本文来自微信公众号： 爱范儿 ，作者：关注明日产品的，编辑：肖钦鹏，原文标题：《眼镜这么轻，为何压得苹果抬不起头？｜AI 器物志》
智能手机统治了过去十几年的数字生态，它是注意力的黑洞，是我们最私密的随身之物。但手机从设计之初就是为「人盯着它」而生的——它的全部逻辑，都止于屏幕。
AI的需求却恰恰相反：它需要持续感知物理世界——见你所见，听你所闻，随时在场，而非等你解锁屏幕才醒来。
当AI真正成为一种基础能力，它迟早要从屏幕里破壳而出，寻找属于它自己的形状。这将是一个漫长的探索和演化过程。
「AI器物志」栏目由此而来，爱范儿想和你一起持续观察：AI如何改变硬件设计，如何重塑人机交互，以及更重要的——AI将以怎样的形态进入我们的日常生活？
这是「AI器物志」的第26篇文章。
几天前，苹果新任CEO特努斯在法国节目Clique中遇到了一个并不太客气的提问：
Vision Pro究竟是一场测试、一次失败，还是未来计算的第一步？
特努斯的回答是：「It is the early days of a long journey.」（这是一段漫长旅程的起点）
不过确实，第一代Vision Pro至少证明了一件事：今天的技术，已经可以把一台性能强大的计算机戴到脸上。
做到这一步之后，问题也开始变得复杂。
图｜Hypebeast
科技公司，开始重新学习眼镜
就在不久前举行的Meta Connect上，Meta与依视路宣布，到2026年底，双方将在Ray-Ban、Oakley和Meta Glasses等产品线上提供超过100种眼镜的款式选择。Meta称，这是迄今规模最大的一次AI眼镜产品线扩张。
超过100种SKU选择，这种规模放在我们常见的服装或者饰品行业里确实不算稀奇，不过这在消费电子市场确实少有。
图｜Meta
毕竟，科技公司最熟悉的是标准化生意。
几种颜色就可以让一台iPhone卖到世界各地。用少数几个硬件型号覆盖大多数用户，再把个性化交给软件和配件，这套方法支撑了过去几十年的消费电子产业。
饰品不是这样的。
一个包或一块手表，会因为材质和颜色衍生出几十种产品。同一套功能如何进入不同的设计，本身就是生意的一部分。
因为人的脸没有标准答案。眼镜也是如此。
方框还是圆框，粗框还是细框，这些问题在手机上只是换个不同颜色的手机壳的事儿，到了眼镜上，直接成为了产品本身的问题。
再者，眼镜直接参与一个人的个人形象。消费者面对它时，很难像面对手机或耳机那样，用功能参数来简单地抉择。
所以，我认为Meta与Ray-Ban的合作不只是通常意义上的科技联名。Meta借来的是一个品牌标识，同时还有消费电子公司过去并不熟悉的产品方法论。
眼镜不是一个等待功能填满的硬件容器。它首先必须是一件人愿意戴在脸上的东西，之后才谈得上视觉计算设备。
这种思路也体现在Meta的另一款产品上——Meta VR Glasses。
这可能是今年Meta最不像一副普通眼镜的「眼镜」。
Meta VR Glasses依然是一台完整的VR设备。它有沉浸式显示和空间感知，也支持眼动追踪与手势交互。从它想实现的体验来看，甚至可以把Meta VR Glasses理解成Meta版本的Vision Pro。
两者有一个很关键的区别。
Vision Pro的思路，是尽可能把完成这套体验所需要的计算能力整合进头显本身。即使第一代已经把电池单独外置，主要的计算、显示和传感系统仍然集中在头部设备里。
Meta又往前走了一步，开始拆解整台「头戴计算机」。
Meta VR Glasses的眼镜本体重约100克，主要保留显示和传感器。处理器、电池与存储都被放进一个独立的puck，通过光纤与眼镜连接。我可以将它别在腰间，也可以放到桌子或包里。
