這聽起來像是一個結(jié)合了科技、時尚和社交話題的有趣故事！我們可以從幾個方面來解讀這個現(xiàn)象：
1. "產(chǎn)品創(chuàng)新與市場需求：" “AI眼鏡”本身就是一個前沿概念，自帶科技光環(huán)。 將其定位為“直男程序員脫單神器”，精準地切入了特定人群（程序員）的特定需求（社交、形象、效率）和痛點（可能不善言辭、社交圈子窄、形象刻板等）。 “秒變”暗示產(chǎn)品可能具備快速改變外觀、提升自信或提供社交輔助的功能（比如實時翻譯、搭訕建議、形象優(yōu)化等）。
2. "營銷策略的成功：" 這個標題本身就極具吸引力和話題性，利用了“AI”、“眼鏡”、“直男”、“程序員”、“脫單”、“搶購”等強關(guān)鍵詞，迅速引發(fā)關(guān)注和討論。 將產(chǎn)品與解決“脫單”這一強烈愿望掛鉤，滿足了目標用戶的深層需求，營銷效果直接。 “首次亮相被搶購一空”制造了稀缺感和緊迫感，進一步刺激了購買欲望。
3. "CEO的核心理念：" CEO的發(fā)言——“好產(chǎn)品要么能幫用戶賺錢，要么能解決實際痛點”——是非常經(jīng)典的商業(yè)邏輯，也是許多成功產(chǎn)品的共同點。 "幫用戶賺錢：" 對于程序員來說，可能指

相關(guān)內(nèi)容：

嘉賓｜段然，拂曦科技 CEO

AI 眼鏡作為融合人工智能與可穿戴技術(shù)的下一代交互終端，正經(jīng)歷從技術(shù)突破到產(chǎn)業(yè)生態(tài)重構(gòu)的關(guān)鍵階段。2025 年，行業(yè)呈現(xiàn)技術(shù)多模態(tài)化、應(yīng)用場景多元化、產(chǎn)業(yè)鏈協(xié)同深化三大趨勢：多模態(tài)大模型賦能實現(xiàn)自然交互與主動服務(wù)能力，成熟供應(yīng)鏈和市場新需求雙輪驅(qū)動場景落地。

但硬件重量、續(xù)航等性能瓶頸，以及對多模態(tài)模型的端云協(xié)同計算、主動感知下的數(shù)據(jù)處理等核心問題仍待解決。未來，隨著端云協(xié)同計算、AI 存算一體芯片和底層系統(tǒng)生態(tài)體系的成熟，AI 眼鏡將向泛智能終端演進，成為 PC、手機之后另一個可能突破十億用戶的消費產(chǎn)品。

而在國內(nèi) AI 眼鏡市場，一位 90 后技術(shù)人創(chuàng)辦的企業(yè)——拂曦科技正在被越來越多人熟知。

作為拂曦科技創(chuàng)始人，段然是一位資深 XR 與 AI 行業(yè)從業(yè)者，連續(xù)創(chuàng)業(yè)者，曾帶領(lǐng)團隊開發(fā)過多款年收入過千萬的相關(guān)產(chǎn)品，累計獲得數(shù)家戰(zhàn)投、風投的投資。目前所創(chuàng)辦的拂曦科技，目前是 AI 眼鏡領(lǐng)域的頭部供應(yīng)商，已服務(wù)多家上市公司客戶，并積極布局與 Meta、華為的合作推動 AI 眼鏡行業(yè)進一步發(fā)展?；仡櫠稳坏膭?chuàng)業(yè)歷程，每一步都與技術(shù)變革緊密相連。

