这些「老炮们」最不缺的就是把硬件造出来的能力，也不缺求变求新的劲儿。可AI硬件新课的内容，显然超纲了。
四家供应链「老炮」交了个底
「现在能听到我周围的杂音吗？」
聊着聊着，深圳市烽火宏声科技有限公司（以下简称烽火宏声）副总经理王鑫突然问了这么一句。
几分钟前，他原先戴着的耳机没电，刚换上另一副。听到这个问题，我有点纳闷：杂音？通话里明明只有他的人声。
直到快聊完，我才知道，他中途换上的，是一副 AI 耳机样机，正在做设计验证，也就是硬件行业常说的 DVT。
王鑫说，新耳机主打会议转写、 AI 翻译等。我们这场对话，也顺理成章地成了一场「实战测试」。
「我们的目标是在今年底前实现量产出货，」王鑫透露，目前已经有两个品牌客户下达了订单。
这并不是我们看到的唯一一台真机。
消费电子方案商（ IDH ）奇智创新的 AI 耳机样机，也已经摆上桌面。
电脑播放英文 TED 演讲，点击几下耳机，收音开始，声音进入 App 后，手机端实时滚动显示中文翻译，一套同声传译链路就这样跑了起来。
另一边，拥有全模块开发能力的硬件设备 ODM 科奈信的工程测试板，已进入软件接入和软硬件联调阶段，计划完成 DEMO 后向品牌客户推广。
与此同时，耳机 ODM 迈斯高正通过方案商德芯诚，与合作方调试新一代 AI 耳机。
它为韩国 LG 代工的项目，以及自有品牌 MEES 的项目，目前都已进入商务推进阶段。按规划，后续将接入并采购这家合作方的 AI 方案，预计涉及约 10 万台设备。
几条看似独立推进的项目，最后汇到了一起——他们正在接入的其实是同一家公司的技术：Hojo 恒聚愿景（以下简称 Hojo）。
这家公司成立至今，还不到两年，背后是两位语音赛道的「老炮」：赵恒艺曾任小鹏汽车语音业务负责人，苏丹曾任腾讯 AI Lab 语音技术中心负责人。
在媒体的主流叙事里，科技大厂正凭借自己的大模型、自研芯片和操作系统，自上而下地定义下一代 AI 硬件。但顺着眼前几副样机往深处扎，见到的却是一幅更为广袤的现实图景。
庞大的传统硬件制造商们，也在主动寻找 AI 的落点。
他们手握产品线、品牌客户以及多年沉淀的制造能力，却没有自研大模型甚至软件团队。
该怎么把 AI 真正「塞」进下一款要卖出去的产品里？怎么让一块卖完即止的硬件，从「一锤子买卖」变成一门可以持续产生收入的生意？
这是他们的普遍困惑，也是 Hojo 进入的地方。
被大模型打乱的分工，需要一个新角色
那我们这次聊的，是不是也会被记录、整理下来？我顺便问了一句。
「会。」王鑫说。
对烽火宏声来说，AI 耳机也只是最近一轮产品探索中的一个方向。过去一段时间，他们还做过其他 AI 音频硬件、搭载单摄或双摄的眼镜，甚至尝试过脑机设备。
品牌客户总要找新品、找差异化，供应链也一直在跟着芯片、声学、结构和交互技术往前走。能不能不断拿出一些「有亮点」的新东西，本来就是 ODM 竞争力的一部分。
只是大模型出现之后，这种创新开始越过传统硬件的边界。
以前，客户往往带着相对清晰的图纸和规格来，工厂负责把产品稳定地做出来。现在，王鑫发现，有些客户来的时候手里只有一个想法：想做一款 AI 产品。
这时候，ODM 已经不能等着一张图纸落下来，而是更早进入产品定义：一起讨论场景、判断哪些功能值得做，再一路往芯片选型、硬件设计和工程实现上推。
科奈信更为清晰地描述了位置前移带来的挑战。
比如，一颗芯片的算力能不能跑通所需的音频通路？现有硬件条件撑不住时，是缩减功能、调整方案，还是换一个平台？如果产品临时增加新的需求，软件和硬件又该怎么重新匹配？
今天定义一款 AI 硬件，光摸透「用户想要什么」已经不够，还要回答这些「超纲」的「跨界」考题，才能为自己的产品构想找到一条落地的软件工程路径。
一直求变的奇智创新甚至从中看到了新机会。
过去几年，耳机方案越来越成熟，硬件也越来越同质化，一部分原本由 IDH 承担的工作，逐渐被 ODM 自己的研发和方案部门吸收。
