萬字解析 | AI 必爭之地：聽寫賽道已從春秋邁入戰國
整理版優先睇
AI聽寫賽道大拆解：系統攞走基礎，產品要麼做個人代理，要麼扎進行業深處
呢篇文章出自行業媒體，作者團隊長期追蹤AI應用賽道，想解析AI聽寫領域嘅競爭格局同未來走向。佢哋發現，聽寫唔再淨係「錄音轉文字」，而係變成理解用戶意圖、輸出可用結果嘅新範式。成個賽道分成四層：系統基建、表達增強、會議記憶同垂直工作流。
系統廠商（Google、Apple等）會逐步標準化基礎能力，例如自動標點、去口頭語、簡單改寫，呢啲好快會變成OS預設功能。獨立產品如果想生存，就唔可以留喺中間地帶，一定要揀一條路：要麼向上做「個人表達代理」，用得越耐越懂你；要麼向下扎入垂直行業工作流，深度綁定業務系統。
作者嘅結論係：基礎能力歸系統，深度綁定歸場景，個人表達歸記憶。獨立產品嘅空間狹窄但明確，選擇大於努力。
- 聽寫賽道已從「聲音→文字」進化到「聲音→意圖→可用結果」，核心係補齊人類口語缺失嘅結構同語氣。
- 系統基建層（Gboard、Apple Dictation）有默認入口優勢，但唔敢替用戶做決定，所以留低空間畀其他層。
- 表達增強層（Typeless、Wispr Flow）要喺特定場景比系統好10倍先值得安裝，靠個人數據沉澱建護城河。
- 會議記憶層（Otter、Plaud）必須進入垂直工作流，幫用戶做「開會後嘅dirty work」，否則會被Zoom等平台吞併。
- 垂直工作流層（醫療、法律）壁壘最深，靠行業數據、合規認證同系統集成形成遷移成本，大廠難以複製。
四層位面戰爭：誰食入口，誰搶表達
作者將聽寫賽道拆成四個位面，每個位面嘅生存邏輯唔同。第一層係系統基建層，代表有Gboard、Apple Dictation、Samsung Galaxy AI，核心優勢係默認入口同系統權限。但佢哋唔敢替用戶做改寫決定，因為一旦改錯，影響成個手機市場。
用戶唔需要裝任何嘢，打開鍵盤就用得，呢個分發優勢係第三方產品點都追唔到嘅。
第二層係表達增強層，代表有Typeless、Wispr Flow、Superwhisper。佢哋嘅賣係：喺用戶自然口語之後，自動修正語法、口癖、錯別字，再用更貼切嘅表達重組句子。呢種產品唔係用嚟日常吹水，而係喺正式場景（寫郵件、寫文檔、覆客）下幫你節省修改時間。
第三層係會議/記憶層，代表有Otter、Fireflies、Plaud。本質係幫你做會後嘅dirty work：整理摘要、提取行動項、同步CRM。但呢層面臨結構性壓力：Zoom、Teams、Google Meet已經內置AI會議總結，通用摘要嘅差異化好快被抹平。
如果仲係死做通用會議摘要，你嘅對手唔係同行，而係Zoom產品經理下個季度嘅OKR。
第四層係垂直工作流層，代表有Nuance Dragon Medical（醫療）、Gong（銷售）。呢層唔sexy但壁壘最深，靠專業詞庫、合規認證、行業數據同系統集成累積護城河。大廠嘅通用能力好難複製，因為每一層都需要時間同行業關係去堆。
醫生要嘅唔係錄音稿，而係口述三分鐘直接出一份歸檔病歷；律師要嘅係可追溯、可引用嘅庭審記錄，唔係「大概意思對咗」。
中文市場：跳過聽寫，直接進入「語音→結構化內容」
作者指出，中文用戶對住手機講嘢冇心理門檻，因為微信語音訊息已經訓練咗十年。訊飛輸入法每日語音調用超10億次，所以唔需要教育用戶「語音比打字快」。問題係講完之後點算。
對短消息同搜索，系統輸入法已經做到90分，創業公司冇生存空間。但對長段落、需要成文嘅場景，系統輸入法完全唔夠。
中文口語嘅問題係結構級：大量「然後」、「就係」、「嗰個」，邏輯跳躍、句子唔完整。靠潤色搞唔掂，要結構化重組先變成可用產出。作者認為，中文市場嘅解法係跳過「語音轉文字」，直接做「語音轉結構化產出」。釘釘語音生成日報、通義聽悟拆會議紀要、訊飛醫療「訊錄」直接出電子病歷，呢啲已經驗證咗付費意願。
- 銷售：拜訪完客戶，對手機講兩分鐘，CRM自動更新客戶狀態、預算、下一步。
- 員工：收工前講三分鐘，日報週報自動生成，格式對齊公司模板。
- 醫生：邊睇診邊口述，病歷草稿實時成型，改兩筆就簽字。
- 創作者：講十分鐘思路，自動拆成小紅書文案、播客大綱、視頻腳本。
作者提醒，會議紀要已經係紅海，飛書、通義、釘釘、訊飛四個巨頭喺度打。藍海喺更碎片化嘅垂直場景，但中國用戶為「省時間」付費嘅閾值比歐美高，你要令佢覺得「冇呢個工具今晚要多花一小時」先撐得起現金流。
終局判斷同建議：收斂係聽日嘅事，但揀位置係今日嘅事
作者預測，24-36個月內，系統級AI改寫能力會變成OS標配。基礎轉寫、自動標點、簡單改寫呢啲會完全被系統吞併。獨立產品如果只係「比系統好一點但冇深度綁定」，就會最先被淘汰。
定價$5-10/月嘅基礎AI聽寫工具會失去增長空間，獲客成本急劇上升。
能夠做大嘅位置只有兩個：一個係個人表達代理——用戶用得越多，AI越懂你。Wispr Flow做到80%嘅6個月留存，用戶72%日常打字用語音，已經形成習慣替代。另一個係行業產出系統——一旦接入CRM、HIS、ERP，遷移成本極高。Otter轉型做Sales Agent同SDR Agent後，ARR突破$100M，就係最好例子。
- 1 創業者：唔好做「又一個更好嘅聽寫App」。向上做個人表達代理，向下做行業語音自動化，核心指標係用戶第90日有冇50%以上輸入經你產品完成。
- 2 投資人：睇三個數——6個月留存（Wispr Flow 80%係標杆）、單用戶月輸入字數增長曲線、個人化數據深度。講唔出「用戶數據越多產品越好用」呢個故事嘅，會被系統級能力食咗。
- 3 產品經理：最值得遷移嘅能力係「將模餬口語變成可信輸出」嘅設計，包括上下文識別、改寫強度控制、糾錯成本設計、信任建立。呢啲問題所有AI Agent產品都要解決。
選擇大於努力，基礎能力歸系統，深度綁定歸場景，個人表達歸記憶。
以前，我哋成日聽嘅「聽寫產品」代表其實唔多，數得出嘅可能得訊飛、Otter、Notta 呢幾個。而家新一代 Plaud、WisprFlow、Typeless 陸陸續續出咗嚟，成個AI 聽寫賽道嘅玩家都多咗，競爭都激烈咗：一個百花齊放、百家爭鳴嘅時代正式開始。「聽寫」就好似諸子百家起於春秋（思想萌芽，學派唔多），鼎盛於戰國（百家爭鳴）。
由以前嘅「錄音轉文字」到而家嘅「AI即聽即譯」，聽寫賽道正由簡單嘅轉寫，變做理解用戶講緊乜，並嘗試用更好嘅陳述方法還原文字、由幫用戶做轉錄逐漸取代鍵盤輸入。
傳統聽寫嘅範式：聲音 → 文字。ASR 準確率係核心指標。
有AI 加持後嘅新範式：聲音 → 意圖 → 可用結果，
結果可以係一段潤色過嘅文本、一個結構化任務、一封寫好嘅電郵，甚至一個自動執行嘅動作。
人嘅口語天生唔適合直接變成書面語。重複、猶豫、口頭禪、邏輯跳躍、句子唔完整：呢啲問題用任何 ASR 模型都解決唔到。因為佢哋唔係識別問題，而係表達問題。
所以AI 聽寫產品真正要做嘅，係補返人類口語缺失嗰部分：結構、語氣、上文下理、意圖、格式。
跟住，就等我哋直接入正題：