最初在人工智能與文旅行業(yè)的結(jié)合中，他嘗到了技術(shù)賦能傳統(tǒng)行業(yè)的甜頭，在云計算與智慧城市領(lǐng)域，他更是憑借出色的成績獲科技部直屬平臺高度認可。但挑戰(zhàn)也隨即而來——疫情的沖擊讓他意識到行業(yè)的不確定性，也讓他更加堅定地尋找更具潛力的賽道。當 AI 技術(shù)與 AI 眼鏡的融合逐漸展現(xiàn)出巨大可能性時，段然果斷帶領(lǐng)團隊涉足擴展現(xiàn)實領(lǐng)域，完成融資、服務(wù)眾多知名大客戶，在一次次實踐中積累經(jīng)驗，最終選擇向消費端市場發(fā)力，打造屬于自己的 AI 眼鏡品牌。

本次 AICon 深圳大會前夕，我們采訪到了段然，聽他分享了在 AI 眼鏡領(lǐng)域創(chuàng)業(yè)經(jīng)歷、感悟和技術(shù)實踐。他將在 8 月 22 日 -8 月 23 日 AICon 深圳站發(fā)表主題為《AI 眼鏡在線下社交場景中的多模態(tài)智能感知與主動交互》的演講。

以下為訪談實錄：

兩次創(chuàng)業(yè)經(jīng)歷都與 AI 相關(guān)

InfoQ：我看到您的簡歷中提到，您是一位連續(xù)創(chuàng)業(yè)者，方便聊一聊您過去的一些創(chuàng)業(yè)經(jīng)歷嗎？曾帶領(lǐng)團隊開發(fā)過多款年收入過千萬的產(chǎn)品，是指現(xiàn)在做的拂曦 XR 眼鏡產(chǎn)品嗎？

段然：我此前有過兩次創(chuàng)業(yè)經(jīng)歷。最初是從事人工智能與文旅行業(yè)的結(jié)合，當時市場環(huán)境較好，產(chǎn)品收入可觀。但后來因疫情沖擊，文旅行業(yè)整體受挫，我便轉(zhuǎn)向云計算與智慧城市領(lǐng)域。在這一領(lǐng)域，我們?nèi)〉昧瞬诲e的成績，還獲得了科技部直屬平臺在該領(lǐng)域的第一名。然而，后續(xù)因一些原因，我開始涉足擴展現(xiàn)實（XR）領(lǐng)域，即虛擬現(xiàn)實（VR）與增強現(xiàn)實（AR）眼鏡。在此領(lǐng)域，我們完成了一輪融資，并服務(wù)了眾多知名大客戶，例如麥肯錫、字節(jié)、歌爾以及深圳市科技館等，打造了一系列地標性項目。起初，我們主要面向企業(yè)端（B 端）客戶，但隨著業(yè)務(wù)發(fā)展，我們意識到需要打造自己的品牌，于是轉(zhuǎn)向消費端（C 端）市場，選擇以 AI 眼鏡作為主要賽道。

InfoQ：從您的介紹來看，您最初是面向 B 端客戶，現(xiàn)在則轉(zhuǎn)向 C 端市場，對嗎？

段然：是的。在國內(nèi)，B 端市場競爭激烈，且發(fā)展空間有限。趁著年輕，我們希望能做一些更具前景的事情。

InfoQ：那您在做 B 端業(yè)務(wù)時，也是從事與 AI 眼鏡相關(guān)的工作嗎？

段然：我們當時主要提供的是與 AI 眼鏡相關(guān)的服務(wù)。

InfoQ：在 B 端市場中，AI 眼鏡是如何被應(yīng)用的？比如 AI 眼鏡在具體場景中是如何發(fā)揮作用的？

段然：以我們服務(wù)麥肯錫的一個案例為例，我們曾為一家世界 500 強保險公司提供服務(wù)。當時，這家保險公司在香港舉辦金融科技展會，計劃推出新的健康險產(chǎn)品。傳統(tǒng)上，保險公司會通過銷售人員向客戶介紹保險產(chǎn)品的優(yōu)勢，但這次我們借助 AI 眼鏡技術(shù)，將該保險公司的一位著名球星代言人“植入”到應(yīng)用內(nèi)容中。我們通過技術(shù)手段精準復(fù)刻了這位球星的姿態(tài)、動作和行為邏輯。當摩根大通、高盛、渣打銀行等金融機構(gòu)的高管們戴上眼鏡后，他們可以在球星的引導(dǎo)下，體驗健康險所包含的基礎(chǔ)福利和 VIP 特權(quán)等。同時，我們還通過引導(dǎo)用戶進行舒緩肩頸的動作或冥想等方式，讓用戶感受健康帶來的好處。這種體驗方式比傳統(tǒng)的保險政策解讀更具可視化效果和參與感，用戶也更愿意購買。這是一次金融科技領(lǐng)域的 AI 創(chuàng)新應(yīng)用。

