EN
◀ 返回收集
界面新闻

小红书「蜜薯」Personal Agent 先走智能眼镜:和 Rokid 联手,把社区经验接到「此时此地」

发布 2026-11-05 收集于 2026-11-07 00:00 AI 资讯 #ai#enterprise
全文

正在阅读:

小红书入场Personal Agent,先从一副眼镜开始?

本文为转载内容,授权事宜请联系原著作权人。

扫一扫下载界面新闻APP

小红书入场Personal Agent,先从一副眼镜开始?

如何在提高效率的同时,不削弱创作者持续分享的热情。

AI价值官 · 54分钟前

文丨AI价值官 星野

编辑丨美圻

过去两个月,Personal Agent赛道迅速升温。Meta、OpenAI、Anthropic等海外公司,阿里、腾讯等国内大厂相继推出产品,争夺下一代消费决策入口。

在这场风口角逐中,小红书也频频被提起。原因不难理解:经过多年积累,小红书沉淀了大量真实的生活经验,许多用户找餐厅、挑商品、规划旅行时,都会先来这里看看。外界普遍认为,小红书拥有做Personal Agent的内容富矿,下场似乎水到渠成。

然而,小红书并没有急于入局,目前AI布局主要集中在站内助手点点,需要等用户搜索、提问才会回应,距离能够持续感知需求、主动提供帮助的Personal Agent,还有相当一段距离。

如今,这一局面正在悄然改变。日前,小红书技术REDtech发布文章,在官宣了小红书蜜薯的同时,直接使用了“Personal Agent”的表述,并将长期愿景描述为“持续服务个人的Personal OS”。Rokid也在近期的新品发布会上确认,用户可以通过Rokid AI眼镜使用小红书蜜薯找店铺、挑商品。

这一次,小红书的Agent走出了自家App,借助智能眼镜进入线下生活场景,不再只是等待用户提问,还能在任务过程中持续获取现场信息,根据环境变化适时给出建议。

与大厂纷纷推出独立Agent应用不同,小红书选择先借助一副眼镜,把Agent带进真实世界。这既体现了它对自身优势的判断,也让外界看到了它在Personal Agent竞争中亟待补齐的短板。

从点点到蜜薯,当AI开始直接调用社区经验,替用户筛选信息、辅助决策,小红书还要面对另一重考验:如何在提高效率的同时,不削弱创作者持续分享的热情。

边看边聊激活社区经验,但眼镜只是技术试验场

先看小红书给蜜薯的定位:“AI生活搭子”。REDtech列举了四类日常场景:在陌生城市找本地人爱去的小店、对着菜单商量怎么点;比较两件商品的真实使用体验;了解新品饮料的尝鲜评价;根据近期笔记寻找周末的展览和市集。

这些场景的共同点是:用户要的不是一条搜索结果,而是“此时、此地、此事”的判断。这也是蜜薯选择智能眼镜这个小众载体的原因——让社区里沉淀的生活经验与真实场景发生联系。

过去,用户想找一家餐厅,需要打开小红书搜索、浏览笔记,根据自己的需求一一筛选。即便AI能总结攻略,用户仍然要主动描述问题、补充现场信息。智能眼镜改变了这个过程。

以“吃什么”为例,用户看到一家餐厅时,问一句“这家怎么样”,蜜薯便结合眼镜拍摄的店铺画面和社区经验进行判断。进店后,用户将镜头转向菜单,补充“我们有5个人,想尝特色,也要照顾口味和分量”,随着用户翻看菜单,蜜薯持续识别新出现的菜品,并结合此前的要求进行比较,在合适的时机给出点菜搭配建议。

小红书将这种随任务推进、按需获取现场信息的方式称为“渐进式感知”。实时多模态全双工负责边看边聊,Proactive延续任务、判断主动回应的时机,Memory则在后台积累个人背景,供后续交互调用。

这种现场感知,在一定程度上弥补了小红书缺少消费数据的短板。它虽然拿不到用户的历史订单,却可以感知用户眼前的场景和即时需求,获得更贴近消费决策现场的信息。

不过,技术上能够实现,并不意味着眼镜能成为大众级AI入口。IDC数据显示,2025年中国智能眼镜出货量为246万台,同比增长87.1%,2026年预计将突破491.5万台,但与智能手机的规模相比,仍然是一个小众市场。

