编者按：

当我们想喝可乐的时候，在极长的时间都只有两个选择：百事可乐和可口可乐。当我们选择手机的时候，有 90%的概率在苹果和华米 OV 等品牌里辗转。当我们买运动服饰的时候，曾经第一时间想到的，大概率是 Nike、Adidas。

但世界之所以缤纷多彩，是因为在这些巨头之外，有一些不遵从传统，力求创造不同，注重设计和功能，着眼于明日的公司存在。

它们有着非主流的商业模式，设计与产品能提供独特的用户价值，和足够的社交谈资。重点是，它们没有大公司的包袱，敢于不顾一切的进步。它们，是「多样性公司」。

多样性，是开放世界的关键。爱范儿相信，只有真正关注和理解多样性公司才能比更多人更早地看见未来。在同名栏目中，爱范儿将以专访的形式，与你一同见证这些多样性公司，如何重塑未来，定义新常态。

本文是「多样性公司」栏目第 13 篇。

雷鸟创新（RayNeo）成⽴于 2021 年 10 ⽉， 致⼒于通过 AR 眼镜改变全球 10 亿⼈的⽣活。他们在近眼显示光学设计、⾃研 AI 算法模型，以及多模态⼈机交互上有深厚积累，也是业内唯⼀拥有核⼼光学⽅案全链路⾃研及量产能⼒的 AR 企业。

同时，他们在智能眼镜领域有几乎最广的产品线，拥有 X 系列全功能智能眼镜，GT 和 Air 系列观影眼镜，V 系列拍摄眼镜，多条产品线。最近还带来了为 AI 而生的全新 iO 系列。首款产品雷鸟 iO 定位为人类增强 AI 眼镜，关键 AI 能力在于补强人类知识、强化人类表达、留存人类记忆。专为应对高信息密度、高认知负荷的效率人群打造全天在眼前的 AI 体验。

在这副与普通近视眼镜几乎无异的智能眼镜里，雷鸟 iO 还内置了千问 3.7 Max 和 DeepSeek V4 Pro 版本模型，能快速准确回答问题，提供主动提醒、翻译提词、全天智记等全天 AI 能力。

作为核心 AI 能力的全天智记以极低功耗持续运行，将用户全天的沟通与灵感统统记录。一天结束后生成每日总结，从海量对话中提炼出关键节点。雷鸟 iO 从日常碎片中逐渐提炼出用户的习惯、偏好与人脉关系，实现越用越懂用户。

这是一款从产品定义上就把 AI 功能放在原点的产品，雷鸟创新也希望在这款产品上找到智能眼镜的杀手级应用，让智能眼镜成为对用户日常生活有所增益的一部分。

在雷鸟 iO 眼镜发布前夕，我们与雷鸟创新创始人兼 CEO 李宏伟，雷鸟创新 AI 负责人程思婕聊了聊这个即将被 AI 重新定义的产品以及行业。

▲ 雷鸟创新创始人兼 CEO 李宏伟

AI 发展比我们预想的快，它改变了智能眼镜和雷鸟创新

Q：你过去做过处理器、IoT、电视、OS，某种程度上一直在不同终端上寻找计算的入口。2021 年你判断 AR 会成为下一代通用计算平台。五年之后，站在 2026 年，你觉得当年这个判断里，哪些比你预想得发展得更快，哪些明显比预想慢？毕竟眼镜的风口提了很多年，但市场规模始终无法跟智能手机乃至智能手表相比。

A：AI 的发展比预想快，但整体的发展比预想慢。

在 2021 年的时候，我觉得智能眼镜的「iPhone 时刻」大概在三五年后，也就是 2025 年是不是差不多就来了？当时其实已经觉得 2025 年是个比较远的未来了，但是现在来看，这个「iPhone 时刻」可能要到 2027 年才到。

其实在彼时彼刻，大家的判断都差不多，包括 Meta 这些公司也是这么认为的。造成这种延迟的主要原因还是核心技术的突破比预想的要慢一些，第一块就是光学显示，这是技术突破本身和产业互动的结果，如果产业的需求更强，那技术突破也会快一点。

