从《Her》到“来福电台”：AI音频的陪伴之路

文｜周鑫雨

访谈整理｜钟楚笛

编辑｜苏建勋

《Her》这部电影，在2013年上映后，成为了焦可心中的挚爱。影片中的AI角色Samantha，没有实体形象，仅凭借温柔沉静的声音，便让男主角潸然泪下。这一幕，深深触动了焦可：“仅仅是声音，就能产生如此强烈的情感链接。”

△前百川智能联合创始人、“来福电台”创始人兼CEO焦可，图源：受访者供图

在《Her》设定的时间2025年初，焦可离开百川智能，选择创业，成立了AI音频公司——来福电台。此时，音频领域正充满争议。Google在2023年7月发布的NotebookLM，将用户研究资料转化为音频，为AI播客领域带来了新的想象空间。然而，国内音频领域成绩平平，头部产品小宇宙的月活仅600万左右，远不及长视频平台。

在融资过程中，焦可也面临诸多质疑：音频传递信息的效率不及视频，市场天花板似乎不高。但他坚信，音频具有独特的陪伴属性，是人类最自然的交互方式。他强调：“让音频发挥最大优势的，正是AI。”

一方面，语音理解和生成技术解决了供给问题，并在交互中与用户建立情感联系；另一方面，AI开始洞察、理解用户的喜好。语音作为生产信息效率最高的交互方式，能让用户产生足够多的Long Context（长上下文），基于这些上下文，AI能够总结用户偏好，推荐符合的音频内容。

△“来福电台”根据作者的收听历史，推荐的商业新闻播客。图源：作者试用

尽管这套逻辑并非所有人都买账，但它也吸引了一些投资人，如红杉中国的沈南鹏。从立项到过会，红杉仅用了一周时间。2025年下半年，来福完成了由达晨领投、红杉中国跟投的第二轮融资，总金额达1000多万美金。

然而，焦可的初心远不止于此。他要“造人”，即创造AI主播。在互联网时代，焦可曾负责过百度音乐服务产品“MP3搜索”，也创业做过ToC金融平台，还在中东负责过ToG项目。他思考着：在AI时代，什么产品形态能不同于互联网？

他得出的答案是：互联网时代解决的是连接效率问题，而AI解决的是生产力问题。“工具、平台都是互联网时代的产物，‘人’才是独属AI时代的产品形态。”这也是如今“来福电台”的运作逻辑。

目前，来福拥有15位中文AI主播和2位英文主播，它们风格各异，主持不同频道，还能记住听众的偏好。为了让用户感受到“人”的存在，焦可设计了一个随AI主播说话节奏跃动的球。

△随着AI主播说话节奏跃动的球。图源：作者试用

在来福电台，用户可以看到喜欢的AI主播制作的内容，随时收听。用户还可以随时打断节目，提出问题、加入讨论或寻求情感陪伴。在焦可看来，这是Samantha的雏形。

△作者对AI主播提问：为什么从科技撤出的资金流向了低估值和红利股。图源：作者试用

以下是《智能涌现》与焦可的交流内容，经整理编辑：

我做的不是AI播客，而是造“主播”

智能涌现：很多人称来福为“AI播客”，你如何定义它？

焦可：我不认为自己做的是AI播客平台。来福强调的是人的属性，我们其实是在‘造人’，即创造AI主播。”

智能涌现：音频赛道的问题也是供给问题吗？

焦可：是的。人类生产音频的成本非常高，甚至超过视频制作。视频可以后期配字幕，但音频只能听，对录音质量要求很高。

智能涌现：为什么选择从音频赛道切入‘造人’？

焦可：音频具有独特的沟通性和陪伴属性。它是人类最自然的沟通方式，容易触发情感属性。

相比DAU，我更看重DTU（Daily Talk User）

智能涌现：你如何看待来福的增长和竞争？

焦可：我们更关注DTU（Daily Talk User），即每天有多少用户在讲话。我们认为节奏比速度更重要。

语音能产生更多用户上下文

智能涌现：为什么长记忆对应用很重要？

焦可：长期记忆能让AI真正记住、懂得一个用户。未来，AI将基于长记忆理解用户，提供个性化的服务。