AI眼镜与AI手机，巨头的软硬双打

　模型再强，用户感知不强就白搭。当所有人都开始喊Agent、讲“意图直达”，你会发现——AI真正要争的，不是“谁回答得更聪明”，而是“谁更像你的操作系统”。

　　一个是跳出手机的眼镜，一个是重写手机的助手，本质上都是在争“下一代人机交互”的船票。这背后，不只是交互方式的变化，更是平台控制权的迁移。

　　云上斗完了，现在，是时候在设备上分胜负了。

　　一、大模型见顶之后，入口决定胜负

　　在AI浪潮的上半场，大模型是绝对主角。谁拥有更大的参数、更广的训练数据、更快的推理速度，谁就能在行业博弈中抢占制高点。但到了2024年下半年，这场模型竞赛开始显露疲态。

　　不仅OpenAI、Anthropic等头部玩家纷纷推迟下一代模型发布周期，国内头部大模型的能力差距也在快速收敛。夸克、豆包、文心一言、通义千问在理解能力上的拉锯战，开始让用户感知变得模糊。技术天花板尚未抵达，用户热情却已滞涨。模型本身，已难再成为决定性变量。

　　于是焦点转移了——从模型本身的“强”，转向模型如何“用起来”，转向人。

　　但人并不直接使用模型，而是通过终端使用服务。这意味着，谁能掌控更贴近用户的触点，谁就拥有将模型能力转化为服务价值的主导权。放在AI语境下，这些触点正是AI手机、AI眼镜这类嵌入式硬件。

　　阿里智能终端产品负责人晋显公开直接点出其中逻辑：“所有大模型训练的数据都要依赖于端发生的业务数据去训练，很多模型都是被手机、平板、电脑这些使用场景采集了数据，去服务于这些场景”。也就是说，端侧不仅是模型的分发终端，更是它的“反馈闭环”。每一次用户调用、每一个交互路径、每一条操作记录，都是对模型能力的反向加持。

　　知名科技产业时评人彭德宇对我们表示：更进一步，当AI进入“Agent阶段”，这一趋势更加显著。传统的“你问我答”Chatbot逻辑已经不够，新的用户期待是“说一句话，它帮我把事做了”，这意味着AI不仅要理解语言，还要介入实际的任务链执行。

　　以新发布德豆包手机助手为例，用户说“帮我在美团给上周的订单写个好评”，它要能跨越多个App、识别页面元素、模拟点击路径，完成一个完整的任务链。没有足够深的操作系统权限，没有多模态大模型的屏幕理解能力，这几乎无法实现。

　　而这样的能力，恰恰需要端侧作为落地场景。

　　端侧的价值不仅在于“交互效率”，更在于“生态主导权”。对大厂而言，用户用的是谁的设备、在哪个系统上执行任务、谁拥有权限调用入口，决定了未来平台格局的基本盘。

　　OpenAI今年五月以近65亿美元收购由苹果前首席设计官艾维创立的硬件公司IO，被认为是All in Agent硬件的战略信号;谷歌Gemini团队与三星合作推进端侧部署;国内的小米、理想、阿里、字节也都通过不同方式介入终端形态改造。

　　这不是“造硬件”本身的热情，而是“不能失去入口”的焦虑。

　　如果说GPT把人拉进了AI时代的门槛，那么从2025年开始，AI真正走入用户生活的那扇门，可能不在云上，而在你眼前那副眼镜、或你手上那台手机里。

　　二、两种路径，一个目标：争夺下一代入口

　　虽然都在AI硬件赛道出手，阿里和字节的路线却几乎南辕北辙。

　　阿里选择从头开始造一个新物种——AI眼镜。11月27日发布的6款夸克AI眼镜，在我看来几乎都是“功能优先”的工程机风格，不讲究时尚，不妥协形态，直接奔着实用性而去。它的使命并不是打动普通消费者，而是跑通“感知式人机交互”这套逻辑。

　　阿里眼中的AI眼镜，是下一代“个人移动入口”。它不是手机的配件，而是对手机场景的逐步替代者。阿里智能终端业务负责人宋刚在发布会上明确表示：“它是未来最有机会挑战手机的设备。”这不是营销话术，而是一次彻底的交互重估。

　　在手机时代，用户要通过“下载App—打开—搜索—操作”完成任务。而AI眼镜希望用户只需要一句话，“帮我拍照上传微博”，AI就能调用摄像头、识别场景、发布内容。底层逻辑已不再是App，而是Agent：一个能理解意图并主动执行的交互中枢。

　　这背后是阿里云端模型与终端协同的典型思路。大模型未来要迭代，必须靠端侧采集的业务数据“喂养”;只有做自己的硬件，才有足够权限打通数据采集、系统调用和用户交互的全流程。

　　相比之下，字节选择了几乎完全相反的路径：它不造手机，但却要“重做手机系统”。

　　12月1日发布的豆包与中兴合作的工程样机nubia M153手机并不算新硬件，其核心卖点是“豆包手机助手”——一个内嵌操作系统、具备完整任务链执行能力的AI Agent。它能理解屏幕界面、模拟点击、跨App跳转，实现“意图直达服务”。

