点击蓝字   关注我们

大模型与硬件的 " 联姻 "，成了 XR 行业的一大新玩法。

3 月 2 日，千问首款 AI 硬件 " 千问 AI 眼镜 " 正式上线。3 月 8 日开始售卖。它的核心亮点就在于通义千问大模型的能力。

不久前，苹果公司与谷歌正式宣布达成一项重要人工智能合作协议，将谷歌的 Gemini 大模型深度集成至苹果生态系统和硬件设备。而集成了 Gemini 大模型的谷歌 AI 眼镜，我们在昨天的视频里，已经可以看到它的功能多么强大了。

2025 年，Meta 与雷朋母公司依视路陆逊梯卡联合推出的 AI 智能眼镜卖出了超过 700 万副，较 2023 至 2024 年的累计销量整整翻了三倍。同期，字节跳动作为国内顶尖大模型厂商，也在谋划推出旗下智能眼镜。

随着大模型巨头纷纷下场绑定硬件玩家，智能眼镜这条曾长期不温不火的赛道，突然站在了行业变革的十字路口。

然而，很多厂商都在反复权衡，在这场 AI 驱动的产业重构中：到底该把筹码压在软件上，还是硬件上？

01 长期不温不火的赛道，

为啥被大模型带火了？

大模型的全面落地，在产品定义层面改写了智能眼镜的产品逻辑和行业生态，也把这条过去卡在功能机阶段的赛道，直接推进了智能机的前移。

如果我们回过头来看，会发现，实际上在过去很长一段时间，消费级智能眼镜的产品定位一直很模糊。

一位硬件行业的资深人士表示，" 多数产品的核心卖点集中在光学显示、佩戴重量、续航时长这些硬件参数上，核心功能局限在投屏观影、拍照记录、简单语音指令执行，更像是手机的附属配件，没有形成不可替代的用户价值。"

他进一步指出，用户需要主动适配产品的功能，在固定的场景里完成固定的操作，很难产生持续的使用黏性。

2024 年之前，我们大致可以看到，国内消费级智能眼镜的用户月活跃率长期低于 30%，多数产品买回去后不到一个月就被闲置。

大模型的到来以及其推理水平的不断上升，在功能底层改变了这一现状。也助推了 XR 眼镜走入规模化发展阶段。

具体而言，它重构了智能眼镜的交互逻辑，把过去人找功能的模式，变成了功能找人的自然交互。用户只需要通过自然语言，就能让眼镜完成复杂的任务，比如面对面交流时的实时多语言翻译、会议场景的内容记录与要点提炼、户外出行时的场景识别与路线规划，甚至是基于眼前画面的实时知识讲解。

这种交互方式的升级，让智能眼镜从一个被动的显示工具，变成了主动的智能助手，真正实现了解放双手、全场景随行的核心价值。

这种变化，直接带动了传统硬件生态玩家的集体转向。特别是手机厂商、消费电子厂商、光学供应链企业，都在尝试用 AI 把旗下的产品重新做一遍，也就是行业常说的 "XX+AI"。智能眼镜作为公认的下一代移动互联网入口级硬件，自然成为这场 AI 重构的核心战场。

有机构称，2025 年全球智能眼镜市场规模将达到 48 亿美元。据 IDC 发布的《全球智能眼镜市场季度跟踪报告》，2025 年中国智能眼镜（Smart Eyewear）市场出货量预计达到 284.6 万台，同比增长 116.4%，其中音频和音频拍摄眼镜出货量预计 220.2 万台，同比增长 183.2%；AR/VR 设备出货量预计 64.4 万台，同比增长 19.8%。

市场上另一股重要的力量，来自投资人和创业者的联盟。此外政策与资本的涌入，进一步加速了大模型与智能眼镜的融合，也让整个行业的竞争焦点，从硬件参数的内卷，转向了软硬综合能力的比拼。

这一轮变革的核心，是智能眼镜的价值锚点发生了根本转移：过去产品的核心竞争力集中在看得清、戴得轻，现在更多的是懂用户、够好用、能解决真实问题。

02 硬件门槛变低，软件更追求差异化

价值锚点的转移直接撬动了整个行业的竞争逻辑，也为接下来的行业格局变化埋下了伏笔。

当大模型接入成为行业标配，智能眼镜的硬件门槛正在快速下探，软件能力正在成为厂商拉开差距、构建差异化的核心战场。同时软件能力的上限，永远离不开硬件底座的支撑。

先说硬件门槛的下探，核心来自供应链的全面成熟。

光学方案层面，国内头部供应链企业已经实现了 BirdBath、阵列光波导模组的大规模量产，核心技术突破带动成本持续下降，2025 年光波导方案成本较上年下降 40% 以上。

据 Counterpoint Research 发布的供应链报告显示，2025 年入门级 AR 智能眼镜的 BOM 成本，较 2023 年下降了 42%，过去动辄上万元的高端 AR 眼镜，同配置产品的价格已经降到 3000 元以内，部分厂商入门款产品更是做到了千元以内。

算力芯片层面，高通骁龙 AR 系列芯片已经完成多代迭代，紫光展锐、地平线等国内厂商也推出了专门针对 AR 眼镜的芯片，中小厂商无需投入巨额研发成本，就能拿到成熟稳定的算力方案。

供应链的成熟，还直接带来了硬件参数的同质化。

目前市面上主流的消费级智能眼镜，在佩戴重量、显示清晰度、续航时长、基础算力这些核心硬件参数上，已经没有核心差距。

同价位的产品，硬件配置几乎大同小异，单纯靠硬件参数，已经很难打动用户，更难构建长期的竞争壁垒。

在这样的行业背景下，软件成为连接用户与服务的核心纽带，也是打通用户数据、形成差异化竞争的关键。独特的软件功能，比如多模型切换、智能体定制、垂直场景深度适配，都能成为产品的核心差异化卖点，也能帮助厂商在同质化的市场中脱颖而出。

