三年的時間，從 Kickstarter 眾籌破紀錄，到全球累計售出100 萬臺設備，覆蓋 170 個國家和地區，在亞馬遜平臺多數國家品類占有率超過 95% ，登陸中國市場第三天即登頂天貓、京東、抖音同品類榜首。Plaud以“口碑驅動”的方式，跑出了一條不同尋常的增長路徑。

這一成績的背后，離不開 Plaud對“對話即智能”的深刻洞察，以及與亞馬遜云科技從技術架構到全球化布局的深度協同。雙方合作“通過軟硬件結合的方式，實現人類對話上下文信息與大模型的對齊”的產品理念，為全球用戶提供超越傳統工具的知識價值。

三層產品邏輯，打造軟硬協同體驗

“手機有它固有的社會語境，它不是用來捕捉對話意圖的設備。”在 Plaud合伙人、中國區 CEO 莫子皓看來，當前多數 AI Agent 產品存在一個核心痛點，所有 Demo 都依賴已有的文件和數據，但這些數據從哪里來？人與大模型的意圖如何對齊？

Plaud合伙人、中國區 CEO 莫子皓

正是看到這一空白，Plaud沒有選擇 “拿錘子找釘子”，即用手機等現有設備勉強滿足錄音需求，而是為大模型量身定制了專屬硬件，核心目標就是解決大模型最需要的 “offline context（離線語境）” 與 “人的 intention（意圖）” 捕捉問題。這一思路催生了 Plaud “捕捉-提取-運用” 的三層產品邏輯。

在 “捕捉（capture）” 環節，Plaud做了兩處關鍵設計，一是錄音時可以通過手機 APP 拍照，將圖像作為語境補充輸入，生成圖文并茂的總結，讓文字轉寫不再脫離場景；二是加入 “一鍵標記” 功能，當對話中出現關鍵信息時，用戶按下設備按鈕即可標記時間點，實時標注關鍵信息，精準對齊用戶關注的重點，實現人與大模型的意圖同步。“不同人在會議中關注的重點不同，這個功能就是讓大模型‘知道’用戶真正關心什么。” 莫子皓解釋道。

“提取（extract）” 環節則體現了產品的智能化差異。基于錄音內容，不同職業的用戶可以向大模型提出完全不同類型的問題。例如，警察在審訊時使用 Plaud，系統不僅能完整記錄對話，還能基于大模型對犯罪心理學、法律條款的理解，輔助分析嫌疑人行為動機、量刑參考等深度信息。莫子皓強調，“不能只讓 AI 做‘總結’這么簡單的事，核心是讓它根據不同用戶的需求，提供多維度的智能信息。” 這正是 Plaud 區別于傳統錄音設備的關鍵。

而在 “運用” 環節，Plaud已開始嘗試與 Zapier、n8n 等第三方 Agent 工具結合，讓提取的信息能直接對接后續工作流。不過莫子皓也坦言， “這部分仍在優化，是下一步的重點方向”。

產品能快速打開市場，除了功能創新以外，也離不開使用體驗的穩定性。莫子皓指出一個行業共性難題，“大模型產品用一次能打 80 分不難，用 10 次還保持 80 分也能做到，但用 100 次仍能保持 80 分，很少有產品能做到。” 而 Plaud通過軟硬件的持續優化，實現了這一目標，這也成為其口碑傳播的核心底氣。

Plaud 從 Kickstarter 上的科技愛好者起步，逐步擴散至律師、醫生、企業管理者等專業人群，瞄準高決策杠桿、高對話依賴、高知識密度的“三高人群” ，最終形成一條獨特的增長路徑。

一場“雙向奔赴”的合作緣起

2023 年底，Plaud還處于初創階段，正面臨兩大現實困境：一方面，作為小體量公司，之前合作的云廠商幾乎沒有提供技術支持，遇到問題時只能自己摸索；另一方面，Plaud需要大量 GPU 資源來支撐推理需求，但由于公司規模有限，無法從傳統云廠商處獲得穩定的優質資源。

Plaud與亞馬遜云科技的合作可謂是雙向奔赴。“我們當時急需能提供資源和技術支持的伙伴，而亞馬遜云科技也在尋找有潛力的初創企業，雙方一拍即合。”Plaud.ai 合伙人、后端研發負責人劉占坤回憶道。

令他意外的是，即便當時 Plaud體量很小，亞馬遜云科技團隊仍提供了 onsite support（現場支持），不僅幫助他們解決了 GPU 資源短缺的燃眉之急，還提供了各種有針對性的解決方案。