聽寫賽道嘅四維戰爭
Gboard 如果聽日上線一個「自動潤色聽寫文本」嘅掣，幾多 AI 聽寫創業公司嘅估值會俾人削減一半？呢個唔係假設，而係成個賽道正在面對嘅現實。
Google、Apple、Samsung、Microsoft：所有控制系統入口嘅玩家，都已經有將「聽寫 + 清理 + 改寫」變成預設功能嘅技術儲備；
Whisper 呢類開源模型周圍都係，大模型可以反向糾正轉寫錯誤，邊際推理能力正在快速提升：NPU 算力已經由兩年前嘅單位數 TOPS 升到而家嘅 40-70+ TOPS。
未來競爭明顯好激烈，但並唔代表中小公司完全冇位企。
認清自己產品嘅定位喺呢個賽道好重要，你知道同邊個競爭，你先知點樣設計自己嘅大方針大方向，並喺對應嘅大方針下優化好自己嘅產品。
實際上，「聽寫」呢個賽道，俾四股力量瓜分：
系統輸入法、AI 寫作代理、會議記憶工具、垂直工作流。
每一層嘅生存邏輯其實有啲唔同。
四維戰爭：邊個食入口，邊個搶表達
第一維：系統基建層
呢一層嘅本質唔係App，而係作業系統嘅輸入基建。
代表： Gboard、Apple Dictation、Samsung Galaxy AI、Microsoft Voice Access、Nothing 手機嘅 Essential Voice
核心優勢：預設入口 + 系統權限 + 十億級分發。
用戶唔需要安裝任何嘢，打開鍵盤就用得。系統仲可以接觸通訊錄、行事曆、檔案、剪貼板。但呢一層有個結構性弱點：唔敢幫用戶做決定，即係錄音轉寫時嘅語譯策略一定要保守。
佢可以幫你加標點、刪走「嗯」「嗰個」，但唔會將你隨口講嘅一段話改寫成一封正式電郵。因為一旦改錯，損失嘅就係成個手機市場。
Nothing 呢部手機可能對大部分人嚟講好陌生，我哋都係最近先留意到。
主要因為佢將語音輸入變做手機主推嘅輸入方式，更加接近「Voice as System Entry」：
撳一下，講一句，系統幫你處理（電郵，聊天）。
呢種大膽嘗試，都驗證咗語音輸入喺AI時代下會逐步取代手打鍵盤嘅方式，即係AI聽寫功能會越來越重要。
說句題外話，其實我哋寫呢篇內容之前已經察覺自己嘅輸入方式俾AI大模型軟件改變咗。基本上，無論同邊個國內外大模型對話，首要就會揀語音輸入。
商業化判斷： 手機廠商唔會將系統級能力交俾第三方，尤其係AI聽寫咁重要嘅輸入口。
如果你堅持要做一款「語音輸入法」APP（類似鍵盤輸入法應用），本質上你係喺呢個維度參與競爭，但呢個維度真正有話語權嘅參與者都係OS，你將來就係同OS直接打仗，所以贏面太細。
第二維：表達增強層
呢一層嘅本質，其實係喺特定場景下，
根據原意做表達增強，從而減少二次修正時間，提升效率。
代表： Typeless、Wispr Flow、Superwhisper、Aqua、Willow、AudioPen
呢一層嘅賣點係：
「喺用戶自然語言表達之後，透過糾正語法、口癖、錯別字以及嘗試用更貼切嘅表達方式重組語句」令一段表達上比較混亂嘅內容變成有條理、邏輯清晰嘅段落。好似語文老師幫你改作文咁。
Typeless 會將佢「幫你慳咗幾多修改時間」嘅貢獻放喺產品首頁，時刻提醒你佢有幾高效：
大概體驗上，我舉個例：
你對住咪高峯講：
普通聽寫直接輸出原句，而表達增強層嘅應用會輸出：
|
差距唔喺識別率，而係後面嗰步改寫之後嘅資訊傳遞效率。
不過Typeless 都切咗鍵盤輸入嘅入口，用戶可以透過叫起佢嘅鍵盤輸入口去做語音內容嘅轉寫。但佢又繞過咗同OS系統喺輸入法層面嘅直接競爭（就算競爭都競爭唔過）。點樣理解呢句話？
首先，OS 基建位面嘅競爭主要集中在「泛」聊天嘅文字輸入場景或者可以話係高頻嘅對話場景，呢啲場景並唔需要好官方冇瑕疵嘅表達，只要去掉一啲基本嘅口癖同水份，用正確嘅語法轉寫就得。甚至喺日常對話場景，我哋更希望還原講嘢嘅人嘅風格。
所以喺呢種日常交流嘅泛場景下，Typeless 呢種好正式但又比較複雜嘅轉寫並冇明顯優勢，而且做鍵盤輸入法嘅時候，Typeless 冇辦法做到錄音時同步出文字，佢嘅交互係要等用戶一口氣講完先做全篇轉寫，咁樣冇辦法即時校對文字嘅體驗好差（如果用戶冇辦法第一時間知道聽寫轉寫係咪正確，好多時講完一段都會唔記得之前講過乜，用戶點樣校驗Typeless 係咪將佢嘅本意轉寫完整呢？），而且一定會拖慢日常對話節奏。
以我自己嘅輸入習慣為例，我只有寫大段文章內容嘅時候，先會叫起 Typeless。但我自己日常喺微信裏面，直接會用微信自帶嘅語音轉文字輸入法，因為我覺得咁樣可以保留我嘅語氣。Typeless 成日會將我好多語氣詞（嗯、額、耶等）都刪走，即係保留心情嗰啲語氣詞冇曬。
所以話，呢類APP喺泛場景係冇優勢㗎。
但喺特定輸入場景，會自動分析上下文語境、注重表達層嘅APP嘅優勢就嚟喇。例如你講一句：「今日唔搞住，聽日再睇下。」
喺唔同場景，就應該變成唔同風格：
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 特別之處在於佢更強調：App-aware/social-aware/vibe-aware，而唔係單純嘅「高準確率」。
所以佢會嘗試理解：呢個係dating app？係工作軟件？係客服後台？係寫X？係寫PRD？然後自動切換人格。
而且喺一啲更特別嘅對話場景，例如同律師溝通、同老細匯報工作，注重表達層級嘅官話式改寫就變得有優勢。
注重表達層嘅競爭都好激烈，產品好多。
但佢哋嘅護城河唔係靠技術代差，而係靠分發，多分發多拎數據。
拎到數據就可以沉澱出用戶嘅個人表達模型：寫作風格、專業詞庫、歷史習慣，咁用戶就離唔開你。
呢一點上，Typeless 都係咁做。
你可以睇到佢嘅首屏，用好多位來展示用戶個人表達模型嘅完善程度。
仲會幫我收錄，記錄我嘅用戶詞典。
呢度聲明，雖然筆者呢邊非常濃墨重彩咁講咗好多 Typeless 嘅案例，但截稿前都冇收 Typeless 嘅廣告費，我哋係一間中立嘅行業媒體（嚴肅）。
睇到呢度嘅各位開發者，如果你有信心你嘅產品可以令我哋團隊產生aha moment，或者話可以順滑嵌入我哋媒體團隊嘅日常工作流程，請聯絡我（kleo945，備註開發者），我會唔收一分錢咁幫你用心推廣產品。
然後講下Wispr Flow，佢同Typeless 係點樣嘅競爭關係？
我哋可以咁樣類比：佢哋唔係Spotify vs Apple Music（同量級對手），更似Notion vs Obsidian
Wispr Flow = Notion：大融資、企業市場、平台化野心、閉源、高估值、由個人工具向企業協作OS演進。
Typeless = Obsidian：小團隊或bootstrapped、消費者驅動、免費層慷慨、社區口碑好、喺特定用戶羣（如writer、doctor、個人使用者）中贏在「性價比+準確率」。
佢哋短期內唔會正面交鋒，因為：
Wispr Flow 嘅增長引擎係企業（125新企業客戶/週），Typeless 冇企業銷售能力（無SOC2=入唔到採購流程）。
