戴了「Ray-Ban Meta」两个月，我开始相信 AI 眼镜的未来

作者 | Li Yuan
编辑 | 郑玄Meta 联合雷朋推出的「Ray-Ban Meta」智能眼镜（以下简称「Meta 眼镜」），可能是 2024 年最受关注的智能产品。自去年十月发售起，Meta 眼镜已经在全球销售了超 100 万台。不过，其真实的销售潜力远不止于此——扎克伯格在许多场合提到，这款产品的需求量比预期更高，导致不少款式售罄，用户只能买到最基础的黑色款式。Meta 眼镜的销量之高，甚至改变了扎克伯格的认知和 Meta 的战略：「一年半前你问我什么时候人们会更喜欢使用眼镜作为主力设备使用，我会说要到眼镜的显示效果足够好的时候。现在我认为可能有三种路径，其中一种就是无显示屏只具有人工智能的眼镜。」扎克伯格讲道。Meta 眼镜为眼镜增加了摄像、耳机，和最引人注意的——AI 功能。呼唤 Hey Meta，就可以与 Meta AI 对话。除此之外，这款眼镜没有加入任何 VR、AR 等增强显示效果的技术。但消费者对这样一副没有显示增强效果的眼镜趋之若鹜。这或许是比销量更重要的，这款产品跨时代的意义所在。即在一种全新的交互范式下，我们或许正在见证智能眼镜像无线耳机、智能手表一样，成为一个数亿乃至十亿人每天使用的超级可穿戴设备。为了验证这个念头，笔者自费购入了一台 Meta 眼镜与它一起工作、娱乐、生活，深入使用了几个月后，对于 AI 与眼镜结合带来的可能性，以及智能眼镜的未来，笔者有了新的想法。可以每天佩戴的智能眼镜首先必须要明确的一点是：从今天来看，AI 只能说是 Meta 眼镜的一个添头，卖爆本身还是因为这是一款好的眼镜。在 Meta 2023 年 9 月推出这款智能硬件之前，Meta 和雷朋曾在 2021 年 9 月推出其联名的初代产品：Ray-Ban Stories。只看产品定义，两代产品似乎变化不大：都是采用雷朋眼镜的镜框进行二次设计，为眼镜增加了摄像和音频功能。不过初代产品，在两年的全生命周期中，只卖出了 30 万台。而 Meta 眼镜，在 2023 年 9 月推出后，一个季度就卖出了 30 万台，且销量增幅稳定，加上 2024 年的上半年，Meta 眼镜已经出货量超过 100 万台。相比之下，2022 年，全球智能音频眼镜市场总出货量只有 343 万副，而同样主打轻便的 AR 眼镜产品，2023 年整年，全球消费级 AR 出货量为 20.5 万台。什么让 Meta 眼镜成为变数？笔者认为 Meta 眼镜的成功，可以总结为一句话：这是第一款可用，且有用的智能眼镜。前面提到，过去几个月里，笔者一直将 Meta 眼镜作为主力眼镜佩戴和使用。这是一项不寻常的成就。作为一个对于眼镜的舒适度和美观度要求偏高的消费者，能够将 Meta 眼镜作为主力眼镜，首先意味着，Meta 雷朋智能眼镜，做到了本身是一副好戴的眼镜。对于消费者而言，一副好戴的眼镜意味着什么？首先是外观。从外观来看，Meta 雷朋眼镜，与一副普通的雷朋太阳镜非常相似。

Wayfarer 太阳镜，非智能款与智能款的对比

除了眼镜正面的边角装饰位置，有细微的差别，一副 Meta 眼镜，看起来与一副普通的眼镜差别很小。美观问题见仁见智，不过 Meta 眼镜用雷朋经典的设计，尽可能地绕开了科技公司在美学上积累不足的问题。笔者曾经将 Headliner 的眼镜给编辑部不少同事进行试戴，得到了「谁戴谁好看」的评价。这一代的 Meta 眼镜目前共推出了 Wayfarer（方框）、Headliner（圆框）、Skyler（猫眼）三种框架，每种框架有四种颜色可以选择，镜片可选墨镜、变色、偏光和防蓝光的选项，也可以买后由消费者自己去眼镜店选购适配，尽可能给了消费者足够多的选项。其次是舒适度。Meta 眼镜，官方重量为 48 克，已经接近了消费者佩戴眼镜的舒适区。在使用 Meta 眼镜作为主流眼镜之前，笔者日常佩戴的眼镜重约 30g，不常佩戴的大框变色眼镜，则重约 40g。Meta 眼镜也着重保留了雷朋镜框镜腿的独特设计。在镜腿越过耳朵的位置，尽可能地保持了雷朋眼镜原本的弯度和渐细的曲线，以保证佩戴的舒适。

笔者采访的供应链人士告诉笔者，为了保证这样的镜腿曲线，Meta 没有采用常见的长方形或双椭圆型扬声器，而是特意定制了异形扬声器来保持镜腿的设计感和舒适性。

在笔者实际的佩戴中，佩戴 Meta 眼镜比起佩戴普通眼镜，眼镜的存在感还是明显更强——由于重量的原因，眼镜会更频繁地滑落，舒适度比普通眼镜差一些。不过，在长时间的佩戴中，这种不适感并没有强烈到无法忽视，在最初的不适应过去之后，笔者可以完全将其视为一副偏重的眼镜，进行正常佩戴。不过，只有像眼镜，还不足以奠定 Meta 眼镜今日的成功。Meta 与雷朋联名的初代产品，外观与今日的 Meta 眼镜几乎相同，官方重量仅多出 1.2g。

