AI眼镜和耳机，难在让人离不开

本文来自微信公众号： 冯伟冯大白 ，作者：冯大白只靠接入大模型，AI眼镜和AI耳机很难撑起一轮新的硬件溢价。识别、翻译、转写、问答正在成为越来越容易获得的功能，手机能提供，旧设备也能通过更新接入。

厂商急于占据下一代AI入口，消费者面对的决定却很实际：现有设备已经能做这些事，再买一件硬件，究竟能省下多少麻烦。这道门槛，比给产品增加一串AI功能更难跨过。眼镜和耳机必须先找到自己在一项完整任务中的位置，再证明这个位置值得长期佩戴、充电和付费。

功能演示结束以后，产品才真正开始与用户已有的使用习惯竞争。市场已经给出了值得拆开的信号。Counterpoint统计，2026年上半年全球AI眼镜出货量同比增长263%，其中无显示产品占96%；

在无显示细分市场，Meta占94%的出货份额。眼镜行业已经有了清晰的头部，接下来更值得追问的，是这类产品的增长究竟由什么体验支撑，AI能从中获得多少独立价值。图1 AI眼镜出货结构基础功能仍在承担购买理由Meta今年9月推出Ray-Ban Meta Audio时，给出的一个信息比新增模型更值得注意：音频从一开始就是其眼镜最受欢迎的功能。

新品进一步选择了无摄像头形态，主打开放式听音、通话和语音交互。这次产品取舍，让“AI入口”的讨论回到了佩戴本身。消费者可以喜欢眼镜带来的声音体验，也可以需要免手持拍摄；这些需求足以支撑一部分购买，并不一定等待一个无所不能的助手。

品牌、镜框、舒适度与日常功能，仍然在决定用户愿不愿意把电子设备戴在脸上。AI增加了一层能力，也增加了一层竞争。一个问答功能可以出现在眼镜、耳机、手机和电脑里，模型升级还可能同时覆盖多种设备。

厂商越容易接入相近的能力，越难仅凭模型名字拉开产品差距。耳机已经有了一个直接的例子。苹果的实时翻译覆盖AirPods Pro 2、AirPods 4降噪版等旧款产品，在支持的地区，配合兼容iPhone、系统和固件即可使用。

新功能并没有被限定在最新一代耳机上。苹果同时注明，搭配AirPods的实时翻译目前在中国大陆不可用。图2耳机翻译功能兼容关系在已经开放服务的地区，对持有兼容设备的用户，这是一项软件能力的增加；

对准备销售“新一代AI耳机”的厂商，情况就更严峻了。用户已有耳机也能翻译，新产品必须另外证明收音、操作或完整流程的优势。AI功能变得普遍，反而会削弱“首次支持AI”作为购买理由的有效期。

新硬件因此面对两次比较。先与普通眼镜、耳机比较佩戴和基础体验，再与手机及已有设备比较AI任务。前一项决定用户能不能接受这件产品，后一项决定AI究竟能增加多少价格和使用频次。AI耳机的竞争对手，已经包括一次手机系统更新。

仅靠“首次支持AI”获得的领先，可能还没等到下一代产品发布就被抹平。翻译准确还要接得住对话在已开放服务的地区，实时翻译最能看出这段距离。它的需求清楚，演示直观，却也最容易把“成功翻译一句话”误当成“完成一场交流”。

AirPods采用的是手机与耳机分工：语言模型下载到iPhone后，翻译处理在手机上完成，译文通过耳机播放。耳机提供贴近使用者的声音输出，让佩戴者不必一直盯着屏幕。这部分便利是成立的。

交流继续往下走，手机却仍然承担重要工作。对方没有相应耳机时，佩戴者的回答要通过iPhone展示文字或播放译文；环境嘈杂时，也可能需要把手机靠近对方收音。双方的设备条件不同，直接决定这一轮对话要经过多少操作。

图3 AirPods双向翻译交互Macworld在2025年12月做过一次德语与英语对话测试。测试者对译文的准确程度评价很高，但交流中的等待明显增加：听对方说完，等待翻译，再作答，随后让手机生成和播放回复。

语言能被理解，与交谈保持自然节奏，在这次测试中呈现出了不同的结果。对话还受另一组条件约束：对方愿意等多久，是否知道系统还在处理，两个人会不会同时开口。即使每句话都翻译正确，频繁等待和互相打断，照样会让交流难以继续。

产品必须让双方知道什么时候说、什么时候听，以及出错后怎样接着谈。硬件形态可以改善这段过程，但必须落到具体动作。耳机让译文直接进入耳朵，带显示的眼镜让文字进入视野；如果对话仍要求频繁拿出手机、选择和播放，部分操作只是换了顺序。

新设备增加的便利，需要超过它新增的佩戴与管理负担。频繁进行跨语言工作的人，关心的是能否连续谈完一件事；偶尔旅行的人，则会衡量手机已有功能是否够用。专注翻译的产品若能显著减少对话操作，就有自己的市场。

