文 | 偏科声，作者 | 李小年

刚刚过去的一周，AI 硬件的发布节奏密得反常。

10 月 13 日下午，阿里千问在杭州发布 AI 眼镜 N1、N1 Pro 和一款与 Bose 联名的耳夹式耳机，国补后眼镜到手价 2218 元起、耳机 1099 元起；晚上，阶跃星辰在上海推出智能体手机 STEPX Neo，先行版 3999 元，21 点开启预售。

两场发布会隔了几个小时，一个卖穿戴，一个卖口袋里的终端，讲的却是同一件事：让智能体有个随身的身子。

往前推，9 月下旬 Rokid 在数贸会上亮出第二代带显示的眼镜；9 月底 Meta Connect 上，雷朋第三代系列把款式扩到上百种，同时补了一款不带摄像头的纯音频版本；有消息称，苹果也在筹备 299 美元的桌面设备 HomeView。华为、中兴、vivo、XREAL、百度近期都有上新。

这一热闹景象，让人想到 2024 年 CES 上，AI Pin 和 Rabbit R1 的展台同样被围得水泄不通。一年多后，一个被低价甩卖，一个成了行业里的反面案例。

与两年前不同的是，这次是头部科技企业集体涌向 AI 硬件。各家的盘算也很简单，硬件不再是硬件本身，是 AI 的入口。而入口之争的底层，是算力结构的迁移。

摩根大通 2026 年 9 月的 AI 芯片产业报告给出了一组关键测算：2025 年，ASIC/XPU 芯片在 AI 加速器出货中占比仅 32%；2026 年升至 43%；到 2027 年，这一比例预计攀升至 54%-56%，出货量正式超越传统 GPU。与此同时，2026-2028 年端侧 AI ASIC 芯片出货复合增速可达 40%-60%。

端侧定制芯片进入高速渗透期，这不是短期波动。

云端算力竞赛打了数年，模型参数层层堆砌，增长已经触到天花板。接下来承接 AI 产业增量的，是以原生智能体终端为核心的端侧价值闭环。

另一方面，AI 硬件落地的技术条件也成熟了。

近两年，模型量化、稀疏架构持续优化，叠加端侧专用芯片的升级，" 小模型智能弱、大模型端侧部署功耗高、成本贵 " 这几个老问题已经大幅缓解。规模化落地，技术上不再有硬障碍。

壁垒破除之后，这条基数庞大、渗透率极低的万亿级赛道，正式走到台前。

手机太满，AI Pin 太空，眼镜刚刚好

当下 AI 硬件市场有一个鲜明的结构性矛盾：热度虚高，优质供给稀缺。

洛图科技 2026 年国内 AI 硬件产业报告预测，2026 年国内不含手机、汽车的消费级 AI 硬件市场规模将突破 1.27 万亿元，2030 年有望达到 2.56 万亿元。多数机构对全球广义消费级 AI 硬件市场的测算，同样在万亿美元上下。

但真正跑出来的是哪些？

IDC 预计 2026 年全球智能眼镜出货 2368.7 万台，按 400 美元上下的均价粗算，全品类销售额约 95 亿美元。这是眼下增速最快的硬件品类，规模放到万亿消费电子的盘子里，仍不足 1%。

一边是万亿级的想象空间，一边是不到百亿美元的实收。这个落差，正是所有人盯着它的原因。

于是，一个有趣的问题出现了：硬件形态这么多，为什么先跑出来的是眼镜？

要回答这个问题，得先看一个反常识的事实：手机作为 AI 入口，正在失去载体能力。

IDC 的初步数据显示，2026 年第三季度全球智能手机出货 2.553 亿部，同比下滑 22%，创下有记录以来最大单季降幅；全年预计同比下降 16.7%，落到约 10 亿部，行业复苏要等到 2028 年。

原因不在需求，在成本—— AI 数据中心抢走了存储产能，内存价格较去年上涨约 350%，目前已占低端手机物料清单的 65% 以上。100 美元以下机型，二季度出货量跌了近 60%，多家厂商干脆砍掉整个入门产品线。

