前Nothing AI负责人创业Relay Q，获Nebulon投资

随着大模型能力提升，人机交互模式是否需重新设计成为焦点，语音正站上这一轮交互前沿。Wispr Flow估值已达20亿美元，硬件也以多种形态展开尝试。

随心所语创始人许奇经历横跨腾讯、一加、飞书和Nothing。作为Nothing早期员工，他曾负责Nothing OS产品体验、软硬件结合，后期组建AI团队探索AI落地与新形态硬件。今年4月离开Nothing，开始探索Relay Q，获Nebulon Ventures及另一家美元基金投资。Relay Q预计2027年CES发布并发货。

许奇认为，上下文采集要计算ROI，很多可穿戴设备成本从第一天发生，价值却很晚出现；语音输入最难平衡的是智能程度、延迟和成本；最看重“说完不用修改、一次发出去”的比例；输入交互必须足够中立，这恰是创业公司的空间。

关于持续采集上下文，许奇表示，录音卡是从功能和场景出发的直觉产品，而always on类产品尚未有人真正做通产品化和商业化。他尝试后认为，持续采集的信息往往像流水账，需较长周期才能挖掘价值，但用户若当天得不到价值就难坚持佩戴；穿戴设备还有充电等摩擦，价值须明显高于成本。视觉信息处理目前技术低效、算力成本高，声音单位信息密度高，更适合作为上下文入口，但全天候采集会降低信息密度。

Relay Q最基础可理解为原生输入设备，逻辑类似输入法但增加意图理解层，不只让内容可读、结构化，也剥离意图与输出内容的关系，覆盖键盘承担的多种输入场景。例如：识别对话对象，给海外同事说中文可输出英文；一句话含多个意图，如约见面同时建日程；话里缺信息时实时搜索补全；交给Agent执行任务。许奇强调，给AI输入时过度结构化未必好，给同事上司发消息适当结构化有意义，给亲友发消息则不能太过结构化。

与Typeless相比，Relay意图理解和优化范围更宽，分三层：更懂当下上下文，识别在哪个App、和谁说话，参考当前窗口和选中内容；更了解用户，长期记住偏好、人际关系和常用术语，可查看修改；能调用工具，如填地址、输出命令或公式，Mac版Relay Skills可把内容送到指定App、人和Agent，用户也可自建Skill。

许奇认为最难的是平衡智能程度、延迟和成本。模型设计分层：简单回应本地完成；其他内容先经决策模型判断需求类型，再交给合适模型；环境嘈杂时让多模态模型直接听音频。简单的事几乎不用等，需要更强智能时按需调用。北极星指标是内容一次性发送率，因此在延迟优化上投入很大。

Relay Q的形态源于语音能力增强但场景摩擦大：开放办公室怕打扰、隐私不便等，希望安静办公室或嘈杂咖啡馆都能用语音。