押注 AI 眼鏡，

是踩在了風口上

InfoQ：您最初是如何關(guān)注到 AI 眼鏡這一賽道的？是哪些技術(shù)突破或市場空白讓您決定投身其中，甚至可能走上創(chuàng)業(yè)道路的？

段然：坦誠地說，大家都希望趕上風口，借助趨勢的力量來獲得更多資源和機會。我們分析了多個領(lǐng)域，比如具身智能和大模型基座，但我們既沒有相關(guān)經(jīng)驗，也沒有足夠的實力去涉足。然而，在眼鏡領(lǐng)域，我們有近四年的優(yōu)質(zhì)案例積累，團隊成員也大多來自大數(shù)據(jù)研究院或?qū)嶒炇?，對大模型的微調(diào)和訓(xùn)練有一定的基礎(chǔ)。同時，AI 眼鏡賽道當下很火，且未來前景廣闊。從市場層面來看，AI 眼鏡或 VR/AI 眼鏡被稱為下一代可穿戴移動計算平臺，從傳統(tǒng)電腦到手機，再到眼鏡終端，這一邏輯具有很大的想象空間。無論是 Meta 的改名，還是 Robin 眼鏡的爆發(fā)，亦或是小米投身 AI 眼鏡市場，各大廠的邏輯都是一致的，只是市場爆發(fā)點尚未明確。從技術(shù)突破來看，目前主要得益于大模型底層能力的突破。

InfoQ：創(chuàng)業(yè)中遇到的最大挑戰(zhàn)是什么？比如技術(shù)攻堅、供應(yīng)鏈磨合或市場教育等方面，您是如何克服的？

段然：我覺得最大的挑戰(zhàn)在于硬件與軟件的結(jié)合。硬件本身就很復(fù)雜，再加上軟件，復(fù)雜度會呈倍數(shù)增長。以 AI 眼鏡為例，僅音頻眼鏡就涉及麥克風、喇叭、鏡框、電路板布局設(shè)計等諸多因素。喇叭有圓形、方形之分，麥克風有高中低端之別，音頻芯片也有多種選擇。如何選擇最適合自身產(chǎn)品體驗的方案，這是一個非常復(fù)雜的問題。

在產(chǎn)品設(shè)計上，我們面臨交互方式和外形設(shè)計的抉擇。比如，用戶何時需要調(diào)用 AI 模型，以及如何調(diào)用，眼鏡的外形是更貼合日常佩戴的眼鏡以突出隱蔽性，還是像小米一樣采用電質(zhì)變色、電鍍層等設(shè)計以凸顯科技時尚感，這些問題都沒有成熟的答案。此外，與手機市場不同，眼鏡市場尚未成熟，缺乏清晰的發(fā)展方向。比如，Robin 眼鏡的出貨量有限，且主要面向歐美市場，中國玩家如何針對中國客戶或國外客戶進行獨特設(shè)計，并實現(xiàn)千萬臺的銷售目標，這也是一個核心問題。不過，國內(nèi)成熟的供應(yīng)鏈為我們提供了便利，深圳及其周邊地區(qū)有許多相關(guān)展會和工廠，這為我們提供了優(yōu)勢。