但把偶发需求包装成所有人的全天候入口，会把产品承诺扩大到它最难兑现的地方。会议纪要只是工作的中间产物办公场景提出了更高的要求。耳机能持续接收声音，却很容易把自己的工作停在“录下来、转成文字、生成摘要”。

对用户而言，一份纪要生成以后，工作通常还没有结束。会议决定由谁执行、何时交付，往往需要进入团队已经使用的任务和日程系统。后续讨论改变了安排，还要能找到原来的记录。如果用户仍然负责复制、整理、重新输入，设备节省的是记录时间，后半段的信息流转依旧由人承担。

这要求模型与业务系统共同工作。模型可以整理语言，业务系统掌握项目、联系人、权限和进度。一次口头安排要变成可以执行的任务，必须与这些已有信息建立联系。耳机取得声音以后，还要通过后台服务把安排送到正确的位置。

Cleer与钉钉合作的H1，选择把录音和纪要接入办公平台。耳机提供离线录音、通话录音、转写、翻译和纪要，并与钉钉会议等功能衔接。这让信息有了明确的去处，也让产品开始依赖硬件与既有办公环境的共同工作。

同一场新品发布中，Cleer还介绍了另一条路径：与菘行OPC合作，通过本地算力终端连接OpenClaw执行设备，并提供预装技能和自定义技能调用。这里新增的价值环节，是把语音指令继续送到能够执行任务的系统。

两类合作都表明，耳机厂商开始补足采集之后的能力。前者借助办公平台接住信息，后者借助执行环境接住指令。把声音交给大模型之后，还有账号、权限、目标设备和应用操作需要处理，耳机自身无法包办这些环节。

图4会议记录与任务执行这也提高了产品验收的难度。能否生成一份摘要，结果比较容易检查；能否把安排正确送入工作系统，必须同时确认对象、时间、内容和权限。任务越接近实际执行，出错的后果越具体，用户越需要看清完成状态，并且能够修改或撤销。

一个只会宣布“已完成”的语音入口，无法替代这些反馈。眼镜与耳机缺少手机那样宽裕的显示和操作空间，厂商必须决定哪些确认留在设备上，哪些转回手机，以及这种来回是否仍然值得。让模型开始做事之后，交互设计的工作反而更多了。

入口背后的服务决定竞争位置AI眼镜和耳机的竞争，正在沿着这些具体障碍向后延伸。前端负责取得信息、接收指令，后台负责理解上下文、调用服务和返回结果。硬件品牌能掌握其中多少环节，会影响它能提供什么体验，也会影响它能拿到多少价值。

苹果可以把翻译能力加入已有耳机，因为手机系统、模型处理和设备连接都在同一套产品体系中。独立音频品牌要实现相近的完整体验，通常需要与手机应用、模型或服务平台协作。两类厂商面对的工作量与控制范围并不相同。

Futuresource与音频平台公司Bragi联合发布的材料估算，定制AI语音助手的集成项目可能需要40万至150万美元投入，主要困难集中在芯片、固件、品牌应用与云服务的衔接。对硬件厂商，这是一项会延伸到售后的工作：系统更新、账号变化和服务调整，都可能影响已售产品。

合作能够减少重复开发，但产品差异也会受到合作方式的影响。当多款设备接入相近的模型与服务，音频、佩戴和连接体验仍然重要；若希望通过AI建立更强的用户关系，品牌就需要掌握某项任务的完整体验，积累对应场景的产品能力。

服务还会改变硬件的账本。采用云端推理的功能，在产品售出后仍会发生计算和运营成本。一次硬件收入需要覆盖多长时间的使用，哪些能力随设备提供，哪些需要另行付费，都会进入厂商的经营安排。AI越常用，服务负担也越真实。

这把“日常使用价值”推到了收入面前。用户愿意为持续解决问题的服务付费，厂商才更容易承担长期更新和调用费用；如果AI主要用于偶尔尝鲜，订阅和续费就缺少支撑。让AI成为高频任务的一部分，既关系到设备会不会闲置，也关系到这门硬件生意能否长期做下去。

图5 AI硬件服务收支Meta也在继续向服务端推进。今年9月，它宣布将个人AI智能体Muse带到眼镜上，方向包括连接日程、购物等服务。接入计划表明，即使已经拥有眼镜市场的头部位置，单靠看见和听见，也不足以完成它对AI助手的期待。

翻译设备要把一轮对话做顺，办公耳机要让记录进入后续工作，生活眼镜要减少手机原本需要完成的操作。这些具体任务决定了用户为什么留下设备，也决定了谁有能力收取后续服务费。AI入口的竞争，最终要经得住一个检验：用户换回普通设备，会失去什么。

已经交给它的工作若必须重新接手，AI就有了独立价值；如果只是少一个唤醒大模型的地方，硬件溢价便缺少支撑。通用模型越普及，仅仅让大模型多一个麦克风和扬声器，留给新硬件的空间就越小。