在这个AI技术日新月异的时代，我们正见证着一场前所未有的智能革命。当大模型不再满足于被困在服务器机箱里，它们渴望'身体'，渴望感官，渴望新的增量数据。在这场变革中，智能眼镜正悄然拉开'Agent as Hardware'的新时代序幕。
从'看到'到'看清'：AI的视觉觉醒
人类获取的90%信息来自视觉。当AI成为人类的随身智能设备时，视觉同样是最关键的部分。AI如何帮助我们从'看到'，走向'看清'整个世界？
大模型已不再满足于被困在服务器的机箱里，它们渴望'身体'，渴望感官，渴望新的增量数据。于是，过去看似沉寂的AR/XR行业也在AI的推动下重新升温：从头戴式设备，到轻量化眼镜，再到多模态感知硬件，各类厂商都看到了'下一个iPhone'般的机会。
其中，最被看好的赛道就是眼镜，35g级别的轻量化AI眼镜被视为未来十年的主流形态。过去几年，AI眼镜从概念走向产品，从工程样机变成轻量化可佩戴设备，Meta Ray-Ban的走红验证了'AI+眼镜'的潜力，它们开始成为AI的视觉入口、听觉入口、长期记忆的生成器。
无感交互：下一代人机交互的终极形态
随着近年来AI能力的飞速跃升，我们发现，过去想象中的交互方式：从手机上的'触控屏幕'，到头显、眼镜中设想的手势及多模态操作，其实都算不上最自然的交互。相比之下，人与人之间的交流才是最自然的。
因此，下一代人机交互的终极形态，应当是'无感交互'。就像人与人之间若能心有灵犀，你便能'想我之所想，见我之所见'，最终无需多言，就能懂得我真正想要什么。
在这场轰轰烈烈的AI革命中，我们意识到，AI需要一双'眼睛'。在终端设备更迭的过程中，我们的目标是希望在未来二十年里，让大家能够从屏幕中抬起头来。回顾过去的变革，我们的注意力始终被禁锢在面前的屏幕上；而眼镜，作为距离人眼最近的设备，是天然适合成为下一个终端的载体。
同时，AI的能力不断惊艳着我们，每一代模型都有着更强的推理能力，甚至具备了更强的多Agent处理能力。但今天的AI似乎缺乏触觉，也缺乏视觉，仿佛被困在了计算机的服务器里。它就像一位饱读诗书、通晓人类千年文明精华的智者，却始终无法睁开眼睛看世界。
硬件化的Agent：AI的实体化之路
在谷歌的IO大会上，他们提出了未来AI的发展目标：在变得越来越强大的同时，也要越来越个性化、越来越主动化。要实现这两点，前提是AI需要了解你的历史，需要拥有你生活中的上下文。
特别是随着Gemini 3等新技术的登场，我们将会迎来更多惊喜。随着大模型从单纯的语言模型走向多模态模型，我们发现，当你不断赋予AI对3D真实世界的感知能力时，它的能力也会随之显著提升。
手机绝不是AI天然的最佳载体。我很喜欢一部大约十年前的电影《Her》，讲述了男主角与AI产生情感羁绊的故事。其中有一个桥段让我印象深刻：AI角色Samantha对男主角说，'我想看看你的世界'，于是男主角用别针将手机摄像头固定在衬衫口袋上，以此让它看见外部世界。
今天我们所做的，就是打造一个'更好的手机'、一枚'更好的别针'，让AI能够真正伴随我们，更好地理解我们的生活。
此外，在AI的基础上，我们衍生出了越来越多的Agent。这些Agent能够更好地理解你的诉求，帮你完成一系列复杂的任务。以前我们提到的Agent大多运行在手机或电脑上，属于软件形态。而今天，我们提出了一个全新的概念：Agent不应仅仅是软件，更应该是一个'硬件化的Agent'，这样才能最大范围地释放AI的能力。
这将对我们今天的硬件结构带来全新的定义。让我们重新审视'摄像头'，它不再仅仅是用来拍照或录像的工具，在全天候AI眼镜上，它将成为AI理解世界的眼睛；'麦克风'也不再只是录音功能，而是变成了AI的耳朵，能更好地感知周围声音的信息量。视觉与听觉的结合，已经覆盖了我们获取信息的99%。
在交互层面，我们也希望引入新的概念。未来的显示界面，很可能变得像人与人交流时的面部表情一样，能够更好地与大家进行AI互动。最终，我们希望通过端侧算力与云端能力的结合，构建出如同人类神经系统般的架构——既能加速处理，又能通过端侧机制很好地保护隐私。