在技術(shù)攻堅方面，主要挑戰(zhàn)在于如何對大模型進行微調(diào)訓(xùn)練，構(gòu)建推理引擎，實現(xiàn)快速流式推理，讓用戶在需要時能夠快速獲得答案。同時，由于人類閱讀速度遠高于聽力速度，如何在短時間內(nèi)為用戶提供有用信息也是一個難題。我們采用混合專家模型（MOE），結(jié)合多種模型，如 GPT-5、Claude、國內(nèi)的 MiniMax 等，以提供更好的用戶體驗。在市場教育方面，我們主要通過視頻拍攝和流量平臺進行宣傳。由于產(chǎn)品小眾，大多數(shù)用戶沒有體驗過，因此我們需要通過場景演繹來打開用戶認知市場。例如，我們的一款戀愛眼鏡可以作為用戶的實時個人助手，在約會場景中提供實時提醒。通過視頻展示這種場景中的“作弊”能力，我們可以更好地進行市場教育。

錨定社交場景，

一亮相就被搶空

InfoQ：您這款產(chǎn)品目前主要錨定的是社交領(lǐng)域，尤其是戀愛場景，對嗎？

段然：是的，我們的產(chǎn)品主要面向社交領(lǐng)域，第一款產(chǎn)品是針對年輕男性設(shè)計的戀愛眼鏡，幫助他們提升社交能力。我們計劃通過小紅書等平臺進行推廣，引發(fā)爭議，從而快速完成前期的市場教育。

InfoQ：這款產(chǎn)品聽起來很有趣，我們也很期待。那它現(xiàn)在已經(jīng)可以使用了嗎？

段然：我們的原型機已經(jīng)完成，并在 7 月底的華為 HDC 開發(fā)者大會上進行了展示，受到了與會者的歡迎。甚至有來自中東、北非和亞太地區(qū)的海外客戶購買了我們?nèi)康恼故緲悠贰?/p>

InfoQ：當時為什么會設(shè)定這樣一個場景呢？把第一款產(chǎn)品作為主打產(chǎn)品推向市場，您是怎么考慮的？

段然：這主要是從個人經(jīng)歷出發(fā)。我是一名大齡單身男程序員，這本身就是一個有趣的賣點——單身但尚未禿頭的男程序員，而且實驗室里有 18 位羅漢，我這個月參加了好朋友的婚禮，他從本科開始戀愛，一直到博士畢業(yè)才結(jié)婚。這讓我想到，很多男生因為是獨生子女，更傾向于打游戲、和同性朋友相處，而不是主動去了解情感類知識。

他們遇到情感問題時，通常不是去和朋友討論“我哪里做錯了”，而是和好哥們一起吃燒烤、喝啤酒、大哭一場，然后下個月就忘了。盡管如此，大多數(shù)男生還是渴望找到伴侶，只是他們不知道如何去做。相比之下，女生在這方面的知識更豐富，因為她們會討論、會聊天。那我們?nèi)绾螏椭猩玫卦诟星殛P(guān)系中快速推進，贏得心儀女生的青睞呢？這需要技巧。我采訪過一些“海王”朋友后，總結(jié)了一些經(jīng)驗。另一方面，我也不想花時間去上情感課，但如果能通過一款產(chǎn)品把這些知識變成“外掛”，幫助用戶在現(xiàn)實生活中加分，那就方便多了。我希望能在十分鐘內(nèi)讓用戶獲得相當于一個月情感課程的能力，而且價格還低很多。

InfoQ：那這些數(shù)據(jù)是從哪里來的呢？比如在相親過程中，那些話題的答案是怎么來的？這些數(shù)據(jù)是如何提供給眼鏡的？

段然：第一，我們通過一些公開授權(quán)的數(shù)據(jù)集對模型進行強化學習，而不是簡單地用固定的答案去映射問題。比如“你是否喜歡貓”，雖然 60% 的女生可能喜歡貓，但還有 30% 不喜歡，剩下 10% 可能不確定。我們不能用一個簡單的問題和答案來解決，而是通過強化學習讓模型知道在某個場景下哪些答案是合適的。第二，我們通過規(guī)則來約束。這些規(guī)則不是傳統(tǒng)工程師的規(guī)則，而是結(jié)合強化學習和深度學習的方式。比如，當女生說“不知道吃什么”時，你不要直接給她一個答案，而是結(jié)合她之前的照片或經(jīng)歷（比如她曾在日料店拍照或去過泰國旅游），給她提供幾種選擇，比如日料、泰餐或韓餐。這樣她會覺得你很貼心，至少有一個選項是她喜歡的，而不是讓她自己去美團上看。還有，如果女生說東西不好吃，但其實是她帶你去吃的，你不能附和說不好吃，而應(yīng)該說“其實還挺好吃的”。這些都需要我們結(jié)合模型訓(xùn)練和工程化方法來實現(xiàn)。

