精华速览

全球助听器市场近九成份额长期被索诺瓦、Demant、WS 听力、瑞声达、斯达克五家外资巨头把持，旗舰产品在华售价高达七至十万元，过去十年均价仅降 228 美元。2022 年美国 FDA 放开 OTC 助听器销售，但四年后 OTC 产品在听损人群中的采纳率仅 5.7%，退货率高达 30% 至 70%，未能撼动处方市场。2026 年，深圳听象科技旗下昂听和飞声借助 AI 算法，将助听器价格降至原来的十分之一：昂听一年获超 5 万用户，成为美国亚马逊助听器类目 Top1，年销超 1500 万美元，份额从 1% 增至 18%；飞声开放式 AI 助听器在日本众筹超 300 万美元，创类目纪录。AI 在声音分离、增强、预测三个环节重构体验，并推动验配线上化、产品形态开放化与适老化设计。但中国 1.2 亿听损老人中助听器佩戴率不足 5%，市场拐点尚未到来。

要点透视

  • 全球近九成助听器份额由索诺瓦、Demant、WS 听力、瑞声达、斯达克五家外资公司占据，其旗舰产品在中国线下售价一对七至十万元，美国本土售价三四万元。
  • 过去十年，专业助听器平均价格仅下降 228 美元，降幅不到 5%；65 岁以上应佩戴助听器人群中，真正从中获益的比例只有 6.5%。
  • 2022 年 10 月美国 FDA 放开 OTC 助听器销售，但截至 2026 年，有听力问题的美国人中仅 5.7% 采用 OTC 产品，处方助听器采纳率停留在 39%，OTC 退货率高达 30% 至 70%。
  • 深圳听象科技旗下昂听用 1 年时间获超 50000 用户，成为美国亚马逊助听器类目 Top1，年销超 1500 万美元，市场份额从 1% 增长至 18%。
  • 飞声开放式 AI 助听器在日本众筹金额超 300 万美元，创下助听器类目众筹纪录；其 H9 产品经第三方检测时延为 5.4 毫秒，昂听 Beyond Pro 延迟为 8 毫秒。
  • 索诺瓦 2024 年旗舰款内置专用 AI 协处理器 DEEPSONIC，每秒 77 亿次运算，比行业通用芯片高出 53 倍，学过超 2200 万个真实环境声音样本。
  • 中国是全球最大助听器出货地，2022 年出口约 1432 万台，占全球总量 60% 以上，但国内市场 90% 以上份额仍被五大外资占据，且中国至今没有 OTC 助听器类别。
  • 飞声将 AI 模型从 10MB 压缩至 100 至 300KB，运行在毫瓦级功耗芯片上，算法迭代至少七八十遍；其判断未来两三年产品研发 70% 至 80% 的重要性在算法。

文章拆解

助听器行业的高价并非单纯品牌溢价，而是建立在音频分离这一技术难题之上的封闭体系。五大巨头用专用芯片和算法将嘈杂环境下的声音处理做到七八十分，再以全球数千家验配门店和经销商网络锁定用户，形成技术加渠道的双重壁垒。过去十年均价仅降 228 美元，说明传统路径下价格刚性极强。2022 年美国 OTC 政策放开曾被视为破局点，但四年后 OTC 产品采纳率仅 5.7%，退货率高达 30% 至 70%，索尼、GN 等老牌玩家相继退出，证明仅靠放开渠道而不解决核心体验，无法撼动处方市场。

AI 的介入改变了竞争逻辑。它并非给助听器增加新功能，而是从声音分离、增强、预测三个环节拆解了巨头垄断的技术关卡。声音分离让用户在嘈杂餐厅中锁定人声，声音增强依据个体听损曲线做定制补偿，声音预测则在啸叫发生前提前抑制。全链路处理需在 10 毫秒内完成，昂听和飞声分别做到 8 毫秒和 5.4 毫秒，远严于 AI 耳机可容忍的几十毫秒延迟。更关键的是，国产团队选择集成 SoC 路线，将蓝牙、DSP、NPU 集成在一颗芯片上，借助中国 TWS 供应链以更低功耗和体积实现声音处理，这与五大巨头传统 DSP 外挂 AI 芯片的双芯片方案形成路线差异。

价格降至十分之一、验配从门店移至手机、产品形态从封闭入耳转向开放式耳夹，这些变化共同指向一个结论：AI 正在把助听器从不得不用的医疗设备，重新定义为可持续迭代的消费级伙伴。昂听一年内从 1% 份额增至 18%、飞声日本众筹创纪录，说明市场对低价加 AI 体验的组合有真实需求。但风险同样明确：单靠芯片难以拉开差距，大家买的是同一代供应链芯片，真正的壁垒在算法深度；验配线上化对不擅长智能手机的老人构成新门槛，飞声保留全人工路径和护士上门网络正是对此的回应；电商平台上大量百元级智能降噪助听器实为无差别放大的扩音器，游离于监管之外，可能加重听损。

最值得关注的变量是市场拐点何时到来。美国 OTC 放开四年采纳率仅 5.7%，中国 1.2 亿听损老人中佩戴助听器者不足 5%，技术拐点或许正在路上，但用户习惯、支付意愿、监管框架和渠道信任的建立仍需时间。AI 助听器能否真正翻过芯片、算法和渠道三座大山，尚待确认。可以确定的是，这场竞争的核心已从谁能把声音放大，转向谁能在同样算力约束下把声音处理得更干净、更精准、更提前。

查看原文