雷鸟创新目前是在 iO 眼镜上做到了无感显示，戴上去之后，看上去和普通眼镜基本没什么区别，彩虹纹几乎没有，透光率也很高，不会有其他一些光波导眼镜显示区域变黄的问题。

AR 技术的发展依托芯片，这块的发展也不够快。

AI 的底层技术发展比预想快，但 AI 应用的场景，所谓的杀手级应用其实也没有大家想象的那么快，大家广泛认同的只有 Vibe Coding，加一个搜索。

所以整体来看，光学显示、芯片和空间计算，包括眼镜端的 AI 杀手级应用都还没有本质上的突破，但我们认为快了。

雷鸟创新这块，希望能在光学显示上做到突破，在 AI 的杀手级应用上做到突破。

Q：2022 年年底发生了一个很大的变量：大模型技术开始走向普通用户了。以前我们讨论 AR，核心是「把数字世界叠加到现实世界」；现在可能变成「如何让 AI 时时刻刻理解现实世界」。大模型的出现，有没有改变你对智能眼镜终局的定义？

A：AI 技术的发展其实并没有改变我们对智能眼镜终局的定义。

2021 年雷鸟创新开始创业的时候，我们就画过一个智能眼镜的象限图，横轴是 AI，纵轴是 AR，我们很早明确智能眼镜作为下一代计算平台的基石，就是 AI+AR。当时也定义了 3 大场景，一是手机场景迁移，而是 AI 助理，三是虚拟和显示融合。

当时的判断如今变化并不大，只是说顺序有变化，以前会认为 AI 和 AR 发展速度差不多，现在看 AI 进度比 AR 快，那么眼镜上的第一个杀手级应用就该是 AI 助理。

雷鸟创新现在有一个 40 多个人的 AI Native 团队，是有模型训练能力的，主要做两大类事情，一大类是偏重 Agent 能力，另一大类是我们也在做一个模型，核心是理解物理世界。如果智能眼镜要把物理世界和数字世界打通，光靠大语言模型还不够，基座模型的能力主要是理解连续的数据，但我们双眼看到的现实世界数据是大规模，不连续不规则的数据。比如我们下班回家的一段路，我也不说话，没有语言文字数据，但是画面在不断变化，这个画面数据有用吗？其实也没太大用，因为我每天上下班都走这条路。

这种现实世界的数据怎么处理，是我们这个模型要做的工作。

▲ 雷鸟 V4 AI 智能拍摄眼镜

Q：雷鸟现在同时有 GT 观影眼镜、V 系列 AI 拍摄眼镜、X 系列 AR 计算平台，再加上 iO 眼镜。这其实意味着智能眼镜的产品形态到今天仍然没有像智能手机一样收敛。你认为现在是「不同物种共同进化」的阶段，还是它们最终一定会重新汇聚成一种产品？

A：「不同物种共同进化」和「产品路线收敛」其实不冲突，我认为还需要一点时间，产品形态才会真的汇总成一个，2029 年甚至更远一点。

相比于智能手机，智能眼镜的约束条件还是很大，最简单的道理，要性能和续航那就得做重，做重了戴起来就不舒服。

眼镜产品形态能不能收敛，首先要一个个的解决这些约束条件。

还有一个原因也可以讲讲，手机收编了几乎其他所有电子设备的功能，让它变成了一个不得不用的东西。现在你也可以用一个更小，存储更多，音质更好的 MP3，但大多数人不会再用 MP3，是因为手机本身就有很多杀手级应用，必须要有，在此基础上增加一个听歌的功能没有什么成本。

现在的情况是，因为眼镜面临各种强约束条件，产品形态多样化，但我认为在 2029 年左右，眼镜上的杀手级应用们会让雷鸟 X 系列这样的全功能智能眼镜有让用户不得不用的理由。那么在这个前提下，用户使用别的眼镜的概率就会变低。

