灵光做Personal Agent的痛点，小红书和Rokid想联手补上

文 ｜ 超聚焦自从Muse走红后

，互联网大厂、大模型公司和AI创业者们纷纷快马加鞭端上自家的个人Agent，目前国内市场声量最高的是千问Go、微信小微、灵光2.0和Today AI这些。最近灵光铺天盖地宣传下来，还真以为中国Muse驾到，阿里、字节通通闪开，结果实测下来拉了裤里。

灵光2.0可以接入日历、闹钟、百度网盘、QQ邮箱等系统与第三方服务，但微信、抖音、小红书、美团这些高频生活场景的授权接口基本都没有开放，阿里系自家App也是仅打通支付宝和钉钉，方向是对的，但权限不足明显食之无味。

中国互联网的App生态以围墙为常态，豆包手机助手曾遭遇大批应用抵制，灵光可深度绑定的国民级应用同样有限。灵光把“生成应用”作为切口，最终撞上的却是应用分发和数字服务交易的既有边界。

从这个意义上说，灵光面临的不是一次产品迭代可以消解的短板。它代表的是“在手机对话框内做一个更聪明的Agent”这条路径所共享的天花板，Agent可以理解意图，却难以稳定地触达意图所指向的真实世界。

权限在别人手里，场景在别人手里，数据也在别人手里。当所有动作都要穿过一层又一层应用壁垒才能完成时，Personal Agent的“个人”属性就会被稀释为一种受限于平台许可的有限代理。

而最近小红书与Rokid的联手打造的“小红书蜜薯”，提供的不是同一道题的不同解法，而是把题面换了一个位置。Siri没完成的事，AI眼镜接着干过去几个月，Personal Agent被反复描述为消费级AI的“下一站”。

它应当长期记住一个人的偏好，在没有人盯着的时候主动发现需求，并在授权范围内把事情办完，这个愿景并不新鲜。从Siri到Alexa，语音助手曾许诺过类似的角色，但最终大多停在了“问答”与“指令”的层面，技术条件不足以支撑一个真正可靠的主动助手，平台也缺乏开放权限的动力。

真正的卡点不在模型能力，而在“感知位置”。手机是Personal Agent目前最主要的载体，但它本质上是一个需要被拿起、被注视、被操作的设备。Agent要理解用户此刻在做什么、看到什么、需要什么，只能依赖用户主动输入，或者调用手机里已经沉淀下来的历史数据。

这种“事后感知”的模式，决定了手机Agent的主动性始终存在结构性延迟，它知道你昨天搜过什么，却很难判断你此刻站在街头对面是什么店铺。AI眼镜提供了一种不同的可能，它的摄像头与传感器天然对齐佩戴者的视线、听觉和运动状态，形成的是连续的第一人称数据流。

这意味着Agent开始有了在需求发生的“此刻”介入的物理条件。小米AI眼镜内置的超级小爱，支持第一视角拍摄、物体识别、翻译和扫码支付；Rokid Glasses把提词、导航、实时翻译投射到镜片前方，让信息出现在视线之内而非手掌之中。

这些功能单独看并不惊人，合在一起却指向同一个方向——Agent从“你来找我”转向“我正好在场”。这正是灵光所代表的Personal Agent愿景长期缺失的一环。大模型擅长的是记忆、规划和任务执行，但如果没有一个持续在场的感知终端，再强的规划能力也只能建立在用户“告知”的基础上。

眼镜补上的，是那个在用户开口之前就已经开始工作的感知入口。Rokid做的事情，本质上是在回答“Agent住在哪里”这个问题。2026年6月发布的YodaOS，是一个以智能体为核心、去掉传统App架构的操作系统。

它的意义不在于多了一个OS，而在于把眼镜从“运行应用的硬件”改造成“承载智能体的平台”。配套的AIUI Studio进一步降低了开发门槛，浏览器端即可完成智能体的设计、调试与发布，开发者甚至可以在没有实体设备的情况下模拟运行环境。

到2026年下半年，其开发者社区注册规模约3.5万人，Agent Store上架智能体超过500个。这些数字并不惊人，但放在一个尚未定型的硬件品类里，它意味着一种生态雏形正在形成，有人愿意为这副眼镜写“技能”，而不只是等厂商自己迭代功能。

小红书补上的则是另一端，它的Agent“蜜薯”此前停留在站内助手阶段，等待用户搜索、提问才回应。与Rokid眼镜的结合改变了一个关键变量，Agent不再需要用户先把现实场景“翻译”成文字描述，眼镜的摄像头和传感器可以把“此时此地”直接喂进决策链条。

用户看到一家餐厅，问一句“这家怎么样”，蜜薯结合拍摄画面与社区笔记给出判断；翻看菜单时，它持续识别新菜品，结合人数和口味偏好给出搭配建议。小红书将这种模式称为“渐进式感知”，核心在于Agent获取信息的时机从“用户主动汇报”变成了“场景自然流露”。