IDC另一份报告也提到,2025年支持大模型语音助手的产品已占中国智能眼镜市场的50.5%,但多数AI功能仍停留在问答、翻译等通用场景,尚未形成真正驱动用户长期使用的核心价值。

用户还没有养成戴眼镜做消费决策的习惯。对小红书而言,智能眼镜更像一个技术验证场,用第一视角交互打磨实时多模态、主动服务和长期记忆这些关键能力。

要真正规模化,入口最终还得回到更普及、更高频的手机上。行业也已经出现这样的迹象。10月31日,苹果与阿里宣布千问接入国行Apple智能,iPhone用户可以通过“视觉智能”选择“询问千问”,识别眼前所见,摄像头理解现场正在变成系统级能力。

蜜薯在眼镜上验证的“边看边聊”,迁移到手机上几乎没有技术障碍。文章也描绘过这样的图景:用户在手机上规划复杂任务,戴上眼镜获得现场帮助,结束后再回顾和整理经历。

小红书从眼镜起步,目标显然不止于眼镜。

坐拥生活决策“品味数据”,但缺能办事的“手脚”

蜜薯并不是孤立的实验。过去半年,小红书在AI上的动作比外界想象的密集。

4月,小红书把人文智能实验室Hi Lab升级为AI一级部门Dots。10月16日,小红书又发布全员信,宣布把Dots与公司核心基础设施团队打通——半年内第二次对AI组织架构做重大调整。

全员信中,有一句话很能说明小红书的自我定位:技术价值不在于模型能力、算力规模的比拼,而在于模型与真实应用的深度融合。

9月,站内AI搜索产品“问一问”并入点点,进一步强化搜索与多轮对话能力。用户可以直接询问美食、出行、购物等问题,由AI结合社区内容整理答案,再继续细化需求。从组织调整到站内助手,小红书正在逐步把社区内容变成可以被AI调用的能力。

小红书之所以选择这条路线,靠的是长期积累的内容资产——业内常称之为“品味数据”。它来自用户的真实体验,包含个人偏好、消费评价和具体场景中的主观判断,分散在海量笔记与评论中。

这也是Muse、灵光等Personal Agent的能力边界:它们可以执行具体任务,却未必具备理解用户偏好、辅助消费决策所需的经验积累。

而小红书已经开始将其转化为具体的产品能力。如今,搜索“蓝牙耳机推荐”,最先看到的已经是AI整理的商品清单,标注参考了数千人的真实经验,点进去就能直达商品页面。社区内容由此从供用户浏览的笔记,变成了可以直接参与消费决策的依据。

不过,推荐只是Personal Agent能力的一部分。随着赛道升温,比拼的焦点正在从“谁的推荐更准”,转向“谁能把事情办完”。千问Go!背后有淘宝、高德、飞猪、支付宝等业务,可以帮用户与航空公司沟通延误赔偿、为汽车保养询价预约、申请淘宝价保;腾讯有微信和小程序生态,字节握着抖音电商和本地生活。

对照这些产品,小红书的能力边界就比较清楚了:它能告诉用户选择哪家餐厅,却未必能替用户取号、下单、核销团购。社区擅长发现需求、提供决策参考,但从推荐到交易,再到后续履约,还有很长一段距离。

这并不是小红书第一次面对这个问题。早期,小红书做过自营跨境电商“福利社”,也尝试过淘宝外链导购,随后逐渐转向以买手、第三方商家为核心的平台电商。2025、2026年小红书又先后与淘宝天猫、京东、美团推出“红猫计划”、“红京计划”和“红美计划”,尝试将社区种草与外部平台的交易、即时零售服务进一步打通。

几轮调整背后,始终是同一个难题:小红书能够创造消费需求,却不一定掌握最终的交易和履约。用户在社区里被种草,最后在其他平台下单,消费体验也很难回流。

进入Agent时代,这个问题会更加突出。面对这一短板,除了借助眼镜、摄像头和独立应用继续拓展自有入口,小红书还需要探索与外部商业生态的连接。

内容层面,小红书可以为第三方Agent提供一个经过授权的调用入口。外部Agent提出具体问题后,小红书根据权限提供相关笔记摘要、用户评价和原文链接,而不是直接开放全部社区内容。这样既能让外部Agent获取小红书的真实经验,也可以对内容调用范围和使用方式保留控制权。

