当整个行业都在比谁的模型参数更大、谁的 benchmark 跑分更高时，阳萌花了近三年、押上两百多个 AI 工程师，做了一颗芯片——它能在耳机里跑起百万级参数的模型，而这在过去是不可想象的。

它要解决的问题具体到近乎琐碎：让你在嘈杂的机场、在背景音乱糟糟的视频会议里打电话，对面能听清你的人声，而不是连同广播一起灌过去。

这是张小珺《商业访谈录》对安克创新创始人阳萌四小时深访里，特别不性感、却特别值得拆的一段。一家做充电宝起家、市值六百亿的公司，为什么要绕开"接入大模型"这条人人都在走的捷径，回头去啃一颗存算一体芯片？这背后是阳萌对"AI 到底怎么落地"的一整套判断——和今天满屏的"AI native"叙事几乎反着来。

以下是我们的拆解和判断。

顺了十一年，然后撞上一堵墙

要理解阳萌为什么去做这颗芯片，得先回到 2022 年那场他自己形容为"压抑甚至绝望"的危机。

安克前十一年走得太顺了。阳萌的原话是："这世界特别公平的。前面没经过融资困难、过得也很顺，那这几年其实过得还挺痛苦的。"他用打游戏作比：一开始选的不是 hard 模式，是 easy，打得很好就升到 medium，medium 也打得不错——直到 2022 年，medium 这一关卡住了。

卡在哪？那几年安克铺了二十几条产品线，接近二十条在真实的商业竞争里打不过各行业的独角兽。"凭什么公司的一个产品线，能打得过外面的一家独角兽？"这是当时压在团队头上的问题，答案是打不过。阳萌后来复盘，问题不在产品线铺得多还是少，而在更底下一层：这家公司没有真正领先的核心技术，二十几个品类都是靠"品质做好 + 微创新"的打法堆出来的，没有一样东西是别人做不了的。

他借了一个外人的镜子照自己。今年二月，爱普生 CEO 来安克拜访，介绍产品时是这么讲的：爱普生做了某项底层技术，做得很深，再从这项技术里衍生出两三个品类。轮到阳萌介绍，他讲的是安克做了充电、做了影音、做了家庭自动化，每个方向下面又做了一堆品类。爱普生 CEO 很真诚地夸："阳萌你们好厉害，做这么多品类。"阳萌的反应是——惭愧。一个是从一项硬技术里长出几个品类，一个是没有硬技术却铺了一堆品类，谁的地基更稳，他心里清楚。

所以 2022 年那场挫折，逼出了安克这些年的一次大转向：往技术上深挖，2023 年专门成立实验室做深科技；往组织上，重新讲清楚"我们到底要造什么、靠什么价值观造出来"。存算一体芯片，就是这个实验室的产物之一。

阳萌想从一家"品质好、带点微创新"的公司，变成一家"性能最好、最创新"的公司。用他的话说，medium 打得挺好的，就应该去打 hard，"而不是停在 medium 舒舒服服的"。

在一个创始人平均每十八个月就要追一个新风口的时代，阳萌做的是相反的事：不改名、不蹭概念，先承认自己过去十一年的打法到顶了，然后回去补"核心技术"这种又慢又笨的功夫。

那颗芯片，本质是在抄人脑的作业

危机讲完，回到那颗芯片本身。它的来历，是一条非常干净的第一性原理推导链。

安克在声音领域做降噪。传统的降噪分四步：先用几个麦克风算出声音从哪来（beamforming），再降背景噪音，再做回声消除，最后做人声增强。十年前，这四步都靠数学模型和程序硬写。2021 年开始，安克把其中一些子问题换成深度学习的小模型。到 2023 年看见 ChatGPT，阳萌判断：未来不该再用"分治法"把大问题拆成小问题各个击破，而该转向端到端——一个模型直接吞下整个问题。

但端到端要跑的模型太大，跑不动。问题不在模型不够聪明，而在一个特别物理的瓶颈——搬运。

阳萌讲得很细：声音处理要把每一秒切成几百个时间片，每处理一片，都要把模型的全部参数从内存搬到 NPU 算一次。一秒钟几百次，搬运本身就占了最大的功耗。耳机芯片扛不住这个功耗，所以只能把模型缩到很小，性能大打折扣。

他顺着这个瓶颈往下刨，刨到了计算机的地基。计算机前八十年的架构叫冯诺依曼架构，一句话概括就是"存算分离"：程序和数据放在内存里，算的时候搬一小块进 CPU。这套架构和"分治法"是绝配——既然每次只用到程序的一小部分，那把存储和计算分开、用时再搬，就很合理。

