OpenAI推出硬件曝光：音箱 手机 后面还有眼镜台灯…

OpenAI首款硬件产品无屏音箱预计2027年初上市，定价200-300美元，配备摄像头与活动结构，定位为AI陪伴者。手机量产提前至2027年上半年，核心规格是增强HDR的ISP芯片，意在强化设备感知能力。两款硬件均搭载摄像头，旨在构建环绕用户生活的视觉感知网络。

这几天，关于 OpenAI 的硬件生态版图的曝光急速增加，无论是彭博社关于音箱细节的报道，还是来自供应链分析师郭明錤关于手机规格和代工名额单的详细调查，都让我们逐渐拼齐了 OpenAI 硬件这头大象的实际轮廓：

一台音箱、一部手机，后面跟着眼镜、台灯，可能还有耳机。

其中，音箱作为最早首发的硬件产品，预计将于 2027 年初上市，手机的量产时间被提前到了 2027 年上半年。其中音箱预计定价为 200 到 300 美元。OpenAI 交给普通人的第一件东西，是这个价位的一台无屏音箱。

但真正值得看的不只是价格，目前曝光出的供应链清单上的关键信息，更能勾勒出 OpenAI 到底想做一台什么样的 AI 硬件：除了带有摄像头的音箱，OpenAI 首款手机被点名的头号规格同样是 ISP，也就是处理摄像头画面的那颗芯片；舜宇光学一次拿下两款 OpenAI 设备的订单，很可能都是摄像头模组。

把这些细节摆在一起能看出，OpenAI 在造的不是几台设备，其实是环绕着你生活、一双无处不在的眼睛。

有个性的无屏音箱

首先是第一款产品：和苹果前首席设计师 Jony Ive 一起做的便携无屏音箱。

按目前从供应链已知的产品描述，它可充电、能在房间之间带着走，有一颗用于理解周围环境的摄像头，还有会自己活动的机械结构，让它显得像是活的。

按照 OpenAI 此前在社区交流中给它的定位，它的定位应该是一个住在你家里、像人一样的 AI 陪伴者。

它由 ChatGPT 驱动，对话部分用 GPT-Live，按同一份报道的口径，它有自己的性格，会越用越个性化、越主动。



无屏、可充电、带摄像头，2027 年初上市｜图片来源：io

这台设备的产品定义，几乎是 OpenAI 硬件负责人 Richard Ho 那句话的逐字翻译。

之前，我们曾写过他在 Stanford 那场交流。他说“手机不是为 agent 设计的”，理由是今天的交互是 app-based、session-based 的：你打开一个 app，做一件事，关掉。

但一台没有屏幕的音箱，把这三个动作全取消了：没有“打开”这个动作，自然也就不存在 session。

但说实话，音箱这个形态一点都不新。无屏音箱做了快十年，最后大多变成了闹钟和天气播报器。从硬件规格表上来看。OpenAI 音箱主要区别在于摄像头，和会自己动。

前者是输入，后者是主动性。上一代智能音箱的限制不在模型，在于它只有耳朵：你不说话，它就不知道屋里发生了什么，只能等着被叫醒。有了摄像头，“主动”才有可能不变成骚扰。代价是用户得先同意，让一台会自己转动的机器一直看着自己家。



这一关键性的概念区别，决定了 OpenAI 这款音箱对标的并不是 HomePod 这样的产品。而是一台用来给模型更多用户实际上下文的传感器：这实际上也是手机的逻辑。

用于构建上下文的手机

手机这条线，最早是郭明錤在 4 月 27 日发布的。他把它称作一款“AI Agent 手机”，围绕持续的、有上下文感知的界面构建，而不是围绕一个个独立 app。

他的论据是，手机是唯一能捕捉用户完整实时状态的设备：位置、活动、通信、所处情境都在里面。这是实时 agent 推理最重要的上下文输入。要交付完整的 agent 服务，就必须同时掌控操作系统和硬件。

Altman 在同一天发帖，说是时候重新想想操作系统和用户界面该怎么设计了。



如今，关于 OpenAI 手机我们知道了更多规格补齐了一部分：定制版联发科天玑 9600，台积电 N2P 制程，也就是苹果即将启用的“A20”所在的节点。郭明錤 4 月还提到 OpenAI 把高通和联发科并列为芯片伙伴，如今联发科看起来会是独家。立讯精密被认为是独家代工，舜宇拿到了覆盖两款设备的零部件订单。

但整份规格单里被明确点为头号已知规格的，不是屏幕，也不是主频，是那颗带增强 HDR 管线的 ISP。目的是提升通过摄像头对真实世界的感知。旁边为其单独配备两颗 AI 处理器，分别同时处理视觉和语言。

这份规格单和过去二十年的手机规格单，重心是反的：过去所有的核心参数都围绕人怎么看设备：尺寸、分辨率、刷新率、峰值亮度。这台手机放到最前面的，是设备怎么看世界。



让模型如何更好地“看清”世界，逐渐成为一个只有硬件才能回答好的问题｜图片来源：OpenAI

HDR 管线对拍照的意义是宽容度，对 Agent 来讲是另一回事。逆光、暗光、屏幕反光这些人眼能自动适应的场景，恰恰是视觉模型最容易失手的地方。把增强 HDR 做进 ISP，等于在数据进入模型之前先把世界调好一遍。

两颗 AI 处理器分开跑视觉和语言，是同一个思路的延续。视觉不再是拍照功能的附属，而是和语言并列的一路输入。



这正好接上 Richard Ho 当时的判断：未来不是 cloud-only，也不是 edge-only。个人上下文、隐私数据、低延迟交互留在设备端，复杂推理留给云。那两颗处理器，就是“设备端那一半”的物理形态。