履约层面,小红书并不缺少合作经验。过去一年,从“红猫计划”“红京计划”到“红美计划”,小红书已经形成了“内容种草—平台承接—数据回流”的合作模式,通过向外部平台导流,将社区流量转化为商业收益。

但进入Agent时代,这套“卖流量”的生意也会发生变化。一笔交易可能由多篇笔记提供决策依据,小红书负责提供社区经验,Agent负责筛选推荐,外部平台完成交易履约。各方贡献难以通过点击归因衡量,小红书、合作平台和创作者需要重新协商分成机制。

更重要的是,阿里、美团等并不缺少消费数据和用户行为记录,Agent可以进一步挖掘、激活这些数据,将其转化为理解用户偏好、辅助消费决策的能力,逐步削弱小红书的价值。在发展Agent的过程中,它们可能更倾向于打通内部闭环,而非向小红书开放更深层的交易能力。

未来,Personal Agent的竞争很可能不再是单个产品之间的较量,而是平台生态之间的竞争。小红书则需要找到自己的生态位置:既让社区经验成为Agent不可替代的决策依据,也让这些推荐能够顺畅地进入后续服务。

否则,即便拥有独特的内容优势,蜜薯也可能停留在一个更方便的生活攻略助手,难以成长为真正能替用户持续办事的Personal Agent。

Agent拿走答案之后,如何留住活人创作者?

无论是自己做Personal Agent,还是向外部Agent开放内容,小红书都绕不开一个问题:当AI越来越擅长直接提取和总结社区经验,原本依靠用户浏览、互动和分享运转的内容生态,会发生什么变化?

点点已经让一些创作者感受到了这种变化。

近期,有创作者在小红书发帖谈到,过去研究一道菜的做法,自己需要翻看各种笔记、总结经验,相关笔记也因此获得不少浏览。现在,点点可以直接整理出相关信息,用户看完答案就不再逐篇浏览,自己的笔记流量反而下降了。

有没有人觉得,小红书“点点”其实对创作者很不友好? 如果“点点”都能总结,那要创作者干嘛呢?我以前想看一道菜怎么做,可以通过看各种笔记,总结做法,笔记浏览量自然是高的,现在,点点帮你总结好了,还更全面,我直接看点点就好了~我想看一个问题怎么解决,也不需要看各种博主的解决方案,点点也帮你总结了。所以,博主辛辛苦苦写字、拍视频,最后全都成了点点的知识库,笔记浏览量反而下降了…… 内容创作者的至暗时刻就是在我精心录剪的视频下面@点点让它总结视频内容即使它只是一个2分钟不到的手帐笔记这比浏览量2位数还令我崩溃 内容创作者的至暗时刻就是在视频下支持点点比起没人看,这种不想看的行为更令人崩溃

类似的讨论也出现在评论区。有读者担心,从小红书转向点点,会不会削弱社区原本的“活人感”;也有人认为,两者服务于不同需求:想快速解决问题,可以直接问点点;想了解普通人的真实经历,还是需要回到原笔记。

这些反馈反映出点点对创作者的双重影响。一方面,AI整理社区内容,降低了信息筛选成本,让分散在不同笔记里的经验更容易被发现,为创作者带来新的流量。另一方面,如果用户看完AI总结就离开,原笔记缺少点击和互动,创作者也可能失去相应的阅读和反馈。

到了Personal Agent时代,这种影响还可能进一步放大。Agent不仅能总结笔记,还可以根据用户需求完成信息比较、商品筛选和消费推荐,用户与原笔记、原作者接触的机会可能随之减少。问题关键在于,AI能否在直接提供答案的同时,让用户与内容、创作者继续产生联系。

对小红书而言,社区经验是Personal Agent最重要的竞争优势之一,但这份优势并非凭空产生,而是来自普通用户长期、持续的内容分享。如果AI不断从社区获取经验,却逐渐削弱创作者分享的动力,最终受到影响的仍然是小红书自身的内容资产。

从这个角度看,小红书面临的挑战已经不只是能否做出一款好用的Personal Agent,还包括如何在AI提高内容使用效率的同时,维持社区持续生产真实经验的能力。

毕竟,Agent可以越来越擅长整理答案,但它所依赖的生活经验,仍然需要有人愿意分享。

小红书

4.1k

  • 小红书种草,正在改写生活服务的生意起点
  • 姆巴佩小红书、微博账号被禁言

发布评论

您至少需输入5个字

评论

暂无评论哦,快来评价一下吧!