InfoQ：我覺得讓大模型挺考驗大模型的能力聽起來挺有意思的。

段然：是的，情感大模型確實很復(fù)雜。我們在國內(nèi)做得還算不錯，但真正應(yīng)用到場景中，還需要和早期種子用戶不斷實驗、試錯。

InfoQ：情感大模型確實很難，因為它涉及很多主觀因素，如果不根據(jù)場景，答案可能會出錯?，F(xiàn)在實際應(yīng)用起來效果怎樣？

段然：對，當女生說“今晚要吃減肥餐”時，她可能并不是真的想吃減肥餐，而是希望你能陪她一起吃，并在吃的時候給她一些情緒支持，甚至幫她找一些好吃的減肥餐。這就需要對語義進行精細化處理。我們需要有足夠的案例，通過互聯(lián)網(wǎng)上的樣本量來給用戶畫像，再根據(jù)用戶背景和實時聊天內(nèi)容進行場景分析。雖然目前還有一些誤差，但我們已經(jīng)比普通男性用戶的好 30% 到 50% 了。我們的產(chǎn)品英文名叫 EYELONE，意思是“孤單的眼睛”，我們希望通過它幫助每一個男生，無論是程序員、工程師還是外賣小哥，都能擁有“海王”的能力，同時保持一顆真誠的心。

InfoQ：很多人認為 AI 眼鏡仍處于 “概念大于落地” 的階段，您堅持深耕的初心是什么？希望通過技術(shù)或產(chǎn)品解決哪些實際問題？

段然：根據(jù)我們參與的華為 AI 硬件調(diào)研報告，內(nèi)部數(shù)據(jù)顯示，到 2030 年，AI 眼鏡的銷量將達到 9600 萬臺，甚至過億。2025 年到 2030 年是快速增長的爆發(fā)期，我認為 2027 年會是一個關(guān)鍵節(jié)點，屆時銷量有望達到千萬臺甚至 3000 萬臺的量級。

InfoQ：您的資料中提到 AI 眼鏡行業(yè)正進入 “百團大戰(zhàn)” 趨勢，能否具體分析當前市場上的主要玩家（如 Meta、國內(nèi)廠商等）的競爭焦點？不同玩家的技術(shù)路線或產(chǎn)品定位有哪些差異？

段然：這個問題比較復(fù)雜，因為各家都在定義自己的市場方向。以 Meta 的 Robin 眼鏡為例，它主打 AI 與時尚的結(jié)合，最初以拍攝 Vlog 為核心功能，加上品牌效應(yīng)，讓用戶成為隨時隨地的個人創(chuàng)作者，后續(xù)再加入 AI 問答功能。國內(nèi)的 Rokid 則主打 AR 顯示功能，通過單光機衍射波導(dǎo)方案，以提供 AI 提示、AI 翻譯、AI 會議等功能。還有 Even Realities 等品牌，主要針對 CEO 或商務(wù)人士，提供會議和顯示場景的輕量化解決方案。雷鳥、界環(huán)等品牌也在不同垂直領(lǐng)域深耕。但總體來看，目前市場上的產(chǎn)品主要集中在 AI 會議、AI 顯示、AI 翻譯、健康運動和拍攝等場景，尚未深入到用戶的實際生活場景中。

AI 眼鏡核心競爭力在于場景

InfoQ：對比 PC、手機端大模型應(yīng)用的爆發(fā)，AI 眼鏡側(cè)的 AI 應(yīng)用為何遲遲未形成規(guī)模？突破點可能出現(xiàn)在技術(shù)、場景還是生態(tài)層面？