在这个过程中，我们就得找到这些让用户不得不用的理由。

中欧商学院有个案例就是在追踪雷鸟创新，现在还没有走到下结论这一步，就是看雷鸟创新的做法对不对。

我可以先说为什么我认为雷鸟创新可能是对的，或者为什么我是这么选的。

我自始至终都觉得智能眼镜这个赛道最后还是大厂的竞争，到最后的时候，会变成各个维度综合实力的竞争，所以在前面就不得不积累各种能力，各种资源，形成优势，让自己比较快地变成大厂。

如果在智能眼镜赛道只做一类产品，会面临 2 个问题，一是在某个时间段发展还可以，但长远来看单产品无法累计足够的用户；第二个就是我说的大厂逻辑，到后面缺乏终局竞争的全面能力。

所以说，智能眼镜最后会比较像智能手机一样，最终不会有很多品牌，但它又是个大方向，所以竞争很激烈，从创业赚钱的角度来看，它不是一个好的创业方向，我们如果不是有改变 10 亿人生活方式的理想，其实不该做这个的。

Q：如果最终会收敛，你觉得那副「完全体智能眼镜」还缺哪几个最关键的技术突破？其中哪一个是最难靠堆钱和堆工程师解决的？雷鸟有没有为此做好准备？

A：核心的需要 3 个技术突破，第一个是光学显示的技术，它做在眼镜里面，是一个技术含量占比和成本占比都很高的技术。

第二个是 AI，眼镜上的 AI 和基础大模型还有区别，更需要第一视角的多模态模型，这个模型够不够聪明很重要。

第三个是芯片电池以及伴随而来的空间计算技术。

这三个核心技术分别代表了有没有很好的信息输出能力，有没有杀手级应用，以及能不能跑一个强大的系统进行虚拟和显示的融合。

最难的我觉得还是 AI，虽然前面我说 AI 的发展比预期快，但眼镜端的 AI 有自己的复杂性，它跟数据关联很大，但需要的是新数据，这跟光学显示和芯片不一样。

第一视角多模态数据，过去没有，不像大语言模型在过去的互联网上积累足够多的数据。

其实跟具身智能目前的情况也有点像，用在训练机器人的数据也很少。这里也有关系，如果智能眼镜没起来，具身智能的大脑也没戏，这里有个循环的过程，眼镜，数据和模型三者的循环。

我们已经在这里做比较深入的工作了，比如成立专门的多模态模型团队，开始在眼镜上收集数据训练模型，包括和机器人公司的合作。

现在还是一个从 0 到 1 的阶段，虽然互联网上的视频数据很多很丰富，但是对于训练第一视角多模态模型帮助不大，因为他们大多是不连续。比如做饭的时候，你舀一勺盐拍下来了，把盐放锅里拍下来了，但是盐的移动过程没有拍。互联网上过去很少有这种按照人的视角去完整拍摄的视频数据。

Meta 也在做类似的工作，Meta Reality 累计的数据量比较大了，他们也专门出了用作数据采集的眼镜 Project Aria。本质上来说，道理大家都认同，但区别是谁有能力？谁有足够多的用户戴你的眼镜去采集数据，谁有能力把数据处理好。

归根到底，这又回到了大厂逻辑，数据和处理数据的能力，是有门槛的。

为了让 AI 一直在场，雷鸟的 iO 眼镜先学会了「消失」

Q：Google Glass 当年有很强的 Geek Fashion，它甚至刻意让别人知道「我戴着一台能拍照的微型电脑」，以至于当年有些时尚走秀也会戴着这个眼镜。雷鸟的 iO 眼镜却走向另一个方向，希望它看起来尽量像普通眼镜。你们什么时候得出这个结论：真正大众化的智能眼镜，首先要学会隐藏自己的科技感？