2025 年下半年，Meta 在全球智能眼镜市场的份额达到 82%，核心增长动力来自 Ray-Ban Meta 智能眼镜。Ray-Ban Meta 是这一轮 AI 智能眼镜浪潮中的标杆产品。

为什么这是一个好产品？它内置 Meta AI，模型使得眼镜支持 Meta AI 这一 AI 助理功能，通过喊出 "Hey Meta" 即可唤醒助手进行辅助功能。

虽然它的硬件参数并不算行业顶级，重量仅 48.6 克，和普通墨镜相差无几，核心优势来自于 Meta 自研 Llama 大模型深度绑定的软件系统。

据悉，最新发布的 Llama 4 具备原生多模态能力，参数规模超 4000 亿，性能可媲美 GPT-4 与 Gemini Pro。

基于这套系统，产品实现了全场景的自然语音交互，用户戴着眼镜走路时，看到街边的餐厅，直接开口询问就能获取门店评分、推荐菜品、排队情况等信息。

于是，Ray-Ban Meta 智能眼镜很快成为爆款，早在 2024 年度销量达到惊人的 200 万台，成为名副其实的销冠。

国内头部厂商也开始，试图靠着软件差异化实现市场份额的快速突破。

3 月 2 日上线的千问 AI 眼镜，首发推出 S1 与 G1 两大系列，搭载最新一代千问大模型，支持高精度多模态理解与实时交互、高清拍摄、AI 翻译、会议记录、识图识物等核心生活与办公场景。千问 AI 眼镜 G1 还首次推出 " 墨镜款 "。

值得注意的是，千问 AI 眼镜将全面接入千问 APP，陆续上线点外卖、订酒店、打车等 " 办事 " 功能，预计 3 月底用户即可体验首批功能。

同样据 IT 之家报道，《科创板日报》援引接近乐奇 Rokid 的行业资深人士信息称，Rokid 正与 " 国内头部大模型公司 " 合作，研发专属端侧多模态模型，下一代 AI 眼镜产品聚焦生成式 AI 以及 AI Agent（智能体）为驱动的全新操作系统和 UI。

目前 Rokid 眼镜日销量大约为 1200 副，线上和线下各占一半。

无独有偶，此前媒体报道，乐奇 AI 眼镜深度整合了包括 DeepSeek、通义千问、豆包、智谱在内的多款 AI 大模型，并与高德地图、支付宝、京东科技等国内伙伴达成生态合作。在海外市场，Rokid Glasses 已与谷歌地图、微软翻译等国际巨头建立合作。

对上述案例现象需要明确的是，软件功能的落地与体验，始终受硬件算力、传感器配置等基础条件的限制。

坦白而言，如果 AI 硬件无法满足软件的运行需求，再丰富的软件功能，也无法给用户带来合格的使用体验。

03 智能眼镜厂商，

需要做动态平衡的选择题

没有合格的硬件底座，再优秀的软件功能也没有落地的空间；没有差异化的软件能力，再顶级的硬件配置，也无法形成长期的用户黏性和竞争壁垒。这也是所有智能眼镜厂商，都必须面对的行业现实。

简言之：硬件决定了产品的体验下限，软件决定了产品的价值上限。

对于智能眼镜厂商来说，以后出路从来不是在软件和硬件之间做非此即彼的押注，更多的是构建软硬一体的闭环生态，实现硬件与软件的深度协同，在动态变化的行业周期里，找到属于自己的平衡之道。

单纯押注硬件，很容易陷入参数内卷的泥潭。在供应链高度成熟的当下，任何硬件参数的突破，都能在很短的时间内被竞争对手复制跟进。

也就是说，今天你能做到 28g 的佩戴重量，竞争对手下个月就能推出 25g 的产品；今天你能做到 1080P 的显示清晰度，竞争对手很快就能拿出同规格的方案。单纯靠硬件，很难构建长期的护城河，最终只会陷入价格战的恶性循环，压缩整个行业的利润空间。

然而单纯押注软件，很容易陷入被卡脖子的困境。如果没有自己的硬件底座，软件功能的落地始终要依赖第三方的硬件设备，适配成本高，优化空间有限，很难实现最佳的使用体验。

如果没有自己的核心大模型能力，只是接入第三方大模型，一旦合作终止或者合作条件发生变化，产品的核心功能就会直接受到影响，完全没有话语权。

过去很多智能硬件厂商的发展历程已经证明，没有自己的硬件和核心技术，单纯靠软件应用，很难在消费电子赛道长期立足。

所以，真正能让厂商在行业竞争中站稳脚跟的，是软硬一体的闭环生态，是硬件与软件的深度协同。这种协同，核心是构建硬件－数据－软件－体验的良性循环。

硬件作为数据入口，通过传感器、摄像头等设备，采集用户的使用行为、场景特征、需求偏好等数据；这些数据会用来优化软件算法，让 AI 模型更贴合用户的使用习惯，让软件功能更匹配用户的真实需求；软件体验的优化提升，会带来更多的用户和更高的用户活跃度，进而产生更多的用户数据。

这些数据又会反过来指导硬件的迭代升级，比如根据用户的高频使用场景，优化硬件的传感器配置，调整产品的重量分布，砍掉用户使用率极低的功能，在控制成本的同时，进一步提升核心体验。

在 AI 席卷整个消费电子行业的时代，没有永远的赛道红利，只有永远的用户价值。

文 / R 星人

（文中未注明图片均来自网络）

获知更多最新行业资讯

扫码加入 XR 发烧友交流群

商务合作｜

爆料投稿｜

媒体合作｜

往期精彩推荐

VR / AR 星球