钉钉A1：开启AI普惠与空间智能的新篇章

本文约4500字，建议阅读9分钟

AI硬件领域正经历前所未有的繁荣。

从Meta两名离职员工开发出能对话的智能戒指Stream，到集成AI助手的眼镜与便携录音卡片，乃至吊坠和腕带，科技公司正尝试将人工智能融入所有可穿戴设备。即便马斯克未预言“边缘智能的兴起”，硅谷的硬件争夺战早已打响。

国内大厂亦不甘落后。在8月底代号“蕨”的大版本发布中，钉钉推出了首款AI硬件产品Dingtalk A1，这款产品继承了钉钉的硬件基因。在阿里内部，这是一支屡获硬件胜利的团队。外界可能视此为智能硬件赛道的一次狙击，而“大厂入场”则为本就拥挤的赛道增添了更多关注。

但钉钉为何选择此时涉足AI硬件，许多人可能误解了。

许多人高声宣扬AI改变世界的宏大叙事，吸引眼球并带动资金流动。钉钉则不同。

若AI能改变世界，必须依靠多数人的参与。首先，人类需帮助AI理解物理世界。让每个人都能主动借助工具提升AI对物理世界的理解，工具普及是必经之路。

钉钉认为，AI普及绝非少数公司自上而下的灌输所能实现。它依赖于每个普通员工在日常体验中的反馈：可能是搭建一张表格，可能是钉钉客服的点对点响应，也可能是钉钉程序员走访客户。一切悄然发生，如细水长流。

若深入理解钉钉的长期坚持，或许你会认同这一点：Dingtalk A1不仅是为击败某家公司或成为爆款而生，它是钉钉AI普及理念的第一步，也是漫长旅程的起点。

“沉默的大多数”与始终在场的AI

截至2024年底，全国有6000多万家企业，中小企业占全部规模企业的大多数，它们维持着中国经济的活力。

然而，当AI浪潮汹涌而来时，一些小微企业却似乎遥不可及。他们害怕被时代抛弃，“必须做AI”已成为共识，但如何实施、应用却茫然无措。他们成为了当前AI热潮中的“沉默的大多数”。

首要挑战是技术门槛。

目前，AI大模型仍是少数人的生产力工具，需要不断调校和优化。对于一家缺人、缺钱、时间紧迫的小公司而言，应用门槛极高。以义乌为例，十人以下的企业占绝大多数，它们没有明确的“管理部门”，很少“开会”，更谈不上流程。

“我们在短视频App上天天刷AI，感觉AI已统治世界。但走进企业，你会发现很多企业连基本办公软件都用不好。”一位钉钉服务商观察到。

许多企业对AI大模型的落地无从下手，也没有额外精力与各种AI工具磨合。这些用户期待一款产品能以最简单、高效的方式解决日常问题，提高生产力。

这就是中国真实的企业级市场，层次丰富，环境复杂。

因此，AI真正走向普及，不在于让模型更强大，而在于降低门槛。

作为沉淀多年的产品，钉钉深知软件作为入口已触及边界：软件启动成本高，如钉钉团队调研中一位客户所言：“当我真正想记录时，根本来不及打开软件。”

这便是Dingtalk A1的起源，其使命明确：让“AI始终在场”。

爱迪生点亮电气时代第一盏白炽灯，苹果以触摸替代键盘的iPhone开启移动互联网时代。每次技术革命的飞跃终以物理硬件为载体。毕竟，人类只能与可触碰的物品产生更密集的互动和关联。

作为钉钉首个AI硬件，Dingtalk A1以卡片式录音笔形式呈现。这主要基于“无感”的考虑。AI硬件毕竟是新事物，交互界面必须足够简洁清晰才能快速上手。Dingtalk A1贴合手机，实现全场景、全天候随身携带,且可一键操作。用户只需做两件事：按键、开始。

例如，一位销售公司负责人有时会想到代办事项或解决方案，会随手打开A1记录。“比打开手机找app方便多了，人家也不会奇怪。”

若几年后回顾，Dingtalk A1的意义远超一张卡片录音笔，它更像是打通数据世界与物理世界的桥梁，也是“空间智能”时代的关键占位。

开启空间智能的第一把钥匙

11月10日，美国斯坦福大学教授李飞飞提出“空间智能”的概念。她认为这将成为AI技术的下一座高峰。当前以大型语言模型为代表的AI系统虽能生成文字与图像，但仍停留在“语言世界”，缺乏对现实空间、物理规律与因果关系的真正理解。

人与人、人与物之间的互动构成了世界远超语言的复杂性。毫无疑问，新一代AI大模型要真正具备能动性，像人类一样在现实世界中感知、推理和行动。

目前，我们通过摄像头、麦克风、传感器等丰富输入方式。通过语音智能、视觉智能、触觉智能让AI逐渐打开“五感”，一步步理解物理空间中人类行为的意义，最终在几何、物理层面“重建”世界。

若认同此路径，Dingtalk A1无疑是建立语音智能的开端。

通过这个无门槛的接口，AI能获取不间断的非结构化、多维度空间信息。

相比普通智能机只能调用麦克风，Dingtalk A1配备了5颗全向麦克风加1颗骨传导麦克风，可识别8米内的声音。结果是这种信息获取的广度和深度远超手机。

如果说此前注入企业级大模型的数据是涓涓溪流，在Dingtalk A1配合下汇入的数据将如滔滔江河。

例如，“AI听记”配合Dingtalk A1增加了“可视化录音”功能。利用Dingtalk A1的5个麦克风通过声纹识别不同发言人和其在空间中的方位。回溯录音时界面以可视化方式呈现谁在何时、何处发言还原会议现场。

最终钉钉希望这些信息能沉淀为“知识”和“智慧”，在工作场景中提高普通员工、企业主的生产力帮助企业构建自己的AI能力形成从数据汇集到模型构建、辅助决策、反馈学习的完整闭环。

“他们真的想把这个东西做好”

“很多人认为精英能改变世界，不是的，是脚踏实地的精英改变世界。”在8月份的Dingtalk A1发布后钉钉创始人无招在接受36氪采访时说。

...