（本文作者为 影子备忘录，钛媒体经授权发布）
Related articles
文 | 影子备忘录
不知道大家有没有注意到，近年来身边越来越多的年轻人，聊天时不再低着头噼里啪啦地敲屏幕，而是对着手机麦克风，按住说话，于是一段文字便快速生成。
地铁上、咖啡馆里、甚至办公室工位上，随处可见这样的场景：一个人举着手机，嘴唇微动，屏幕上自动跳出一行行文字。“ 按住说话” 这个曾经被视为“ 老年人不会打字才用的功能”，如今正在成为年轻人的新宠。
更夸张的是，在一些 AI 编程社区，开发者们已经不再敲代码了，而是对着麦克风说出需求，AI 直接生成代码。
一款名叫 Typeless 的语音编程工具，公测 3 个月就收获了 120 万开发者用户，2026 年 3 月完成 1.2 亿美元 A 轮融资，估值涨到 8.5 亿美元。
这不禁让人想问一个问题：在 AI 的加持下，未来的年轻人，还会打字吗？
从九宫格到“ 按住说话”
先看几组数据。
三年前，语音输入的日常使用率只有 32%。三年后，这个比例已经要达到 65%-70%。翻了一倍多。
腾讯搜狗输入法在 2026 年初宣布全面 AI 化，其 AI 用户规模已经破亿，日均语音使用次数接近 20 亿次，平均每秒超过 2 万人对着屏幕说话。
《2025 年中国第三方输入法行业洞察报告》 显示，AI 语音输入功能的使用率在所有 AI 功能中排名第一，达到 40.9%。
用户选择“ 动口不动手” 的首要原因，是“ 避免手动输入繁琐”，占比高达 48.60%。
全球范围内，约有 84 亿台活跃的语音助手，超过一半的智能手机用户每天都会进行一次语音搜索，约 32% 的消费者如今每天用语音而非打字来搜索。
更值得关注的是趋势。招商证券国际的研报指出，语音输入速度比打字快近 3 倍。
伦敦政治经济学院与 Jabra 联合研究预测，到 2028 年，语音 AI 将成为主要工作方式。
Jabra 全球品牌传播负责人保罗· 塞普顿甚至直言：“ 等到 Alpha 世代进入职场，AI 将全面融入，他们的工作会在打字之前就通过口述完成。”
这些数字背后，是一场正在发生的交互革命。
打字，这个我们习以为常了半个多世纪的人机交互方式，正在被一种更原始、更本能的方式悄悄替代，而这种方式就是说话。
要理解这场变革的深度，有必要先回顾一下输入法走过的路。
中文输入法的历史，本质上是一部“ 降低输入门槛” 的历史。
上世纪 80 年代，五笔字型横空出世。为了在 26 个英文字母的键盘上打出成千上万个汉字，王永民发明了一套形码方案，即把汉字拆成字根，再映射到键盘上。
这套方案效率极高，但学习成本也极高。一个普通人要记住上百个字根的键位，没有几个月的刻意练习根本做不到。
90 年代，智能 ABC 和拼音输入法登场。相比五笔，拼音的门槛低得多，只要会拼音，就能打字。但代价是重码率极高，选字频繁，输入效率大打折扣。
进入智能手机时代，输入法迎来了第一次真正意义上的“ 大众化”，即九宫格和全键盘之争。
九宫格适合单手操作，全键盘更适合双手盲打。两种流派各有所爱，但本质上都是在“ 用手指在屏幕上点按”。
2010 年前后，讯飞输入法率先将语音识别技术引入手机输入法。但那时的语音输入，充其量只是一个“ 辅助功能”，因为识别准确率堪忧，稍微有点口音就翻车，更别说方言和中英混输了。
大多数用户尝试几次之后，还是会回到键盘。
真正改变游戏规则的，是大语言模型的崛起。
过去的语音识别，是“ 听字”，只要机器努力听清你发的每一个音，然后机械地转写成字。
而 AI 加持下的语音识别，是“ 听话”，机器能够快速理解你在说什么，然后主动帮你组织成通顺的句子。
AI 如何让语音输入“ 脱胎换骨”
2022 年，OpenAI 开源了 Whisper 语音识别模型，把通用语音识别的准确率拉到了 98% 以上。Whisper-1 的平均准确率达到 92.8%，最高可达 98.3%。
这仅仅是个开始。
