Sensi.AI 用墙插式麦克风 24 小时在不装摄像头、不戴设备的前提下分析居家声音与行为模式，识别跌倒、呼救、如厕异常等风险并向家属/护理人员发出预警。
0. 背景
这个 Sensi.AI 给AI产品经理最大的启发是：它不是“模型多强”，而是把养老的“不可能三角”（隐私/安心/成本）拆开重组。
- 隐私：老人不愿意安装摄像头，特别是在卧室和卫生间浴室中。
- 安心：老人不希望被监控，但是老人的子女希望能知道老人的状态。
- 成本：请24小时的看护人员费用及其昂贵。
1. 目标用户与价值主张
- 老人：不想戴设备、不接受摄像头 → 用 **“插墙麦克风”**把打扰降到最低。
- 子女/机构：要安心、要可追溯 → 用“事件+趋势”而不是全天监听。
- 护工/护理团队：要省人力 → 让系统先筛，再把“该听的一小段”推给人员来审核。
2. 产品形态的关键取舍
- 用声音替代视频：穿墙、黑暗可用、成本低，同时隐私冲突更小。
- 多房间部署：不是追求“全覆盖”，而是用房间切分推断行为链（夜间游荡、如厕频率等）。
3. 算法与交付方式
它聪明在“漏斗”：环境声→语义→情绪语调→人工审核。对外卖的是风险预警的确定性，不是“识别了100种声音”的炫技。尤其“低置信度进人工”是把误报/漏报的商业风险控住了。
4. 可复用的产品灵感
从 Sensi.AI 这个产品里可以获得以下的一些启发（基本都是“产品/场景”层面的）：
- AI的价值不一定来自“高精尖技术”，而是来自“对目标人群需求的深刻洞察”。 不是从模型出发，而是从不被满足的场景出发。
- 养老护理的核心矛盾是“不可能三角”：隐私与尊严、子女安心、成本与人手——优秀产品要能同时兼顾，而不是只优化其中一角。
- 绕开主流解法的红线：不用摄像头（浴室/卧室隐私禁区）、不用可穿戴（老人不习惯/依从性低），改用“音频”这种侵入性更低的信号源。
- 声音是被低估的高密度信息载体：呻吟、呼救、咳嗽、脚步、物体坠落、冲水等，能映射健康与安全状态；而这些细节在传统问诊/照护里“看不见”。
- 先用“笨办法”把场景跑通：早期在养老院放录音设备、人工听录音、用 Excel 标注异常——验证需求、沉淀数据、再训练模型。
- 产品关键不是“会识别”，而是“能过滤并触发行动”：用“四层漏斗”逐层筛选，把海量声音变成可用的风险事件。
- “听说了什么”不够，还要“听怎么说”：情绪/语调/语速/音量变化比文字本身更能反映风险（抑郁、冲突、认知退化、中风等）。
- 人机协作是风控设计，不是落后：高置信度自动报警；中低置信度进人工审核，避免把“漏报高危”这种不可承受的风险交给模型。
- 隐私保护要体现在机制上：人工只听被截取的几秒、听不到上下文；匿名化处理——把隐私从“承诺”变成“系统约束”。
- 把“生活信号”转成“可见数据”是AI产品的核心交付物：如厕频率、夜间游荡、咳嗽特征、语言能力变化等，最终都要变成可理解、可追踪、可干预的指标/预警。
- 商业成功来自“场景理解深度”而非论文可行性：很多研究停在实验室，没人关心老人愿不愿意用；Sensi.AI赢在真实使用环境与可落地形态。
- AI时代稀缺能力：看到别人看不到的“不可能”，用现成技术的新组合把它变成“可能”。
- 对落地问题保持清醒：在不同国家/市场能否跑通、准确度如何、夜间预警后谁来确认并决策是否拨打急救，这些都是产品必须补齐的闭环。
5. 脑洞打开时刻
- 把**“声波”升级成“多模态”**：音频做事件触发，同时用“最小化数据上云”（只上传特征与事件）, 甚至引入“反向隐私模式”——家属只能看到风险等级，看不到内容，除非触发紧急授权。把隐私再往前推一档。这样能把误报率打下来，还能把“预警→确认→处置”做成自动化工作流。