A：如果我们的理想是要「改变 10 亿人的生活」，那么我们的产品就应该是一个大众能接受的样子，最终要符合大众审美。

当然也有人会喜欢更有设计感，更特别的眼镜，尤其是墨镜，就会更个性，但大众层面大家还是喜欢简约的产品，当我们确定科技应该服务于人，应该隐于无声，那么产品就应该做成现在这个样子。

不过这也不是我们做 iO 眼镜的出发点，我们的出发点是要在这款眼镜上打造一个「AI 的杀手级应用」，要达成这个目的，先决条件就是全天候佩戴，如果用户一会儿戴一会儿不戴，对于 AI 发挥作用会产生很重要的不连续影响。以此反推，就需要是现在适合长时间佩戴的这个形态。

毕竟我们的出发点是打造「AI 的杀手级应用」，不是造一个时尚的智能眼镜。

Q：当前做智能眼镜，一定要做取舍。显示面积、算力、电池、重量、摄像头、续航没有办法同时拉满。iO 眼镜最开始立项时，你们主动放弃了什么？比如 iO 眼镜就没有视觉能力，有哪些能力虽然技术上可以做，但你判断现阶段「不应该做」？

A：首先主动放弃的是摄像头。

核心原因有 2 个，第一个是我们看到还没有好的多模态模型能够支撑起杀手级应用，行业和我们都没有准备好，可能很快就有进展，但至少目前没有。

同时，我们有希望眼镜是全时段佩戴，增加摄像头会带来隐私压力，以及功耗挑战。所以我们主动把摄像头放弃了。

其次，我们放弃了大芯片，等于是我们在眼镜上放弃了非 AI 的部分。从能力上讲，我们可以放一个大芯片装 Android 系统，可以在上面搞出视频播放功能各种应用出来。但这个事情不符合我刚才说的逻辑，我们希望聚焦在 AI 上，希望它能有全天续航，所以大芯片和 Android 系统我们也放弃了。

扬声器是我们非常纠结的一个点，我们的雷鸟 V4 眼镜的扬声器是和 B&O 合作的，音质业界第一档，但 V4 是墨镜的形态，镜腿可以做很粗。

iO 眼镜不是墨镜的形态，我们这一代产品几乎无法在近视眼镜这么细的镜腿上搞定音质，续航和形态的三重矛盾，音质达到一定水平的扬声器，能听歌的那种，做到最小也有 7mm 直径。

当然，塞一个能发出声音的扬声器我们肯定能做到，但用户觉得它能发声就会想听歌，我们不希望它音质不达标，所以这块一半是我们主动放弃，一半是技术上还做不到让自己满意。

Q：很多消费者理解智能眼镜，会关注重量、芯片、电池，但很少关注波导本身。实际上对于一副长期佩戴的光学产品来说，透光率、色彩还原、彩虹纹、漏光、眩光这些问题，可能比参数表上的分辨率更决定体验。你认为未来智能眼镜行业应该如何评价一块真正好的光波导？ iO 眼镜是怎么做的？

A：我们认为，衡量智能眼镜光波导显示水平有 2 个维度，第一个是无感显示，首先就要化解光波导技术带来的一系列问题，不要有彩虹纹，不要有透光率的问题，也不要有鬼影反射的问题。

第二个才是性能指标，能做到多大，多亮。站在用户角度来说就很简单了，先做到「无感显示」，然后再给我做到足够大足够亮，大一点还是有好处的。目前以信息显示为核心的话，FOV 做到 30° 左右就差不多了，如果未来要做虚拟现实融合，那 FOV 就要做到 70°，至少 50°。

具体到 iO 眼镜上，我们也是这个逻辑，首先做到「无感显示」，在这个目标前，我们会把技术指标排序，哪些对无感显示影响最大，就优先解决掉。

比如说亮度，现在的亮度已经很好，但技术上可以做到更大更好，还是为了首要目标做了一些取舍。包括漏光和波导区显形的问题，我们已经尽可能让它非常隐形了，但很难做到说完全不显形，我们是做到了足够浅，意思是刻得足够浅，当然这也会影响显示性能，不过都是在性能达标的前提下服务于「无感显示」。

