共计 1234 个字符，预计需要花费 4 分钟才能阅读完成。
Counterpoint: 到 2030 年全球处方助听器销量将超 3100 万台, 近半支持端侧 AI
导语:Counterpoint《全球端侧 AI 可穿戴设备预测》指出, 到 2030 年全球处方助听器销量预计突破 3100 万台 ,2025—2030 年复合增长率约 4%; 接近一半产品将搭载端侧 AI。助听器正从放大声音的工具, 转向能理解声音的智能设备。
📌 市场预测: 销量破 3100 万,AI 渗透率近半
- 重点: IT 之家 10 月 14 日消息,Counterpoint《全球端侧 AI 可穿戴设备预测》报告指出,
到 2… - 重点: 当前公开信息主要集中在产品、策略或节奏变化上。
- 重点: 后续仍需关注官方更新、落地范围以及实际反馈。
从销量看,4% 的年复合增速并不激进 , 但结构变化明显。Counterpoint 预计, 到 2030 年近 50% 的助听器将具备端侧 AI 能力。对行业而言, 增量不只在卖得更多, 更在卖得更智能。
🔍 传统 DSP 的局限: 嘈杂环境为何难听清
助听器在小型化、连接性和续航上持续进步, 核心痛点却始终存在: 嘈杂环境听不清对话 。传统方案依赖数字信号处理, 麦克风采集声音, 处理器分析频率、音量等特征, 再按预设算法决定放大或降低哪些声音。这套规则式系统对空调、发动机等稳定噪音有效, 但面对餐厅里多段对话、音乐和餐具碰撞声, 很难判断用户真正想听什么。
💡 AI 解法与量化提升: 从模式学习到信噪比改善
AI 模型通过数百万组人声与背景噪音样本训练, 学习区分人声和其他声音的模式 。深度神经网络可实时识别说话者并抑制无关噪音, 还能分离人声、突出目标说话者、提升空间感知并适应环境变化。AI 尤其擅长保留“s”“f”“t”“sh”“th”等细微辅音, 也能帮助区分 fifteen 与 fifty 这类易混词。
这种提升可以量化。 在临床“噪音中语音识别”测试中 , 听力正常者识别 50% 关键词约需 2 dB 信噪比, 轻中度感音神经性听力损失人群约需 8 dB。峰力测试显示, 固定指向麦克风相比全向麦克风可提升 6.4 dB; 加入 AI 降噪后, 默认设置提升约 9 dB, 最大设置可达 10.2 dB。
📊 延迟与功耗: 端侧 AI 的两道硬门槛
助听器对延迟要求极高。 从采集声音到处理完成再传入耳朵 , 必须控制在 10 毫秒或更短, 否则用户可能感到视听不同步, 甚至自己的声音不自然。因此 AI 不能依赖云端往返, 必须在本地完成分析处理。但设备电池小、算力有限、尺寸严格, 持续运行神经网络会显著消耗电量。峰力 2025 款 Audéo Infinio Ultra Sphere 常规续航 56 小时, 持续开启 AI 后降至 10 小时。
AI 也让助听器更自动化: 机器学习可根据用户偏好和场景调整声音处理, 减少手动调节与聆听疲劳 。总体来看,Counterpoint 的预测指向明确趋势: 助听器增长动力正从硬件普及转向 AI 能力升级。销量突破 3100 万台只是表层数字, 近半产品支持端侧 AI 才是更关键的信号。率先平衡延迟、功耗与体积的企业, 更可能在新一轮技术竞赛中占据主动。