换句话说，Meta没有为了轻而放弃了VR的核心体验，它选择了先接受作为一个「眼镜」形态的物理边界，再去重新分配这些体验所需要的计算。
一副真正需要戴在脸上的设备，能容纳多少重量和体积，不是一个无限扩张的工程参数，最终都要由人的鼻梁、耳朵和头部承担。
这好比一笔有限的预算。
Meta将这笔预算优先留给了显示、光学和传感器；计算、电池和存储对位置没有那么敏感，于是被移到了口袋里。Meta保留了VR的主要体验，也把原本集中在头部的重量重新分配到了身体的其他位置。
这或许是理解今天视觉计算产品形态变化的一种方式：「眼镜」既是一种产品形态，也是一套决定功能如何取舍、计算如何分配的标准。
苹果最近的动向，似乎也在印证这个思路。
据彭博社记者Mark Gurman报道，苹果内部正在探索代号N224的新一代Vision设备，目前有大约四种设计方案。
其中一个方案保留了现有Vision Pro的大致形态，通过塑料、钛等材料继续减重。另一个方案则接近Meta VR Glasses，计算单元与电池会一起离开头部，进入独立的外置设备。
这个方案或许仍处在很早期的阶段，苹果内部对外置puck也存在不小的分歧。不过，连苹果也开始考虑重新安排计算的位置，已经说明了一件事。
下一代头戴设备需要回答的，不只是性能还能提升多少。还有：
脸上的「预算」，应该花在哪里
既然脸上的预算有限，接下来的问题就是，应该把它花在哪里。
从当今视觉计算行业给出的答案，大致可以看成三种。
最直接的一种，是干脆砍掉功能。Ray-Ban Meta是这个路径最典型的代表。
直到最新一代，它依然没有显示屏。Meta把有限的空间留给摄像头、麦克风、扬声器和电池，摄像头负责记录用户看到的画面，麦克风和开放式扬声器承担交互，Meta AI则可以根据镜头捕捉到的内容回答问题。
它可以拍照、录制视频和播放音乐，也可以告诉你眼前的建筑是什么。
少了一块显示，也就少了一套光学系统。Ray-Ban Meta可以维持接近普通眼镜的形态，把拍摄、音乐和AI交互放进一副适合日常佩戴的镜框里。
普通眼镜的外形，以及低功耗，意味着你可以真的把它戴在脸上一整天，不需要不断意识到自己正在使用一台计算设备。
从目前的出货量看，这也是最成熟的一条路线。
Counterpoint Research的数据显示，2026年上半年，无显示屏AI眼镜占全球AI眼镜出货量的96%。带有光学透视显示的AR＆AI眼镜只占约4%，出货量却同比增长了449%。
另一条路线，是控制能力的边界。在我看来，目前大部分AR＆AI眼镜都可以放进这条路线。
Rokid Glasses就是一个典型的例子。
它重约49克，同时保留了摄像头、扬声器和双目MicroLED显示。它可以拍照、播放音频，也可以把导航、翻译和提词直接放到眼前。
乐奇的选择像是尽量把这些能力都留下来，但每一项都有所克制。显示采用单色MicroLED，视场角控制在30度，分辨率为480×640，主要用来呈现文字和简单的信息提示。
它有显示，却没有继续追求更大的视场角和复杂的空间画面；不过仍然保留摄像头和扬声器，让拍摄、音频和AI交互都能留在一副日常眼镜里。
雷鸟在RayNeo iO上用了另一种取舍。既然一副眼镜的空间有限，与其让每一种能力都占据一部分预算，不如干脆决定哪些事情不需要由眼镜来做。
它同样使用透明的单色MicroLED显示，却把重量进一步压到了33克。摄像头和扬声器都被拿掉，只留下麦克风负责声音输入。眼镜不负责拍摄，也不负责播放音乐，功能集中地用来承担字幕、翻译、通知和提词这些视觉信息。
这也是这个产品形态有意思的地方。
有限的脸上空间没有让这些产品走向同一种答案。厂商在同一副眼镜里留下什么、拿掉什么，又把每项能力控制到什么程度，最终带来了完全不同的产品定义。