Q：iO 眼镜的定义用了一个很新概念的词——「人类增强」。为什么不用更常见的「AI 助手」或者「AI 眼镜」，而要强调「增强」？在你看来，一个功能达到什么标准之后，才配叫做人类增强？

A：我们做产品比较希望讲出用户价值，你看我们的几个系列，观影眼镜，就是拿来观影的；AI 拍摄眼镜就是拍摄的，相比于概念，我们会把他们的核心用户价值讲出来。

之所以用「人类增强」，而不是简单说 AI 眼镜，是因为我们认为 AI 在 iO 眼镜上的价值就是「增强」人类的大脑，比如说它可以 24 小时开一个 Lifelog，随时能把会议纪要记录下来，就是一个增强记忆，包括现在咱俩的采访聊天，眼镜也可以随时显示回答提示，这增强表达和增强知识。

这也是一种人本主义吧，产品要为人服务，我还是认为碳基生命不能被硅基生命替代，这是我的价值观。

Q：如果拆成人的几种能力， iO 眼镜的显示增强了获取信息的能力，翻译和提词增强了表达，全天智记增强了记忆。你们内部有没有讨论过：目前最值得被 AI 增强的人类能力究竟是哪一个？

A：这是个好问题。

但其实我们内部在这个问题上的讨论，坦白说少于另外一个问题。我们觉得人类的每一个问题都很重要，记忆能力更重要还是表达能力亦或是逻辑思维能力更重要？我们确实有讨论，但没有特别的结论。

我们讨论更多的问题是，哪个能力我们现在就可以做好？

所以我们首先解决的是记忆问题，我们就做了「全天智记」这个功能。表达和知识也很重要，但相比于增强人的记忆要复杂一些，另外一点是我们认为记忆是基础，你看诺兰很早之前导演的电影《记忆碎片》，就是你的记忆如果残缺的话，那么逻辑分析能力肯定是受限的。

Q：成功的消费电子产品往往像是人体器官的延伸，就像手机延伸了手和眼睛那样，我之前也认为，结合 AI，眼镜设备会成为承载外部智力的「外脑」，那么你认为成熟的智能眼镜最终更接近一台新的电脑，还是更接近人体新增的一个器官？

A：我确实觉得它会更像一个人体的器官。

雷鸟创新建立的时候，我们确定了「改变 10 亿人生活」的理想，我个人是一个人本主义者，就是我觉得技术应该服务人。有些人会用 AI 把机器变成人，但我们希望用 AI 把人变成超人。具体到 iO 这个眼镜呢，务实一点，我们是想弥补一些人的不完美。

眼镜确实也可以做到比较好的效果，能够无感地看你所看，听你所听，更加无感地在你眼前显示，在你耳边播报，所以它会对人的知识，表达和记忆等方面都起到很大地增强。

我们内部经常说，真正伟大的不是 AI，而是因为 AI 赋能，可以更勇敢更平等探索世界的人。

比模型更重要的，是谁真正拥有用户的 Context

Q：雷鸟创新过去最明显的优势其实是硬科技能力，尤其是 Micro-LED、光波导和整机工程。但 AI 时代之后，一家智能眼镜公司的核心竞争力，会不会逐渐从「造得出眼镜」转变成「最懂佩戴这副眼镜的人」？

A：第一，竞争的核心要素确实在转变，也应该转变。

第二，外界认为我们更擅长于硬件的认知也不是很准确，比方说我们内部也有游戏团队，做的空间计算游戏《数码纪元：Elu 传说》在 Vision Pro 平台上排名第一，不久前我们的游戏产品制作人和技术负责人也和苹果 CEO Tim Cook 一起交流了。只是早期硬件发展比较快，所以大家觉得我们硬件很强，但我们其实兼具软硬件能力的。

