chuàng)公司合作，雙方一拍即合。

亞馬遜云科技會(huì)接觸很多初創(chuàng)公司，非常清楚初創(chuàng)企業(yè)的需求，除了提供技術(shù)與資源支持，還會(huì)把很多有用的最佳實(shí)踐經(jīng)驗(yàn)分享給Plaud。伴隨著Plaud業(yè)務(wù)規(guī)模逐步增長，亞馬遜云科技在其成本控制方面也發(fā)揮了重要作用。

Plaud捕捉到數(shù)據(jù)后，需要把這些數(shù)據(jù)傳到后端進(jìn)行一系列處理，會(huì)使用類似Whisper這樣的ASR（自動(dòng)語音識(shí)別）模型，也會(huì)用大語言模型來處理文本。對(duì)于產(chǎn)品已經(jīng)賣了超100萬臺(tái)的公司而言，這需要一筆不菲的開支。

Plaud每個(gè)月向所有用戶免費(fèi)提供300分鐘的轉(zhuǎn)錄時(shí)長，如果用戶想要更多，則需要額外付費(fèi)，這是在商業(yè)策略上管理成本。除此之外，為了控制成本，Plaud在底層技術(shù)架構(gòu)上做了很多考量和優(yōu)化。

首先，Plaud使用Amazon Bedrock來調(diào)用大語言模型，在國內(nèi)市場(chǎng)上選擇了來自國內(nèi)的AI模型。莫子皓表示，國內(nèi)中文ASR模型的效果表現(xiàn)更好，同時(shí)國內(nèi)模型價(jià)格比海外模型低，這使得其國內(nèi)軟件訂閱費(fèi)用可以低于海外市場(chǎng)。

為了控制成本，Plaud使用了亞馬遜云科技的GPU競(jìng)價(jià)實(shí)例來部署ASR模型，這將整體算力成本降低了大約50%。Plaud合伙人、后端研發(fā)負(fù)責(zé)人劉占坤表示，在降低成本的同時(shí)，還通過將整個(gè)任務(wù)進(jìn)行拆解，用補(bǔ)位機(jī)制保障了用戶體驗(yàn)。

在通用算力上，Plaud也使用了基于Amazon Graviton處理器的云主機(jī)，將運(yùn)維負(fù)載的性價(jià)比提升了大約25%。不久前，亞馬遜云科技宣布在國內(nèi)上線基于Amazon Graviton4的云主機(jī)，國內(nèi)用戶也能享受到Arm主機(jī)帶來的成本優(yōu)勢(shì)。

在技術(shù)架構(gòu)上，Plaud使用了Amazon Elastic Kubernetes Service (Amazon EKS)來部署整個(gè)集群，因?yàn)樗艹休d這種除了模型推理之外的復(fù)雜業(yè)務(wù)邏輯，它在ASR流程中加入了很多處理和業(yè)務(wù)系統(tǒng)的邏輯，這可以提高轉(zhuǎn)寫的質(zhì)量和準(zhǔn)確性，這也是Plaud用戶體驗(yàn)好的重要原因之一。

此外，Plaud還用了大量無服務(wù)器架構(gòu)服務(wù)。劉占坤表示，因?yàn)槲覀冋麄€(gè)業(yè)務(wù)增長非常陡峭，而團(tuán)隊(duì)規(guī)模的發(fā)展跟不上業(yè)務(wù)發(fā)展步伐。無服務(wù)器架構(gòu)對(duì)業(yè)務(wù)落地有極大的加速作用，用了無服務(wù)器架構(gòu)，就是把穩(wěn)定性、擴(kuò)容等問題都轉(zhuǎn)給了亞馬遜云科技。

結(jié)束語

Plaud的故事清晰地表明，生成式AI看似降低了創(chuàng)業(yè)門檻，但真正成功的門檻——如何將一個(gè)好點(diǎn)子轉(zhuǎn)化為用戶持續(xù)滿意的產(chǎn)品卻從未消失。

Plaud的成功，正是將離線語境的洞察，通過軟硬件的深度融合，以及利用亞馬遜云科技在算力與成本上的支撐，構(gòu)筑成了真正的競(jìng)爭(zhēng)壁壘。

zhupb