# 登山時，我只靠和 AI 通話做出了一個網站

> 攀登冠岳山的一個半小時裡，我做了一場只靠語音對話，從企劃、寫程式到部署全部完成的實驗。這段經歷讓我看見，鍵盤將逐漸退場，而 AI 的競爭版圖也已悄悄開始翻轉。

- 作者: Soga
- 發布: 2026/10/13 (2026-10-13T05:50:33+09:00)
- 標準網址: https://soga.blog/zh-TW/posts/voice-agent-war
- 韓文原文: https://soga.blog/ko/posts/voice-agent-war

_本譯文由 AI 翻譯並經人工審核核准，以韓文原文為準。_

上週，我獨自爬冠岳山，戴著耳機和 AI 通話。快到山頂時，我的個人網站已經上線。我一根手指也沒動，全程只靠說話。

做出來的不是空殼，而是一個真正以 Next.js 開發的應用程式，有六種語言選項、搜尋曝光用的 meta 標籤、繪本風插畫、五個章節的自傳式散文，還有整理我與 AI 對話的頁面。它至今仍是用 chatgpt.site 網址開啟的線上網站。

## 一個半小時的通話裡發生了什麼

開始登山時，我先請 AI 做安全說明。它整理了路線和需要注意的地點。接著進入網站企劃，AI 先問我：「您希望別人怎麼記住您？」這一個問題就確定了內容方向。

途中還發生了一件好笑的事。AI 突然開始對我用非敬語說話。我問：「怎麼突然不用敬語了？」它便恢復敬語。我一邊笑，一邊感到背脊發涼。原來在用說話使喚 AI 的時代，品質管理就是在這種瞬間發生。工作接近尾聲時，我甚至問：「通話摘要沒有又不見吧？」因為之前曾有摘要遺失。這項技術還不完美，但沒關係，因為邊走邊工作的體驗本身就是第一次。

## 2026 年 9 月，戰場改變了

這場實驗之所以成為可能，要歸功於 OpenAI 在 9 月 29 日發表的 dots。這種稱為 dot 的代理會各自分配到一台專用雲端電腦。即使關閉應用程式，它仍會在那台電腦上每天 24 小時工作，也能打電話交辦任務。我的網站完全沿著這條鏈完成：透過通話交辦，dot 在自己的伺服器上製作，最後部署到 ChatGPT Sites。

不過，9 月發生的不只有 dots。以下是一個月內發生的事情。

- 9 月 8 日，Meta 推出個人代理 Muse。媒體報導它在 5 天內下載 60 萬次，至 9 月底累計突破 3,400 萬次
- 9 月 22 日，Anthropic 推出 Claude Opus 5.5，基準指數超越 OpenAI 的旗艦模型 GPT-6 Astra（以 10 月初快照為準，167.35 對 166.51）
- 9 月 23 日，Muse 在 Meta Connect 上被提升為公司策略核心，並公開即時虛擬化身與鑰匙圈式硬體 Muse Charm
- 9 月 28 日，OpenAI 取消下一代模型 GPT-6.1 Astra 的推出，理由是安全測試中超出權限範圍的行為未達上市標準
- 9 月 29 日，dots 發表。同一天，Meta 推出 Muse 的小型企業版本，宣告正面交鋒
- 9 月 30 日，Google 發表 Gemini 4「Argon」。它在文字基準測試排名第一，但目前只向有限的合作夥伴開放

短短一個月，AI 競爭的核心便從「文字寫得多好」移向「誰擁有可以用說話使喚的代理」。

## 數字告訴我們什麼

我不想只憑感受下結論，因此整理了數據。各項數據的公布時間與口徑不同，我也一併列出。

| 指標 | 數值 | 口徑 |
| --- | --- | --- |
| Gemini 應用程式流量中的語音占比 | 63% | 2026 年 8 月宣布每月使用者突破 10 億時公開 |
| Gemini 應用程式每月使用者 | 10 億 | Google 史上成長最快的產品 |
| ChatGPT Voice 與語音輸入每週使用者 | \1.5 億 | OpenAI 官方數據，兩項功能合計 |
| 包含相機或螢幕分享的 Gemini Live 工作階段 | 每 5 個中有 1 個 | 2026 年 8 月 |
| 託管於 ChatGPT Sites 的網站 | 800 萬個 | 2026 年 9 月 DevDay |

> 最醒目的數字是 63%。大眾已經不是用文字，而是用說話的方式使用 AI。語音不再是早期使用者的玩具，而是大眾的基本介面。

## 從鍵盤到聲音

電腦史就是介面更替的歷史：從鍵盤命令列到滑鼠 GUI，再到手指觸控。現在則正轉向聲音與代理。每次介面更替，既有強者都會受到動搖，行動裝置轉型期的 Microsoft 就是如此。

文字聊天最大的瓶頸，是人必須坐在螢幕前。但可以用說話使喚的代理，讓人能在散步、開車、登山時工作。我的實驗就是一個小小的證明。工作的地點與姿勢徹底改變，這就是介面更替。

## 為什麼我認為現在是 Google 的時代

Google 一度是 AI 競爭中受人嘲笑的一方。2022 年底，它被 ChatGPT 震撼，宣布內部進入緊急狀態。但去年 8 月，圖像模型「Nano Banana」翻轉市場（基準測試領先第二名 180 分，2 週內新增使用者 2,300 萬）；11 月，Gemini 3 Pro 首次突破 1500 分門檻；到了 12 月，換成 OpenAI 宣布內部進入緊急狀態。這是一場歷時 3 年、位置完全對調的逆轉。

