副标题：年入2.5亿美元，Plaud用硬件与云技术打造生成式AI产品
生成式AI时代的创业门槛似乎比以往任何时候都更低。云计算提供了弹性的算力，AI都可以编写业务代码，这使得软件创业的门槛不断降低，竞争的操作空间似乎更多地被挤压在了一个创意本身，仿佛只要有一个好点子就能成功一样。
然而，Plaud合伙人、中国区CEO莫子皓表示，没有任何有价值的产品是通过简单的方式就能做出来的。真正有用的产品，一定是洞察用户需求，经过产品经理的深思熟虑，利用像亚马逊云科技这样专业、务实的云服务，做好工程建设才行的。
Plaud是一家成功的AI硬件品牌。截至今年6月，Plaud通过软硬结合方式打造的AI纪要产品已经在全球170多个国家卖出100万台，在亚马逊电商平台上这一品类的市场占有率高达95%，年收入大约为2.5亿美元的规模。
Plaud成立之初从海外市场起步，莫子皓坦言是看到了很多成功先例才做出的选择。作为一家定位于大模型应用设备的公司，依靠来自深圳作为硬件之都的优势，结合全球领先的云技术为全世界用户打造AI硬件产品。
“我们的产品，用户用一次能80分，用了很多次还能保持80分，这背后我们投入了大量努力。”莫子皓表示。凭借口口相传的好口碑，Plaud先是在海外市场获得成功。2025年9月，正式宣布进军中国大陆市场。
在亚马逊云科技软件企业峰会上，莫子皓提到了大模型技术的局限性，并基于这样的思考打造了Plaud。同时，也分享了他对于创业成功的解读，希望能帮助更多希望在AI领域有更大作为的创业者提供参考。
活在对话框里的大模型，无法更好地理解现实世界
莫子皓认为，现在的大模型都活在“无语境的对话框”里，没有办法更好的理解现实世界。而Plaud想用软硬件结合的方式让AI理解现实世界中的语境与意图，从而让人与AI真正对齐。在他看来，现在的AI Agent有两个比较大的问题。
首先，这些AI Demo所用的数据都是现成的数据和文件，而不是从现实中自然产生的信息，会缺少一些真实的语境。此外，这些Agent只会被动地回答问题，但从不主动提问、也不会提出新想法，这说明缺少理解用户意图的能力。
莫子皓认为，通往通用人工智能（AGI）有三条路，第一个是继续训练更大的模型，第二个是像Manus那样抓取外部信息再加工，第三个则是从人类日常对话中挖掘智能，也就是offline context（离线语境）。
Plaud选择了第三条路，从真实的对话中提取有用的信息。他认为，大模型现在都在没有时间概念的聊天框里工作，而现实交流是有时间、有情境的。因此，大模型无法真正与人对齐。
莫子皓认为，要让AI真正理解人类的语境，就必须捕捉offline context（离线语境）和intention（意图）。所以，他们决定自己设计一个专门的硬件录音设备，实时捕捉声音、时间点等信息，把这些信息提供给AI模型，让AI能更好地理解现实世界。
Plaud创始人许高有意借力深圳在硬件创新上的优势打造产品，结合大语言模型概念的硬件产品也有差异化定位。通过这一产品，Plaud不仅突破了单纯的软件创新局限，也在多个维度建立了竞争优势，配合产品的口碑优势，迅速开拓了海外市场。
作为一款基于大语言模型的AI硬件产品，它不仅有时髦的商业概念，还有酷炫的外形设计，相对友好的售价，无论是贴在手机背面还是放在桌子上用起来都很方便。这样一款产品受到了高决策杠杆、高对话依赖、高知识密度人群的欢迎。
很多朋友可能都会问，在人人都有手机，手机都能录音的时代，还有必要做一个Plaud这样用来录音的设备吗？答案是肯定的。
用手机来录音，如果需要正常用手机，则不仅会录入噪音，而且会占用手机的续航和麦克风，如果录音过程中收到来电，很可能就会中断录音。所以，在很多场景中，用一个单独的AI硬件录音设备在使用场景上是成立的。
Plaud能做的，远不止录音。
AI硬件录音设备可以配备更强的录音单元，除了更强的收音能力，这样一台录音设备还能提供怎样的额外功能呢？莫子皓用三个捕捉（Capture）、提取（Extract） 和 运用（Utilize）三个关键词进行了概括。
