三年的时间，从 Kickstarter 众筹破纪录，到全球累计售出100 万台设备，覆盖 170 个国家和地区，在亚马逊平台多数国家品类占有率超过 95% ，登陆中国市场第三天即登顶天猫、京东、抖音同品类榜首。Plaud以“口碑驱动”的方式，跑出了一条不同寻常的增长路径。
这一成绩的背后，离不开 Plaud对“对话即智能”的深刻洞察，以及与亚马逊云科技从技术架构到全球化布局的深度协同。双方合作“通过软硬件结合的方式，实现人类对话上下文信息与大模型的对齐”的产品理念，为全球用户提供超越传统工具的知识价值。
三层产品逻辑，打造软硬协同体验
“手机有它固有的社会语境，它不是用来捕捉对话意图的设备。”在 Plaud合伙人、中国区 CEO 莫子皓看来，当前多数 AI Agent 产品存在一个核心痛点，所有 Demo 都依赖已有的文件和数据，但这些数据从哪里来？人与大模型的意图如何对齐？
Plaud合伙人、中国区 CEO 莫子皓
正是看到这一空白，Plaud没有选择 “拿锤子找钉子”，即用手机等现有设备勉强满足录音需求，而是为大模型量身定制了专属硬件，核心目标就是解决大模型最需要的 “offline context（离线语境）” 与 “人的 intention（意图）” 捕捉问题。这一思路催生了 Plaud “捕捉-提取-运用” 的三层产品逻辑。
在 “捕捉（capture）” 环节，Plaud做了两处关键设计，一是录音时可以通过手机 APP 拍照，将图像作为语境补充输入，生成图文并茂的总结，让文字转写不再脱离场景；二是加入 “一键标记” 功能，当对话中出现关键信息时，用户按下设备按钮即可标记时间点，实时标注关键信息，精准对齐用户关注的重点，实现人与大模型的意图同步。“不同人在会议中关注的重点不同，这个功能就是让大模型‘知道’用户真正关心什么。” 莫子皓解释道。
“提取（extract）” 环节则体现了产品的智能化差异。基于录音内容，不同职业的用户可以向大模型提出完全不同类型的问题。例如，警察在审讯时使用 Plaud，系统不仅能完整记录对话，还能基于大模型对犯罪心理学、法律条款的理解，辅助分析嫌疑人行为动机、量刑参考等深度信息。莫子皓强调，“不能只让 AI 做‘总结’这么简单的事，核心是让它根据不同用户的需求，提供多维度的智能信息。” 这正是 Plaud 区别于传统录音设备的关键。
而在 “运用” 环节，Plaud已开始尝试与 Zapier、n8n 等第三方 Agent 工具结合，让提取的信息能直接对接后续工作流。不过莫子皓也坦言， “这部分仍在优化，是下一步的重点方向”。
产品能快速打开市场，除了功能创新以外，也离不开使用体验的稳定性。莫子皓指出一个行业共性难题，“大模型产品用一次能打 80 分不难，用 10 次还保持 80 分也能做到，但用 100 次仍能保持 80 分，很少有产品能做到。” 而 Plaud通过软硬件的持续优化，实现了这一目标，这也成为其口碑传播的核心底气。
Plaud 从 Kickstarter 上的科技爱好者起步，逐步扩散至律师、医生、企业管理者等专业人群，瞄准高决策杠杆、高对话依赖、高知识密度的“三高人群” ，最终形成一条独特的增长路径。
一场“双向奔赴”的合作缘起
2023 年底，Plaud还处于初创阶段，正面临两大现实困境：一方面，作为小体量公司，之前合作的云厂商几乎没有提供技术支持，遇到问题时只能自己摸索；另一方面，Plaud需要大量 GPU 资源来支撑推理需求，但由于公司规模有限，无法从传统云厂商处获得稳定的优质资源。
Plaud与亚马逊云科技的合作可谓是双向奔赴。“我们当时急需能提供资源和技术支持的伙伴，而亚马逊云科技也在寻找有潜力的初创企业，双方一拍即合。”Plaud.ai 合伙人、后端研发负责人刘占坤回忆道。
令他意外的是，即便当时 Plaud体量很小，亚马逊云科技团队仍提供了 onsite support（现场支持），不仅帮助他们解决了 GPU 资源短缺的燃眉之急，还提供了各种有针对性的解决方案。