所以现在我们把 AI 当成我们组织能力建设的第一要务，而不是说只发展硬件和工程能力。

Q：iO 眼镜同时接入了大模型，但你们真正强调的又不是模型榜单模型能力，而是全天智记、主动建议这些功能。是不是意味着在 AI 眼镜上，基础模型能力本身正在快速商品化，真正的壁垒反而是 Context——谁最理解这个用户？

A（由雷鸟创新 AI 负责人程思婕回答）：这个问题分长短期两个方面看。

短期内，作为智能硬件厂商，首先还是要找杀手级应用，让用户愿意戴我们的眼镜，持续用我们的眼镜，我们要找这样的场景。在纯文本的场景里，眼镜上使用的文本模型和通用的文本模型，比如 ChatGPT 这种，不会存在夹角，我们没必要再去 all in 训练一个大模型。

大模型拿不到的是用户物理世界的上下文信息，也就是你说的 context，比如豆包主要在手机上，活在数字世界里，没法打通到用户的真实世界。在这样的局限性下，我们的眼镜就有相关优势，因为它的硬件形态带来软件层面的真实物理世界信息的核心壁垒，这个核心壁垒长期来看又能影响到我们在多模态模型上的进一步扩展。

因为在眼镜上，它的多模态视角输入是有第一人称视角特性，和通用大模型之间有明显的区隔。

在杀手级应用提高了眼镜用户粘性的前提下，可以做持续的数据采集，我们就有机会像汽车自动驾驶那样去实现数据闭环，把数据采集，数据理解和数据训练形成飞轮。

用户端的价值我可以举个例子，我用 iO 眼镜有个非常好的场景就是每天我有很多事情要做，很多会议要开，很多项目要跟，眼镜可以帮我自动整理，生成待办，跟踪项目进度，有一些东西讨论了我可能会忘掉，但眼镜可以帮我回忆起来。

Q：Facts 是怎么从海量碎片里形成的？比如「某个人喜欢喝美式」和「某个人去年随口说过一次喜欢美式」，AI 怎么判断什么是稳定事实、什么只是一次性信息？如何处理事实过期、冲突和模型误判？

A（由雷鸟创新 AI 负责人程思婕回答）：眼镜获取的用户真实物理世界信息以及数字世界信息其实是一个分层结构，我们会分 L1、L2 和 L3 层，越往下是一些更原子化更具体的信息，越往上是一个越抽象的概念。

从业务角度来看，我们希望用户感受的是有一个「观察者」持续的陪伴，从「观察者」视角来看，不会只根据一次用户行为就来对用户进行判断，这些行为会沉淀在 L1 这层最原子化的数据里，但不会透传给用户。

AI 对用户会有一个抽象的描述，同时底下会有很多个信息或者数据来支撑，因为「观察者」发现了用户有很多个同样类似的行为，所以会判断用户是个什么样的人。

这个处理原子化信息并判断过程也会考虑时间戳的因素，还有冲突性的信息，最终用户感知到的处理结果，是最终做了聚合并处理完冲突信息的结果。

Q：一个主动式 AI 最大的问题可能不是能力不足，而是错误成本。Chatbot 回答错一句话用户可以忽略，但如果 Agent 帮我订错机票、发错消息，代价完全不同，你们怎么评估什么时候该给用户主动建议？

A（由雷鸟创新 AI 负责人程思婕回答）：我们现在的确是做了主动式 AI，但大的策略还是尽量克制，为什么选择克制也是你刚刚提到的原因。

主动式 AI 在行业里还是在探索的阶段，大家都认为 AI 在越来越智能的情况下，应该从被动变成主动。对于雷鸟创新来说，主动式 AI 提醒的置信度非常高，我们有超 90% 的确定性的时候，我们才会给用户去推，因为眼镜上的通知显示干扰性还是比较强的。

我们宁愿少给用户推一点，也希望推给用户的时候，让他觉得「啊哈，还挺靠谱的」。

另外，我们的主动式 AI 也不是直接帮用户做决策了，用户也有自己判断的权限，哪怕是 CodeX 之类的，在执行关键决策的时候，也需要用户来做验证。用户的判断也会帮助我们来获取指引，就是我们推荐的东西准不准，有没有用？这种互动可以最终提升主动式 AI 的可信度。