AI 又把问题重新复杂了起来。
模型、芯片、App、声学、云服务，要第一次在一款耳机里同时协同。品牌和 ODM 开始重新需要有人在中间把这些能力组织起来，IDH 因此又有了新的用武之地。
但位置前移，并不意味对应所需的模型、软件和交互能力，也能自然长出来。
王鑫讲了一个故事。2024 年，他们前后投入大约 10 个月，开发出了一款 AI 小音箱。产品投放市场，也实现了出货。
「干出来那一刻，我们觉得自己挺能的。」王鑫回忆说。
也因为真正做过一遍，他们更清楚地看到了自己的能力边界。
外观、结构、电路设计和声学调试，都是熟悉的工作。一旦涉及界面设计、用户怎样操作才顺手、体验如何跟着反馈持续调整，就需要重新补课。
而且，产品卖出去之后，软件升级和后续维护还得继续，这些都超出了经验和资源的射程。
与此同时，制造端本身也没有停止升级。
科奈信一直在无线音频的硬件创新开发上投入。
王鑫半开玩笑地说，他们是「打螺丝、点胶水的」。但现在连点胶都已经高度自动化，完成后还要经过 AOI 等视觉检测。
2025 年，烽火宏声又投入数百万元，升级产线和测试设备，为新的硬件要求和测试需求提前做准备。
团队的精力和资源有限，哪些能力继续自己做，哪些交给合作方，也就成了一个实际的经营选择。
正是在这样的分工变化里，扮演好连接硬件制造与模型能力的「新角色」，成为 Hojo 商业逻辑的起点。
AI 老炮递上「一杯水」
如今，一副耳机想加上录音转写、翻译或者 AI 对话，已经很难把任务简单切成「硬件做好，软件接上去」两步。
模型效果、芯片能力、音频怎么采集、固件怎么传、App 怎么接、云端怎么处理，甚至产品卖出去之后谁来持续提供服务，最后都会汇聚到同一个用户体验里。
奇智创新把它概括成「一朵云、两个端」：云端、手机及 App、耳机需要一起工作。任何一个环节掉链子，用户看到的都只是同一个结果：不好用。
为此，Hojo 搭了一套面向智能硬件的 AI Stack，把模型、系统、记忆、App 放进同一套体系。耳机、录音笔、眼镜可以复用底层能力，再根据芯片和具体产品做适配。
客户的每一种典型需求，都能在这套全栈能力中找到对应的解。
比如，在真实的产品定义阶段，不同芯片对应不同的算力预算、功耗约束和成本区间，最后能装进多少功能、哪些能力放在端侧、哪些交给云端，需要放在整机方案里一起权衡。
这就放大了自研模型的价值。而Hojo 也选择自己掌握 ASR、TTS、全双工语音等底层模型。
消费者不会关心耳机背后跑的是哪套模型，他们关心的是说完话多久有反应、转写准不准、翻译自然不自然。厂商还要多算一层：这套能力跑起来需要什么芯片，多少功能能留在端侧，多少送到云端，长期调用成本能不能承受。
自研模型的意义不只是把某项 Benchmark 做高，遇到具体项目时，还可以同时调整准确率、响应速度、部署方式和成本，拥有更多定义自由。
有了模型还不够，还得有人把整条链路串起来。
科奈信的一次联调，把这个需求暴露得很具体。当时，硬件接入 Hojo 软件后，一度连不上。开始看起来像一个软件 Bug，沿着链路继续往下排查，发现问题出在固件。
一个表面上的「 App 连不上」，背后实际横跨了软件、协议、固件和硬件。如果还按照过去边界分明的方式处理，很容易变成软件找硬件、硬件再找固件。
所以，科奈信说，从蓝牙音频设备走向 AI 产品，真正新增的不只是几个 AI 功能，而是一条必须由软件和硬件共同完成的功能链路。
录音转写、翻译、AI 交互，能不能跑起来，不只取决于模型本身，还取决于音频怎么采集和传输、芯片支持哪些通路、固件怎么配合，最后又怎样通过 App 交到用户手里。
这也是 Hojo 往系统层继续做 Agentic OS的原因——模型只是能力源，决定体验的，是这项能力能不能穿过整条软硬件链路。客户需要这样一个更靠近系统层的角色，把设备、协议、模型和 App 统一组织起来。