Typeless 嘅增長引擎係個人用戶嘅Product Hunt口碑+慷慨free tier轉化，同Wispr Flow 搶嘅係唔同預算線嘅錢。
商業化判斷：
呢類產品如果將自己定位成「更好嘅輸入法」，用戶唔會俾錢。
但如果定位成「效率工具」：幫你慳返每日反覆潤色電郵、訊息、文檔嘅時間：就可以收費。
ASR 準確率係基本操作，順滑嵌入每日工作流程先係結果。
另外，呢一層嘅生存條件好苛刻：
你喺特定場景必須比 OS 預設體驗嘅聽寫好 10 倍，用戶先會多裝一個 App。
雖然話術業有專攻，OS廠商冇必要切垂直場景，技能點都有限，唔可以亂咁點。
但如果有一日 Gboard 硬係加咗個「潤色文本」掣，開發者嘅日子一定更難捱。
所以真正能夠生存落嚟嘅，係最懂分發嘅，能夠快速累積個人數據沉澱同圍繞用戶垂直領域嘅日常工作流程：令用戶用得越耐越爽，越離唔開。
就像掃描全能王，即使蘋果自己出咗掃描功能，都阻擋唔到掃描全能王嘅增長趨勢。
第三維：會議/記憶層
呢一層嘅本質唔係轉寫工具，而係「幫你做日常會後dirty work嘅TA」。
代表：Otter、Fireflies、Granola、Fathom、Plaud、Limitless（2025年12月已經俾 Meta 收購）
你唔想花時間整理會議記錄、梳理每個人講咗咩、跟住邊個要做咩：佢幫你做。
長音頻轉寫、說話人區分、自動摘要、行動項提取、同步到 CRM 和 Notion，一條龍服務，明明白白。
B2B 有明確嘅付費意願，結果可以量化，乍睇係個好性感嘅商業模式。
但呢一層有一個結構性壓力：
會議軟件巨頭只需要喺現有產品上加一個功能，就可以逼你上正面戰場白刃戰。
Zoom AI Companion、Microsoft Teams Copilot、Google Meet Gemini，全部做緊AI 會議總結。
通用摘要嘅差異化正快速被抹平。呢個同我哋喺第二維講過嘅邏輯一模一樣：Gboard 上線一個「潤色」掣，表達增強層就要重新證明自己存在嘅理由。平台做功能優化嘅成本，遠低過創業公司建立一個獨立品類嘅成本。
講笑咁講，如果你仲係死做通用會議摘要，你嘅對手唔係同賽道創業公司簽KA 嘅速度有幾快，而係 Zoom 嘅產品經理想完成下個季度 OKR 嘅決心有幾大。
那麼，呢個維度能夠生存落嚟嘅產品，只有一條路：
進入垂直工作流，將「會議摘要」變成「同業務相關嘅產出」。
舉個例：
幫銷售團隊喺會議結束 30 秒內自動更新 CRM 裏面嘅客戶狀態、預算、下一步跟進動作
幫招聘團隊自動生成候選人評估卡，直接同步入人才庫
幫用戶研究團隊從 20 場訪談裏面自動提煉洞察，按主題分類
幫PMO 團隊喺會議結束 30 秒內自動輸出項目時間線表格：邊個階段做咩事，邊個團隊負責配合。
單純嘅「會議記錄」喺2026年已經唔係新鮮事，將「嗰個崗位最唔想做但又要做嘅dirty work 做咗」。呢個先係付費點。
題外話：硬件形態喺呢個維度值得單獨講一句。
Plaud 做實體錄音筆 + AI 總結，Limitless 在被 Meta 收購前做嘅係可穿戴記憶設備 Pendant 。
佢哋做啱咗一件事：將場景由線上會議擴展到線下對話，甚至全天候個人記憶。呢個意味住 capture 嘅邊界喺擴闊。
好多人會忽略一點：用一個 APP 錄音，你要先諗起打開佢，呢個係一個好有意識、好刻意嘅動作。但如果係一個硬件：掛喺胸前、貼喺手機背面：你見到佢，就會諗起要用。硬件嘅實體存在本身就係喚起機制。
由我哋自己嘅體感嚟講，AI 喺生活中嘅應用，最終一定會走向硬件同實體。
原因好簡單：
硬件睇得見、摸得着，帶喺身就會隨時諗起用。
一個硬件俾咗一個可以影相嘅實體，更加適合influencer 用嚟創作傳播。
軟件收埋喺手機幾十個 APP 中間，你唔刻意記住佢，就會唔記得用。好多時決定用戶留存的唔係功能好唔好，而係佢記唔記得去用。
但 capture 從來唔係終點。
呢條路線真正嘅分水嶺係 resurfacing：喺你需要嘅時候重新出現。
你三星期前同客戶傾過嘅一個定價細節，喺你寫方案嘅時候自動彈出提示；
你上個月見候選人時提到嘅一個顧慮，喺你做offer 決定時彈出；
一個喺會議紀錄列得平淡無奇嘅 to do，到咗對應時間點會提醒你：呢件事你似乎未做。
商業化判斷： 誰能把 用戶甚至唔需要記得自己曾經記錄過呢件事 做好咗，就贏咗。
第四維：垂直工作流層
呢一層嘅本質係深度理解行業knowledge嘅產出系統。
代表：Nuance Dragon Medical（醫療；Microsoft 以 $19.7B 收購 Nuance）、Gong/Chorus（銷售）、各類法律轉寫工具
好唔sexy ，但壁壘最深嘅維度。需要大量前期累積，適合垂直行業 insider 老手嘅創業方向。
護城河唔來自某一項技術，而來自五層疊加：專業詞庫、合規認證、行業數據、同現有系統嘅綁定、用戶轉移成本。
呢啲都唔係技術壁壘，係資源壁壘。
大廠用通用能力複製唔到，因為每一層都需要時間同行業關係去儲，講到底都係數據，LLM 廠商未必攞到呢啲細分垂直嘅數據。
呢個同我哋喺第三維講嘅邏輯形成對比：會議層嘅創業公司怕嘅係 Zoom 產品經理下個季度嘅 OKR，而垂直工作流層怕嘅從來唔係大廠：係競品入行時間夠唔夠耐、行業知識夠唔夠深、渠道累積夠唔夠多。
具體嚟講，每個垂直場景要嘅嘢完全唔同：
醫生要嘅係結構化病歷，口述三分鐘，出嚟嘅係一份可以直接歸檔嘅病歷文件，而唔係一篇要護士再花十五分鐘整理嘅錄音稿。
銷售唔係要會議錄音：要嘅係客戶預算、競品資訊、決策鏈、下一步跟進動作，會議結束後 CRM 自動更新。呢件事我哋喺第三維講過：會議摘要層嘅產品如果想生存落嚟，就要向呢個方向行。而垂直工作流層嘅產品，由第一日就要將客戶嘅「next to do」融入產品。
律師要嘅係庭審記錄、證據摘要、案情梳理：而且每一段文本必須可以追溯、引用、質證。「大概意思啱」喺法庭上等於冇啱。
商業化判斷：
四個維度裏面，呢一層係最唔需要懷疑「係咪真需求」嘅。付費意願明確：效率提升可量化，替代方案轉移成本極高，ROI 可以精確到分鐘同人效。
真正嘅難點唔喺需求端，而喺供給端：行業知識、合規資質、系統整合、KA 客戶渠道、數據源頭。每一樣都係用時間換返嚟嘅門檻。
我哋內部判斷一個商業模式行唔行得通，通常由呢四個維度拆解：產品、渠道、轉化、營運。
呢一層嘅特點係：每一個維度單點拉長形成長板，單點突破，對於一個想切入呢個市場嘅優秀創業團隊嚟講都唔難，但係四個維度都做好，後來者要追就好難。
通用聽寫鬥嘅係「效率」，垂直工作流鬥嘅係行業經驗同資源沉澱。
中文市場：跳過聽寫，直接進入「語音→結構化內容」
中國人對住手機講嘢冇心理障礙，因為微信語音訊息已經訓練咗十年嘅肌肉記憶，訊飛輸入法日語音調用超 10 億次，語音輸入喺中文市場根本唔存在「教育用戶」呢個環節。
對比嚟睇，Wispr Flow 嘅 CEO 2025 年融資時仲強調要說服用戶「voice is faster than typing」，強調嘅核心痛點係英文用戶長期唔用語音因為系統聽寫「too dumb」：中國用戶早就用腳投票。