个人上下文、隐私数据、低延迟交互必须在设备端，复杂推理留在云端。如果一个 agent 想随时拿到用户的“当下状态”，它必须在操作系统层有足够完整的权限。

把供应商的名字连起来看，还有另一层意思：立讯是苹果最重要的代工厂之一，舜宇是全球最大的手机摄像头模组厂商之一，N2P 是苹果下一代芯片要用的节点，负责工业设计的是苹果前首席设计师。郭明錤特意提到，立讯这些年一直想降低对苹果订单的依赖，OpenAI 这单来得正是时候。

目前，OpenAI 硬件团队里有超过 400 名前苹果员工，包括原 Vision Products Group 负责人 Paul Meade。整条产品线源自 OpenAI 以 65 亿美元收购 Ive 的公司 io Products。

OpenAI 不是在学苹果做产品，是在把苹果那套组织能力和供应链原样搬一遍。区别只在最后交付的设备里，默认入口从 App Store 换成了一个 agent。

另外，OpenAI 目标的产品量级同样是外界非常关心的一个问题：郭明錤的预测是，如果开发不出意外，2027 与 2028 两年合计出货约 3000 万台。摊到一年一千多万台，在手机行业大概是一个二线品牌的体量，无论如何，OpenAI 在早期都撼动不了 iOS 和 Android 的基本盘。

但 OpenAI 原本的目标可能就不是份额：Ho 说 agent 想拿到用户的当下状态，就必须在操作系统层有完整权限。

也就是说，OpenAI 需要的不是所有人的手机，是一台自己说了算的手机。一千万台够不够做成生意另说，够不够证明“agent 优先的系统跑得起来”，是够的。

真正的未知不在硬件。如果界面真的不再是 app，用户的银行、打车、外卖、社交关系从哪来？

这是一个几乎困扰着行业所有选手的问题，OpenAI 给的答案是订阅捆绑，用它撑起一个围绕 agent 的开发者生态；但 agent 如何稳定地调用第三方服务，这件事今天在任何一个平台上都没被跑通过，而它恰恰不是自研芯片能解决的问题。

OpenAI 最大的障碍：苹果

此外，一个值得注意的细节是，手机和音箱的上市时间点相比最初经历过了调整：音箱原定今年上市，滑到了 2027 年初。手机原本瞄准 2028 年量产，被郭明錤在 5 月改到 2027 年上半年，他给的理由是 OpenAI 计划中的 IPO，以及这个品类正在变激烈的竞争。

硬件排期通常由良率、验证周期和软件成熟度决定，很少由上市计划决定：确切的芯片规格和其余供应商，预计要到 2026 年底或 2027 年第一季度才能敲定。这个节点和 2027 年上半年量产之间，最多只隔一个季度。

提前的是量产节点而不是发布时间。音箱和手机是两个团队、两条供应链，一个延期一个提前，完全可能各有各的原因。

OpenAI 全球事务负责人 Chris Lehane 给过的官方口径是，首次硬件发布在 2026 年下半年，上市在 2027 年初。这和音箱的时间线对得上。



OpenAI 首款音箱硬件概念对硬件规格有独特的需求｜图片来源：Jony Ive

但还有一股力气在往反方向拽。

苹果 7 月 10 日起诉 OpenAI 窃取商业机密，起诉书里点到一项专有的金属表面处理工艺。彭博社的 Mark Gurman 认为诉讼已经起拖慢 OpenAI 进度的效果：苹果的工程师不敢再去面试，供应商面对 OpenAI 的需求也变得更加谨慎。

OpenAI 的回应是对别人的商业机密没有兴趣，接近项目的人对彭博社说，这台设备和苹果在售的产品都不一样。

苹果不仅是说说而已，公司同时向法院申请了禁令，一旦获批，OpenAI 可能被直接禁止发布硬件。苹果那边还有个更直接的动作，给 iPhone 产品设计团队发了最高 40 万美元的限制性股票留任奖金。

一边是禁令申请和观望的供应商，一边是提前一年半的量产目标。这两件事都真的话，让步的大概率是后面那个。

眼镜、一盏智能台灯，可能还有耳机，都在路线图上，位置更靠后，其中一些可能被取消。但舜宇那笔覆盖两款设备的订单说明，至少有两条线在同时推。

苹果的路线图几乎是镜像的：智能眼镜、带摄像头的 AirPods、一款 AI 挂坠，以及一台带屏幕和摄像头的家庭中枢。两家公司在四个品类上正面相撞。



更多形态的产品，更激烈的竞争｜图片来源：Information age

四种形态摆在一起，共同点不是屏幕，是传感器。音箱、手机、眼镜、耳机，形态差得远，要解决的是同一个问题：让 agent 持续看见你所在的世界。在这批设备的零件表上，屏幕是可选项，摄像头是必选项。

Richard Ho 在那场交流最后给的判断是，不再是在芯片层赢，而是在系统层赢。他也说过，当你开始谈 20GW 这种规模，就必须谈电力，甚至国家安全。

这条链路上，芯片、数据中心、电力的账 OpenAI 可以自己算，也可以跟合作方一起算。只有 200 到 300 美元这一端不行，这笔钱要普通人自己从口袋里掏。

所以第一台设备被定成一个两百多美元、会自己动、带着摄像头的盒子。整套系统里最难说服的不是电网，是消费者的客厅。

本文来源：极客公园