本文为转载内容,授权事宜请联系原著作权人。

小红书入场Personal Agent,先从一副眼镜开始?

如何在提高效率的同时,不削弱创作者持续分享的热情。

AI价值官 · 2026/11/05 18:38

文丨AI价值官 星野

编辑丨美圻

过去两个月,Personal Agent赛道迅速升温。Meta、OpenAI、Anthropic等海外公司,阿里、腾讯等国内大厂相继推出产品,争夺下一代消费决策入口。

在这场风口角逐中,小红书也频频被提起。原因不难理解:经过多年积累,小红书沉淀了大量真实的生活经验,许多用户找餐厅、挑商品、规划旅行时,都会先来这里看看。外界普遍认为,小红书拥有做Personal Agent的内容富矿,下场似乎水到渠成。

然而,小红书并没有急于入局,目前AI布局主要集中在站内助手点点,需要等用户搜索、提问才会回应,距离能够持续感知需求、主动提供帮助的Personal Agent,还有相当一段距离。

如今,这一局面正在悄然改变。日前,小红书技术REDtech发布文章,在官宣了小红书蜜薯的同时,直接使用了“Personal Agent”的表述,并将长期愿景描述为“持续服务个人的Personal OS”。Rokid也在近期的新品发布会上确认,用户可以通过Rokid AI眼镜使用小红书蜜薯找店铺、挑商品。

这一次,小红书的Agent走出了自家App,借助智能眼镜进入线下生活场景,不再只是等待用户提问,还能在任务过程中持续获取现场信息,根据环境变化适时给出建议。

与大厂纷纷推出独立Agent应用不同,小红书选择先借助一副眼镜,把Agent带进真实世界。这既体现了它对自身优势的判断,也让外界看到了它在Personal Agent竞争中亟待补齐的短板。

从点点到蜜薯,当AI开始直接调用社区经验,替用户筛选信息、辅助决策,小红书还要面对另一重考验:如何在提高效率的同时,不削弱创作者持续分享的热情。

边看边聊激活社区经验,但眼镜只是技术试验场

先看小红书给蜜薯的定位:“AI生活搭子”。REDtech列举了四类日常场景:在陌生城市找本地人爱去的小店、对着菜单商量怎么点;比较两件商品的真实使用体验;了解新品饮料的尝鲜评价;根据近期笔记寻找周末的展览和市集。

这些场景的共同点是:用户要的不是一条搜索结果,而是“此时、此地、此事”的判断。这也是蜜薯选择智能眼镜这个小众载体的原因——让社区里沉淀的生活经验与真实场景发生联系。

过去,用户想找一家餐厅,需要打开小红书搜索、浏览笔记,根据自己的需求一一筛选。即便AI能总结攻略,用户仍然要主动描述问题、补充现场信息。智能眼镜改变了这个过程。

以“吃什么”为例,用户看到一家餐厅时,问一句“这家怎么样”,蜜薯便结合眼镜拍摄的店铺画面和社区经验进行判断。进店后,用户将镜头转向菜单,补充“我们有5个人,想尝特色,也要照顾口味和分量”,随着用户翻看菜单,蜜薯持续识别新出现的菜品,并结合此前的要求进行比较,在合适的时机给出点菜搭配建议。

小红书将这种随任务推进、按需获取现场信息的方式称为“渐进式感知”。实时多模态全双工负责边看边聊,Proactive延续任务、判断主动回应的时机,Memory则在后台积累个人背景,供后续交互调用。

这种现场感知,在一定程度上弥补了小红书缺少消费数据的短板。它虽然拿不到用户的历史订单,却可以感知用户眼前的场景和即时需求,获得更贴近消费决策现场的信息。

不过,技术上能够实现,并不意味着眼镜能成为大众级AI入口。IDC数据显示,2025年中国智能眼镜出货量为246万台,同比增长87.1%,2026年预计将突破491.5万台,但与智能手机的规模相比,仍然是一个小众市场。

IDC另一份报告也提到,2025年支持大模型语音助手的产品已占中国智能眼镜市场的50.5%,但多数AI功能仍停留在问答、翻译等通用场景,尚未形成真正驱动用户长期使用的核心价值。