可端到端时代，这个稳定的三角形被打破了。你产出的不再是几十万行代码，而是一整个神经网络；解每个问题都要动用整张网络的大部分参数。这时候还沿用"算一次搬一次全部参数"的老办法，效率天然就低。

阳萌打了个比方，把这个瓶颈讲得很干净：这就像你把所有知识存在左脑。分治法时代，每次解题只调用一小部分知识，搬到右脑算一下就行；可端到端时代，你解每个问题都得把左脑相当大一部分搬到右脑，这就不合理了。那人脑是怎么做的？人脑是存算一体的——存储就是神经元，计算也是同一批神经元，算的时候根本不搬运任何参数，天然高效。

于是答案浮出水面：从存算分离的冯诺依曼，转成存算一体的类脑架构，功耗显著下降，耳机这种小设备里就能跑起大参数模型。把几个数字摆清楚——这颗芯片的总容量约四百万参数，可以同时承载几个模型，单个降噪模型最大约两百万参数；若用老架构硬塞，耳机芯片只扛得住三五十万参数那么小的模型，性能直接打折。差的就是"搬运"这一刀。

放眼全世界，没有人做出他要的那种芯片——有做存算的公司，但定义的产品和安克要的完全不是一回事。"所以我们就非常自然地选择做这颗芯片。"这个决策在公司层面"并没有经过大量反复的研讨"，因为价值观一旦变了，这就是你该做的事。

项目 2023 年 8 月启动，到 2026 年 5 月芯片产品才上市，中间近三年。为了让你在机场打电话听得清，安克造了一颗世界上原本不存在的芯片。

"造了这么大一个锤子，就为敲这么小一颗钉子，值吗？"

张小珺在访谈里直接把这个疑问甩了出来："这感觉是造了个这么大的锤子，就做了一个这么小的细节优化，值得吗？"这是个好问题，也是理解阳萌整套思路的钥匙。

他的回答分两层。短期看，这是一个特别确定、用户特别痛的痛点——你开会时被对方嘈杂的背景音打扰过多少次？有人专门为这个去找安静环境开会。安克这颗芯片不光能滤掉噪音，还能做"轻声通话"：你压低声音说话，对面照样听得清清楚楚。

长期看，"它是锤子系列的第一个锤子"。这颗芯片要解决的不只是降噪，而是"在功耗受限的小设备里跑起大模型"这件事本身。 一旦你能在耳机这种小设备上跑起百万级参数的模型，能做的就远不止降噪。

阳萌把这条路铺到了具身智能。他借人脑打比方：云端跑万亿参数的超级大脑解最难的问题；端侧跑十亿到百亿参数的模型实时处理现场；而几百万到几千万参数的小模型，跑在各种感知器官和控制器上——就像你的眼睛有视神经先把光信号处理过、只把少量信息传给大脑，而不是让大脑直接指挥每一个肌肉细胞。每一个传感器、每一个控制器上，都该跑一个和它复杂度匹配的小神经网络，而这些小模型就该跑在存算一体的芯片上。 顺着这条逻辑，那颗为耳机造的降噪芯片，是通往机器人感知与控制的第一块垫脚石。

这条路不只停在 PPT 上。安克在安防系统上已经把"端侧跑大模型"的思路跑通过一遍：它在全球安防市场排第二，基站上搭了一个不到二十亿参数的本地大模型，所有视频在本地处理、不离开你家，你可以直接用文字问"我女儿回来没有""我家的猫狗在哪"。需要说清楚的是，这套安防用的还是传统架构下的本地推理，不是那颗存算一体芯片——存算一体目前只落到了耳机一颗芯片上，安防是它的"思路预演"，不是"规模化证据"。再往前，他们在做一条"看家狗"机器狗：安防发现入侵者后，这条狗能去驱离，把"发现"升级成"驱离"，闭合安全的价值环。

这套打法，是对"AI native"的一次祛魅

阳萌这套思路里，有一处和当下主流叙事正面撞上的地方，值得单独拎出来。

张小珺问他:你们这些都是"已有硬件 + AI"，不是 AI native 的产品，你们有 AI native 的产品吗？

阳萌没有顺着这个时髦词往下接，而是搬出了一段十年前的历史。十年前物联网刚兴起，所有人都说"硬件都要重新做一遍"，传统厂家显得落后,带物联网技术进场的显得先进。 可十年下来，真正赢的是哪边？是"在一个品类里有扎实场景、并且能进化"的公司，而不是"有技术、一定要冲进这个品类"的公司。