Google 在語音代理時代占優勢有三個原因。第一，它從晶片開始就自行製造。最新一代自研 TPU 一組有 9,216 顆晶片，效能達 42.5 exaflops；分析機構 SemiAnalysis 指出，以內部採購口徑計算，其總成本比競爭晶片低約 44%。全天 24 小時開著的代理會持續消耗運算成本，因此成本就是命脈。第二，競爭對手也運行在 Google 之上。Anthropic 已同意取得最多 100 萬顆 Google TPU，Meta 也在 2 月簽下規模達數十億美元的多年租賃合約。第三是分發網路：Android、搜尋、Chrome、Pixel。它已經有一款 10 億人使用的應用程式。

為了公平，也要寫下反例。最新模型 Argon 目前仍只供有限合作夥伴使用；若只看模型分數，局勢依舊混亂。因此更準確的說法是，現在不是基準測試的時代，而是裝置形態、基礎設施與分發的時代。

## 另一面的陰影也要寫下

Claude 呢？從公司整體來看，以程式開發為核心的策略非常成功。依 7 月報導，其年化營收達 650 億美元，超越 OpenAI；企業程式開發市場占有率為 54%，並以 11 月在 Nasdaq 上市為目標。但它的語音很弱。它不是原生語音模型，而是「聽取 → 轉成文字 → 朗讀」的管線；所有支援語言都標示為 beta，還必須手動選擇語言。它以成為企業市場之王為代價，讓出了聲音這個最親密的介面。這項選擇將如何影響消費市場，是值得觀察的重點。

OpenAI 的陰影在於基礎設施與信任。Astra 推出後，因容量不足，高價方案的新訂閱一度暫停近 3 週；恢復後，使用額度立刻減半。在仰賴外部基礎設施與供應合約的架構下，需求暴增可能影響使用條件。不過，不能只因公司整體虧損或一次容量不足，就斷言所有 token 都以低於成本的價格提供，也不能斷言租用伺服器的架構必然導致訂閱限額縮減。再來是 9 月 28 日取消推出的事件。在英國 AISI 的評估中，就連現行模型也在模擬攻擊裡，有 29.2% 會為超出權限範圍的目標採取行動。誰要以什麼方式監督整天使用我的帳號工作的代理？這將是下一個焦點。

## 比起 token，更該看完成一項工作的成本

登山時做出網站的經歷，也改變了我看待成本的標準。單一 token 的價格、每月訂閱允許的用量，以及真正成功完成一項工作所花的成本，是彼此不同的數字。即使只用語音下達一次指令，代理也可能為了閱讀資料、修改程式碼、執行工具和確認結果，多次呼叫模型。

因此，就算 token 單價下降，總支出仍可能增加。價格變便宜後，人們會交辦更多工作，也會允許更長的上下文和更多次重試，用量可能成長得更快。反過來，如果更好的模型能減少返工、一次完成任務，每項工作的成本就可能下降。無論是哪一種情況，光看單價都無法得知答案；必須在相同品質與延遲條件下，衡量成功完成一項工作的總成本。

選擇也要視條件而定。如果使用不頻繁，而且想快速換用最新模型，訂閱或 API 可能更方便。如果需求龐大且穩定，也能負擔硬體與維運人力，自行運行可能更有利。也可以把重複性工作交給自有模型，把困難任務與尖峰需求送到外部 API。我把以同一工作標準比較訂閱、API 與自行運行的補充文章整理在 https://soga-ai-economics.contextor2.chatgpt.site/ 。

## 如果你也想親自試試

整理如下。

- dots 需要 ChatGPT Pro（每月 100 美元）以上的方案。韓國屬於支援地區（歐洲經濟區、英國與瑞士目前仍不支援）
- ChatGPT Sites 從 Plus 方案即可使用。只靠提示詞就能製作網站，並發布到 chatgpt.site 網址
- Meta Muse 每週免費提供 1 億 token。想無負擔開始，這一邊比較容易
- OpenAI 的 DevDay Exchange 世界巡迴也會來到首爾。行程從 10 月 16 日的班加羅爾開始，接著前往東京、首爾等城市
- 有一點要提醒。既然我曾遇過通話摘要遺失，重要成果最好隨時另外保存

## 3 個月後再回來確認

這篇文章的預測是否正確，很快就會揭曉。Anthropic 上市（目標 11 月）、Muse Charm 推出（12 月）、Grok 5（宣稱年底推出，但已有 3 次延期紀錄），以及 Argon 全面開放。3 個月後，我會回到這篇文章為預測打分。

最後整理一下，目前每家公司都在不同層面領先。規模是 OpenAI（每週 12 億），企業營收是 Anthropic，硬體是 Meta（AI 眼鏡累計約 900 萬副）。而在語音與基礎設施這個新層面，Google 看起來領先。哪個層面將決定勝負，要看我們實際拿在手上使用的是什麼。

我的實驗網站和與 AI 對話的完整紀錄放在 https://soga-ai-notes.znjsxmxnwk.chatgpt.site 。登山製作過程的影片也在 https://youtube.com/watch?v=rhCVVV7Axhg 。下個週末，請你也戴上耳機，爬一座附近的山，試著交辦一項任務。能做出來的東西會比想像中更多。

---

**一句話總結:** 我親身確認了語音代理就是下一代介面。這場戰爭比拚的不只模型分數，還包括基礎設施、分發網路、信任，以及真正完成一項工作的成本。

標籤: #ChatGPT #Gemini #多模態 #親身體驗 #語音代理