段然：目前 AI 眼鏡的銷量還不夠多。手機的銷量是幾億臺甚至十幾億臺，而 AI 眼鏡的總銷量才三五百萬臺。沒有基本盤，就談不上獨立自主性 VR 眼鏡的出貨量稍多一些，但也只有兩三百萬臺。我認為突破點一定在場景方面。技術(shù)再進步，生態(tài)再完善，如果沒有使用場景，一切都是空談。我們常說“場景定義算法”或“場景定義技術(shù)”。以 AI 或大模型為例，早期的 AI 四小龍（商湯、曠視、依圖、云從）主要面向 B 端和定制化需求，而 OpenAI 通過大模型開啟了整個生態(tài)。國內(nèi) AI 發(fā)展雖然在技術(shù)上可能有差距，但并不算晚。關(guān)鍵還是要找到結(jié)合技術(shù)與場景的突破點，形成真正的市場需求。

InfoQ：您認為未來三年可能出現(xiàn) “爆款 AI 眼鏡側(cè) AI 應(yīng)用”嗎，基于您的觀察，這類應(yīng)用可能誕生在哪些場景？文旅、教育還是其他領(lǐng)域？其核心競爭力會體現(xiàn)在哪里？

段然：我認為核心競爭力在于場景?？赡艿谋顖鼍鞍ㄉ缃粦賽垲I(lǐng)域，以及教育領(lǐng)域。文旅領(lǐng)域可能不太適合，因為用戶群體過于泛化。教育場景可能是一個很好的方向，特別是針對 15 歲以下的孩子，AI 眼鏡可以作為一種家長放心的設(shè)備，幫助孩子培養(yǎng) AI 使用能力。醫(yī)療健康領(lǐng)域也有潛力，比如 AI 能否成為隨身的家庭健康醫(yī)生。核心競爭力在于 AI 眼鏡與手機相比的優(yōu)勢：在手機不方便出現(xiàn)的場景中，AI 眼鏡更具便攜性和隱蔽性。比如在社交對話中，使用手機拍攝或錄像是不合理的，但眼鏡則非常合適。再比如會議場景，翻譯眼鏡的概念也很有前景。

InfoQ：您在資料中還提到，前國內(nèi) AI 眼鏡相關(guān)崗位較少，但您判斷 “會的人更少”，這種供需關(guān)系背后反映出行業(yè)處于什么發(fā)展階段？未來一年市場需求可能會有哪些具體變化？

段然：目前 AI 眼鏡市場處于非常初級的階段。雖然有“百鏡大戰(zhàn)”的說法，但真正掌握核心技術(shù)的廠商很少。鏡腿部分的音頻芯片市場主要被杰理和藍訊占據(jù)，拍攝功能則主要有高通、恒玄等幾家廠商。背后真正提供技術(shù)能力的廠商只有六七家，200 家代工廠的背后只有少數(shù)幾家真正的出貨商。隨著 AI 模型能力的提升和出貨量的增加，未來對嵌入式硬件開發(fā)、云邊端計算架構(gòu)、軟件后端系統(tǒng)架構(gòu)以及大模型訓(xùn)練等崗位的需求會急劇上升。

目前掌握這些技能的人才較少，可能會出現(xiàn)供不應(yīng)求的局面。就像現(xiàn)在 AI、深度學習或強化學習領(lǐng)域的學生，畢業(yè)年薪最低三四十萬，高的可達七八十萬，面臨人才短缺的困境。未來一到兩年，市場對這些崗位的需求會急劇上升，而行業(yè)出貨量可能會增長 200% 到 300%。

InfoQ：從硬件架構(gòu)來看，AI 眼鏡的光學現(xiàn)實模組需要實現(xiàn) “增強現(xiàn)實疊加 + 物理環(huán)境深度理解”，這種深度理解具體依賴哪些技術(shù)？比如 SLAM 算法優(yōu)化、多傳感器融合還是特定硬件模組的加持？