综合这些因素，未来的Agent将不再是一个单纯的软件概念，而是硬件与软件的深度结合。它将附着在一个完美的载体上，为大家提供全天候的多模态AI体验。
增量数据：AI通向AGI的必经之路
观察今天的数据现状，我们主要利用存量数据来训练大模型。公域数据构成了大模型的基础语料库。在不同的大公司内部，还有私域数据，例如谷歌拥有你的文档、Gmail等信息，能让办公相关的背景信息更加充实；国内像小红书这样的平台，也涵盖了非常有价值的私域数据。
但我想表达的是，现有的无论是公域还是私域的存量数据，都已接近枯竭。如果我们想把AI带入下一阶段，让它变得更个性化、更主动、更强大，我们需要的是'增量数据'。
未来，我们看到两个巨大的增量数据来源：一个是眼镜，一个是机器人。在具身智能机器人大规模普及之前，我们相信，戴在眼前的眼镜将是为AI提供更多个性化增量数据的最佳入口和途径。
虽然想象很美好，但现实中这个行业依然面临着重重挑战。我们有许多困难需要克服，尤其是无法突破的一些物理规律。
今天的AI眼镜仍然面临着'不可能三角'的挑战：全天候舒适佩戴、极佳的显示效果以及强大的AI智能化。目前没有任何一款设备能同时完美解决这三点，能解决其中两点就已经非常出色了。
回顾这个行业十年的起伏，新一波浪潮因AI的赋能而呈现出产品井喷的状态。我们看到一个明显的变化：早期产品形态以头盔为主，但在2024、2025年之后，轻量化眼镜将逐渐成为主流。这也是整个XR行业从小众市场走向大众普及的必然阶段。
AI眼镜的终极形态：二元化发展
从另一个角度来看时机。在该领域投入最大的巨头Meta，依然在持续加大投入，却尚未迎来明显的拐点。这可能是投资人最不愿看到的一张图，让人感觉似乎遥遥无期。
前景如此美好，现实却如此艰难，到底是什么制约了眼镜的发展？让我们回看到二十年前。
现在的眼镜行业特别像2005、2006年智能手机的前夜。在苹果iPhone出现之前，手机生态呈现出全面的碎片化。虽然当时很多设备销量很高，不乏百万级爆款，但对开发者而言，为这些不同形态的设备做适配简直是噩梦，交互方式在不同平台间的迁移成本极高。
如果我们相信XR行业会像手机一样成为通用的计算终端平台，那么我们就必须有能力将这样的生态逐渐统一起来。
我们常说，如果AI终端的竞争是一场万米长跑，那么向下深耕、打好基础，跑对方向比今天的抢跑更重要。
展望十年之后，我们经常会陷入一个误区，试图用一种单一的产品形态去想象未来。就像我戴眼镜一样，我希望未来的智能眼镜能像今天的近视镜一样轻巧。但很可惜，正如我们曾想把手机的功能全部塞进手表里一样，这涉及到无法逾越的物理客观规律。
因此，我们认为即便在十年甚至更远的未来，智能眼镜很可能会存在'二元化'的产品形态：
第一种形态，主打'全天候'。十年后，这种眼镜可能做到35克以下，与现在的近视眼镜无异。它能真正实现全天候佩戴，AI将'住'在你的眼镜里，24小时伴随你，或者至少在你醒着的时候一直陪伴。
它需要极强的多模态AI能力。但受限于物理规律，这种轻量化眼镜有一个致命问题：它的显示效果做到极致，可能也只能达到今天汽车HUD的水平，非常透明、无感，但无法用来观看高清电影，注定只能承载一部分功能。
第二种形态，则以更好的显示效果为基准。它虽然也能全天候携带，但未必是全天候佩戴。它更像是一副'近视眼镜+墨镜'的组合，用户根据不同场景选择不同的设备。它有机会承载更丰富的生态内容。我们相信最终它的重量会比今天轻巧很多，大约做到50到60克。
'iPhone时刻'的到来：四大挑战待解
既然我们预想了这样的形态，为什么海外巨头在今天明显不如当年iPhone时代那样'给力'了？这些巨头投入了巨额研发资金，拥有全球最优秀的工程师，却依然没有拿出像当年iPhone、特斯拉、大疆那样让人惊艳的产品。
这背后反映了一个趋势：过去二十年，我们见证了美国及西方许多科技公司硬件创新的全面'空心化'。我们深刻体会到，变革正在发生，'定义'往往源于美国，但不仅仅是制造，越来越多的'创造'正在向中国靠拢。
