Plaud Intelligence
搜索文档
专访Plaud中国区CEO:我们只做「必须做」和「不做要死」的事
36氪· 2025-09-25 08:00
公司业绩与市场表现 - 公司成立不到三年,产品已销往170个国家,出货量超过100万台[5] - 2025年总收入预计达到2.5亿美元,收入包括硬件和订阅制AI软件服务[6][7] - 海外市场软件年费定价在99美元至240美元之间[7] - 公司通过Kickstarter众筹起步,首日即实现盈利,此后增长持续创新高[113][116] 产品战略与定位 - 公司专注于"AI纪要"赛道,定位为AI工作伙伴而非效率工具,旨在突破用户智能边界[33][36][75] - 产品理念基于"对话驱动",服务于医生、律师、销售等对话密集型职业[46][47] - 明确三个不做方向:文档类功能、PPT生成等模态转换功能、生活类功能,以集中资源[25][82] - 产品核心功能"Ask Plaud"(原名Plaud Ask)通过反向提问方式提供智识价值,区别于传统问答模式[20][37] 技术实现与产品设计 - 公司采用软硬一体模式,通过硬件实时捕捉用户意图和上下文,实现人与模型的对齐[89][90][91] - 硬件形态选择基于场景适配性,认为手机APP无法有效收集上下文,而眼镜等设备交互效率低[95][98] - 国内产品使用豆包1.6 Pro、千问超大杯(Qwen3-235B-A22B)及DeepSeek等本地化模型[39] - 新功能支持多模态输入,录音中可补充音频、文本、图片,并通过一键标记获取丰富上下文[93] 组织管理与文化 - 公司全球团队约400人,强调"十倍人力投入"作为核心壁垒,管理层决策快速、沟通层级扁平[17][49][63] - 组织文化注重"快、简单、理性",分歧通过讲道理解决,权限下放充分[61][65][62] - 价值观包含"成就他人",创始人及管理层均有创业失败经历,注重团队信任与协作[52][27] - 招聘标准严格,认为员工人品和对齐理念是关键[54] 市场竞争与商业化策略 - 公司进入中国市场时硬件定价与海外持平,Plaud Note Pro国内1299元/海外179美元,Plaud Note国内1149元/海外159美元[17][106] - 不视大厂为直接竞争者,认为理念、服务及投入程度存在本质差异[35][49] - 现阶段目标非追求销量爆发,而是持续提升模型智能提供的价值,保持全球SOTA地位[106][108][109] - 国内市场以消费端为主,已开展半年ToB业务,但坚持软硬一体交付模式[69][70]
专访Plaud中国区CEO:我们只做“必须做”和“不做要死”的事
36氪· 2025-09-24 22:07
公司商业表现 - 公司成立不到三年,产品已销往170个国家,出货量超过100万台[1] - 2025年总收入预计达到2.5亿美元,收入包括硬件产品和年费在99美元至240美元不等的AI软件订阅服务[1] - 2025年9月在深圳召开新品体验会,推出Plaud Note、Plaud Note Pro和Plaud NotePin S三款产品,这是公司首次在中国大陆发布产品[1] - 公司未进行融资,在Kickstarter平台首发即实现盈利,此后增长持续未停,每月业绩创新高[64][65][68] 产品战略与定位 - 产品定位为AI工作伙伴,旨在为用户提供智识价值,帮助其突破智能边界并做出更好决策,而非简单的“效率工具”或“打工神器”[16][45][47] - 公司明确三个不做方向:不做文档类功能、不做PPT生成类模态转换功能、不做生活类功能,以集中资源和注意力于AI纪要核心领域[10][49] - 产品理念基于“语言的边界就是世界的边界”,专注于服务对话驱动型职业,如医生、律师、销售、咨询和投资人[6][23][24] - 坚持软硬件一体化的产品形态,认为拆开销售不符合公司通过软硬结合追求智能边界的第一性原理[43][55][56] 市场竞争与壁垒 - 公司认为其核心壁垒是团队,以10倍的人力和10倍的投入度进行产品开发,形成巨大差异[5][25] - 面对钉钉、出门问问等大厂推出的类似产品,公司不视其为直接竞争者,强调理念、服务和投入程度的根本不同[13][15][59] - 在中国市场保持与海外持平的定价策略,坚信当前是价值敏感而非价格敏感的时代,用户愿意为顶尖的技术和最大价值付费[59][61] - 公司现阶段最重要的事是让模型智能发展所提供的价值越来越大,而非追求短期销量或利润[61][70] 技术研发与产品特性 - 产品核心功能“Ask Plaud”采用让AI主动提问用户的交互模式,旨在实现人与模型的意图对齐,提供可溯源的答案[7][10][16] - 通过硬件设备实时捕捉用户的意图和上下文信息,认为这是手机APP无法替代的关键体验,硬件形态选择基于其与意图交互的有效性[55][56][58] - 在中国市场使用豆包1.6 Pro、千问超大杯和DeepSeek等本地化模型,并在隐私合规方面进行适配[17][18][19] - 新上线的“多模态输入功能”允许在录音过程中补充音频、文本、图片,并通过一键标记获取更丰富的上下文信息[58] 组织与管理文化 - 公司全球团队约400多人,管理架构扁平,沟通简单高效,决策快速,资源投入迅速且力度大[5][34][35] - 公司文化强调“快、简单、理性”,管理层在分歧时以讲道理的方式解决,无需争吵[34][36][37] - 招聘标准高,注重员工人品,并要求所有员工对齐“相信公司能够拓宽用户智能边界”这一信念[5][25][29] - 创始人及管理层均有创业经历,公司将“成就他人”写入价值观,内部建立充分信任[27][32][33]
