一台智能音箱，内部讨论价格最高约400美元，还要装上会动的机械部件。OpenAI想让它显得“更有生命感”。
据彭博社记者马克·古尔曼报道，OpenAI正在推进这类硬件构想，并否认它只是照着苹果产品做一遍。眼下能确认的信息仍然有限：400美元是讨论中的价格上限，不是正式售价；可动结构是产品方向，不等于已经定型；发布日期、续航、订阅方案和完整功能都还没有落地。
真正有意思的地方也在这里。OpenAI没有满足于给音箱换一套更聪明的语音模型，它还想给AI添上动作和存在感。
400美元只是上限，产品形态仍有大片空白
目前的信息可以压缩成四句话：
- 产品形态.面向家庭空间的智能音箱。
- 交互特点.加入可动部件，让设备能用姿态回应人。
- 价格信号.内部讨论最高约400美元，最终售价未定。
- 关键缺口.发布日期、摄像头与屏幕配置、本地处理能力、订阅绑定方式均不清楚。
这几个缺口会直接决定它是什么产品。
如果动作只是跟随说话节奏摆动，它更接近昂贵的桌面摆件。若机械结构能转向说话者、调整拾音方向，或者主动避开摄像头死角，它才可能改善交互。两者看上去都叫“会动”，使用价值差得很远。
几类产品的差别也很清楚：
| 产品方向 | 主要入口 | 已知优势 | 现实约束 |
|---|---|---|---|
| HomePod等传统智能音箱 | 语音、音乐、智能家居 | 家庭场景成熟，操作成本低 | 助手能力和应用范围有限 |
| Echo Show等带屏设备 | 语音、屏幕、摄像头 | 信息展示直观，适合视频与家居控制 | 屏幕增加干扰，也放大隐私顾虑 |
| Humane AI Pin、Rabbit R1等AI硬件 | 随身AI助手 | 试图摆脱手机应用界面 | 用途、续航、延迟和可靠性受到质疑 |
| OpenAI拟议中的音箱 | ChatGPT加空间动作 | 对话能力强，动作可能增加在场感 | 价格、机械可靠性、云端成本尚未回答 |
OpenAI面对的难题，并非模型能不能聊天。ChatGPT已经证明了这一点。它得回答另一个更朴素的问题：用户为什么需要一件新硬件，而不是在手机、电脑或现有音箱上打开ChatGPT？
可动部件必须解决问题，不能只负责表演
让机器显得“活着”，并不是新想法。
早期自动机靠齿轮和动作制造生命错觉，后来的桌面机器人也会转头、点头、追随声音。人很容易把意图投射给会回应的物体。所谓“人非草木”，放到机器上反过来也成立：只要它会看、会动、会等，人就可能先把它当成一个角色。
这对OpenAI有吸引力。手机里的ChatGPT是一个应用，客厅里会转身回应的ChatGPT则可能成为家庭成员共同使用的入口。孩子问作业，老人查信息，做饭的人腾不出手，语音设备都比手机自然。
但家庭场景也会把问题放大。
机械结构会带来噪声、磨损和维修成本。持续待机意味着设备可能长期收集声音。复杂请求若依赖云端，还要承受延迟、断网和推理成本。设备是否配摄像头、能否物理关闭传感器、哪些内容留在本地，这些细节比“更有生命感”重要得多。
我不太买账的是，AI硬件总爱先出售人格，再补用途。Humane AI Pin和Rabbit R1留下的教训很直接：模型演示可以漂亮，日常使用只认速度、稳定性和不可替代性。一次答错、一次没听清、一次关键时刻断线，都会迅速消耗用户对“陪伴感”的耐心。
真正的生意，是把ChatGPT留在房间里
智能音箱长期存在一个尴尬：硬件能卖，助手却未必能单独赚钱。音乐、闹钟和开关灯很常用，但这些功能难以支撑高价，也很难持续产生高额收入。
OpenAI的条件不同。它手里已有ChatGPT订阅和模型服务，硬件可以成为账号、记忆、语音与家庭任务的固定入口。400美元若最终成立，用户买到的很可能不只是一只音箱，还包括后续订阅和持续云端计算。
这也是我更在意的变量：OpenAI究竟把它卖给谁。
喜欢尝鲜的ChatGPT重度用户，可能愿意为更自然的语音入口付费。普通家庭则会拿它和现有音箱、平板甚至旧手机比较。只要核心功能必须继续付订阅费，或者离开网络就明显降级，购买决定就会被推迟。
准备购买的人不用急着盯外观，接下来更该检查四件事：
- 动作能否改善拾音、视角或任务执行，而非只增加表情。
- 400美元是否包含核心AI能力，还是仍需另付订阅费。
- 麦克风、摄像头能否物理关闭，家庭成员的数据如何隔离。
- 断网后还能完成哪些操作，机械部件坏了又如何维修。
百年前，电话进入家庭，价值来自连接另一个人；今天，AI设备进入家庭，OpenAI想让用户相信房间里多了一个可交谈的对象。两者并不完全一样，重复的却是同一条商业规律：新入口只有变成习惯，才会成为生意。
所以，可动结构不是这款产品的胜负手。它只是最容易被拍进宣传片的部分。真正的门槛藏在那些不够上镜的问题里：每天有没有用，出错时烦不烦，家里人敢不敢让它一直开着。