用户还没有养成戴眼镜做消费决策的习惯。对小红书而言,智能眼镜更像一个技术验证场,用第一视角交互打磨实时多模态、主动服务和长期记忆这些关键能力。

要真正规模化,入口最终还得回到更普及、更高频的手机上。行业也已经出现这样的迹象。10月31日,苹果与阿里宣布千问接入国行Apple智能,iPhone用户可以通过“视觉智能”选择“询问千问”,识别眼前所见,摄像头理解现场正在变成系统级能力。

蜜薯在眼镜上验证的“边看边聊”,迁移到手机上几乎没有技术障碍。文章也描绘过这样的图景:用户在手机上规划复杂任务,戴上眼镜获得现场帮助,结束后再回顾和整理经历。

小红书从眼镜起步,目标显然不止于眼镜。

坐拥生活决策“品味数据”,但缺能办事的“手脚”

蜜薯并不是孤立的实验。过去半年,小红书在AI上的动作比外界想象的密集。

4月,小红书把人文智能实验室Hi Lab升级为AI一级部门Dots。10月16日,小红书又发布全员信,宣布把Dots与公司核心基础设施团队打通——半年内第二次对AI组织架构做重大调整。

全员信中,有一句话很能说明小红书的自我定位:技术价值不在于模型能力、算力规模的比拼,而在于模型与真实应用的深度融合。

9月,站内AI搜索产品“问一问”并入点点,进一步强化搜索与多轮对话能力。用户可以直接询问美食、出行、购物等问题,由AI结合社区内容整理答案,再继续细化需求。从组织调整到站内助手,小红书正在逐步把社区内容变成可以被AI调用的能力。

小红书之所以选择这条路线,靠的是长期积累的内容资产——业内常称之为“品味数据”。它来自用户的真实体验,包含个人偏好、消费评价和具体场景中的主观判断,分散在海量笔记与评论中。

这也是Muse、灵光等Personal Agent的能力边界:它们可以执行具体任务,却未必具备理解用户偏好、辅助消费决策所需的经验积累。

而小红书已经开始将其转化为具体的产品能力。如今,搜索“蓝牙耳机推荐”,最先看到的已经是AI整理的商品清单,标注参考

原文信息
标题
小红书「蜜薯」Personal Agent 先走智能眼镜:和 Rokid 联手,把社区经验接到「此时此地」
作者
—
来源
界面新闻
发布
2026-11-05
收集于
2026-11-07 00:00 · 2026-11-07-00-ai.json
链接
https://www.jiemian.com/article/15299401.html
打开原文 ↗

转载,侵删。版权归原作者,如有侵权请来信,收到后删除。

同一批次的其他文章

00:00批次 · 2026-11-0712 篇
>

Ramp:企业 AI 用量还在涨,但支出几乎不动——头部 1% 人均花费从夏季峰值回落,降价与控成本正在改写模型公司的收入曲线

Ramp 称 8–9 月 token 支出仅增 1.5%(7 月曾环比 +42%),用量上升说明需求还在,但价格战、企业路由到更便宜模型(含决策模型 Jev)以及预算管控,让「用量涨、账单不涨」。文章把它放在 Anthropic IPO 窗口前:Bloomberg 转述估值预期已…

TechCrunch
>

Anthropic 1.5 万亿美元 IPO 遇阻:投资者嫌贵、等 10 月收入,中期选举后的数据中心公投又砸了科技股

路透称路演能否下周启动存疑;有人从最高约 2 万亿预期回落到觉得 1.5 万亿也贵,甚至有人只愿给约 1 万亿。理由包括仍亏损、烧钱扩基建、S-1 缺 10 月数字。多州限制数据中心的公投过关加剧抛售;若继续承压,最高估约千亿美元规模的发行可能延期,并牵连整个 AI 板块信心。

The Decoder
>

Frontier Radar #5:若 AGI 已近,为何大佬还在出走办「新实验室」?梳理 45 家 neolab 的六类技术赌注

专题把独立研究型 AI 公司称为 neolab,按「更好的学习方式 / 不只靠语言 / 独占真实数据 / 算力效率 / 自动化科研 / 不拼第一名也赚钱」六类赌注整理约 27 家详档加近 20 家简述,并点出英伟达几乎处处下注。适合做战略扫描:看清大厂产品化压力之外,资本在押哪条…