也就是说，手机不但没有为新入口腾出空间，反而在变贵、变小、变少。

Counterpoint 的调查里，63% 的潜在购机者已经注意到涨价，中国消费者这一比例高达 81%，用户的换机周期被进一步拉长。

让手机当 AI 入口，等于在饱和的战场上再开一局。

这才是眼镜能跑出来的真正原因。它赢的不是算力，是位置和价格——眼镜的渗透不依赖增量。

据维深研究院数据，全球眼镜年销量约 15.6 亿副，市场规模约 1500 亿美元；全球近视人口已超 26 亿，预计 2030 年达 33.6 亿。

这意味着眼镜是极少数 " 用户本来就要买、本来每天就戴 " 的硬件品类。Meta 不需要说服任何人 " 你需要一个可穿戴设备 "，它只需要让人在换镜时多花几十美元。

这与 AI Pin 的处境完全相反——后者要先创造一个全新的佩戴习惯。

2026 年第一季度，全球智能眼镜出货 356.6 万台，同比增长 130.1%，单季规模已超过 2024 年全年（约 270 万台），Meta 一家占一季度 76.1%。

Meta 的做法朴素到近乎保守：Ray-Ban Meta 起售价 299 美元，形态就是一副普通雷朋。

IDC 设备研究副总裁 Bryan Ma 的解释更直白：Ray-Ban Meta 卖得好，是因为 " 它看起来就是一副普通眼镜，只是碰巧里面装了技术 "，而谷歌眼镜的失败正在于 " 太科幻 "。

千问 N1 直接取消了近眼显示，把算力和成本全压到感知与交互侧。后果很直接——光学显示模组（光波导、Micro LED 光机）原本占硬件成本的 25%-43%，在这一代上价值占比几乎归零，这就是千问能把价格压到 2218 元的原因。

三星与谷歌联合推出的 AI 眼镜在 2026 年秋季上市，产品逻辑直接砍掉 AR 显示屏，整机压到 50 克左右，靠摄像头加 Gemini 做会议记录、实时翻译、信息摘要。

苹果的首代 AI 眼镜据悉同样不配 AR 显示，主要靠 iPhone 提供算力，上市时间指向 2027 年。

作为 AI 硬件的探路产品，眼镜刚刚好——手机太满，AI Pin 太空，它长在用户 " 本来就在用、但还没被智能化 " 的空白处。

AI 产业里，第一次出现了 " 买不到 " 的东西

一副眼镜一旦被戴住，意味着两件事同时发生：习惯建立了，数据开始积累了。

AI 产业的生产资料里，第一次出现了 " 买不到 " 的东西。

算力可以租，模型可以开源，芯片可以下订单。过去每一轮硬件竞争—— PC、智能手机——壁垒最终都落在供应链效率和规模成本上，这些都是钱能砸出来的。

唯独数据不一样。它只能从自己的用户身上长出来，买不来，抄不走，也没法用融资加速。

经过几年白热化竞争，通用大模型的基础能力已经过剩。真正稀缺的，是能落地真实场景、支撑个性化服务的高质量专属数据。

而数据对 AI 硬件的意义，不是报表上的一项资产，正是产品本身。

同一个 " 帮我安排下周 " 的指令，一台没用过的设备只能给你列一份日程模板；一台相处了三年的设备知道你周三要接孩子、周五的机票要攒东航积分、重要会议前十五分钟会习惯性看一眼持仓。

这种差别不来自模型能力，来自相处历史。而相处历史无法迁移，用户换设备，等于把三年的 " 调教 " 清零重来。

这是护城河和堆料的区别。参数可以追平，价格可以跟进，唯独 " 越来越懂你 " 这件事，只能靠时间换。

数据飞轮一旦转起来——越用越懂，越懂越离不开，越离不开数据越多——后来者面对的不是一款产品，是一段追不回来的关系。

所以企业的战略排序变了。

过去做硬件的逻辑是 " 先出爆款，再想商业模式 "；现在的逻辑是 " 先确保自己站在数据流的必经之路上 "，爆款只是副产品。

这解释了两个看起来不划算的决定：OpenAI 情愿背 65 亿美元的收购和一场胜负未卜的官司也要做硬件；阿里把眼镜从 " 一条产品线 " 降格为 " 入口的容器 "。他们买的不是卖硬件的收入，是站在数据流上游的资格。

现在，数据采集的管道正在往端侧铺，至于是眼镜、手机还是耳机，都不重要——重要的是，谁在管道上。

（本文源自「偏科声」｜剥离行业噪音，拆解 AI 产业链底层博弈与长期趋势）