近日，Andrej Karpathy分享了一个他钟爱的“偷懒”技巧：当需要AI协助时，又懒得逐字敲击，怎么办？他的办法是：向后一靠，开启语音模式，让意识像流水一样倾泻而出，哪怕絮絮叨叨十分钟也没关系。有时，他甚至会特意声明一句：“正在使用语音识别，别介意错别字。”神奇的是，AI非常擅长处理这种长而混乱的碎碎念。它给出的回复往往比你自己整理得还要清晰，将你脑海中纠结的想法梳理得井井有条，大幅减少了反复确认的次数。这正是Karpathy与AI交互最顺畅的方式。他称之为改善“心智融合”。既然懒得把事情的来龙去脉一个个敲清楚，不如直接开口，把一团乱麻般的信息一股脑倒给AI。
这种语音输入的价值，不仅在于解放双手，更在于它提供了高带宽的上下文通道。就在最近，OpenAI也将这套“用嘴指挥AI”的玩法直接搬到了桌面端。7月23日，OpenAI正式将ChatGPT的语音功能引入桌面版App的Work和Codex场景。这一更新在全球范围内的macOS和Windows系统上分批推送，覆盖了Plus、Pro、Business、Edu、Enterprise等所有订阅档位，Android版本紧随其后，iOS则可通过Remote配对远程接入。
其底层依托的是7月8日上线的新一代语音模型GPT-Live。该模型具备实时听说的能力：你可以随时打断对话，AI会紧接着你最新的语句继续，而非采用老式的“先录音、再转文字、最后回复”的笨拙流程。关键在于，这次语音功能不仅仅用于闲聊。在Work和Codex场景中，你可以直接开口启动任务、询问进度，或在同一段对话中协调多个AI Agent各司其职。任务可以在后台静默运行，你可以随时插话改变方向；一旦遇到卡顿或完成，AI会主动通过语音或屏幕提醒你。它还能无缝衔接手头的工作，调用项目上下文、文档、日历和通讯记录，帮你收尾未竟之事。官方也提供了生活化的演示：比如查询日历冲突、查看航班变更、整理会议纪要，这些琐事都能在“你泡咖啡或忙碌的间隙”自动完成。此外，macOS版还增加了Appshots和屏幕上下文读取功能，能直接理解你当前最前方的窗口，结合本地文件和代码库进行操作，并支持自定义热键。
目前，接入Codex和ChatGPT Work的周活跃用户已超过1000万。在OpenAI发布的宣传片中，有一幕极具画面感：几名工程师围在同一张桌子前，对着同一个桌面会话各抒己见，将指令下达给同一个AI。这或许就是他们所构想的“群体编程派对”。另一段居家场景演示则展示了语音如何指挥桌面版Codex在后台处理事务。
这并非OpenAI的一时心血来潮。几乎同一周，三位行业领袖几乎不约而同地力挺“语音”路线。Karpathy在X平台上发文表示，当上下文信息量过大且不想打字时，他会通过语音与AI“乱聊”一番，让AI去整理思路。一位Grok的忠实用户转发了该帖，坦言自己早已习惯使用Grok的语音输入，“现在打字简直像上刑”，并吐槽Anthropic的语音输入较为基础。马斯克随即转发了这条内容，补充道：“你可以像跟人说话一样，用Grok Build把任务交给它。”奥特曼也不忘推销自家的新一代语音模型GPT-Live。他透露自己以前更爱打字，但现在与ChatGPT对话时“说的比打的多了”，并特别强调：当你需要一次性倾倒大量上下文时，语音是最佳选择。
让大佬们兴奋的，远不止“终于能用嘴说话”这么简单。这背后隐藏着一个逻辑：随着智能体能力的增强，输入的意图也愈发复杂，键盘这一传统通道开始出现拥堵。输入越省事，模型接收到的信息往往越干瘪。而语音输出，则是天生的宽管道，能一口气将前因后果、顾虑偏好全盘托出，即便表达混乱，模型也能兜底整理。社区实测数据显示，语音吞吐量约为每分钟240个词，而打字速度顶多70到80个词，两者差距显著。GPT-Live正是利用这种解耦设计，将繁重的思考工作甩给后台的GPT-5.5或GPT-5.6，前台则专注于流畅的对话体验。
归根结底，语音输入背后，其实是“用嘴管项目”。根据官方FAQ，在Work和Codex中，开口即可完成启动任务、设定优先级、中途打断或掉头改向等操作。更进一步，它能在多个对话和项目间协调多个智能体并行工作。比如你说一句“A先做，B先挂着，C出结果了叫我”，后台就会按照指令重新排程。它还能根据项目上下文和连接的工具（文档、日历、联系人等）继续推进任务。一旦任务受阻或完成，会通过语音或屏幕通知你。这已不再是简单的语音输入法，而更像一个中枢指挥系统，你在上面调度一支智能体团队。
ChatGPT正试图成为你的“AI工作操作系统”。近期，OpenAI重做桌面版ChatGPT，将Chat、Work、Codex整合在同一入口，支持一键切换并在后台长期运行。Codex已进化为能并行处理多个智能体、理解完整项目的通用平台。为何选择桌面而非手机？因为手机的小屏幕难以承载复杂任务，而桌面才是文件、IDE、浏览器和企业软件的聚集地，是智能体真正大展身手的主战场。这标志着人类与AI交互方式的翻转：过去是“操作软件”，现在是“指挥团队”。一位重度用户形容这套体验“基本就是贾维斯”，甚至让Codex配置快捷键，在三台机器间自如切换。
回到开头的场景，真正让马斯克、奥特曼、Karpathy兴奋的，不是可以抛弃键盘，而是当输入不再是瓶颈时，人类可以将省下的脑力回归到真正值得深思的决策上。因此，下一个问题或许不是“你能不能开口”，而是当你面前站着一群随时待命的AI时，你到底想让它们替你做什么。