Counterpoint Forecasts 31M Hearing Aid Sales by 2030 with Half Featuring On-Device AI Noise Reduction
Counterpoint predicts global prescription hearing aid sales will exceed 31 million units by 2030, with nearly half integrating on-device AI capabilities. Deep neural networks enable real-time voice-noise separation, improving signal-to-noise ratios by up to 10.2 dB in complex environments where traditional DSP fails. The primary engineering challenge remains balancing AI computational power consumption against battery life and device size constraints.
Full Report
10 月 14 日消息,Counterpoint 《全球端侧 AI 可穿戴设备预测》报告指出,到 2030 年,全球处方助听器销量预计将突破 3100 万台,2025 至 2030 年的年复合增长率为 4%。随着 AI 在助听器领域的应用普及,预计到 2030 年,近 50% 的助听器产品将搭载端侧 AI 能力。

多年来,助听器在小型化、连接性、续航方面持续进步,但核心难题始终存在:用户在嘈杂环境中难以听清对话。传统助听器主要依赖数字信号处理(DSP):麦克风采集环境声音,处理器分析频率、音量等特征,再通过预设算法决定放大或降低哪些声音。这套方案对空调、发动机这类稳定噪音有效,但现实场景往往更复杂。比如拥挤餐厅中同时存在多段对话、音乐、餐具碰撞声,基于规则的系统很难判断用户真正想听的声音。
AI 带来了完全不同的解决方案:AI 模型不依赖预设规则,可通过学习区分人声与其他声音的模式。经过数百万组人声与背景噪音样本训练的深度神经网络(DNN),可以实时识别说话者的声音,并抑制无关噪音。

AI 能够提升助听器在真实环境中的语音识别能力,通过分离人声和噪音、优先突出目标说话者、提升空间感知、持续适应环境变化实现优化。AI 尤其擅长区分「s」「f」「t」「sh」「th」这类细微易混的语音,还可以帮助用户区分 15 和 50、17 和 70(IT之家注:英语中的 fifteen 和 fifty 读音近似)这类数字,通过保留这些精细语音特征,AI 不仅能放大音量,还能提升餐厅、会议、拥挤街道等场景下的实际语音理解能力。
在临床「噪音中语音识别」测试中,听力正常的听众通常需要约 2 dB 的信噪比(SNR)才能正确识别 50% 的关键词;而对轻中度感音神经性听力损失听众来说,这一需求提升到约 8 dB,AI 正好能在信噪比上带来可量化的提升。根据峰力(Phonak)测试,固定指向麦克风搭配传统设置,相比全向麦克风可将信噪比提升 6.4 dB;加入 AI 降噪技术后,默认设置下提升幅度达到 9 dB,最大设置下可达 10.2 dB,足以让用户在餐厅场景中顺畅交流。
AI 还能让助听器更自动化、个性化:机器学习可以根据用户偏好和聆听场景自适应调整声音处理,减少手动调节,降低跟随对话所需的认知负荷,最终减少聆听疲劳、降低重复询问的需求、提升用户日常交流信心。不过这些提升并非没有代价:持续运行神经网络会消耗电池电量,也占用设备空间,因此当前最强的 AI 助听器往往仅提供少数款式选择。
助听器对处理延迟要求极高:从采集声音到处理完成再传入耳朵,整个过程必须控制在 10 毫秒或更短才能保证自然体验,这让助听器和大部分 AI 设备有着本质区别 —— 智能手机可以将数据上传到云端、等待 AI 返回结果再处理,但助听器无法承担云端往返延迟,哪怕微小延迟也会造成用户视听不同步,或让用户自身声音听起来不自然。
因此,实时语音处理要求 AI 必须运行在助听器本地,而非用户手机或云端,这正是端侧 AI 的核心价值:声音在靠近麦克风和接收器的本地完成分析处理。
难点在于,助听器本身电池容量极小、计算能力有限、尺寸约束严格,想要把 AI 能力塞进这样的设备,必须对 AI 模型和处理器做高度优化,才能在实现语音分离、降噪的同时将功耗控制到最低。持续运行神经网络会显著缩短续航:例如峰力 2025 款 Audéo Infinio Ultra Sphere,常规使用续航为 56 小时,如果持续开启 AI 功能,续航会骤降到 10 小时,这也直观展现了本地运行 AI 的成本。

集成端侧 AI 让助听器变得「智能」,但高效集成才是研发难点:每一点语音清晰度提升都要付出续航和空间代价,峰力产品的数据也直观展现了这一成本。下一代助听器的核心竞争力,就在于如何让 AI 在后台静默运行,在提供更清晰人声、更低聆听负荷、更个性化听力体验的同时,不消耗过多电量,也不增大设备体积,目前行业已经开启了这场技术竞赛。