乐奇选择保留更多能力，再限制每一种能力的规模；雷鸟则直接缩小眼镜需要承担的任务，只留下完成视觉信息提示所需要的硬件。
于是，同样是MicroLED、光波导和日常眼镜的形态，仅仅因为留下什么、拿掉什么不同，两款产品就有了完全不同的定义。
最后一种路线，是把这笔预算拆开，分配到不同的设备上。
当一副眼镜想要承担的能力越来越多，镜框本身很快就会到达极限。厂商于是开始重新安排整台计算机，把必须贴近眼睛的显示和传感留下，再将位置没有那么敏感的部分移到别处，也就正如上述Vision Pro和Meta VR Glasses的方案。
至此，我们其实可以大致看清视觉计算市场正在生长的轮廓。
有限的空间，厂商无法把所有功能同时留下。每一次取舍，都会改变产品适合的使用场景，也会改变它最终呈现出来的形态。
摄像头与显示之间的选择，区分了感知和呈现。全天佩戴与沉浸体验之间的选择，又把产品推向了普通眼镜和空间计算设备的两端。有人希望眼镜理解自己看到的世界，有人在意信息能否直接出现在视野里。
到了完整VR体验这一级别，计算和电池究竟放在头上还是口袋里，又会带来另一套产品结构。
今天智能眼镜之间的分野，就是从这些具体的取舍中逐渐形成的。
有限的空间没有让智能眼镜变成一个能力有限的品类，反而成为塑造这个品类的力量。
现在，轮到计算适应眼镜
接受眼镜的边界，不意味着只能不断做减法。
今年的Snapdragon Summit上，PrismML展示了Bonsai，一款面向智能眼镜设计的2B视觉语言模型。它可以直接运行在搭载Snapdragon AR1 Gen 1的智能眼镜上。
作为一个多模态的模型，它能够在本地理解佩戴者看到的内容，并实时给出回答。
相比模型本身的能力，我认为值得留意的是PrismML解决问题的方式。
曾经，当眼镜跑不动一个模型的时候，最自然的解决方式是把计算交给别的地方。
手机、云端…眼镜只需要负责收集信息，再把结果呈现回来。
这也是过去很多可穿戴设备默认的计算架构：真正强大的计算发生在远处，戴在身上的设备只是一个入口。
当然，这是的确是一种适应眼镜形态的做法。但这种适应，只是在既有计算体系里给眼镜找位置。
模型依然可以按照服务器或者手机的条件设计，只是在真正需要运行它的时候，眼镜把任务交给另一个拥有更充足算力、内存和功耗的设备。
某种程度上，眼镜仍然处在整套计算系统的末端：它负责感知和交互，真正的计算由其他设备完成。
Bonsai有意思的地方，是它把这种适应继续往前推进了一步。
它没有继续要求眼镜去适应一个原本为服务器、PC或手机设计的模型，反而开始要求模型适应眼镜。
模型的精度、大小、内存占用和运行方式，都围绕一副眼镜所拥有的几瓦功耗、有限内存和散热能力重新设计。
Bonsai的语言模型部分被压缩到1-bit，并针对Snapdragon的Hexagon NPU进行优化，本质上都是为了让原本很难发生在眼镜上的计算，能够留在眼镜上。
于是，眼镜不再只是决定「计算应该发生在哪里」，也开始决定「计算应该以什么样的方式发生」。
回头看，John Ternus所说的「漫长旅程」，也可以有另一种理解。
我们可以将其看作科技公司重新学习克制与取舍的过程。
技术进步当然会让眼镜容纳新的能力。芯片会继续缩小，模型会继续轻量化，显示和电池也会持续进步。可这些变化不会替产品做出选择。
每增加一项功能，都会重新改变重量和续航，进而影响一副眼镜最终看起来是什么样子，人又愿意戴它多久。
眼镜离人太近了。
它停留在视线里，压在鼻梁和耳朵上，也直接成为个人形象的一部分。计算进入这样一个位置以后，衡量进步的标准也会发生变化。
强大的性能仍然重要，不过设备能否舒服地停留在人身上，同样是各个厂商需要探索的课题。
当计算来到脸上，缩小只是第一步。下一步，是学会成为一副眼镜。