2025 年，硅谷一家公司推出了 Scribe v2 Realtime 模型，实现了 150 毫秒的超低延迟和 93.5% 的高准确率，覆盖 90 多种语言。换句话说，你说完话的瞬间，文字就已经出来了，几乎感觉不到等待。
但 AI 带来的进步远不止“ 快” 和“ 准”。
首先是“ 理解”。大模型让输入法不再只是“ 转写工具”，而变成了“ 理解工具”。过去你说“wo xiang chi fan”，输入法只能机械地给出“ 我想吃饭”。
现在你说“ 我想恰饭”，AI 知道这是网络用语；你说“ 我肚子饿了，想搞点吃的”，AI 能自动帮你润色成“ 我饿了，想吃点东西”。
其次是“ 纠错”。模型让输入法的实时纠错功能已能精准识别音近字、形近字错误，甚至纠正语法逻辑偏差。
再次是“ 多语言和方言”。如今的输入法大多支持 30 余种方言识别。豆包输入法实测中文、英文和粤语识别准确度“ 高得离谱”，粤语夹英文的句子如“Sorry 啊，我地已经尽晒力啦” 都能一字不差地识别。
字节跳动的 Seed-ASR2.0 模型在中英文测试集上的错误率比上一代降低了 10%-40%。
最后是“ 场景适配”。豆包输入法提供了 150MB 的离线语音模型，无网时也能实现 0.8 秒低延迟语音转换。
电梯、地下车库这类弱网场景，照样能用语音输入。
这些技术进步叠加在一起，产生了一个质变：语音输入从“ 备胎” 变成了“ 主力”。
年轻人正在“ 动口不动手”
技术准备好了，用户习惯的变化比想象中更快。
有用户分享了自己的经历：“ 我用了不到一周的时间，就改变了已经形成 20 多年的习惯，主要的输入方式从打字变成了语音。” 用时 53 分钟输入 5500 字，每分钟 155 字，节省了 2.5 小时。
一位 AI 语音输入法的使用者写道：“ 自从用上它，我已经不想再用键盘打字，不想再用已经有腱鞘炎的手指去编写冗长的 Prompt。”
曾经他觉得打字比语音更有逻辑，因为打字迫使他慢下来边写边整理思路。
但现在的 AI 语音输入法，能够在输入环节把不连贯、缺乏结构的口头表达优化成清晰的提示词。
极客公园的一位编辑也经历了类似的转变：“ 如果几年前有人跟我说，你以后写稿可能不怎么需要键盘了，我大概会把这句话当成一句玩笑。”
但高频使用 AI App 的这两年，他越来越清晰地感觉到：“ 在越来越多的场景里，我不再想‘ 敲一段字问它’，而是更想‘ 按住麦克风直接说’。”
这种转变背后的逻辑其实很简单—— 说话比打字快，也比打字省力。
普通专业人士的打字速度约为每分钟 40 到 60 个词，而说话速度高达 130 到 150 词。
语音 AI 听写将这一速度差距转化为实实在在的生产力增益。人类的思维速度约每分钟 400 字，而打字仅有 40 字。打字是思维的瓶颈，不是表达的瓶颈。
更关键的是，和 AI 交互时，用户不用在意错别字、不用在意格式、不用一上来就组织成一段“ 体面” 的文字，甚至可以中途换一个角度，AI 依然能跟得上。
这种“ 低门槛、高容错” 的交互方式，天然更符合年轻人的使用习惯。
有观察者发现，很多年轻人 （后 90 后到 00 后） 打字指法都不规范，能盲打的是少数。
Z 世代虽然被称为“ 数字原住民”，但因成长环境偏重移动端，电脑操作能力普遍薄弱。
对于这些“ 移动互联网原住民” 来说，语音输入不是“ 替代方案”，而是“ 默认选项”。
大厂押注的“ 隐形竞赛”
资本和巨头的动向，往往是最敏锐的风向标。
海外市场，Wispr Flow 累计融资金额已达 8100 万美元，估值 7 亿美元。如果 2026 年 5 月的 2.6 亿美元 B 轮融资洽谈成功，估值将攀升至 20 亿美元。
Typeless 在 2026 年 3 月完成 1.2 亿美元 A 轮融资，投后估值达 8.5 亿美元。AI 语音转文字工具市场在 2025 年价值约 33 亿美元，2026 年有望突破 38.7 亿美元，预计 2035 年将达 164 亿美元。
国内战场同样火热。
搜狗输入法在 2026 年 1 月宣布全面 AI 化，AI 语音、AI 翻译、AI 打字三大模型同步升级。腾讯将输入法和 AI 搜索结合起来，发现用户使用频次明显上升。