那么，'iPhone时刻'何时到来？今天距离那个时刻还差什么？我认为有四个关键挑战需要解决：
1. 硬件微型化
回顾所有大厂的第一代产品形态，包括苹果2024年推出的Apple Vision Pro，大家都能看到，厂商都希望做一个'大而全'的产品。但他们忽略了一点：只有微型化，才能让产品进一步向大众普及。
XREAL在这方面做得最好的一点，就是从第一天起就坚信'只有小型化才有机会'。我们将所有研发力量都投入到如何实现小型化上，包括在芯片、显示和制造工艺上的突破，这让我们在相关领域取得了代际领先。
2. 多模态AI
我们需要真正赋予AI一个3D化的世界模型。在这方面，越来越多的模型从LLM迁移到了LMM，AI能够陪我们打游戏、看视频，并通过上下文快速理解复杂的多模态信息。
3. 生态统一
大家记得iPhone问世后发生了什么吗？它彻底统一了交互方式，随后iOS和安卓两大生态彻底统一了开发者的接口，这直接导致了内容赛道的井喷式增长。
4. AI的长期记忆
在AI基础之上，我们需要让AI拥有'长期记忆'。这是什么概念？比如今天我见到一个人，AI会帮我回忆过去三年我们在哪些场合见过、交流过什么核心信息、他对我有过什么意见、还有什么重要事务需要处理。这与我们大脑的结构是一样的。
目前的AI记忆大多是基于长文本输入的短期记忆，我们相信在两到三年内，基于AI大模型的长期记忆会有所突破。
如果攻克了这四点，我们相信一个真正具备'iPhone时刻'意义的产品将会问世。这一突破预计在未来两到三年内发生，届时大家将看到像初代iPhone一样令人惊艳、值得期待的全新全天候AI智能眼镜。
我们希望这个时间点是2027年，如果真是2027年，那恰好是20年的轮回：从2007年初代iPhone到2027年。
全球联盟：下一个iPhone的风口
到底谁能引爆这场革命？过去我们希望像苹果、特斯拉这样的公司能帮我们定义好产品，其他人直接'效仿'。但在今天的时代，基于我们观察到的趋势，很可能没有一家公司能包揽一切，我们更有可能看到的是一个'全球联盟'。
举个简单的例子，在今年的谷歌I/O大会上，我们与谷歌联合发布了关于Project Astra的轻量化眼镜探索。这让我们第一次有了当年iPhone问世时的感觉。
我们发现所有的要素都开始成熟了：硬件形态足够轻巧，体验足够好，拥有足够开放的第三方内容生态，让开发者能快速移植或开发全新内容。最重要的是用户交互。苹果在iPhone上引入了多点触控，统一了智能手机最重要的交互点；今天，我们认为AI将是XR最好的交互方式。就像电影《Her》里那样，我们通过让AI住进眼镜里，以无感的方式结合AI实现全新的交互。
大家可以设想一下，拥有了海量现有的安卓生态内容，结合焕然一新的AI交互，再加上轻量化的产品体验，我们可以期待安卓XR在未来几年给大家带来的变革。同时，这也是第一个原生的AI操作系统。我们相信，在巨头的争夺下，中国公司也有机会通过联盟的方式，参与到全球产品的定义和竞争中去。
虽然今天AI的'大脑'是在大洋彼岸被创造和定义的，但我们相信，承载它的'眼镜'将越来越多地在中国诞生，中国今天是全球硬件制造业创新的核心基地。
结语：最后一块屏的黎明
同样，我们也相信眼镜可能是我们在座各位有生之年遇到的'最后一块屏'的机会。我们希望这块人类所需的'最后之屏'，能由我们这一代人亲眼见证，甚至有机会去参与、引领和定义。
虽然目前的成果尚未达到初代iPhone那般惊艳的程度，但这可能是我们和谷歌一起，在过去两年联合打造的、现阶段最好的'版本答案'。
我们正站在一个新时代的门槛上，智能眼镜将不仅仅是科技的产物，更是人类认知世界方式的革命。当AI真正拥有'眼睛'，当'Agent as Hardware'成为现实，我们将迎来一个更加智能、更加互联、更加理解人类需求的未来。
这场革命正在悄然发生，而我们，正是这场变革的见证者和参与者。