Plaud正式进入中国大陆市场:同步发售三款产品
环球网· 2025-09-24 10:09
公司市场与产品发布 - Plaud公司宣布正式进入中国大陆市场并同步推出三款产品:Plaud Note Pro、Plaud Note以及可穿戴式产品Plaud NotePin [1] - 升级后的Plaud NotePin S将在国内进行首发 [1] Plaud Note Pro产品特性 - 产品采用全新人机交互方式实现人与AI的实时协同 多模态输入中的“一键标记”功能可实时将重要信息同步给大模型以实现人与大语言模型的实时对齐 [3] - 智能双录音模式通过算法自动识别通话或面对面对话场景 无需手动切换以实现无缝录音体验 [1][3] - 产品采用4个全向MEMS麦克风阵列设计和AI声学波束成型技术 可在最远5米范围内进行专业录音棚级音频捕捉 [3] - 产品机身厚度为2.99毫米 重量为30克 尺寸如银行卡般大小 [3] - 单次充电可支持最长50小时的连续录音 足以应对一周的工作需求 [3] Plaud Intelligence平台升级 - 平台核心升级包括可捕捉音频、文本、图片并支持“一键标记”功能以获取更丰富的上下文信息并生成更全面的摘要 [4] - 通过优化整合DeepSeek R1、千问、豆包等大模型来深挖对话价值并将细节转化为深度见解 [4] - 平台可区分不同说话人并支持112种语言的转写 [4] - 可从全球3000多个模板中优选覆盖不同行业和领域的专业模板并根据使用者角色和习惯进行智能推荐 [4] - 新增基于完整上下文的深度问答功能 所有答案信息来源可追溯 并新增智能建议追问、跨文件查询及精彩回答一键保存成新笔记等功能 [4] 产品支持与用户体验 - Plaud旗下所有产品均支持Plaud Intelligence平台 相关功能可通过支持iOS和Android的Plaud APP及网页端实现 [5] - 新版本将采用全新设计界面以简化多模态交互操作并确保在所有智能功能间实现无缝切换 [5]
销量超百万,最火 AI 硬件 Plaud 是怎么做大模型产品的?
Founder Park· 2025-08-26 19:43
公司产品与市场表现 - 公司推出两款AI硬件产品:Plaud Note(手机背面AI录音卡片)和NotePin(可穿戴AI录音硬件),累计销量突破100万台[5] - 软件平台Plaud Intelligence内置多款主流大模型,可将录音转化为结构化摘要、思维导图和待办事项[5] - 最新产品更新增加了图片/文字输入等多模态输入功能[9] 核心产品理念:软硬结合 - 核心理念是通过软硬结合的方式追求人与大模型结合的智能边界,坚信将出现新的LLM native工作范式[5][12][32] - 硬件是使用大模型智能的钥匙,软件是使用大模型智能的介质,大模型的智能才是核心价值[12] - 硬件作为可穿戴设备,是获取用户离线情境的传感器,与手机功能互补而非排斥[8] - 通过用户主动操作(如开关机、点击标注重点)来对齐大模型,比事后分析更准确高效[10] - 产品新增press to highlight功能,点击按钮即可自动记录重点并生成短句总结[10] 差异化产品策略 - 与行业主流做法相反:不模仿巨人经验,专注于帮助用户将未公开的私有信息从多变少,而非从少变多[14][22] - 让大模型主动问人并给出答案,而非总是用户提问[16][19] - 让人去对齐大模型,让大模型引导人问出好问题[18] - 服务对象聚焦于用对话创造价值的人群(销售/顾问),而非文档使用者[21] 对大模型能力的认知与应用 - 大模型已在多方面远超人类能力,突破记忆力上限和注意力带宽上限[23] - 公司定位不是帮助更好地工作,而是帮助更好地思考;不是生成精美文件,而是生成闪光想法[23] - 智能是多维的、有表象和内在的,是生产资料,summary是信息获取终点但为工作发生起点[29][30][31] 技术发展路径 - 选择"获取-提取-使用"(capture-extract-utilize)的技术路径[6][29] - 思考大模型与Agent之间的交流方式,探索让人帮助大模型思考和协作[28] - 认为编程语言是人在学习机器说话,而大模型是机器学会了人说话的方式[26][27]