凤凰网科技《海浪》出品

作家｜赵子坤、米朵

剪辑｜董雨晴

本年寰球东谈主工智能大会（WAIC）时代，Soul 的展台上，两样东西招引了全场焦点：一个是灵敏互动的“实时数字东谈主”，一款名为“B Soul ”的AI硬件。

后者尤其引东谈主留心。在东谈主东谈主齐争抢AI原生人机、AI眼镜等“下一个进口”的这一年，Soul拿出的却是一个不行替代手机的小东西——外形圆滔滔，像徽章，像腕表，又像电子宠物。

这很难不让东谈主意思：一家以“灵魂酬酢”起家的公司，为什么要作念硬件？致使还驱动大举膺惩B端市集，将其千里淀的时期实力，对外输出成一整套包含模子、顾虑系统、合领域块的“场景措置决议”。

畴昔一年，Soul动作时常。十个月内，Soul接连开源了六款模子，并获取了可以的成绩：播客语音合成模子SoulX-Podcast登顶HuggingFaceTTS趋势榜；实时数字东谈主生成模子SoulX-FlashTalk初度将14B数字东谈主作念到0.87秒亚秒级超低延时；轻量化的SoulX-FlashHead能在单张4090显卡上跑出96帧的工业级速率；本年6月，Soul开源的端到端多东谈主对话转录模子SoulX-Transcriber，在多个会议数据集上跑赢了主流商用模子。

在开源社区蕴蓄的声量，成为其时期实力对外商用的底气。这也条款他们往时期的深水区扎去，其自主研发的 SoulX 实时多模态交互时期体系，主打面向下一代东谈主机交互场景，不追求通用大模子的“无所不知”，而是一头扎进了实时联结、格式感知、语音优先的东谈主机交互办法。

一家酬酢起家的公司，若何在AI海浪中寻求我方的全新身位？又想对外展现出如何的分辩于其他模子厂商的互异化智力？在2026寰球东谈主工智能大会（WAIC）前夜，Soul CTO陶明剿袭了凤凰网科技《海浪》栏目的独家专访。这是他初度对外系统地评释Soul从App走向硬件、从To C走向To B的政策逻辑。

谈及调换之难，陶明在访谈中坦言“Soul濒临的品牌见识窘境”，是以要作念举座的政策升级。

“想让环球知谈的是，Soul是一家模应一体的公司。咱们以SoulX为载体，一方面赋能咱们的酬酢业务，不竭擢升SoulX自身的后果智力；另外一方面，把SoulX延展到产业链上去。”

陶明还透露，畴昔一年间，Soul里面的工程师已不再被饱读动“手搓代码”。“变革这个事，不存在平滑的、舒缓的变革。舒缓地去变革，你曾经跟不上了，一定要激进。”

在号称“激进”的摸索经由中，陶明坦承，作念硬件确实也“踩了好多坑”，指出曾经认为“作念To B一定是赔钱的”的不雅点盲区，认为Soul的破局之谈在于走出一条极致互异化的旅途：把硬件作念成IP载体，把To B生意作念成场景化的交互措置决议，并严慎地试探AI与东谈主之间那条模糊的互动领域。

以下是凤凰网科技《海浪》与Soul CTO陶明对话实录，经过不更动欢跃的更动：

对于硬件“B Soul ”：不是为了作念硬件，而是为了让联接走出屏幕

凤凰网科技：本年WAIC环球齐在争线下末端，Soul作念“B Soul”这款硬件的想路和初心是什么？

陶明：咱们的起点和他们不太一样。好多模子公司作念硬件，是追热门，找模子的愚弄办法。Soul的起点，是想把咱们App里遍地随时的格式价值联接，延迟到实际社会里来。畴昔，你掀开Soul，就能体验到这种联接；但关掉手机，你的实际和捏造寰球就十足割裂了。

咱们开始想，这个硬件是不是要把App里的相干转移出来？其后想开了，用户要的是一个隧谈的体验，Soul App是沉静的，这个末端是另一个沉静的体验空间，两者不是必须要联接。“B Soul”不是手机的替代，而是一个能感知格式、随时在场的交互进口，是一个东谈主机交互的伴随器用。