既然講嘢嘅習慣唔使培養，問題就變成：講完之後點算？
對短訊息同搜尋嚟講，系統輸入法已經將「講嘢轉文字」做到 90 分。
訊飛、搜狗、豆包、微信語音鍵盤覆蓋咗日常打字嘅絕大多數場景，呢一層基本上冇創業公司嘅生存空間。但係對長段落、需要「成文」嘅場景，系統輸入法完全唔夠。
中文口語嘅問題唔喺詞彙層，我哋冇英文咁多 um/uh/like 要清理。
問題喺結構層：我哋講出嚟嘅嘢係碎片化嘅，「然後」、「即係」、「嗰個」堆到一地，邏輯跳躍，句子唔完整。
呢種碎片靠「潤色」修唔好，要靠結構化重組先可以變成可用產出。
英文賽道嘅解法係「令口語似書面語」：去 filler、修語法、調語氣。
中文賽道嘅解法要再行前一步：將口語碎片直接變成系統裏面應該有嘅嘢。
呢件事已經有人做緊：
釘釘 2025 年上線語音生成日報
通義聽悟將長音頻自動拆成結構化會議記錄（議題+決策+待辦）
訊飛醫療嘅「訊錄」將醫生口述直接變成電子病歷
銷售易 NeoAgent 令銷售透過語音自動更新 CRM 記錄
呢啲產品驗證咗同一件事：「語音→結構化產出」喺中文市場有真實付費意願，「語音→純文字」就冇。
舉幾個更具體嘅場景：
銷售拜訪完客戶，喺𨋢入面對住手機講兩分鐘，CRM 裏面嘅客戶狀態、預算、下一步跟進 30 秒內自動寫好
員工收工前對住手機講三分鐘，日報週報自動生成，格式對齊公司模板
醫生一邊睇症一邊口述，病歷草稿即時成型，返轉頭改兩筆就可以簽名
創作者講十分鐘思路，自動拆成小紅書文案、Podcast大綱、影片腳本三個版本
呢啲工作嘅交付物主要係文字，而AI 最擅長文字。而且仲說明咗一個共性，用戶唔抗拒表達，但如果可以節省講完之後要坐低花 20 分鐘打成系統需要嘅格式。
將呢 20 分鐘壓到 30 秒：呢個先係俾錢嘅理由。
咁問題嚟喇：切邊個場景？
會議記錄呢條路已經係紅海。
飛書、通義、釘釘、訊飛四個巨頭喺度打，同歐美 Zoom/Teams/Google Meet 擠壓 Otter 嘅邏輯一樣：通用摘要嘅差異化正快速被抹平，創業公司好難喺呢個位生存。
藍海喺更加碎片化嘅垂直場景：
銷售嘅 CRM 填寫、醫生嘅病歷、內容創作者嘅多平台適配、教育場景嘅筆記整理。但呢啲場景嘅付費難度完全唔同。
中國用戶為「慳時間」付費嘅門檻比歐美高好多，你要令用戶覺得「如果冇呢個工具我今晚要俾多一粒鐘」，先撐得起一個獨立產品嘅現金流。
值得注意嘅係路徑選擇嘅差異：
Wispr Flow 2026 年推出 Command Mode，開始向結構化方向行，CEO 明確要做「voice-led operating system」。海外嘅路徑係先用通用聽寫獲客，再疊加結構化服務：因為英文用戶首先要被說服「語音比打字快」，呢一步本身就係產品價值。
中國嘅路徑要反過嚟：先由一個高痛感嘅結構化場景切入，用確定性嘅輸出證明價值，再橫向覆蓋。因為中國用戶已經習慣語音輸入，只靠「轉寫」收唔到錢。
終局可能殊途同歸，但起手勢決定咗你第一批用戶係邊個、付費意願有幾強、留存靠咩撐住。
張三豐教張無忌太極劍，問佢記住咗幾多。張無忌話全部唔記得，張三豐話可以上場。
呢個故事俾人引用到爛，但擺喺呢個賽道入面有一層可以斟酌嘅含義：
張無忌之所以可以忘記招式，係因為佢已經將每一招練過、拆過、理解過。
忘記嘅係形，留低嘅係對力量結構嘅直覺。
做中國市場嘅特定行業語音工作流產品都一樣：你要先將呢啲行業裏面嘅 dirty work 逐個啃過，理解每個場景入面「由口述到可用輸出」嘅完整磨擦鏈，之後先有資格做模型、做平台。
跳過具體招式直接講「語音意圖引擎」，大概率係空轉。
終局判斷
AI聽寫賽道正在經歷：
基礎能力俾系統級巨頭標準化之後，獨立產品一係向上長成「個人表達代理」（你用越耐佢越明你，轉移成本越高），一係向下插進垂直工作流（一旦接入CRM、HIS、ERP，就再也拔唔出嚟）。
中間啲「比系統自帶好少少，但冇深度綁定」嘅產品，就會係最先被淘汰嘅。
會被系統吞咗嘅：基礎轉寫、自動標點、去口頭語、簡單改寫、多語言輸入、短訊息潤色、翻譯。
Google 2026年4月已經發佈咗免費嘅AI Edge Eloquent，本地運行Gemma模型，自動去filler、改寫tone：呢個仲只係一個實驗性App，一旦整合入Android系統輸入法就係降維打擊。
Apple 2024年底已將Writing Tools（rewrite/proofread/summarize）做入iOS 18系統級。24-36個月內，呢啲能力會變成OS標配。
會留低嘅：跨app上下文感知（Wispr Flow 已經實現：喺Slack 自動用casual tone，喺電郵自動用 professional tone）、個人風格嘅長期記憶、企業術語庫、垂直場景嘅工作流綁定（醫生/律師/銷售/開發者）、深度語音編輯、本地私隱方案、同特定SaaS 嘅整合。
呢啲功能需要持續嘅個人數據累積，系統級工具短期內做唔到呢個深度。
能夠做大嘅只有兩個維度置：
一個係「個人表達代理」：用戶用得越多，AI越明你嘅風格、常用詞彙、寫作習慣。Wispr Flow 嘅數據證明咗呢條路：80%嘅6個月留存，用戶72%嘅日常打字透過語音完成，本質上已經形成輸入習慣替代。呢種產品嘅護城河係個人化數據飛輪。
另一個係「行業產出系統」：一旦接入業務系統（CRM、HIS、ERP），轉移成本極高。Otter.ai 嘅轉型係活教材：2025年3月突破$100M ARR，靠嘅已經唔係「會議摘要」，係Sales Agent（實時coaching）同SDR Agent（自動做產品demo）。訊飛醫療嘅「訊錄」都係同理：語音入去，電子病歷出嚟，嵌咗入醫院資訊系統就拔唔出。
中間地帶：「比系統輸入法好少少但冇工作流綁定嘅通用聽寫工具」：會被兩邊夾死。
三個預測
2026-2027年：
系統級AI改寫能力完成普及。
Google AI Edge Eloquent嘅Android系統整合版大概率喺呢個時間窗口落地（當前App Store描述已提及Android系統級鍵盤整合計劃）。
Apple下一代iOS大概率將Writing Tools與Dictation打通。
結論：定價喺$5-10/月嘅「基礎AI聽寫」工具失去增長空間，獲客成本急劇上升。
但Wispr Flow 呢類產品係咪真係會增速放緩？
目前冇證據。截至2026年4月佢仲係40% MoM增長，$700M估值。
如果佢嘅context awareness同個人風格記憶做得夠深，
系統級工具嘅普及反而可能幫佢教育市場：
用戶先喺系統輸入法養成語音習慣，然後因為「唔夠明我」轉移到專業工具。
類似Spotify嘅邏輯：系統播放器免費，但用戶願意為個人化體驗俾錢。
2027-2028年：
通用會議摘要工具分化。
Zoom 已經喺2024年10月從Marketplace移除Otter/Fathom/Colibri 等第三方AI工具，換成自己嘅AI Companion。但Otter 冇死：佢轉型為垂直AI Agent（Sales Agent做實時coaching，SDR Agent做自動demo），ARR由$81M（2024底）升到$100M（2025.3）。