刘占坤坦言，“合作初期，我们最看重的不是成本，而是业务能否快速迭代。” 当时 Plaud 急需成熟的行业最佳实践来缩短试错时间，而亚马逊云科技的无服务器服务恰好满足了这一需求，无需投入精力搭建基础设施，就能快速实现功能落地，大幅缩短了产品迭代周期。与此同时，亚马逊云科技提供的信用额度支持，也让 Plaud 得以将更多精力聚焦在产品本身，而非资金压力上。这种 “不看规模看潜力” 的务实态度，不仅打破了 Plaud 的初创困境，更为双方后续的深度合作埋下了伏笔。
全链条支撑实现全球化发展
随着合作深入，亚马逊云科技成为 Plaud全球化运营的技术底座，从研发效率、成本控制、用户体验、数据管理到安全合规，提供全链条支持。
在研发与上线效率方面，Plaud借助亚马逊云科技弹性计算与自动化部署能力，将新功能迭代与产品部署速度提升了约 30%，从过去需要数周的周期缩短到仅需数天甚至数小时即可完成上线。
成本优化则是双方协同的另一大亮点。AI 产品的算力消耗是不小的负担，尤其在用户录音高峰时段，算力需求会呈倍数增长。Plaud通过利用亚马逊云科技的 GPU Spot 实例和自动扩缩容机制，将整体算力成本降 50%，同时在高并发场景下仍能保证服务稳定性与低延迟。结合亚马逊云科技提供的弹性伸缩（Auto Scaling）与 GPU Spot 实例策略，Plaud.能够根据业务高峰与低谷动态扩缩资源，在支持数十万用户并发访问的同时，显著降低整体算力成本，有效提升可用性与经济性。
用户体验的提升则得益于亚马逊云科技的全球布局。其基础设施覆盖 38 个地理区域、120 个可用区，帮助 Plaud为全球客户提供全球一致的高质量服务，且无需操心基础架构的运维管理，为业务拓展提供更好的运营支撑。继美西区域后，通过在欧洲等区域同步部署，Plaud实现了对不同区域用户的就近服务，将跨区域用户访问延迟降低了 80%，显著提升了实时语音转写与生成服务的响应速度和用户体验。
在数据管理方面，Plaud将日志、用户交互数据全面接入亚马逊云科技的大数据平台，通过 Amazon Simple Storage Service (S3)、Amazon Aurora、Amazon Redshift 等服务，实现对业务运行情况、模型性能以及用户行为进行全面洞察，为产品优化和业务决策提供坚实的数据支撑。同时，借助无服务器架构的相关服务，Plaud进一步提升数据处理与系统响应效率约 30%，实现性能与成本的双重优化，为全球化业务提供坚实技术支撑。
在 AI 模型调用上，Plaud通过 Amazon Bedrock，可灵活调用不同提供商的大型语言模型或自研 ASR 模型，仅需单个 API 就能完成推理，无需自建复杂基础设施，不仅降低了开发运维成本，还大幅提升了语音理解与生成能力，让产品更智能。
安全与合规则是 Plaud 全球化布局的基石。作为处理用户敏感对话的产品，不同国家的隐私保护政策差异是巨大挑战。Plaud采用了亚马逊云科技的 “安全责任共担模型”，自身负责业务层数据安全，亚马逊云科技保障云底层基础设施安全，配合Amazon Key Management Service (KMS)、Amazon Certificate Manager（ACM）等安全服务，实现 100% 数据加密，每天自动分析数十亿条事件日志，潜在威胁发现效率比自建方案提升 3 倍。同时，依托亚马逊云科技覆盖欧洲、北美、中国的区域合规部署，Plaud快速获取了 SOC 2、HIPAA、GDPR 等全球主流合规认证，新市场的合规审核周期缩短 50%。
未来展望
“我们公司有个习惯，碰到任何问题都会去问：最佳实践是什么？除了问 ChatGPT，我们也会问亚马逊云科技团队。”莫子皓说，“因为他们接触过很多像我们这样的企业，能快速给出方案或经验。我个人和团队都非常感谢他们。”
展望未来，莫子皓表示，Plaud希望与亚马逊云科技继续深耕合作，通过软硬件结合的形式，帮助用户提升工作场景、内容创作、全球化协作三大核心领域的工作效率和数据处理能力，创建 Agentic AI 时代的全新工作方式。
在 Plaud的成长道路上，亚马逊云科技既是技术底座的提供者，也是从起点就坚信其潜力的同行者。