凤凰网科技：如果不是手机的“替代品”，这款硬件最终如何界说我方，指标用户是谁？

陶明：咱们只界说它能给用户带来什么。它可以作为宽广的情感伴随器用，可以算作一个个性抒发、潮水的IP配饰，肖似胸针、腕表，中枢用户如故年青东谈主。但最遑急的是，咱们畴昔会在里面投放普遍的IP扮装。咱们卖的不是硬件，是IP。比如，你可以和迪士尼IP、咱们自有IP的扮装对话。就像环球买泡泡玛特，买的不是阿谁盲盒，是盲盒背后的IP。

畴昔硬件里会内置捏造东谈主，用户也可以我方去构建心爱的捏造东谈主，可以自界说音色，有语音交互的智力，还有一些器用层面的，比如哄睡这些。

凤凰网科技：在国内作念硬件是场硬仗，一定会濒临的一个问题是，华强北作念了若何办？

陶明：按照底本的这种硬件想路去作念，你笃定会挂牵，因为你只须卖得好，你的硬件一定会被copy。面前国内普遍的AI硬件其实齐在国外拿到了收益，但在国内很难。

是以咱们的想路是，一定要把IP和硬件结合起来。卖的不是硬件，我卖的是IP。你的互异化旅途要打好，IP不是其他公司或者去替代的。咱们自身其实也在发展IP，面前Soul有的捏造东谈主在全网有几百万的粉丝，它们也会入驻到咱们的硬件里面。这些粉丝齐是咱们硬件的潜在购买者。

率直讲，硬件要作念得一模一样其实很简便。但咱们有特有IP，再加上自身模子的措置决议，就构建了无可替代的互异化。

凤凰网科技：作念硬件的想路跟作念软件十足不同，你们在这个经由中踩过什么坑？

陶明：笃定是踩了好多坑。软件更多时候是快速上线、快速迭代，线上响应。硬件最驱动咱们想的是，不找代工场，我方绕过供应商去采购硬件，我方作念措置决议。其后发现根蒂莫得办法，对下流供应商的品控也很难，致使齐不知谈该若何入手。也想过找一个团队来作念，其后发现如故莫得这个基因，终末如故寄托给第三方的供应商。

畴昔如果要再发硬件，也不会我方构建团队去作念，如故交给配结伙伴。咱们如故作念擅长的事情，把软的方面、交互模子措置决议作念得更好。

凤凰网科技：你们对出货量有预期吗？

陶明：咱们有大的预期，但像有的公司卖硬件立场比较悍戾，便是价钱打到最低。Soul如故不太一样，咱们这款会有互异化的订价探讨，咱们卖的不是硬件，卖的是IP。

“格式感知”的时期内核：咱们要的不单是一个“问答机器”

凤凰网科技：外界对Soul的见识如故一家酬酢公司，但你们也推出了我方的交互模子SoulX ，很强调格式感知与交互，这和追求“智能”的通用大模子，在时期竣事上有什么不同？

陶明：这十足是由咱们要达到的后决然定的。第一，咱们要呈现的感朋友互是十足符合东谈主和东谈主行径的范式的。是以在交互阵势上，不是一来一趟，而是随时可以相互打断；第二，它必须有绝顶强的格式感知，不单要联结你说了什么，还要感知你的格式，并决策以什么格式回应你。

为了竣事这少许，咱们的西宾数据不仅是语料，更有海量的合规“行径语料”，比如言语的断点、副语言，口吻词等。这使得它能联结语言背后的格式，而不单是是翰墨逻辑。

凤凰网科技：SoulX主打“语音为先、面向多模态”为时期内核，为什么如斯强调“语音为先”？

陶明：视频交互信息密度最大，但用户的行径老本高。翰墨简便，但信息密度低。语音是兼顾了低老本和高信息密度的最普适的阵势。东谈主在言语时，语音能表征的东西远比翰墨多，这反而让时期处理难度更大。但咱们的重心不是单纯的语音克隆，而是在语音基础上加入了强盛的情感、格式感知。这是咱们跟市面上其他语音模子最大的互异化。