結論：純會議摘要工具會死，能夠喺垂直場景取代人力動作嘅會生存落嚟。
2028年之後：
「AI聽寫」作為一個獨立品類名稱可能消失，但產品形態唔會消失：
會收斂到2-3個贏家，以「AI寫作OS」或「個人表達代理」嘅面目存在。
呢個好似密碼管理器嘅演化：系統自帶咗iCloud Keychain，但1Password 靠跨平台+企業功能+高級安全特性生存得好好，只係唔再叫自己做「密碼App」。
俾三類人嘅一段話
創業者：
唔好做「又一個更好嘅聽寫App」。
向上做，做「用三個月之後離唔開嘅個人表達代理」：
核心指標睇用戶第90日有冇超過50%輸入透過你嘅產品完成
（Wispr Flow 已經驗證咗72%呢個數字嘅可能性）。
向下做，做「某個崗位一定要填嘅表/一定要寫嘅文件」嘅語音自動化：
核心指標睇有冇接入業務系統、形成轉移成本。
投資人：
睇三個數字：
① 6個月留存（Wispr Flow 做到80%，呢個係標杆）；
② 單用戶月輸入字數嘅增長曲線（越升越多代表習慣形成）；
③ 個人化數據深度（有冇學到用戶嘅行業術語、常用表達、偏好格式）。
講唔出「用戶嘅數據越多產品越好用」呢個故事嘅，會被系統級能力食咗。
產品經理：
呢個賽道最可以遷移嘅能力，唔係語音識別：係「將模餬口語變成可信輸出」嘅設計能力。
具體包括：上文下理識別（用戶係寫緊電郵定發X？）、改寫強度控制（用戶想逐字定大幅改？）、
糾錯成本設計（錯咗一個字係打斷用戶定默默修正？）、信任建立（用戶幾時開始唔檢查就直接send？Wispr Flow 嘅答案係「0.5秒出結果+10%以下錯誤率」）。
呢啲問題，所有AI Agent產品都要解決。
聽寫就係Agent化嘅最小可行場景。
做過呢類產品嘅人，喺任何Agent團隊都係稀缺角色。
系統廠商攞走基礎能力，平台吞埋通用摘要，
留俾獨立產品嘅空間只剩兩塊：
一係深入一個行業深到人哋唔想跟call ，一係沉澱一個人嘅表達習慣耐到人哋冇辦法加入。基礎能力歸系統，深度綁定歸場景，個人表達歸記憶。
收斂係聽日嘅事，
但選位置係今日嘅事。
選擇大過努力。
創作本文嘅一啲討論花絮
我放咗一段影片花絮，係我同九日（@九日論道）關於呢次選題嘅一啲碎片討論。
我哋仲順手做咗件事：用兩款主流 AI 聽寫軟件（Typeless和 Get 筆記），
將呢段對話嘅音頻實時轉寫咗一次：目的係令你對照影片原聲，直接感受嚇而家優秀嘅聽寫應用嘅真實水準。附測試結果：
Typeless
- 全文完
過去，我們耳熟能詳的“聽寫產品”代表其實並不多，叫得上號的可能有訊飛、Otter、Notta 等。如今新生代 Plaud、WisprFlow、Typeless 等陸陸續續橫空出世，整個AI 聽寫賽道的玩家都變多了，競爭也變得更激烈了 ：一場百花齊放、百家爭鳴的時代正式拉開。“聽寫”就像諸子百家起於春秋（思想萌芽，學派不多），鼎盛於戰國（百家爭鳴）。
曾經的“錄音轉文字”到現在的“AI即聽即譯”，聽寫賽道正從簡單的轉寫，變成了理解用戶在說什麼，並試圖用更好的陳述方式還原文字、從幫用戶做轉錄漸漸代替了鍵盤輸入。
傳統聽寫的範式：聲音 → 文字。ASR 準確率是核心指標。
AI 加持後的新範式：聲音 → 意圖 → 可用結果，
結果可以是一段潤色過的文本、一個結構化任務、一封寫好的郵件，甚至一個被自動執行的動作。
人的口語天生不適合直接變成書面語。重複、猶豫、口頭禪、邏輯跳躍、句子不完整：這些問題用任何 ASR 模型都解決不了。因為它們不是識別問題，而是表達問題。
所以 AI 聽寫產品真正要做的事，是補上人類口語缺失的那部分：結構、語氣、上下文、意圖、格式。
接下來，就讓我們直接進入今天的正題：
聽寫賽道的四位面戰爭
Gboard 如果明天上線一個"自動潤色聽寫文本"的按鈕，多少 AI 聽寫創業公司的估值會被削掉一半？這不是假設，而是整個賽道正在面對的現實。
Google、Apple、Samsung、Microsoft：所有控制系統入口的玩家，都已經具備把"聽寫 + 清理 + 改寫"做成默認功能的技術儲備；
Whisper 類開源模型遍地都是，大模型可以反向糾正轉寫錯誤，端側推理能力正在快速提升：NPU 算力已從兩年前的個位數 TOPS 躍升到今天的 40-70+ TOPS。
未來的競爭是肉眼可見的激烈，但也並不是說中小公司就完全沒有一席之地了。
認清自己產品的定位在這個賽道里是非常重要的，你知道和誰競爭，你才知道怎麼去設計自己的大方針大方向，並在對應的大方針下優化好自己的產品。
實際上，"聽寫"這個賽道，被四股力量瓜分：
系統輸入法、AI 寫作代理、會議記憶工具、垂直工作流。
每一層的生存邏輯其實是有一定差異的。
四位面戰爭：誰吃入口，誰搶表達
第一位面：系統基建層
這一層的本質不是 App，而是操作系統的輸入基建。
代表： Gboard、Apple Dictation、Samsung Galaxy AI、Microsoft Voice Access、Nothing 手機的 Essential Voice
核心優勢：默認入口 + 系統權限 + 十億級分發。
用戶不需要安裝任何東西，打開鍵盤就能用。系統還能接觸通訊錄、日曆、文件、剪貼板。但這一層有一個結構性弱點：不敢替用戶做決定，即從錄音轉寫時的語譯策略必須保守。
它可以幫你加標點、去掉"嗯""那個"，但不會把你隨口說的一段話改寫成一封正式郵件。因為一旦改錯，丟單的就是整個手機市場。
Nothing 這個手機可能對大部分人來說蠻陌生的，我們也是最近才關注到這部手機。
主要原因是它把語音輸入變成了其手機主推的輸入方式，更接近 "Voice as System Entry" ：
按一下，說一句，系統替你處理（郵件，聊天）。
這種大膽的嘗試，也驗證了語音輸入在AI時代下會真的逐步代替手打鍵盤的方式，即AI聽寫的功能會越來越重要。
說句題外話，其實我們在寫這篇內容前就察覺自己的輸入方式已經在悄然被AI大模型軟件改變了。基本上，不管與哪個國內外大模型的對話方式首要就會選擇語音輸入的方式。
商業化判斷： 手機廠商不會把系統級能力交付給第三方，尤其是AI聽寫這麼重要的輸入口。
你如果執意想做一款"語音輸入法"APP（類似鍵盤輸入法應用），本質你就是在這個位面去參與競爭，但這個位面真正有話語權的參與者都是OS，你在未來就是跟 OS 直接打仗，所以贏面太小。
第二位面：表達增強層
這一層的本質，其實是在特定場景下，
基於原意做的表達增強，從而減少二次修正的時間，提升效率。
代表： Typeless、Wispr Flow、Superwhisper、Aqua、Willow、AudioPen
這一層的賣點是：
"在用戶自然語言表達之後，通過糾正語法、口癖、錯別字以及嘗試用更貼切的表達方式重組語句"來讓一段表達上較混亂的內容變成有章法、邏輯清晰的段落。像極了語文老師在替你修改作文的感覺。
