语音 AI 已经能边听边说，为什么还没迎来“ChatGPT 时刻”？问题在于，它可能聊得像真人，却未必真正听懂你、记得前情，或知道该调用哪些业务数据。全双工模型解决了打断、插话和即时回应的节奏问题，但从客服到会议助手，要让用户放心把事情交出去，还得补上上下文层——连接用户身份、历史交流、当前任务和企业数据的那一层。
据 TechCrunch 报道，PolyAI CTO Shawn Wen 认为，下一步要让推理足够快，及时取回答案；他也指出，自动语音识别（ASR，即把声音转成文字）漏掉关键词，会破坏整段语境。Otter CMO Alex Gay进一步解释了这种连锁反应：原始转写一旦不准，后续摘要和自动操作都会跟着出错，系统一旦替用户办错事，信任也就丢了。换句话说，语音 AI 眼下缺的并不只是更像人的声音，而是可靠理解上下文并完成任务的能力。