凤凰网科技：Soul构建了“自有愚弄—产业生态”双层愚弄体系，那Soul App作为模子迭代的锤真金不怕火场，在数据响应和场景考据上，能带来什么上风吗？

陶明：通用模子其实无所谓东谈主机交互的千里浸度，或者探讨东谈主与AI交互的领域问题，便是吸援用户不竭地去内容阔绰。但对Soul来讲就不一样，是以这个周期曲直常绝顶长的，这是咱们跟其他公司不太一样的场所。咱们居品很早就构建起来了，但鼓吹速率会很慢。

这如故成绩于，Soul App自身如故要以东谈主和东谈主的交互为主、东谈主机交互为辅。是以此次政策升级亦然基于这么的探讨，有必要把Soul App和要去作念东谈主机交互进口分开来，相互之间不会耦合得那么紧。

从To C到To B：“作念To B很容易赔钱”，但咱们找到了互异化的解法

凤凰网科技：Soul正从酬酢平台转向“AI生态公司”，你们也想要把SoulX的智力对外通达给B端，这种挫折是如何发生的？

陶明：咱们2019年就驱动作念生成式AI，但直到2023年后，咱们发现东谈主才市集并不认为Soul是一家AI公司，这很赔本。是以咱们驱动不绝开源模子，开始是为了招引东谈主才。但出东谈主预想的是，开源后在产业端引起了巨大反响，机器东谈主、伴随、语音对话等领域的客户齐找上门来，但愿咱们提供决议。

但其时行业共鸣是，单纯作念ToB，要么是竞标，托福难、账期长；要么是卖token，齐在卷价钱，作念一单亏一单。其后咱们决定作念，就要走互异化途径。

凤凰网科技：Soul互异化的 ToB 打发是什么？

陶明： 咱们只定位在东谈主机交互的场景，而且是需要格式感知的场景，比如具身智能、智能座舱、内容演绎（如AI漫剧）。咱们不单是一个模子API提供商，而是提供一整套包含模子、顾虑系统、合领域块的“场景措置决议”。

在生意模式上，咱们也更通达。咱们不会大领域采购算力，而是选拔与算力中心配合，把模子部署在他们哪里，客户使用时咱们只参与分红。这么咱们只须毛利，莫得千里重的算力老本。

这个模式在国内跑通明，来岁上半年咱们就会回身去作念国外，推出英文版模子。

凤凰网科技：你们会把谁在这个领域中视为竞争敌手？

陶明：其实并不行算是竞争敌手，因为大部分如故通用模子玩家，但细分下来，咱们作念的如故不太一样。互异化的点在于，他们更多只是提供API，咱们提供的是场景措置决议。第二个是老本上风。第三个，亦然咱们以为语音交互里面最遑急的，叫作念音色IP。这是最遑急的声息钞票，咱们比较其他家会有雄壮的IP库。

咱们但愿，无为的用户或者在咱们的平台上上传我方的音色IP。当他的音色被客户选拔事后，能得到一个很好的分红。因为Soul自身有很大的语音场景，咱们自然就有好多动听的音色IP，这个措置了绝顶大的痛点，面前不管是AI漫剧、AI短剧，如故短剧配音，齐需要丰富的音色IP。这跟卖脸不一样，卖脸是卖一次性的，畴昔，卖咱们的IP库是无间性的，基于Token分红。

AI在酬酢中的领域：“咱们罕见让AI不无缺”

凤凰网科技：Soul此次在WAIC还展示了SoulX实时数字东谈主，它比较于前几年咱们看到的数字东谈主有什么新进步？

陶明：时期途径十足不一样。底本的数字东谈主是驱动式的，对系数这个词东谈主进行建模后，通过动作象征来驱动模子，你会发现它很机械，也没什么神采，可能能作念200套动作，但少许齐不丝滑。面前咱们十足是基于生成式的模子时期来作念的，而且是实时的。

