AI眼鏡與AI手機，巨頭的軟硬雙打

作者：高恒

別再盯著大模型參數誰更大了，真正的競賽剛剛開始。

一個月內，阿里一口氣發了6款AI眼鏡，今天字節直接把豆包塞進手機系統，還備貨了50萬臺新機樣品。這不是玩票，這是硬剛入口。

模型再強，用戶感知不強就白搭。當所有人都開始喊Agent、講“意圖直達”，你會發現——AI真正要爭的，不是“誰回答得更聰明”，而是“誰更像你的操作系統”。

一個是跳出手機的眼鏡，一個是重寫手機的助手，本質上都是在爭“下一代人機交互”的船票。這背后，不只是交互方式的變化，更是平臺控制權的遷移。

云上斗完了，現在，是時候在設備上分勝負了。

一、大模型見頂之后，入口決定勝負

在AI浪潮的上半場，大模型是絕對主角。誰擁有更大的參數、更廣的訓練數據、更快的推理速度，誰就能在行業博弈中搶占制高點。但到了2024年下半年，這場模型競賽開始顯露疲態。

不僅OpenAI、Anthropic等頭部玩家紛紛推遲下一代模型發布周期，國內頭部大模型的能力差距也在快速收斂。夸克、豆包、文心一言、通義千問在理解能力上的拉鋸戰，開始讓用戶感知變得模糊。技術天花板尚未抵達，用戶熱情卻已滯漲。模型本身，已難再成為決定性變量。

于是焦點轉移了——從模型本身的“強”，轉向模型如何“用起來”，轉向人。

但人并不直接使用模型，而是通過終端使用服務。這意味著，誰能掌控更貼近用戶的觸點，誰就擁有將模型能力轉化為服務價值的主導權。放在AI語境下，這些觸點正是AI手機、AI眼鏡這類嵌入式硬件。

阿里智能終端產品負責人晉顯公開直接點出其中邏輯：“所有大模型訓練的數據都要依賴于端發生的業務數據去訓練，很多模型都是被手機、平板、電腦這些使用場景采集了數據，去服務于這些場景”。也就是說，端側不僅是模型的分發終端，更是它的“反饋閉環”。每一次用戶調用、每一個交互路徑、每一條操作記錄，都是對模型能力的反向加持。

知名科技產業時評人彭德宇對我們表示：更進一步，當AI進入“Agent階段”，這一趨勢更加顯著。傳統的“你問我答”Chatbot邏輯已經不夠，新的用戶期待是“說一句話，它幫我把事做了”，這意味著AI不僅要理解語言，還要介入實際的任務鏈執行。

以新發布德豆包手機助手為例，用戶說“幫我在美團給上周的訂單寫個好評”，它要能跨越多個App、識別頁面元素、模擬點擊路徑，完成一個完整的任務鏈。沒有足夠深的操作系統權限，沒有多模態大模型的屏幕理解能力，這幾乎無法實現。

而這樣的能力，恰恰需要端側作為落地場景。

端側的價值不僅在于“交互效率”，更在于“生態主導權”。對大廠而言，用戶用的是誰的設備、在哪個系統上執行任務、誰擁有權限調用入口，決定了未來平臺格局的基本盤。

OpenAI今年五月以近65億美元收購由蘋果前首席設計官艾維創立的硬件公司IO，被認為是All in Agent硬件的戰略信號；谷歌Gemini團隊與三星合作推進端側部署；國內的小米、理想、阿里、字節也都通過不同方式介入終端形態改造。

這不是“造硬件”本身的熱情，而是“不能失去入口”的焦慮。

如果說GPT把人拉進了AI時代的門檻，那么從2025年開始，AI真正走入用戶生活的那扇門，可能不在云上，而在你眼前那副眼鏡、或你手上那臺手機里。

二、兩種路徑，一個目標：爭奪下一代入口

雖然都在AI硬件賽道出手，阿里和字節的路線卻幾乎南轅北轍。

阿里選擇從頭開始造一個新物種——AI眼鏡。11月27日發布的6款夸克AI眼鏡，在我看來幾乎都是“功能優先”的工程機風格，不講究時尚，不妥協形態，直接奔著實用性而去。它的使命并不是打動普通消費者，而是跑通“感知式人機交互”這套邏輯。

阿里眼中的AI眼鏡，是下一代“個人移動入口”。它不是手機的配件，而是對手機場景的逐步替代者。阿里智能終端業務負責人宋剛在發布會上明確表示：“它是未來最有機會挑戰手機的設備。”這不是營銷話術，而是一次徹底的交互重估。

在手機時代，用戶要通過“下載App—打開—搜索—操作”完成任務。而AI眼鏡希望用戶只需要一句話，“幫我拍照上傳微博”，AI就能調用攝像頭、識別場景、發布內容。底層邏輯已不再是App，而是Agent：一個能理解意圖并主動執行的交互中樞。

這背后是阿里云端模型與終端協同的典型思路。大模型未來要迭代，必須靠端側采集的業務數據“喂養”；只有做自己的硬件，才有足夠權限打通數據采集、系統調用和用戶交互的全流程。