对于一个长期被诟病“缺少消费交易数据”的社区平台而言，这层线下感知能力的战略价值，比起短期卖了多少副眼镜，更令人在意的是它让社区内容，第一次与用户的即时决策现场发生了物理连接。做生态苦做硬件卷，做平台才有网络效应验证成功和规模成功之间，仍然隔着几道不容易跨越的约束。

Rokid需要证明眼镜不只是一个“能拍照、能翻译、能导航”的功能集合，而是一个可以承载第三方智能体的平台，否则硬件终将滑向价格竞争；小红书需要让积累了十几年的生活经验走出App，进入那些用户来不及打开手机的时刻。

一方缺“场景的纵深”，一方缺“身体的落点”。这种互补性，比单方面的产品参数更接近Personal Agent从演示走向日用的真实路径。端侧算力的成熟是一个基础条件。混合AI架构正在成为行业共识，终端侧运行高效的垂类模型，负责实时感知与快速响应；

云端承担更重的推理与长期记忆。眼镜不需要在本地完成全部计算，它只需要成为感知链条上最靠近人的那一环。高通将这一趋势概括为“从以智能手机为中心转向以智能体为中心”，计算的分布方式在变，入口的定义也在变。

但入口的迁移从来不只关乎技术。夸克AI眼镜把千问助手与支付宝、高德、淘宝、飞猪的生态场景打通，试图让眼镜成为阿里服务体系的“随身触手”，小米则把超级小爱嵌入已有的智能家居与手机协同体系。

两者的共同点是眼镜本身不创造服务，它创造的是服务被调用的时机。掌握时机的人，能在Agent调度服务的过程中占据了更靠前的位置。这也解释了Personal Agent赛道正在发生的分化。

大厂做Agent，优势在于现成的账户、支付和生态，不必从零拉新，也不必另接通道。创业公司做Agent，则必须面对一个更窄的缝隙，要么在垂直场景里做出大厂不愿意做的深度，要么以软硬一体的方式把感知入口握在自己手里。

Rokid的选择属于后者，用带显示的AI+AR眼镜切入商务、文旅和工业场景，在Meta占据绝对优势的全球格局中，以“显示”这一差异化能力守住第二的位置。但这并不意味着眼镜已经解决了Personal Agent的全部问题。

IDC的分析师指出，智能眼镜真正的用户价值尚待发掘，行业仍处在从“尝鲜”向“工具”过渡的阶段。第一人称感知带来的数据隐私边界、公共场景下的交互规范、续航与重量的物理约束，都是尚未收敛的变量。

眼镜补上的是感知层的一块拼图，而非终局答案。IDC数据显示，2025年全球智能眼镜出货1477.3万台、同比增长44.2%；其中中国市场出货246万台、同比增长87.1%。Omdia统计小米以31.9%的国内份额居首，Rokid以28.5%紧随其后，两家合计拿走了六成以上的市场。

2026年上半年行业退货率处于30%至70%的区间，过去两年上线的两百余项AI功能中，用户长期使用率不足6%。这意味着，相当一部分售出的眼镜并没有从“尝鲜设备”转化为“日常佩戴设备”。

这对Rokid与小红书的合作提出了一个隐含的考验。蜜薯的价值取决于用户是否愿意在真实消费场景中习惯性地对着眼镜说话、让眼镜持续感知。如果佩戴率本身不稳定，渐进式感知的数据链条就会频繁断裂，Agent的“懂你”便退化为偶发的演示时刻。

眼镜目前承载的，更像是一个技术验证场：验证实时多模态、主动服务和长期记忆在真实环境中的可用性，而非一个已经成熟的大众入口。小红书对此的定位也显示出克制，先打磨能力，再谈规模。更大的背景是，AI眼镜赛道正在经历一轮密集的“百镜大战”，小米、华为、阿里、理想等玩家的入局把价格和渠道的竞争推到了前台。

Rokid选择做操作系统、开发者生态、线下专卖店体系的路径是一条窄门。它的门槛更高，回报周期更长，但一旦智能体生态形成网络效应，硬件的可替代性就会下降。祝铭明把千万台销量目标设在2030年之前，并称“做不到就是我们输了”。

这个时间尺度点明当前阶段的竞争，不是终局份额的分配，而是“谁能在用户鼻梁上留下来、谁能让开发者在平台上赚到钱”的资格赛。Personal Agent的竞争，正在从“谁的模型更聪明”，转向“谁离人的意图更近”。

手机曾经是最近的，但它的交互逻辑要求人先做出动作。眼镜不需要，它只需要被戴上，感知就已经开始。这个细微的差别，可能比任何一次模型升级都更接近Agent从“可用”走向“有用”的那道门槛。更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App