咱们但愿畴昔在捏造空间里面，逻辑上有一个我方的联接体存在，或者有一个交互对象在，它是能自大的、有形象的、有脾气的。这是交互的最高层面，我能看见你，你也能看见我，交互体验是更千里浸式的。

无为用户用我方一张像片，上传一下，就可以让它动起来了。刻下咱们所展示出来的智力，并不是单纯只可作念伴随类的，更多的还想开释在产业链上，比如作念数字东谈主直播。底本的数字东谈主直播如故要靠东谈主后头去作念动作，要么是录播的，要么是基于录制式驱动的。实时交互的，咱们在国内应该算曲直常早进行探索的，曾经经开源出来了。

凤凰网科技：数字东谈主要作念到实时交互，时期难点是什么？

陶明：主如果时延的问题，以实时延和后果若何均衡。你要它绝顶丝滑，生成后果要好，同期不行嗅觉一帧一帧向上，那就条款时延一定要低。

而且，模子体积一定不行大，不行说我构建个大领域参数的模子来作念实时数字东谈主，那笃定不行。至少1秒32帧，大领域参数的生成不了，或者老本很高。咱们只可在几B的模子上把它构建起来，这就条款咱们的表征、隐空间、量化要作念得更紧密。刻下来看，咱们是行业里比较少在这一块或者达到这么后果的。

凤凰网科技：若何把老本戒指在可控范围？

陶明：实时数字东谈主决议还好，因为它是小B模子，单卡4090上就能跑。咱们因为一直主打的是实时，实时条款算力的密集度会更高，是以只可说一驱动你的决议就应该是低功耗、低老本的。不算好的话，即使用大领域参数构建出这么的时期，也莫得办刑场景化，没办法无间迭代后果。从一驱动就要把账算好。

凤凰网科技：AI捏造东谈主容易让东谈主千里迷，Soul在居品考虑上如何把抓领域？

陶明：在Soul的生态构建里，包含几个方面，一个是用户体验，第二个是用户安全，第三个是内容安全。咱们是从移动互联网下半场才进场的，2016年底。那时候监管其实曾经缓缓驱动料理了，咱们从阿谁时候驱动就特殊于随着监管全部走到面前。

咱们面前的想维是会更有备无患，提前发现问题，前置地去构建措置决议来避让。是以从上线初驱动就很克制，莫得主动的进口，到面前为止，平台莫得交互过的捏造东谈主不会主动去触达用户。

咱们的理念是，即使时期能作念到无缺，咱们也但愿捏造东谈主是个“不无缺”的气象。如果一个AI什么齐应和你，太无缺了，在实际生涯里，这可能便是一个有目的的“杀猪盘”。

是以咱们但愿在交互中通过这种不无缺，让用户不单看到捏造提醒的象征，而在聊天经由中就本能地感知到，保持见识，不要太千里浸。

时期层面，咱们有沉静的AI安全模子，对用户输入和AI输出进行双重审核；居品层面，咱们有显耀的AI象征，当用户与AI连气儿对话达2小时，系统会强制弹出提醒，忽视休息。这齐是咱们生态料理的一部分。

凤凰网科技：AI的介入，会冲击Soul主站“东谈主和东谈主酬酢”的根蒂吗？

陶明：在Soul上，咱们一直救助AI为辅，东谈主和东谈主的酬酢才是根蒂。面前的数据反而证据注解，AI在促进东谈主和东谈主的酬酢。好多底本酬酢智力不彊、抒发憨涩的“低活”用户，在跟AI聊天的经由中，酬酢想维被“西宾”出来了，变得更快意、也更有智力去跟真东谈主沟通。这变成了一个正向的飞轮。

AI在Soul里是一个器用，当这个器用和咱们个性化、影响力驱动的社区场景结合时，它的生意智力就体现出来了。这就像在雨水多的南边卖雨伞，才能卖出好生意。相通的AI器用，在不同的社区泥土里，长出的生意果实是十足不一样的。