Typeless 就會把它“為你節省了多少修改時間”的貢獻放在他產品的首頁，時刻提醒你，它高效如斯：
大致體驗上，我舉個例子：
你對着麥克風說：
普通聽寫直接輸出原話，而表達增強層的應用會輸出：
|
差距不在識別率，在於後面那一步改寫之後的信息傳遞效率。
不過Typeless 也切了鍵盤輸入的入口，用戶可以通過調起它的鍵盤輸入口去做語音內容的轉寫。但它又能繞過和OS系統在輸入法層面上的直接競爭（就算競爭也競爭不過）。怎麼理解這句話？
首先，OS 基建位面的競爭主要集中在“泛”聊天的文本輸入場景或者咱們說是高頻的對話場景，這種場景並不需要很官方無暇的表達，只要去掉一些基本的口癖和水詞，用正確的語法去轉寫出來就行。甚至在日常對話場景中，我們更希望能還原說話人的風格。
所以在這種日常交流的泛場景下，Typeless 這種很正式的但也比較複雜的轉寫並沒有明顯的優勢，而且作為鍵盤輸入法的時候，Typeless 沒有辦法做到錄音的時候同步出文字，它的交互是要等用戶一口氣說完才會進行全篇的轉寫，這種沒有辦法即時校對文字的體感很差（如果用戶沒法第一時間知道聽寫的轉寫是否正確，很多時候人們說完了一段後也會忘記之前說的是什麼，用戶又如何校驗Typeless 是否把自己的本意轉寫完整了呢？），且一定會拖慢日常對話的節奏。
以我自己的輸入習慣為例，我只有在寫大段文章內容的時候，才會去喚起起 Typeless。但我自己日常在微信裏，直接會使用微信自帶的語音轉文字輸入法，因為我覺得那樣能保留我的一些語氣。Typeless 往往會把我的非常多的語氣給去掉，也就是那些能保留我心情的語氣詞（嗯、額、耶等）都給去掉了。
所以說，這類APP在泛場景是沒優勢的。
但在特定的輸入場景，會自動分析上下文語境的、注重表達層的APP的優勢就來了。比如你說一句：“今天先不上了，明天再看看。”
在不同場景裏，就應該變成不同風格：
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 的特殊點在於它更強調：App-aware/social-aware/vibe-aware，而不是單純的“高準確率”。
所以它會嘗試理解：這是在 dating app 裏？是在工作軟件裏？是在客服後台？是在寫 X？是在寫 PRD？然後自動切換人格。
而且在一些更為特殊的對話場景，比如你和律師溝通、和老闆彙報工作的時候，注重表達層級別的官話式改寫就變得有優勢了。
注重表達層的競爭也很激烈，產品非常多。
但它的護城河並不是靠拼技術代差，而是要拼分發，多分發多拿數據。
拿到了數據就能沉澱出用戶的個人表達模型：寫作風格、專業詞庫、歷史習慣，這樣用戶就離不開你。
這一點上，Typeless 也是那麼做的。
你可以看到它的首屏，用了非常多的佔位來展示用戶個人表達模型的完善程度。
並且會幫我收錄，去記錄我自己的用戶詞典。
此處聲明，雖然筆者這邊非常濃墨重彩地講了很多 Typeless 的案例，但是在截稿前都沒有收 Typeless 的廣告費，我們是一家中立的行業媒體（嚴肅）。
看到這兒的各位開發者，如果你有自信你的產品能讓我們團隊產生 aha moment，或者說能絲滑嵌入我們媒體團隊的日常工作流，請聯繫我（kleo945，備註開發者），我會不收一分錢地幫你用心推廣產品。
然後說一下Wispr Flow， 它和Typeless 是怎樣的競爭關係？
我們可以這樣類比：他們不是Spotify vs Apple Music（同量級對手），更像Notion vs Obsidian
Wispr Flow = Notion：大融資、企業市場、平台化野心、閉源、高估值、從個人工具向企業協作OS演進。
Typeless = Obsidian：小團隊或bootstrapped、消費者驅動、免費層慷慨、社區口碑好、在特定用戶羣（如writer、doctor、個人使用者）中贏在"性價比+準確率"。
它們短期內不會正面交戰，因為：
Wispr Flow 的增長引擎是企業（125新企業客戶/周），Typeless 沒有企業銷售能力（無SOC2=進不了採購流程）。
Typeless 的增長引擎是個人用戶的Product Hunt口碑+慷慨free tier轉化，跟Wispr Flow 搶的是不同預算線的錢。
商業化判斷：
這類產品如果把自己定位成"更好的輸入法"，用戶不會付錢。
但如果定位成"效率工具"：幫你省掉每天反覆潤色郵件、消息、文檔的時間：就能收費了。
ASR 準確率是基操，絲滑嵌入每天的工作流才是結果。
另外，這一層的生存條件很苛刻：
你在特定場景中必須比 OS 默認體驗的聽寫好 10 倍，用戶才會多裝一個 App。
雖然咱們說術業有專攻，OS廠商沒必要去切垂類場景，技能點也是有限的，不能無限制亂點。
但如果哪天 Gboard 非要加了個"潤色文本"按鈕，開發者的日子肯定更難受。
所以真正能活下來的，是那些最懂分發的，能快堆積個人數據沉澱和圍繞用戶垂直領域的日常工作流的：讓用戶用得越久越爽，越離不開。
就像掃描全能王，即使蘋果自創了掃描功能，仍然阻擋不了掃描全能王的增長趨勢。
第三位面：會議/記憶層
這一層的本質不是轉寫工具，而是"替你做日常會後 dirty work 的TA"。
代表：Otter、Fireflies、Granola、Fathom、Plaud、Limitless（2025年12月已被 Meta 收購）
你不想花時間整理會議紀要、梳理每個人說了什麼、接下來誰該幹什麼：它幫你幹。
長音頻轉寫、說話人區分、自動摘要、行動項提取、同步到 CRM 和 Notion，一條龍服務的明明白白。
B2B 有明確的付費意願，結果可量化，乍一看是個非常 sexy 的商業模式。
但這一層有一個結構性壓力：
會議軟件巨頭只需要在現有產品上加一個功能，就能把你逼上正面戰場拼刺刀。
Zoom AI Companion、Microsoft Teams Copilot、Google Meet Gemini，全都在做 AI 會議總結。
通用摘要的差異化正在被快速抹平。這跟我們在第二位戰爭面裏講過的邏輯一模一樣：Gboard 上線一個"潤色"按鈕，表達增強層就要重新證明自己存在的理由。平台做功能優化的成本，遠低於創業公司建立一個獨立品類的成本。
開個玩笑，如果還在卯着勁做通用會議摘要，咱們的對手不是同賽道創業公司籤KA 的速度有多快，而是 Zoom 的產品經理想要完成下個季度的 OKR的決心有多大。
那麼，這個位面能活下來的產品，只有一條路：
進入垂直工作流，把"會議摘要"變成"和業務關聯的產出"。
舉個例子：
幫銷售團隊在會議結束 30 秒內自動更新 CRM 裏的客戶狀態、預算、下一步跟進動作
幫招聘團隊自動生成候選人評估卡，直接同步進人才池
幫用戶研究團隊從 20 場訪談裏自動提煉洞察，按主題聚類
幫 PMO 團隊在會議結束 30 秒內自動輸出項目 timeline 表格：哪個階段做什麼事，哪個團隊負責配合。