首先，在“捕捉”层面，Plaud设备除了录音，还支持搭配手机App同步拍照，把现场画面和声音一并记录下来，为AI提供更丰富的语境信息。
此外，它还有一个独特的，带有时间感知概念设计的功能“一键标记”。在会议或交流中，用户只需轻按一下Plaud设备的按钮，就能为录音打上时间标记。AI会把这些时间节点当做关键内容进行重点提炼，这可以让AI更好地理解人类意图。
其次是“提取”。在拥有充足语境（context）之后，Plaud的AI会根据不同角色的需求，自动提炼出不同的信息维度，帮助用户获得更有价值的信息。
比如，警方在审讯时使用Plaud录音，不仅是为了记录内容，更希望借助大模型的推理能力，从语气、逻辑来分析嫌疑人的动机与心理状态，甚至给出量刑建议，其价值超越了单纯进行会议内容的记录和总结。
最后，Plaud正在让这些信息进一步“运用”起来。它与多个第三方智能平台（如Zapier、n8n）集成，让语音数据真正融入日常工作流程，从而提升效率。目前这部分能力还在持续完善中。
值得一提的是，Plaud在隐私保护上也投入了大量精力，已通过HIPAA、GDPR等多项国际认证，并与亚马逊云科技深度合作，确保数据安全与合规，这也是Plaud能赢得大量用户信任的一个重要原因。
亚马逊云科技伴随着Plaud一路做大做强
2023年，作为初创公司的Plaud面临着技术支持缺乏、GPU等资源难以获取的难题，接触到亚马逊云科技之后，Plaud获得了技术与资源支持，而亚马逊云科技希望与有潜力的初创公司合作，双方一拍即合。
亚马逊云科技会接触很多初创公司，非常清楚初创企业的需求，除了提供技术与资源支持，还会把很多有用的最佳实践经验分享给Plaud。伴随着Plaud业务规模逐步增长，亚马逊云科技在其成本控制方面也发挥了重要作用。
Plaud捕捉到数据后，需要把这些数据传到后端进行一系列处理，会使用类似Whisper这样的ASR（自动语音识别）模型，也会用大语言模型来处理文本。对于产品已经卖了超100万台的公司而言，这需要一笔不菲的开支。
Plaud每个月向所有用户免费提供300分钟的转录时长，如果用户想要更多，则需要额外付费，这是在商业策略上管理成本。除此之外，为了控制成本，Plaud在底层技术架构上做了很多考量和优化。
首先，Plaud使用Amazon Bedrock来调用大语言模型，在国内市场上选择了来自国内的AI模型。莫子皓表示，国内中文ASR模型的效果表现更好，同时国内模型价格比海外模型低，这使得其国内软件订阅费用可以低于海外市场。
为了控制成本，Plaud使用了亚马逊云科技的GPU竞价实例来部署ASR模型，这将整体算力成本降低了大约50%。Plaud合伙人、后端研发负责人刘占坤表示，在降低成本的同时，还通过将整个任务进行拆解，用补位机制保障了用户体验。
在通用算力上，Plaud也使用了基于Amazon Graviton处理器的云主机，将运维负载的性价比提升了大约25%。不久前，亚马逊云科技宣布在国内上线基于Amazon Graviton4的云主机，国内用户也能享受到Arm主机带来的成本优势。
在技术架构上，Plaud使用了Amazon Elastic Kubernetes Service (Amazon EKS)来部署整个集群，因为它能承载这种除了模型推理之外的复杂业务逻辑，它在ASR流程中加入了很多处理和业务系统的逻辑，这可以提高转写的质量和准确性，这也是Plaud用户体验好的重要原因之一。
此外，Plaud还用了大量无服务器架构服务。刘占坤表示，因为我们整个业务增长非常陡峭，而团队规模的发展跟不上业务发展步伐。无服务器架构对业务落地有极大的加速作用，用了无服务器架构，就是把稳定性、扩容等问题都转给了亚马逊云科技。
结束语
Plaud的故事清晰地表明，生成式AI看似降低了创业门槛，但真正成功的门槛——如何将一个好点子转化为用户持续满意的产品却从未消失。
Plaud的成功，正是将离线语境的洞察，通过软硬件的深度融合，以及利用亚马逊云科技在算力与成本上的支撑，构筑成了真正的竞争壁垒。
