Sesame：Oculus 创始人觉得 AI 语音差在哪，他们把答案做成了一款 App

2026 年 5 月 28 日，Sesame 正式向全球 39 个国家开放 iOS 公测版。这家由 Oculus 联合创始人 Brendan Iribe、Nate Mitchell，以及 Ankit Kumar 联合创立的公司，此前已悄悄跑通了一个研究预览版——仅数周内就吸引超过 100 万用户，产生 500 万分钟以上的对话量。

但真正让 Sesame 值得单独拆解的，不是这个数字，而是他们在做一件大多数语音 AI 产品绕开了的事：解决「时机」问题。1

问题：语音 AI 为什么让人觉得「假」？

用过 ChatGPT 语音模式、Google Assistant，或者几乎任何一款语音 AI 的人，都会有类似的感受：AI 说话流畅，但节奏不对。要么快得没有思考感，要么中间停顿一下突然冒出一段完整答案，让对话变成了「问题 → 等待 → 答案播报」。

Sesame 给这件事起了个技术名词，但背后是个人人都懂的体验难题：一个思考型回答需要时间，但等太久就不像在聊天了。2

「回复快和回复准之间存在一种根本性的张力。慢一点的回答通常更正确，但如果等太长时间，就会让对话感觉很不自然。」 — Raven Jiang，Sesame 产品工程负责人

这不是纯粹的工程延迟问题，而是一个交互时机设计问题。

设计信号一：边说边思考——把「延迟」变成「节奏」

Sesame 的核心技术突破是：让 AI 在说话的同时运行多个并行搜索，然后在说话过程中把新信息无缝编织进答案里。必要时，可以在句子中途转向——就像人在回答时突然想起一个更重要的细节，自然地改变了表述方向。1

这个看似小的设计决策，解决的其实是语音 AI 最深的「恐怖谷」裂缝之一：人类说话是流动的、有修正感的，而 AI 往往是「生成完毕再输出」。

对产品设计者的启示：延迟本身不是问题，没有节奏感才是问题。 把延迟做成思考感，比把延迟压到极限要更接近真实对话体验。

Sesame iOS 应用界面展示搜索卡片 — Sesame iOS 公测版界面，搜索结果以卡片形式融入对话流 2

设计信号二：四个 Agent，四套独立记忆——人格化不是配置项

这里有个设计决策很容易被忽略：Sesame 提供了四个 AI Agent（Maya、Miles、Simone、Charlie），每个都有独立的记忆。

你和 Miles 聊过的事，Simone 不知道。

这不只是隐私设计——它更是一种人格完整性设计。当你和一个人建立关系，这个人不会和另一个人共享关于你的记忆。Sesame 把这个逻辑应用到了 AI Agent 上：每个角色有自己的声线、性格、视角，以及只属于它和你之间的记忆积累。1

与此同时，Sesame 加入了「隐身模式」（Incognito Mode）：Agent 在这个模式下能访问之前的上下文，但对话结束后什么都不会被保存。这是一种精细化的隐私分层——不是「全有」就是「全无」，而是让用户决定哪段对话有资格进入长期记忆。

这套设计透露了 Sesame 的一个根本假设：持续化的 AI 关系，不是靠更多功能堆砌，而是靠更清晰的「人格边界感」来建立信任。

Sesame 隐身模式界面截图 — Sesame 应用中的「好奇伙伴」与隐身模式入口 2

设计信号三：「好奇引擎」作为北极星——不是助理，是思维伙伴

Sesame 把自己的产品定位叫做「好奇引擎」（curiosity engine）。他们不说「productivity tool」，不说「AI assistant」，说的是——帮你学习、发现、和反思的对话伙伴。1

这个定位反映在产品功能的取舍上：

搜索卡片（Search cards with images）：AI 说到一个概念，屏幕上同步出现可视化的参考图；理解优先，而不是给你一段文字去读
笔记功能（Notes）：保留对话中浮现的想法，让「边走边聊」的临时洞察能落地
文字模式（Texting mode）：当你不方便开口时，对话不中断
深度探索（Deep Dives）：需要时，可以切换成更深的信息挖掘模式

这些功能有个共同点：它们都不假设你有一个明确的任务要完成。它们服务的是那种「脑子里有个问题但说不清楚要问什么」的状态——正是人在通勤、散步、发呆时最常进入的状态。

Sesame 自己把这个场景描述得很准确：「在日常生活的间隙时刻，在你不经意间最好的思考就会发生。」1

techcrunch.comhttps://techcrunch.com/2026/05/28/sesame-the-conversational-ai-startup-from-oculus-founders-launches-its-ios-app/외부 링크

콘텐츠 카드를 불러오는 중…

背景：Oculus 创始人为什么来做语音 AI？

Brendan Iribe 和 Nate Mitchell 把 Oculus 卖给 Meta，然后在 VR 硬件的世界里待了很长时间。他们在做 Sesame 时，带来的是一套硬件产品人的直觉：接口要贴合人体，而不是让人适应接口。

VR 最终失败在「前置感知负担」上——你要戴上头盔、进入另一个空间，才能开始使用。Sesame 的语音 Agent 策略反其道而行之：不要求你做任何准备，说话就行。而这家公司已经公开表示，2027 年将推出轻量化 AI 智能眼镜——这才是最终形态。3

iOS App，是那个最终形态的热身阶段。

设计者可以带走的三个问题

你的 AI 产品的「等待感」是让用户焦虑，还是在传递思考感？ 等待本身不是问题，缺乏节奏才是。
你的 AI 有「人格边界」吗？ 当用户和不同 AI 角色建立不同关系时，如果记忆是共通的，信任感实际上会被稀释。
你的产品假设用户「有任务要完成」，还是「有想法想探索」？ 这两种假设，会导致完全不同的功能选择和界面语言。

Sesame 给出了一套自洽的答案：它不想成为最快的 AI，而想成为你最愿意一直说下去的那个。