單純的"會議記錄"在2026年已不是新鮮事兒，把"那個崗位上最不想做但又必須做的dirty work 做了"。這才是付費點。
題外話：硬件形態在這個位面值得單獨說一句。
Plaud 做實體錄音筆 + AI 總結，Limitless 在被 Meta 收購前做的是可穿戴記憶設備 Pendant 。
它們做對了一件事：把場景從線上會議擴展到線下對話，甚至全天候個人記憶。這意味着 capture 的邊界在擴大。
很多人會忽視一個點：用一個 APP 錄音，你得先想起來打開它，這是一個非常有感知、非常刻意的動作。但如果它是一個硬件：別在胸前、貼在手機背面：你看到它，就想起來要用它。硬件的實體存在本身就是喚起機制。
從我們自己的體感來看，AI 在生活中的應用，最終一定會走向硬件和實體。
原因很簡單：
硬件看得見、摸得着，帶在身上就能隨時想起來用。
一個硬件給了一個可拍攝的實體，更符合influencer 們來做創作傳播。
軟件藏在手機裏幾十個 APP 中間，你不刻意記着它，就會忘掉它。很多時候決定用戶留存的不是功能好不好，而是他能不能想起來去用。
但 capture 從來不是終點。
這條路線真正的分水嶺是 resurfacing：在你需要的時候重新出現。
你三週前和客戶聊過的一個定價細節，在你寫方案的時候自動彈窗提示；
你上個月面試候選人時提到的一個顧慮，在你做 offer 決策時彈出來；
一個在會議紀要裏列得輕描淡寫的 to do，到了對應的時間點它會提醒你：這事兒你好像還沒幹。
商業化判斷： 誰能把 用戶甚至不需要記得自己曾經記錄過這件事 給做好了，就贏了。
第四位面：垂直工作流層
這一層的本質是深度理解行業knowhow 的產出系統。
代表：Nuance Dragon Medical（醫療；Microsoft 以 $19.7B 收購 Nuance）、Gong/Chorus（銷售）、各類法律轉寫工具
很不sexy ，但壁壘最深的位面。需要大量前期積累，適合垂直行業 insider 老炮兒的創業方向。
護城河不來自某一項技術，而來自五層疊加：專業詞庫、合規認證、行業數據、與既有系統的綁定、用戶遷移成本。
這些都不是技術壁壘，是資源壁壘。
大廠拿通用能力複製不了，因為每一層都需要時間和行業關係去堆，說白了還是數據，LLM 廠商未必拿得到這些細分垂類的數據。
這跟我們在第三位面裏講的邏輯形成對照：會議層的創業公司怕的是 Zoom 產品經理下個季度的 OKR，而垂直工作流層怕的從來不是大廠：是競品進入行業的時間夠不夠久、在行業的knowhow 夠不夠深、渠道積累夠不夠多。
具體來說，每個垂直場景要的東西完全不一樣：
醫生要的是結構化病歷，口述三分鐘，出來的是一份可以直接歸檔的病歷文書，而不是一篇需要護士再花十五分鐘整理的錄音稿。
銷售不是要會議錄音：要的是客戶預算、競品信息、決策鏈、下一步跟進動作，會議結束後 CRM 自動更新。這件事我們在第三位面講過：會議摘要層的產品如果想活下來，就得往這個方向走。而垂直工作流層的產品，從第一天就得把客戶的 " next to do "給融進產品裏。
律師要的是庭審記錄、證據摘要、案情梳理：而且每一段文本必須可追溯、可引用、可質證。"大概意思對了"在法庭上等於沒對。
商業化判斷：
四個位面裏，這一層是最不需要懷疑"是不是真需求"的。付費意願明確：效率提升可量化，替代方案遷移成本極高，ROI 可以精確到分鐘和人效。
真正的難點不在需求端，在供給端：行業 know-how、合規資質、系統集成、KA 客戶渠道，數據源頭。每一項都是時間換來的門檻。
我們內部判斷一個商業模式能不能跑通，通常從這四個維度拆解：產品、渠道、轉化、運營。
這一層的特點是：每一個維度單點拉長形成長板，單點突破，對於一個想切進這個市場的優秀創業團隊來說都不難，但是四個維度都做好，後來者要追上就很難了。
通用聽寫拼的是"效率"，垂直工作流拼的是行業經驗和資源沉澱。
中文市場：跳過聽寫，直接進入"語音→結構化內容"
中國人對着手機說話這件事沒有心理門檻，因為微信語音消息已經訓練了十年的肌肉記憶，訊飛輸入法日語音調用超 10 億次，語音輸入在中文市場根本不存在"教育用戶"這個環節。
對比來看，Wispr Flow 的 CEO 2025 年融資時還在強調要說服用戶"voice is faster than typing"，強調的核心痛點是英文用戶長期不用語音是因為系統聽寫"too dumb"：中國用戶早就用腳投票了。
既然說話的習慣不用培養，問題就變成了：說完之後怎麼辦？
對短消息和搜索來說，系統輸入法已經把"說話轉文字"做到了 90 分。
訊飛、搜狗、豆包、微信語音鍵盤覆蓋了日常打字的絕大多數場景，這一層基本沒有創業公司的生存空間。但對長段落、需要"成文"的場景，系統輸入法完全不夠。
中文口語的問題不在詞彙級，我們沒有英文那麼多 um/uh/like 要清理。
問題在結構級：我們說出來的話是碎片化的，"然後"、"就是"、"那個"堆了一地，邏輯跳躍，句子不完整。
這種碎片靠"潤色"修不好，得靠結構化重組才能變成可用的產出。
英文賽道的解法是"讓口語變得像書面語"：去 filler、修語法、調 tone。
中文賽道的解法得再往前一步：把口語碎片直接變成系統裏該有的那個東西。
這件事已經有人在做了：
釘釘 2025 年上線語音生成日報
通義聽悟把長音頻自動拆成結構化會議紀要（議題+決策+待辦）
訊飛醫療的"訊錄"把醫生口述直接變成電子病歷
銷售易 NeoAgent 讓銷售通過語音自動更新 CRM 記錄
這些產品驗證了同一件事："語音→結構化產出"在中文市場有真實付費意願，"語音→純文字"沒有。
舉幾個更具象的場景：
銷售拜訪完客戶，電梯裏對手機說兩分鐘，CRM 裏的客戶狀態、預算、下一步跟進 30 秒內自動寫好
員工下班前對着手機說三分鐘，日報週報自動生成，格式對齊公司模板
醫生邊看診邊口述，病歷草稿實時成型，回頭改兩筆就能簽字
創作者講十分鐘思路，自動拆成小紅書文案、播客大綱、視頻腳本三個版本
這些工作的交付物主要是文本，而AI 最擅長文本。並且還說明了一個共性，用戶不排斥表達，但如果能節省說完之後還要坐下來花 20 分鐘把它敲成系統需要的格式。
把這 20 分鐘壓到 30 秒：這才是付費的理由。
那問題來了：切哪個場景？
會議紀要這條路已經是紅海。
飛書、通義、釘釘、訊飛四個巨頭在打，跟歐美 Zoom/Teams/Google Meet 擠壓 Otter 的邏輯一樣：通用摘要的差異化正在被快速抹平，創業公司很難在這個位置活下來。
藍海在更碎片化的垂直場景：
銷售的 CRM 填寫、醫生的病歷、內容創作者的多平台適配、教育場景的筆記整理。但這些場景的付費難度完全不同。
中國用戶為"省時間"付費的閾值比歐美高得多，你得讓用戶覺得"如果沒有這個工具我今晚要多花一小時"，才撐得起一個獨立產品的現金流。
值得注意的是路徑選擇的差異：
Wispr Flow 2026 年推出 Command Mode，開始往結構化方向走，CEO 明確要做"voice-led operating system"。海外的路徑是先用通用聽寫獲客，再疊加結構化服務：因為英文用戶首先要被說服"語音比打字快"，這一步本身就是產品價值。