The Decoder
>

Stratechery Sharp Tech 上视频:美国选民如何投票「数据中心」、对大科技与 Google AI 回应意味着什么

Ben Thompson 把 Sharp Tech 首次做成视频,讨论中期选举里数据中心议题如何影响大科技叙事,以及 Google 对 AI 竞争的回应。偏宏观产业与资本开支政治风险,适合对照本周公投与抛售新闻。

Stratechery
>

亚马逊上线「短信版 Alexa 购物」:用自然语言短信搜、比、下单,还在屏蔽 Muse 爬站之后抢回入口

部分美国用户受邀开通后,可向「Amazon Alexa」发短信完成搜索、加购、下单,也可发照片找相似商品;会学习偏好并盯价。背景是 9 月屏蔽 Meta Muse 查询亚马逊站点,假日季前用自有文本智能体守住交易入口。许可为亚马逊消费产品(非自托管);集成对外部 Agent 仍关…

Amazon / TechCrunch
>

Visa 发布 Agentic Commerce Benchmark:22 个模型购物通过率仅 57.2%,一半失败单仍「买了」

要求通过对话挖全隐藏需求,合适才买、不合适应拒买。最好模型尝试通过率 82.2%,最差 28.9%;三次全过仅 34.2%;54% 失败运行仍以购买结束。Visa 称 72% 美国人用过 AI 助手,但只有 23% 信任 AI 代付。对要上线代购/代付智能体的企业,这是可对照的行…

Visa
>

Google Antigravity v2.29:远程智能体(云端继续跑)+ Gemini Live 语音,面向 AI Pro/Ultra 放量

远程智能体让对话在 Google 管理的云环境跑,合上电脑或换设备也能继续;也可在 antigravity.google.com/remote 打开。另有语音模式、重做的 Automations(定时/常开/暂停)、原生 Jupyter 查看器。托管在 Google 账户体系内,…

Google Antigravity
>

中国移动开源智能体引擎「九天·聚智 JoinAI-Agent」:多智能体协同,零代码扩展 MCP 与 A2A

官方介绍为移动在智能体引擎领域的首个开源项目,支持以零代码方式扩展 MCP 工具与 A2A 智能体,降低个性化智能体应用门槛。适合关注运营商/国内开源 Agent 运行时与协议兼容(MCP/A2A)的团队;具体许可证与部署形态请看原文与仓库。

中国移动
>

Physicl 获 1000 万美元种子轮:把电商级高保真 3D 管线,做成机器人/世界模型的合成数据 Studio

创始人来自 nfinite;产品含约 1 万环境、10 万资产,侧重困难边界案例的后训练数据。客户 SpAItial 用其提高从 2D 生成 3D 仿真的保真度。商业 SaaS/数据工具向,非模型权重开源;对做 sim-to-real 与合成数据闭环的团队可关注。

TechCrunch
>

Ai2 开源 ToyBlocks:首个「FoundationWorld」——桌面积木臂仿真,自动生成演示,研究长程推理与 sim-to-real

改进什么:机器人演示窄、难归因失败。怎么做:可控仿真 + 自动任务/演示生成 + 行为度量;积木带字母图案,支持推/翻/堆与域随机化;Isaac Lab RL + TAMP,单卡可达约 24× 实时。首批公开约 8.5 万条长程演示(约 1600 小时)。真实 Franka 上原…

Hugging Face / Ai2
>

Nace.AI 开源 Drex 决策模型族:输入状态 + 题型,一次前向给出各选项概率,不对文本「生成」

改进什么:很多路由/风控/分类只要校准概率,不必生成长文。怎么做:Drex Max(27B 多模态)、Drex v2.0(35B MoE/约 3B 激活)等,兼容 TypeSafe 风格 `/v1/systemone`,可本地 Python/llama.cpp/Ollama。许可…

Nace.AI
>

Underdog 展示仅 32MB 的端侧 TTS 模型 Woof:浏览器离线朗读,另有 Bark 转写与 27B 本地模型

改进什么:云语音助手贵且不私有。怎么做:约 3100 万参数、31.7MB 的开源 TTS,配合网页小游戏演示;此前还有约 167MB 端侧 ASR Bark。定位美国产、开放、可私人部署的端侧语音栈,并排队本地 Muse/Instinct 替代应用。适合边缘助手与私有语音流水线…

TechCrunch