一句话定义：波束成形（Beamforming）是一种通过多个麦克风（或天线）协同工作，把“听觉焦点”对准某个方向的信号处理技术——它不是让设备听得更响，而是让它听得更“准”。
原理：一群人同时听，比一个人听更聪明
想象你在一个嘈杂的咖啡馆里和朋友聊天。尽管周围有人说话、有咖啡机轰鸣，你依然能听清朋友的声音。为什么？因为你有两只耳朵，大脑会对比两耳收到声音的微小时间差和强度差，判断“声音来自哪个方向”，然后放大那个方向、压制其他方向。这就是人类版的波束成形。
机器做同样的事，靠的是麦克风阵列（microphone array）——几个麦克风按固定几何位置排列（一字排开、环形、立方体等）。当声音从某个方向传来时，它到达每个麦克风的时间有先后，这个时间差叫时延（Time Delay of Arrival, TDOA）。算法把这个时延折算成相位差，再把各通道信号对齐后相加：来自目标方向的信号同相叠加，越加越强；来自其他方向的信号相位错乱，相互抵消。结果就是：设备在空间上“画”出了一个朝向说话人的虚拟拾音波束，像手电筒的光柱一样指向某个方向。这个操作在信号处理里叫空间滤波（spatial filtering）。
和相邻概念的区别
| 概念 | 做什么 | 与波束成形的关系 |
|---|---|---|
| 降噪（Noise Suppression） | 按频率/统计特征压制噪声 | 波束成形按方向压制，降噪按频谱压制，两者常串联 |
| 回声消除（AEC） | 去掉扬声器放出来的自己的声音 | 解决“自己吵自己”，与方向无关 |
| 声源定位（DOA） | 判断说话人在哪个角度 | 波束成形常需要先定位，再对准；也可边扫边找 |
| 盲源分离（BSS） | 从混合信号里分出多个说话人 | 波束成形偏“选方向”，盲分离偏“拆内容” |
一句话区分：波束成形回答的是“听哪里”，降噪回答的是“听什么”。
对从业者和普通人的实际意义
对 AI 从业者来说，波束成形是语音前端（front-end）的关键一环。智能音箱、会议麦克风、耳机、车载语音、机器人听觉，几乎都靠它先把目标说话人的信号“提纯”，再交给语音识别（ASR）或声纹模型。前端没做好，后端模型再强也救不回来——这是典型的“垃圾进，垃圾出”。
对普通职场人，它的存在感藏在体验里：视频会议时你走到白板前说话对方仍听得清；戴耳机通话时风噪和旁人说话被压下去；对着音箱小声说“放首歌”它也能响应。这些“听起来理所当然”的瞬间，背后大多是麦克风阵列在做空间滤波。
值得留意的是，波束成形并非万能：麦克风数量、阵列尺寸、房间混响、说话人移动都会影响效果，窄波束对准准但怕移动，宽波束稳健但抗干扰弱——工程上永远是取舍。具体产品的阵列规格与算法能力，以官方页面为准。