段然：關(guān)于光學顯示模組的具體依賴問題，我可能不太了解硬件方面，但從深度理解的角度來看，主要有兩個方面。一方面是空間錨點相關(guān)的內(nèi)容，即對物理環(huán)境的深度理解。這包括兩個層面：一是深度層次，比如 AI 眼鏡可以感知一張桌子離你大概十厘米還是二十厘米，一把椅子離你是一米還是兩米。過去，這通常是通過深度相機（兩個攝像頭拍攝圖像）來實現(xiàn)空間位置定位的?，F(xiàn)在，單目攝像頭也可以通過單目 SLAM 技術(shù)來實現(xiàn)深度理解。另一方面是對物體的語義理解，這主要依賴算法優(yōu)化和傳感器融合，而不需要特定的硬件模組，因為現(xiàn)在大多是基于攝像頭和圖像處理來實現(xiàn)的。

InfoQ：您提到芯片與交互設(shè)備是硬件組成的關(guān)鍵部分，當前 AI 眼鏡在芯片選型上更傾向于專用 XR 芯片還是通用計算芯片？端側(cè)算力與功耗的平衡是如何實現(xiàn)的？

段然：在芯片與交互設(shè)備方面，比如 XR 芯片、AI 眼鏡的芯片選型，需要根據(jù)具體功能來選擇。如果是音頻功能，可能會用到藍訊或杰理的芯片；如果是拍攝功能，可能會用到恒玄的芯片；如果是高端 AR 功能，可能會用到高通的 AR 芯片，比如 Rokid 所采用的型號。目前還沒有特別針對 AI 眼鏡的專用芯片，大多是傳統(tǒng)計算芯片或通信芯片的組合，因為產(chǎn)品量還不夠大，還沒有達到芯片廠商愿意為此單獨開發(fā)芯片的程度。AI 眼鏡在端側(cè)計算能力有限，基本上是將收集到的信息傳到手機或云端進行處理，主要依靠云端算力。至于散熱問題，如果在眼鏡上進行大量計算，散熱是個大問題，甚至可能會燙傷臉部。因此，有些產(chǎn)品會采用外置計算盒子來處理，類似于移動計算終端，或者將計算放在云端或手機端進行。

InfoQ：多模態(tài)能力是 AI 眼鏡的核心競爭力，在您的實踐中，攝像頭捕捉的第一視角圖像、音頻信號與物理環(huán)境數(shù)據(jù)是如何實現(xiàn)實時融合處理的？是否面臨數(shù)據(jù)延遲或精度不足的問題？

段然：這其實是混合現(xiàn)實（MR）的概念。多模態(tài)在 AI 眼鏡上的應(yīng)用是指對多種模態(tài)信息（如文字、圖像、音頻）的綜合理解。例如，我們和華為討論過一個案例：如果用戶在戴眼鏡時不小心把鑰匙落在家里，眼鏡可以收集相關(guān)數(shù)據(jù)。半個月后，用戶問眼鏡鑰匙在哪里，眼鏡可以通過圖像識別和語音識別，結(jié)合跨模態(tài)檢索技術(shù)，告訴用戶鑰匙在臥室的抽屜里。這個過程是在云端進行的，涉及數(shù)據(jù)庫存儲和跨模態(tài)檢索。

如果談到實時融合，比如在混合現(xiàn)實中將虛擬物體放置在現(xiàn)實環(huán)境中（如《精靈寶可夢 GO》中的小精靈藏在床底下），這就比較復(fù)雜了。這需要攝像頭捕捉圖像信息，然后通過虛擬圖像檢索和處理，在計算機中構(gòu)建虛擬環(huán)境，并通過空間錨點定位將虛擬物體放置在現(xiàn)實環(huán)境中。這種混合現(xiàn)實的延遲大概在幾百毫秒，精度方面可能會有不足。例如，Vision Pro 的誤差大概在幾厘米，而 PICO 和 Meta 的誤差可能在十幾厘米左右。