劉占坤坦言，“合作初期，我們最看重的不是成本，而是業務能否快速迭代。” 當時 Plaud 急需成熟的行業最佳實踐來縮短試錯時間，而亞馬遜云科技的無服務器服務恰好滿足了這一需求，無需投入精力搭建基礎設施，就能快速實現功能落地，大幅縮短了產品迭代周期。與此同時，亞馬遜云科技提供的信用額度支持，也讓 Plaud 得以將更多精力聚焦在產品本身，而非資金壓力上。這種 “不看規模看潛力” 的務實態度，不僅打破了 Plaud 的初創困境，更為雙方后續的深度合作埋下了伏筆。

全鏈條支撐實現全球化發展

隨著合作深入，亞馬遜云科技成為 Plaud全球化運營的技術底座，從研發效率、成本控制、用戶體驗、數據管理到安全合規，提供全鏈條支持。

在研發與上線效率方面，Plaud借助亞馬遜云科技彈性計算與自動化部署能力，將新功能迭代與產品部署速度提升了約 30%，從過去需要數周的周期縮短到僅需數天甚至數小時即可完成上線。

成本優化則是雙方協同的另一大亮點。AI 產品的算力消耗是不小的負擔，尤其在用戶錄音高峰時段，算力需求會呈倍數增長。Plaud通過利用亞馬遜云科技的 GPU Spot 實例和自動擴縮容機制，將整體算力成本降 50%，同時在高并發場景下仍能保證服務穩定性與低延遲。結合亞馬遜云科技提供的彈性伸縮（Auto Scaling）與 GPU Spot 實例策略，Plaud.能夠根據業務高峰與低谷動態擴縮資源，在支持數十萬用戶并發訪問的同時，顯著降低整體算力成本，有效提升可用性與經濟性。

用戶體驗的提升則得益于亞馬遜云科技的全球布局。其基礎設施覆蓋 38 個地理區域、120 個可用區，幫助 Plaud為全球客戶提供全球一致的高質量服務，且無需操心基礎架構的運維管理，為業務拓展提供更好的運營支撐。繼美西區域后，通過在歐洲等區域同步部署，Plaud實現了對不同區域用戶的就近服務，將跨區域用戶訪問延遲降低了 80%，顯著提升了實時語音轉寫與生成服務的響應速度和用戶體驗。

在數據管理方面，Plaud將日志、用戶交互數據全面接入亞馬遜云科技的大數據平臺，通過 Amazon Simple Storage Service (S3)、Amazon Aurora、Amazon Redshift 等服務，實現對業務運行情況、模型性能以及用戶行為進行全面洞察，為產品優化和業務決策提供堅實的數據支撐。同時，借助無服務器架構的相關服務，Plaud進一步提升數據處理與系統響應效率約 30%，實現性能與成本的雙重優化，為全球化業務提供堅實技術支撐。

在 AI 模型調用上，Plaud通過 Amazon Bedrock，可靈活調用不同提供商的大型語言模型或自研 ASR 模型，僅需單個 API 就能完成推理，無需自建復雜基礎設施，不僅降低了開發運維成本，還大幅提升了語音理解與生成能力，讓產品更智能。

安全與合規則是 Plaud 全球化布局的基石。作為處理用戶敏感對話的產品，不同國家的隱私保護政策差異是巨大挑戰。Plaud采用了亞馬遜云科技的 “安全責任共擔模型”，自身負責業務層數據安全，亞馬遜云科技保障云底層基礎設施安全，配合Amazon Key Management Service (KMS)、Amazon Certificate Manager（ACM）等安全服務，實現 100% 數據加密，每天自動分析數十億條事件日志，潛在威脅發現效率比自建方案提升 3 倍。同時，依托亞馬遜云科技覆蓋歐洲、北美、中國的區域合規部署，Plaud快速獲取了 SOC 2、HIPAA、GDPR 等全球主流合規認證，新市場的合規審核周期縮短 50%。

未來展望

“我們公司有個習慣，碰到任何問題都會去問：最佳實踐是什么？除了問 ChatGPT，我們也會問亞馬遜云科技團隊。”莫子皓說，“因為他們接觸過很多像我們這樣的企業，能快速給出方案或經驗。我個人和團隊都非常感謝他們。”

展望未來，莫子皓表示，Plaud希望與亞馬遜云科技繼續深耕合作，通過軟硬件結合的形式，幫助用戶提升工作場景、內容創作、全球化協作三大核心領域的工作效率和數據處理能力，創建 Agentic AI 時代的全新工作方式。

在 Plaud的成長道路上，亞馬遜云科技既是技術底座的提供者，也是從起點就堅信其潛力的同行者。