政策回身与畴昔：但愿成为东谈主机交互的“基础模范”

凤凰网科技：你们里面面前用AI写代码的比例高吗？

陶明：AI coding是大趋势，咱们面前时期团队是不饱读动工程师手搓代码。前段时刻刚举办了AI立异竞赛行径元创营，无为职工也往这条路上走。

因为变革这个事情，它不存在很平滑的、舒缓的变革。如果说舒缓地去变革，那你曾经跟不上了，逾期了。你一定要激进。在激进的经由中会有个平允，迫使环球的想维硬转过来。舒缓的话，环球的想维惯性是存在的，他认为还巧合刻。硬转的经由中，就不得不换个想维来面对这个事情。

凤凰网科技：会有风险吗？AI写的代码出问题若何办？

陶明：绝顶有啊。但这不是AI的问题，是你自身要构建一个pipeline，尽可能保险AI写的代码是稳当条款的，是或者正确的。因为不可能说畴昔AI写的代码齐是100%正确的，尤其是复杂工程里面。是以非论如何齐需要构建pipeline来保险它。为什么面前Agent时期起来后，对AI coding这个事情也有绝顶大的促进作用？它亦然措置决议的一种阵势，我可以给Agent更多的skill，可以让Agent去loop地写代码，去作念cross check，这齐是东谈主要去考虑的。

凤凰网科技：外界印象中Soul是一家酬酢公司，但这些年嗅觉越来越像一家AI公司，这个变化是若何发生的？

陶明：其确实前年之前，咱们还定位在Soul是一家酬酢公司。自然环球对Soul的AI感知蛮潜入的。一方面Soul自身的SoulX，在Soul里面的居品赋能和后果，用户是或者看得到的。另一方面咱们也开源了五六款模子，在社区里面也达到了比较好的反响。但即便环球知谈Soul里的AI作念得很好，但市集也好、用户也好，把Soul定位成一家AI公司，如故比较难的。

是以说，本年咱们作念系数这个词政策升级。畴昔对外更多想传递的是，Soul其实是一家模应一体的公司。咱们以SoulX为载体，一方面赋能咱们的酬酢业务，不竭提高SoulX自身的后果智力；另外一方面，把SoulX延展到产业链上去。畴昔更但愿被视为一个AI生态公司。底本的酬酢只是这个生态中的一部分。

凤凰网科技：从酬酢公司到AI生态公司，政策升级经由中，让你最焦急的是什么？

陶明：Soul App自身的稳态发展曾经很熟谙了。新的ToB业务承载着咱们畴昔极大的联想力，刻下让我焦急的是，咱们能否真确给客户带来实质价值。咱们自然通过推演找到了互异化旅途，但还需要时刻去奉行。咱们面对的客户是居品提供方，他们背后才是末端用户，咱们隔了一层，如何确保咱们传递的价值是真实灵验的，这是计较想维挫折中最大的挑战。

凤凰网科技：Soul最终但愿成为一家什么样的公司？

陶明：咱们但愿界说为AI生态公司。畴昔的物理寰球，AI的进口不一定只发生在手机上，会是多个互异化的硬件。咱们但愿成为系数这些需要“格式感朋友互”的硬件末端背后的主要劳动商和基础模范提供商。

咱们不久也会公布更多的发达，环球会看到，大部分具身智能、智能座舱的品牌，齐可能是咱们畴昔的政策配结伙伴。咱们的指标是，有格式感朋友互需求的场所就有Soul的措置决议。

从时期上看云开体育，咱们最近发布的SoulX-LiveAct模子就让我很振作，它象征着咱们迈出了实时多模态交互的遑急一步。接下来曾经不单是单纯的数字东谈主，而且能识别我的动作。比如我端起水杯喝涎水，咱们就但愿屏幕里的数字东谈主也能意志、识别到。它正在让交互从单纯的格式生成，走向意图联结与形态抒发的结合，这是畴昔绝顶有联想力的办法。