InfoQ：在我們的產(chǎn)品實際應(yīng)用中，這樣的延遲是否會對交流產(chǎn)生影響？還是可以忽略不計？

段然：我們將藍牙通信的延遲降低到了 50 毫秒以內(nèi)，主要的延遲在于 AI 模型的推理。我們通過流式輸出的方式調(diào)用模型的消息函數(shù)，可以在一秒鐘內(nèi)給出回復(fù)。在現(xiàn)實生活中交流時，停頓一兩秒鐘其實是相對無感的。我們針對的場景不是游戲場景，因為游戲場景對延遲的要求非常高。如果延遲達到 200 毫秒，游戲體驗就會很差，畫面會卡頓，操作也會不流暢。但在日常交流中，這種延遲是可以接受的。

InfoQ：那關(guān)于數(shù)據(jù)集的問題，您之前提到過第一視角行為數(shù)據(jù)集的采集、標注和訓(xùn)練流程。對于 AI 眼鏡來說，數(shù)據(jù)集是不是一個很重要的組件？

段然：坦誠地說，行為數(shù)據(jù)集主要是針對具身智能的研究，但目前具身智能領(lǐng)域資金有限，這類數(shù)據(jù)集對 AI 眼鏡的幫助并不大。數(shù)據(jù)集對于 AI 眼鏡來說，更多是一個附加的增值點，而不是核心組件。

未來趨勢

InfoQ：對于想進入該領(lǐng)域的技術(shù)人（比如學生或從業(yè)者），您建議他們優(yōu)先掌握哪些技術(shù)棧？從 “一年后找工作” 的角度，除了硬件知識，是否需要深耕多模態(tài)大模型或具身智能算法？

段然：我覺得沒有必要主攻所有方面。如果你懂嵌入式硬件開發(fā)，并且在 AI 硬件公司實習過三個月，那你在這個行業(yè)里就已經(jīng)比較吃香了。或者如果你擅長模型訓(xùn)練，掌握一些基礎(chǔ)的提示詞工程，甚至進行一些模型訓(xùn)練或微調(diào)，那就足夠了。多模態(tài)和具身智能并不是必須掌握的。因為崗位會分得很細，比如硬件開發(fā)、前后端開發(fā)、模型訓(xùn)練等。如果你真的想深入這個行業(yè)，那需要成為一個非常綜合性的全棧工程師，既懂硬件開發(fā)，又懂產(chǎn)品設(shè)計，還懂模型訓(xùn)練，這樣的人才非常少。對于新入行的人來說，只要掌握一部分能力就足夠了。

InfoQ：回顧在 AI 眼鏡領(lǐng)域的深耕經(jīng)歷，有哪些技術(shù)突破或產(chǎn)品落地瞬間讓您覺得 “一切投入都值得”？這些經(jīng)歷給您帶來了哪些關(guān)于技術(shù)創(chuàng)新與行業(yè)發(fā)展的感悟？

段然：我可以做一個開放式的。當我們的產(chǎn)品賣到 500 萬臺的時候，我再來這個問題。目前還沒有一款 AI 眼鏡的銷量達到 500 萬臺。如果非要我推測的話，關(guān)鍵在于解決用戶的真正痛點：要么幫用戶賺錢，要么提供情緒價值。簡單來說，就是經(jīng)濟利益和情感需求。這是用戶最底層的需求邏輯。如果你能幫助用戶解決這些問題，他們就愿意買單。

今日好文推薦

GPT-5被批過度炒作、性能落后，OpenAI聯(lián)創(chuàng)揭秘其中原因：我們把它關(guān)在 “象牙塔”，和現(xiàn)實世界接觸不夠CEO 剛離職，GitHub 就癱了？！程序員“樂土”沒了，4年CEO自曝在微軟受限干不下去，被開發(fā)者罵蠢喊冤一年成爆款，狂斬 49.1k Star、200 萬下載：Cline 不是開源 Cursor，卻更勝一籌？！用戶集體大逃亡！Cursor“自殺式政策”致口碑崩塌：“補貼”換來的王座，正被反噬撕碎