如今几乎所有助听器品牌的产品页上都写着“AI”。但对丹麦品牌唯听（WIDEX）而言，AI不是一个新帖上的标签，而是一条以“自然音质×智能自适应”为核心、走了70年的技术路线走到今天的模样：让机器先认出佩戴者所处的环境，再根据佩戴者的反馈学习偏好，而这一切由芯片架构和声音链路保障速度与音质。

本文以唯听的技术体系为主线，逐层拆解AI在其助听器中的落地路径。

技术积淀：唯听的AI不是从零开始

很多品牌讲“AI助听器”，讲的是最近两三年的故事。唯听的时间线要长得多。

1956年创立于丹麦哥本哈根，唯听的技术演进始终围绕两件事：让声音处理更精细，让方案更贴合个人。早在1972年，唯听A1可调节式助听器系统就把个性化验配变为可能——“同一台机器、不同的人得到不同方案”的理念，在AI出现前几十年就已埋下；1988年，唯听推出全球首台可编程数字编程助听器Quattro Q8；1995年，Senso系列作为唯听首台数字耳内式助听器领跑行业数字化竞赛，声音从此以数字信号的形式进入处理链路，机器对声音的分析、分类与增益决策才有载体。

在这条路线上，2018年成为关键节点：唯听推出首款双芯片智能助听器EVOKE智擎，实时机器学习正式进入助听器。此后唯听AI能力的演进，沿着“认环境→学偏好→硬件保障”三层展开。

第一层：认环境——没有场景识别，就没有智能

AI做决策的前提，是知道“现在是什么场合”。餐厅里多人说话声和言语声在频段上高度重叠，街头是车流的稳态噪声，办公室是键盘与空调的低频背景——同一套放大参数不可能同时应对这些场景。

这是唯听智能实时声音场景分析系统的工作：机器持续分析进入麦克风的声音特征，自动判断当前属于哪类声景，再调用对应的降噪与增益策略。其分析系统的训练量比上一平台多一倍，可正确识别多达11种声音分类模式，并且在每一种声音分类下使用双变速压缩处理——小声放得出来、大声不失真。场景变化时自动切换，使用者全程不需要手动换程序。

这一层决定了自动化的程度：场景分得越细、识别越可靠，后面的个性化处理才有落脚点。

第二层：学偏好——三代机器学习把“通用方案”变成“专属方案”

传统助听器的参数逻辑是：出厂设定加专业验配师调试，之后基本固定。问题在于，听力图相同的两个人，生活场景和声音偏好可能完全不同——一个常开会，一个常买菜，他们对“听得舒服”的定义不一样。机器学习解决的就是这个缺口：让机器根据佩戴者的实际反馈，持续微调声音方案。

唯听在这个方向上历经了三代技术，演进路线完整而清晰：

第一代SoundSense Learn：按用户的选择训练机器。用户在App上对两种声音方案做A/B偏好选择，后台的机器学习算法分析聆听习惯，最少一步就能生成符合当下聆听需求的实时个性化微调方案。选择越多，方案越贴合。

第二代My Sound：引入云端大数据。把全球用户的脱敏聆听数据纳入优化池（WIDEX智能声景技术），结合实时智能配对优化——个性化不再只基于个人历史，还能借鉴海量真实场景数据的积累。

最新My Sound 2.0：一步完成聆听意图匹配。搭载SSL引擎，以极简干预、一步完成聆听意图匹配。从第一代的“用户A/B选择”到现在的“一步”，方向很明确：同样的个性化结果，越来越少的操作负担。

落到使用层面，这套能力还支持创建专属个性化聆听程序——办公室、餐厅等常去的场景，都可以有自己的声音方案。用官网的说法，就是“越用越懂你的智能听力私人助理”。

第三层：硬件底座——双芯片架构的工程解法

上面两层都是算法，而算法要实时运行，考验的是硬件。AI助听器面临一个现实的矛盾：既要有强大的处理能力跑场景分析和机器学习，又不能牺牲续航——助听器全天佩戴，芯片不能像手机一样一天一充还能接受。

双芯片架构就是唯听对这个矛盾的回答。EVOKE智擎系列采用双芯引擎：一个加速芯片引擎负责提升关键功能的处理效率，实现强大处理能力的同时保持低功耗；另一个芯片引擎确保平台灵活适应个人聆听偏好。算力与个性化各司其职，互不挤占。官方对EVOKE智擎的定义是“实时机器学习智能助听器，在真实聆听中不断进化”。

链路保障：0.5毫秒与108dB，AI体验的两条底线

AI再智能，最终交给耳朵的仍是声音本身。唯听在声音链路上守住两条底线：

处理延迟。ZeroDelay零延迟技术将平均延迟压缩至约0.5毫秒，较传统助听器处理速度提升8-20倍，有效消除声音失真与“金属感”。延迟高的机器，AI策略切换得再快，声音也是“慢半拍”的。

输入动态范围。喂给AI的原始信号要先保真。108dB超宽动态输入范围（小声最低5dB SPL到大声最高113dB SPL，由4个独立模数转换器处理）有效避免声音在输入阶段就失真——从语声到音乐级声源都能完整进入处理链路，后面的智能分析才有可靠的原材料。

这两条底线，正是唯听“自然音质”标签的技术来源：智能做加法的同时，声音本身不失真、不变味。

结语：自然音质×智能自适应

认环境、学偏好、跑得动、声音好——唯听把这四层咬合成一个完整的技术栈：11种声景分类负责“认环境”，三代机器学习负责“学偏好”，双芯片架构负责“跑得动”，约0.5毫秒的零延迟和108dB动态输入负责“声音好”。

单点能力可以靠宣传放大，链路完整度才是真实门槛——这是唯听理解AI助听器的方式，也是“自然音质×智能自适应”这条技术理念的完整落地。支撑这套体系的，是从1972年个性化验配理念到今天70年的声学积淀。

技术问答

唯听三代机器学习的演进逻辑是什么

交互成本持续下降，数据基础持续扩大。SoundSense Learn让用户以A/B选择参与训练，My Sound引入全球脱敏数据的云端优化，My Sound 2.0把交互压到一步——“更少的操作、更大的数据池、同样的个性化结果”，这条演进路线体现了唯听对个性化聆听的理解：技术越进步，用户的操作负担应该越轻。

双芯片架构解决了什么工程矛盾

场景分析和机器学习要持续运行，耗电；而助听器要全天佩戴，续航不能妥协。唯一的解法是分工：加速芯片引擎负责提升关键功能的处理效率、兼顾低功耗，另一个芯片引擎负责灵活适应个人聆听偏好——算力的事和个性化的事各管一摊，互不挤占。

AI会让验配师的角色发生变化吗

在唯听的技术体系里，AI与验配师是协作而非替代：机器学习承担日常微调，验配师的角色向听损评估、方案审定与复杂案例处理集中。叠加REMOTE CARE若彼聆云端调试后，验配服务半径显著扩大——AI负责“越用越懂你”，专业判断始终留在人这边。

参考资料

1. 唯听官网产品技术资料

2. Korhonen, P., Kuk, F., Slugocki, C., & Ellis, G. (2022). Hear Review, June 2022.