Q：为什么雷鸟创新会认为智能眼镜的发展关系到具身智能行业的发展？

A（由雷鸟创新 AI 负责人程思婕回答）：我之前也做过一些具身相关的事情，这个背景是我来智能眼镜行业的一个主要原因。因为我觉得眼镜行业是最有概率实现具身智能行业追求的数据 scaling up（规模扩展，当前提升 AI 能力的主要路径之一）。最有概率像自动驾驶汽车那样，收集到足够多的 clips（用作训练自动驾驶模型的视频片段）。

很多具身智能企业都在做数据采集工作，主要靠一些成本非常高昂的数据采集设备，短期内很难达到很高的规模。如果我们的眼镜卖很多，它们就能支撑数据飞轮转起来的数据量。

甚至说，现在智能眼镜的摄像头主要是为用户服务的，摆放的位置，传感器和镜头选材都是方便人类使用的。但是如果不考虑人类拍摄的需求，只是为了 AI 用途的话，那摄像头可能变成 design for AI 的。

我们也正在探索什么样的视觉信息对于 AI 来说足够了，在性能足够的情况下，来做一些功耗支持，更适配于 AI 推理的东西。人和 AI 还是不一样，人看不清一张图像，未必代表说 AI 也看不清，AI 是可以接受分辨率更低的视觉输入，是可以分析其中的 pattern （图片特征结构）的。同时来说，分辨率足够低的情况，用户的隐私担忧也可以一定程度上缓解，反正人也看不懂。

Q：你们提出「Private by Design」，把隐私放到了产品架构层面，而不是上线后的功能补丁。为什么智能眼镜这个品类需要从第一天就重新设计隐私体系？

A：确实是因为我们觉得眼镜产品和隐私信息离得太近了，眼镜不单单有用户的数字世界信息，同时还能记录用户相关的物理世界信息。所以从第一天做产品开始，就认为眼镜和隐私的捆绑特别紧密，那么就应该在第一天开始把隐私原则确立起来，隐私保护做好。

用户可以在手机里面藏很多东西，或者在手机之外藏很多东西。但如果一个眼镜整体真的跟用户在一块，然后它一直录音，甚至未来还可以录像的话，那有些东西是不好藏的。

所以就需要考虑得足够底线和细致来保护用户隐私，比如我们在考虑一些功能让用户做定时启动定时关闭 Lifelog 的功能等等，就是希望用户相信我们足够尊重他们的隐私。

Q：你们一直说希望「通过 AR 眼镜改变全球 10 亿人的生活」。 如果真的有 10 亿人每天戴着一台会看、会听、会记忆的计算设备，这家公司承担的责任是不是也会比普通消费电子公司大很多？有哪些事情即便用户喜欢、技术上能做，你认为雷鸟也永远不应该做？

A：这就要回到我们的企业文化和使命愿景。很多公司是希望要什么就写下来，作为企业文化。

我们是做到了才写下来，我们当时是坐在一起投票说这些东西做到了，就可以作为企业文化。

第一条是理想驱动，做长期正确的事；第二条叫「说话的矮子，行动的巨人」；第三条是求真务实。

基于这些雷鸟创新的底色，我们这些人的共识，如果说真的我们能「改变全球 10 亿人的生活」，确实我们会承担很大的社会责任。这些人每天戴着我们的产品去看、听、记、用，我相信我们会把一些能力锁在所有人都开不了锁的地方，这件事情肯定是会做到的。

现在也可以举个例子，Lifelog 功能是不存储录音的，我们公司谁都拿不到录音，我也拿不到。

我甚至都觉得，解决 AI 带来的一系列问题，应该有一帮 AI 科学家来研究，能不能在 AI 内部注入不作恶的基因，而不仅仅是靠政府约束或者道德原则，应该在源头上有这样的力量。