　　不同于传统语音助手的浅层指令执行，豆包助手深入到操作系统底层，通过多模态大模型理解图形界面，实现“虚拟屏幕内完成复杂任务”的能力。比如“下个月去巴黎，帮我把收藏的餐厅标在地图上”，豆包能拆解出6步操作，包括社交媒体提取、高德地图标记、携程订票、备忘录整理等，像人一样执行。

　　这其实是在“重构手机操作系统的主控逻辑”，让AI成为系统的“第一入口”，而不是App里的一个功能。

　　字节选了更灵活的策略：和手机厂商合作，用软件能力深嵌设备生态。据极客公园援引前中兴产品经理消息，nubia M153的首销备货量高达50万台，对一个AI助手的系统级预装项目来说，这已经是一个很激进的数字。

　　这不是字节第一次布局硬件。早在2018年，它就收购锤子团队切入手机生态;2021年并购PICO进军VR;2024年初收购Oladance切入AI耳机……如今，这些硬件资源已全部整合进“字节Ocean部门”，由36氪创始人刘成城负责，对上Flow负责人朱骏。从组织上看，这已是字节少有的战略级部门配置。

　　阿里是在造一个新的入口设备，字节则是在改造现有入口系统;前者是用“设备+场景”颠覆App逻辑，后者是用“系统+模型”改写交互协议。但目标是一致的——谁能在终端掌握主动权，谁就可能在AI平台时代拥有下一个生态级入口。

　　无论路径如何不同，这一次两家互联网巨头都给出了同一个答案：AI时代的主场，正在向设备端迁移。

　　三、泡沫还是起点?AI硬件的现实与不确定性

　　AI硬件听起来像是下一个“风口”，但现实的落地比预期要更复杂得多。

　　先看豆包AI手机。虽然首销备货量达50万台，在中兴这一体量的厂商体系里已是重量级投入，但距离主流旗舰机动辄200万~300万台的出货量仍有明显差距。更何况，它的售价高达3499元，本质上面向的并不是大众市场，而是开发者和极客用户。这款产品更像是一种“技术验证型入口”：用来测试AI助手的落地体验，打磨系统调用逻辑，积累系统权限合作的模板，而不是一款真正意义上的消费电子产品。

　　但哪怕只是“预览版”，豆包助手所暴露的技术不确定性也并不轻。无论是“任务链执行”是否稳定、“屏幕识别”是否准确，还是在多App之间执行任务时的异常处理、误触判断、安全容错，系统层级的AI控制本质上是对操作系统架构的一次重构。而任何一个Bug，都可能造成用户体验的灾难。

　　官方文档也明确提示，当前“操作手机”功能尚处在技术预览阶段，离大规模稳定落地仍有距离。这种在“幻想”和“现实”之间拉扯的状态，也反映出AI Agent在现阶段仍处于打磨期。

　　阿里的AI眼镜同样如此。虽然一次性推出6款产品展现了极高的战略押注意图，但目前这类设备在国内几乎没有明确的市场基础。从产品形态来看，夸克AI眼镜走的是“感知驱动 + Agent操控”的极简路线，追求的是“开机即用、对话即交互”，这在逻辑上具备颠覆手机的潜力，但技术条件尚不成熟。

　　尤其是当前AI眼镜在传感器、续航、算力集成方面仍面临显著瓶颈。真正做到“识别环境 + 意图理解 + 动作执行”，至少需要设备具备稳定的多模态推理能力和完整的场景建模能力。这在2025年仍是一个高门槛命题。

　　更现实的问题是，用户是否真的准备好将“交互权”交给AI?

　　豆包助手已经具备在后台“自动操作”的能力，可以绕过用户主动点击，实现任务链闭环。但这也引发了另一个问题：数据权限、个人隐私、支付安全该如何保障?在官方演示中，尽管支付环节仍保留人工确认机制，但AI Agent绕开App、直接模拟交互操作的能力，仍然存在被滥用的风险。尤其是在安全边界尚未建立、系统权限标准不统一的阶段，这类“能力超纲”的AI产品可能会成为监管灰区。

　　尽管如此，这一波AI硬件热并不等于泡沫。

　　恰恰相反，它是大模型平台进化的必然阶段。当Chatbot不再新鲜、App用户增速放缓、模型能力难以被感知，只有通过重构交互形态，AI才能重新塑造自己的“用户价值感知界面”。

　　硬件，不是终点，而是一次“打通入口-调用系统-采集数据-反馈模型”的平台级重构。

　　眼下，谷歌的AI眼镜项目已进入POC阶段;小米、理想分别在AI眼镜和车载AI助手上频频试水;OpenAI收购IO打造Agent硬件设备;字节通过豆包助手测试全链路系统整合;阿里则押注眼镜形态挑战手机主导权——全球范围内，科技公司正围绕“平台级AI入口”展开新一轮布局。

　　这不只是一场硬件更新战，而是一个新平台周期的启动信号。