相比之下，字節選擇了幾乎完全相反的路徑：它不造手機，但卻要“重做手機系統”。

12月1日發布的豆包與中興合作的工程樣機nubia M153手機并不算新硬件，其核心賣點是“豆包手機助手”——一個內嵌操作系統、具備完整任務鏈執行能力的AI Agent。它能理解屏幕界面、模擬點擊、跨App跳轉，實現“意圖直達服務”。

不同于傳統語音助手的淺層指令執行，豆包助手深入到操作系統底層，通過多模態大模型理解圖形界面，實現“虛擬屏幕內完成復雜任務”的能力。比如“下個月去巴黎，幫我把收藏的餐廳標在地圖上”，豆包能拆解出6步操作，包括社交媒體提取、高德地圖標記、攜程訂票、備忘錄整理等，像人一樣執行。

這其實是在“重構手機操作系統的主控邏輯”，讓AI成為系統的“第一入口”，而不是App里的一個功能。

字節選了更靈活的策略：和手機廠商合作，用軟件能力深嵌設備生態。據極客公園援引前中興產品經理消息，nubia M153的首銷備貨量高達50萬臺，對一個AI助手的系統級預裝項目來說，這已經是一個很激進的數字。

這不是字節第一次布局硬件。早在2018年，它就收購錘子團隊切入手機生態；2021年并購PICO進軍VR；2024年初收購Oladance切入AI耳機……如今，這些硬件資源已全部整合進“字節Ocean部門”，由36氪創始人劉成城負責，對上Flow負責人朱駿。從組織上看，這已是字節少有的戰略級部門配置。

阿里是在造一個新的入口設備，字節則是在改造現有入口系統；前者是用“設備+場景”顛覆App邏輯，后者是用“系統+模型”改寫交互協議。但目標是一致的——誰能在終端掌握主動權，誰就可能在AI平臺時代擁有下一個生態級入口。

無論路徑如何不同，這一次兩家互聯網巨頭都給出了同一個答案：AI時代的主場，正在向設備端遷移。

三、泡沫還是起點？AI硬件的現實與不確定性

AI硬件聽起來像是下一個“風口”，但現實的落地比預期要更復雜得多。

先看豆包AI手機。雖然首銷備貨量達50萬臺，在中興這一體量的廠商體系里已是重量級投入，但距離主流旗艦機動輒200萬~300萬臺的出貨量仍有明顯差距。更何況，它的售價高達3499元，本質上面向的并不是大眾市場，而是開發者和極客用戶。這款產品更像是一種“技術驗證型入口”：用來測試AI助手的落地體驗，打磨系統調用邏輯，積累系統權限合作的模板，而不是一款真正意義上的消費電子產品。

但哪怕只是“預覽版”，豆包助手所暴露的技術不確定性也并不輕。無論是“任務鏈執行”是否穩定、“屏幕識別”是否準確，還是在多App之間執行任務時的異常處理、誤觸判斷、安全容錯，系統層級的AI控制本質上是對操作系統架構的一次重構。而任何一個Bug，都可能造成用戶體驗的災難。

官方文檔也明確提示，當前“操作手機”功能尚處在技術預覽階段，離大規模穩定落地仍有距離。這種在“幻想”和“現實”之間拉扯的狀態，也反映出AI Agent在現階段仍處于打磨期。

阿里的AI眼鏡同樣如此。雖然一次性推出6款產品展現了極高的戰略押注意圖，但目前這類設備在國內幾乎沒有明確的市場基礎。從產品形態來看，夸克AI眼鏡走的是“感知驅動 + Agent操控”的極簡路線，追求的是“開機即用、對話即交互”，這在邏輯上具備顛覆手機的潛力，但技術條件尚不成熟。

尤其是當前AI眼鏡在傳感器、續航、算力集成方面仍面臨顯著瓶頸。真正做到“識別環境 + 意圖理解 + 動作執行”，至少需要設備具備穩定的多模態推理能力和完整的場景建模能力。這在2025年仍是一個高門檻命題。

更現實的問題是，用戶是否真的準備好將“交互權”交給AI？

豆包助手已經具備在后臺“自動操作”的能力，可以繞過用戶主動點擊，實現任務鏈閉環。但這也引發了另一個問題：數據權限、個人隱私、支付安全該如何保障？在官方演示中，盡管支付環節仍保留人工確認機制，但AI Agent繞開App、直接模擬交互操作的能力，仍然存在被濫用的風險。尤其是在安全邊界尚未建立、系統權限標準不統一的階段，這類“能力超綱”的AI產品可能會成為監管灰區。

盡管如此，這一波AI硬件熱并不等于泡沫。

恰恰相反，它是大模型平臺進化的必然階段。當Chatbot不再新鮮、App用戶增速放緩、模型能力難以被感知，只有通過重構交互形態，AI才能重新塑造自己的“用戶價值感知界面”。

硬件，不是終點，而是一次“打通入口-調用系統-采集數據-反饋模型”的平臺級重構。

眼下，谷歌的AI眼鏡項目已進入POC階段；小米、理想分別在AI眼鏡和車載AI助手上頻頻試水；OpenAI收購IO打造Agent硬件設備；字節通過豆包助手測試全鏈路系統整合；阿里則押注眼鏡形態挑戰手機主導權——全球范圍內，科技公司正圍繞“平臺級AI入口”展開新一輪布局。

這不只是一場硬件更新戰，而是一個新平臺周期的啟動信號。