XREAL 徐驰：智能眼镜，拉开了「Agent as Hardware」的新时代|AI|极客公园|轻量化_新浪科技

摘要

新的硬件带来感官，感官创造新的数据。

整理｜Moonshot

编辑｜靖宇

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。

图源：极客公园

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。

但现实与愿景之间仍隔着坚硬的技术鸿沟。显示、续航、重量、计算、散热，每一个都是牵引整个行业多年的「物理难题」。而且没有任何一台设备能同时做到轻量化全天候佩戴、高清显示、强大算力，这是智能眼镜行业的「不可能三角」。

在徐驰看来，当下就像 20 年前，那个智能手机爆发前夜、充满碎片化与混沌的时刻，市场上虽有百万级爆款，但生态割裂，缺乏统一的交互标准。

在极客公园创新大会 2026 上，XREAL 创始人兼 CEO 徐驰试图回答一个时代级的问题：我们应该如何为 AI 赋予视觉「身体」？又是什么设备，可以真正点亮属于 AI 时代的 iPhone 时刻？以下是徐驰的演讲实录，由极客公园整理。

嘉宾精彩观点：

• 下一代人机交互的终极形态，应当是「无感交互」。

• 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。

• 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。

• 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。

• Agent 不应仅仅是软件，更应该是一个「硬件化的 Agent」。

• 眼镜所带来的「增量数据」，很可能是 AI 通向 AGI 的必经之路。

• 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。

• 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。

• 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。

极客公园的朋友们，大家下午好，我是徐驰。

今天，我不打算聊某一款具体的产品，而是想和大家探讨一个话题：如果 AI 需要一个实体，下一代的它应该长什么样？

在进入正题之前，先简要介绍一下目前元宇宙的 AR 体验现状，也是我们 XREAL 团队过去十年在这个行业耕耘的成果。

我们一直致力于无缝连接数字世界与真实世界。在这个过程中，我们见证了行业的起伏，也深知其中的艰难，而近年来 AI 的异军突起，让我们惊喜地发现，XREAL 所做的事业正与 AI 发生快速的融合。

图源：极客公园

简单回顾我的经历，我在国内完成学业，随后在国外的几家科技大厂工作，有幸亲眼见证了 AI 行业与 XREAL 所处的 XR 领域最前沿的发展图景。

无感与「五感」

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」，到我们在 XREAL 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，我们认为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。

图源：极客公园

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。我们相信，眼镜将是 AI 在下一阶段最好的载体，我们要赋予它全新的视觉能力。

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。

但我始终认为，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。

《Her》电影男主角用摄像头帮虚拟女友「看世界」｜图源：Netflix

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。

同时我们坚信，眼镜所带来的「增量数据」，很可能是 AI 通向 AGI 的必经之路。

增量数据才能让 AI to AGI

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」。

徐驰认为，AI 眼镜或将成为「最后一块」屏幕式硬件｜图源：极客公园

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。

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 XREAL 的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。

AI 眼镜的终极形态

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。

图源：极客公园

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。

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。

图源：极客公园

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：

第一是硬件微型化。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。

第二是多模态 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。

第三是生态统一。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。

第四，也是更重要的一点，是如何让 AI 真正实现个性化。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。

下一个 iPhone 的风口，由谁引领？

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。