字节跳动推出豆包输入法，把语音输入作为最大卖点。其“ 按住说话，松手结束” 的极简交互，实测中文、英文和粤语识别准确度“ 高得离谱”。
微信输入法 iOS 版 3.0 开启内测，支持方言语音输入。
科大讯飞发布讯飞输入法 15.0，在传统键盘里硬加一颗 AI 键，一键接入星火大模型。智谱也推出了智谱 AI 输入法。
为什么大厂如此积极？因为输入法是几乎所有互联网行为的入口。通过高频的用户互动掌握大量用户意图数据，输入法被认为是 AI Agent 的雏形。
谁掌握了输入法，谁就掌握了用户与 AI 交互的第一道关口。
这是一场输不起的入口争夺战。
写在最后
回到最初的问题：未来的年轻人，真的不会打字了吗？
答案或许比“ 会” 或“ 不会” 更复杂。
首先，打字不会完全消失，但角色会改变。正如网友热议的那样：“ 键盘不会立刻消失，但在越来越多的场景里，它已经悄悄退成语音之后的‘ 编辑器’。”
未来的工作流可能是：口述生成初稿，打字进行修订。打字从“ 创造” 变成了“ 编辑”，从“ 思考” 变成了“ 润色”。
其次，不同场景的分化会加剧。日常聊天、搜索查询、AI 对话等这些场景语音输入的优势明显，正在快速占领。
但需要精确表达、严谨措辞的场景，比如法律文书、学术论文、代码调试等打字仍然是更可靠的选择。ESSEC 商学院管理学副教授法布里斯· 卡瓦雷塔指出：“ 阅读文本比听语音更快，搜索关键词也更高效。”
第三，代际差异会加速这一进程。伦敦政治经济学院的研究预测，等到 Alpha 世代 （2010 年后出生） 进入职场，他们将“ 在打字之前就通过口述完成工作”。
对于这一代人来说，语音交互是天生的、本能的，打字反而是需要后天学习的“ 技能”。
第四，硬件形态的演变会进一步降低打字的需求。当 AI 小键盘、静音面罩这类硬件普及后，公共场合使用语音输入的障碍将被大幅削弱。
当 AR/VR 设备普及后，虚拟键盘可能永远都不会成为主流交互方式，因为用手比划远不如动嘴方便。
腾讯搜狗输入法大模型产品面对负责人曾表示：“ 语音无疑是一种重要的输入方式，它一定会继续增长，但是不能因此忽略了打字的重要性。至少在硬件完全颠覆之前，打字仍然是非常重要的能力。用户的目的是得到一个最好的输入结果，方式可以是多变的，语音也不一定是唯一选项。”
他还补充道：“ 现在很多 Vibe coding 没有键盘，但并不意味着 Vibe coding 就不需要键盘，可能是因为短时间内还没有好的键盘。所以，输入法的演变形态，我们才刚刚看到令人兴奋的开始，还远远没有到只拿一个麦克风就可以搞定一切的终极形态。”
抛开技术和数据，这场变革背后有一个更深层的问题值得思考：
当“ 说话” 成为人机交互的主要方式，我们对“ 文字” 的理解会发生怎样的变化？
过去几十年，打字塑造了我们的思维方式，它要求我们先把想法组织成线性的、有结构的句子，再一个一个字符地敲出来。
这个过程虽然慢，但也强迫我们思考、整理、精炼。
而语音输入让我们可以“ 想到什么说什么”，思维的自然流速远快于打字，AI 还能帮我们润色和整理。输入的门槛降低了，但思考的门槛呢？
当 AI 可以帮我们把零散的口头表达自动整理成逻辑严密的文字时，我们是否还会花时间去打磨自己的表达能力？
当“ 说话” 就能搞定一切时，书面语的严谨性和精确性会不会被稀释？
这些问题没有标准答案。但有一点是确定的：
我们正在见证人机交互史上最重要的一次范式转移。从键盘到触屏，从触屏到语音，每一次转移都让技术的使用门槛更低，让更多人能够参与数字世界。
打字不会消失，就像毛笔没有消失、钢笔没有消失一样。但它会从一个“ 必备技能” 变成一个“ 专业技能”，从“ 全民标配” 变成“ 部分人的工具”。
未来的年轻人，或许真的不需要“ 学会打字” 了。他们只需要学会“ 好好说话”，而 AI 会帮他们把话说成字。
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