中國的路徑得反過來：先從一個高痛感的結構化場景切進去，用確定性的輸出證明價值，再橫向覆蓋。 因為中國用戶已經習慣語音輸入了，只靠"轉寫"收不到錢。
終局可能殊途同歸，但起手式決定了你第一批用戶是誰、付費意願有多強、留存靠什麼撐住。
張三丰教張無忌太極劍，問他記住了多少。張無忌說全忘了，張三丰說可以上了。
這個故事被引用爛了，但放在這個賽道里有一層可以琢磨下的含義：
張無忌之所以能忘招式，是因為他已經把每一招都練過、拆過、理解過了。
忘掉的是形，留下的是對力量結構的直覺。
做中國市場的特定行業語音工作流產品也一樣：你得先把這些行業裏的髒活一個一個啃過，理解每個場景裏"從口述到可用輸出"的完整摩擦鏈，然後才有資格做模型、做平台。
跳過具體招式直接談"語音意圖引擎"，大概率是空轉。
終局判斷
AI聽寫賽道正在經歷：
基礎能力被系統級巨頭標準化之後，獨立產品要麼向上長成"個人表達代理"（你用得越久它越懂你，遷移成本越高），要麼向下扎進垂直工作流（一旦接入CRM、HIS、ERP，就再也拔不出來）。
中間那些"比系統自帶好一點，但沒有深度綁定"的產品，就會是最先被幹掉的。
會被系統吞掉的：基礎轉寫、自動標點、去口頭語、簡單改寫、多語言輸入、短消息潤色、翻譯。
Google 2026年4月已經發布了免費的AI Edge Eloquent，本地運行Gemma模型，自動去filler、改寫tone：這還只是一個實驗性App，一旦集成進Android系統輸入法就是降維打擊。
Apple 2024年底已把Writing Tools（rewrite/proofread/summarize）做進了iOS 18系統級。24-36個月內，這些能力會成為OS標配。
會留下來的：跨app上下文感知（Wispr Flow 已實現：在Slack 自動用casual tone，在郵件自動用 professional tone）、個人風格的長期記憶、企業術語庫、垂直場景的工作流綁定（醫生/律師/銷售/開發者）、深度語音編輯、本地隱私方案、與特定SaaS 的集成。
這些功能需要持續的個人數據積累，系統級工具短期內做不到這個深度。
能做大的只有兩個位置：
一個是"個人表達代理"：用戶用得越多，AI越懂你的風格、常用詞彙、寫作習慣。Wispr Flow 的數據證明了這條路：80%的6個月留存，用戶72%的日常打字通過語音完成，本質上已經形成了輸入習慣替代。這種產品的護城河是個性化數據飛輪。
另一個是"行業產出系統"：一旦接入業務系統（CRM、HIS、ERP），遷移成本極高。Otter.ai 的轉型是活教材：2025年3月突破$100M ARR，靠的已經不是"會議摘要"，是Sales Agent（實時coaching）和SDR Agent（自動做產品demo）。訊飛醫療的"訊錄"也是同理：語音進去，電子病歷出來，嵌入醫院信息系統後就拔不出來了。
中間地帶："比系統輸入法好一點但沒有工作流綁定的通用聽寫工具"：會被兩端擠死。
三個預測
2026-2027年：
系統級AI改寫能力完成普及。
Google AI Edge Eloquent的Android系統集成版大概率在這個時間窗口落地（當前App Store描述已提及Android系統級鍵盤集成計劃）。
Apple下一代iOS大概率將Writing Tools與Dictation打通。
結論：定價在$5-10/月的"基礎AI聽寫"工具失去增長空間，獲客成本急劇上升。
但Wispr Flow 這類產品是否真的會增速放緩？
目前沒有證據。截至2026年4月它仍在40% MoM增長，$700M估值。
如果它的context awareness和個人風格記憶做得足夠深，
系統級工具的普及反而可能幫它教育市場：
用戶先在系統輸入法裏養成語音習慣，然後因為"不夠懂我"遷移到專業工具。
類似Spotify的邏輯：系統播放器免費，但用戶願意為個性化體驗付費。
2027-2028年：
通用會議摘要工具分化。
Zoom 已經在2024年10月從Marketplace移除Otter/Fathom/Colibri 等第三方AI工具，替換為自己的AI Companion。但Otter 沒死：它轉型為垂直AI Agent（Sales Agent做實時coaching，SDR Agent做自動demo），ARR從$81M（2024底）漲到$100M（2025.3）。
結論：純會議摘要工具會死，能在垂直場景裏替代人力動作的會活下來。
2028年之後：
"AI聽寫"作為一個獨立品類名稱可能消失，但產品形態不會消失：
會收斂到2-3個贏家，以"AI寫作OS"或"個人表達代理"的面目存在。
這更像密碼管理器的演化：系統自帶了iCloud Keychain，但1Password 靠跨平台+企業功能+高級安全特性活得很好，只是不再叫自己"密碼App"了。
給三類人的一段話
創業者：
不要做"又一個更好的聽寫App"。
往上做，做"用三個月之後離不開的個人表達代理"：
核心指標看用戶第90天是否有50%以上輸入通過你的產品完成
（Wispr Flow 已經驗證了72%這個數字的可能性）。
往下做，做"某個崗位必須填的表/必須寫的文檔"的語音自動化：
核心指標看是否接入了業務系統、形成遷移成本。
投資人：
看三個數：
① 6個月留存（Wispr Flow 做到80%，這是標杆）；
② 單用戶月輸入字數的增長曲線（越漲越多說明習慣在形成）；
③ 個人化數據深度（有沒有學到用戶的行業術語、常用表達、偏好格式）。
講不出"用戶的數據越多產品越好用"這個故事的，會被系統級能力吃掉。
產品經理：
這個賽道最可遷移的能力，不是語音識別：是"把模餬口語變成可信輸出"的設計能力。
具體包括：上下文識別（用戶在寫郵件還是發X ？）、改寫強度控制（用戶想要逐字還是大幅度改？）、
糾錯成本設計（錯了一個字是打斷用戶還是默默修正？）、信任建立（用戶什麼時候開始不檢查就直接發？Wispr Flow 的答案是"0.5秒出結果+10%以下錯誤率"）。
這些問題，所有AI Agent產品都要解決。
聽寫就是Agent化的最小可行場景。
做過這類產品的人，在任何Agent團隊都是稀缺角色。
系統廠商拿走基礎能力，平台吞掉通用摘要，
留給獨立產品的空間只剩兩塊：
要麼深入一個行業深到別人不願跟 call ，要麼沉澱一個人的表達習慣久到別人無法加註。基礎能力歸系統，深度綁定歸場景，個人表達歸記憶。
收斂是明天的事，
但選位置是今天的事。
選擇大於努力。
創作本文的一些討論花絮
我放了一段視頻花絮，是我和九日（@九日論道）關於這次選題時的一些碎片討論。
我們還順手做了件事：用兩款主流 AI 聽寫軟件（Typeless和 Get 筆記），
把這段對話的音頻實時轉寫了一遍 ：為了讓你對照視頻的原聲，直觀感受一下當下優秀的聽寫應用的真實水準。附測試結果：
Typeless
- 全文完