他把这个观察叠到今天："物联网才是第一性原理，AI native 不是。"消费者根本不关心你的物联网、不关心你的 AI，他只关心体验有没有更舒适、更高效、更开心。所以改变一个品类，需要的从来是三样东西：领先的技术、对场景的产品化理解、全球化的商业能力——AI 只是技术那一格里的新变量，不是把一切推倒重来的理由。

这就是为什么阳萌对智能眼镜按兵不动，对人形机器人却愿意下注。他判断智能眼镜前面有三波大厂要抢——手机厂、互联网大厂、模型公司——都盯着"人机交互入口"那张椅子，安克挤不进去。 而人形机器人的技术栈"完全不收敛"：大脑什么架构、腰关节怎么长，没人有定论。正因为没收敛，安克才有机会。哪里挤满了巨头，他就退;哪里还是一片混沌，他才进。

阳萌还顺手戳破了满世界的"智能家居"。你家马桶上十几个按钮，那不叫智能，叫"可调节"。 真正的智能是能感知你的状态、自己调自己——一把智能的椅子该是感知到你开会就调正、感知到你打游戏就把靠背放平，而不是堆十几个你腰酸背痛了才想起来的旋钮。今天绝大多数"智能家居"卡在"可调节"，因为它们上面"根本没有模型"。而让产品真正智能起来需要的感知、规划、控制三种能力，恰好是自动驾驶先跑通、如今正向家庭产品"溢出"的东西。

两个不该被这套叙事盖过去的问题

阳萌这套推导很完整，完整到容易让人忘了它建在两个赌注上。

一、把算法刻进硅基，是一场赌架构停滞的豪赌。 阳萌说得很坦诚：这颗芯片只给安克自己用，因为它为安克的模型量身定制，给别人用就等于把模型也交出去。这背后其实是一笔更冷的商业算计：百模大战里，API 几乎抹平了软件层的壁垒，硬件厂想要一条别人复制不了的护城河，就只剩"把 AI 固化进硅基"这一条。可固化的代价是赌定制周期内架构不变——芯片从立项到上市要近三年，而端侧模型的架构恰恰还在剧烈变动。一旦再来一次"分治法→端到端"那样的跳变，这颗耗时三年定制的芯片，可能瞬间变成一块昂贵的废铁。阳萌赌的是存算一体在推理侧有几年稳定窗口，这个方向我认同，但它远没有他讲得那么"非常自然"。

二、"反 AI native"里，藏着一半第一性原理、一半生存政治。 阳萌用物联网的历史祛魅 AI native，前半段很有说服力——有场景的公司确实在物联网十年里赢了有技术没场景的公司。但这个类比有边界：物联网本质是"连接"，它没改变产品能做什么；而 AI 在某些品类里改变的是产品能力本身。把两者等同，会低估那些真正被 AI 重新定义、而非"加了个 AI"的品类。更值得点破的是另一半：阳萌对智能眼镜按兵不动，未必只因为"AI native 是伪命题"，更因为眼镜前面排着手机厂、互联网大厂、模型公司三道墙，安克根本拿不到入场券。他退守耳机、安防、机器人这些巨头还没盯上的角落，是巨头阴影下的选址智慧，不全是什么第一性原理。更准确的说法或许是：AI native 不是普适的第一性原理，但在技术栈尚未收敛、巨头还没杀进来的新品类里，它既是机会，也是退路。

声入商业说

我们不搬运四小时的原话，我们帮你拎出那条特别值得记住的判断线。

阳萌这期值得记的，不是他讲了多前沿的技术，是他示范了一种在 AI 喧嚣里很稀缺的姿态：从一个琐碎到极点的痛点（机场打电话听不清）出发，一路推到计算机架构的地基（存算一体），再推到具身智能的未来。 他的反共识不是一句口号，而是一连串实打实的物理取舍——芯片选存算一体、品类挤满巨头就退、技术栈不收敛才进。

在一个人人都急着给产品贴 AI 标签的年份，一个市值六百亿的创始人选择用近三年、两百多个工程师，去解决"让你在机场打电话听得清"——这件事本身，就是对这个浮躁行业的一记冷水。

评论区想听听你的判断：你愿意为"在任何环境都能听清的通话"多付多少钱？这种"看不见的好"，到底是不是一个值得砸一颗芯片的需求？

想听完整的四小时，小宇宙搜索"张小珺 商业访谈录 阳萌"，或点击阅读原文。