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）。

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。

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。超过100种SKU选择，在消费电子市场确实少见。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。但饰品不是这样的，人的脸没有标准答案，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那样用功能参数来简单抉择。

Meta与Ray-Ban的合作不只是科技联名，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"。它依然是一台完整的VR设备，有沉浸式显示和空间感知，也支持眼动追踪与手势交互。两者有一个很关键的区别：Vision Pro的思路是尽可能把完成整套体验所需的计算能力整合进头显本身；Meta则开始拆解整台"头戴计算机"——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。

一副真正需要戴在脸上的设备，能容纳多少重量和体积，最终都要由人的鼻梁、耳朵和头部承担。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。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，其中一个方案接近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。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。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，可以维持接近普通眼镜的形态。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%。

另一条路线，是控制能力的边界。Rokid Glasses重约49克，同时保留了摄像头、扬声器和双目MicroLED显示，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，主要用来呈现文字和简单的信息提示。雷鸟在RayNeo iO上用了另一种取舍：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，功能集中用来承担字幕、翻译、通知和提词这些视觉信息。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。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，正如Meta VR Glasses和Vision Pro外置方案的思路。

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。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，可以直接运行在搭载Snapdragon AR1 Gen 1的智能眼镜上。相比模型本身的能力，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，眼镜只负责收集信息，再把结果呈现回来。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，可每增加一项功能，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。