能够将 Meta 眼镜作为主力眼镜进行佩戴，更关键的因素是，Meta 眼镜给了消费者一个足够好的理由，让其心甘情愿地将 Meta 眼镜作为主力眼镜。而在这一代产品上，这一点是 Meta 的摄像和耳机功能。

在 Meta 眼镜的初代版本中，已经存在这两个功能，不过，当时这两个功能的可用性并不高。而这一代的 Meta 眼镜，则真正将这两个功能做到了「可用」甚至「好用」。第一次戴上 Meta 眼镜，你会立刻感觉到 Meta 眼镜的不同。笔者戴上的第一反应，就是被其扬声器的音质惊艳。Meta 眼镜的音质，与音质较好的开放式耳机不相上下，听音乐也完全不觉得违和。而视频功能，更是令人惊喜。事实上，在购买雷朋眼镜之前，笔者已经逐渐意识到有些记录生活的拍照需求，使用手机难以满足：比如在高速驾驶的情况下看到了美丽的风景、在骑马的马背上不允许携带手机的时候、在和儿童或宠物进行交流的时候等等。在这些场景下，掏出手机拍摄，并不是一个很好的解决方案。之前的最优解是购买一个运动相机，不过随身携带运动相机，对于用户的要求仍然太高了。Meta 眼镜的出现让我看到了一种新的可能。事实上，已经有不少视频创作者，因为这一功能成为第一代 Meta 眼镜的受众，不过第一代的 Meta 眼镜的相机只有 500 万像素，而新一代的 Meta 眼镜升级至 1200 万像素，第一次将视频/拍照功能做到可用。在新一代的 Meta 眼镜上，只需要用右手长按镜框上的一个按钮，就可以开启摄像功能。如果不愿意用手操作，还可以选择语音操作——喊一句「Hey Meta，开始录制」。实际测试的效果来看，笔者认为已经接近几年前手机的录像水平，同时具有极强的防抖效果，最长录制时间三分钟。在高速转动的游戏设施上，Meta 眼镜能仍然保持较为出色的摄影效果。结合五麦克风阵列的豪华收音——不少录音笔甚至不能达到五麦克风阵列的收音，戴着 Meta 眼镜回看录的视频，能够体验到沉浸式的音频体验，能够如身临其境一样，重新听到当时录视频时不同方位传来的声音。在笔者购买 Meta 眼镜之前，曾经与几位拥有 Meta 眼镜的尝鲜者进行交流，其中促成笔者购买的主要原因之一，就是他们几位都没有将其闲置，而是真实地在生活中长时间地使用。Meta 眼镜高度可用的音视频功能，是他们愿意长时间使用最重要的原因。其中一位用户表示，他最喜欢在健身房里一边健身一边用 Meta 眼镜听歌。而在笔者追问为什么耳机不行时？他的回答是，「因为总是有可能，突然有有趣的东西出现想要拍摄。」这一回答在当时看起来虽然有些随意，但在经过笔者自己的使用和与多名用户交流后，发现有这个心态的不止他一个，而是 Meta 眼镜粉丝们的共识。眼镜是近视者生活中无法离开的一个必需品，听音乐、接打电话的长期需求，再加上一个记录生活的「万一」，让 Meta 眼镜的可用性超越了其佩戴的不舒适性，牢牢戴在每一个购买者的脸上。

Always on 的硬件与 AI 的化学反应Meta 眼镜在 2024 年 4 月，加入了新的 AI 功能。在产品刚推出时，Meta 眼镜本身也具备语音助手功能。用户可以戴上眼镜，呼唤「Hey Meta」连接特定的软件，进行简单操作，如拨打电话，调节音量或播放音乐。和现在的 Siri 作用相似，甚至更局限。而让 Meta 眼镜正式成为目前最炙手可热的 AI 硬件的，正是这次 4 月份的更新。Meta 在对外发布 Llama 3 大模型的同时，宣布 Meta 眼镜的用户，之后再呼唤 Hey Meta 时，除了可以使用之前的功能外，将能够直接和由 Llama 3 的多模态的大模型对话。除了最常见的问答之外，Meta AI 最亮点的能力在于可以使用语音命令「Hey Meta, look and...」，在这条命令后，Meta 眼镜会自动调用摄像头，拍下用户当前正在看的场景，调用多模态大模型的能力，回答用户的相关问题。扎克伯格在社交媒体上亲自表演了一段。在呼唤 Hey Meta 后，扎克伯格对眼前的建筑是什么发出了提问。而 Meta AI 则迅速分析了提问瞬间 Meta 眼镜拍下的照片，并返回一个简短的答案。在 Meta 新的固件更新中，还增加了对多轮对话的支持——在一轮大模型的回复结束后，会自动等待一段时间，用户可以进行追问而不必再次使用 Hey Meta 作为开头。笔者也对 Meta 眼镜的 AI 功能进行了深度体验。首先第一个优点，是 Meta AI极低的延迟。每次提问后，Meta AI 会有一个一秒左右的思考提示音。在大量尝试后，笔者发现，基本上所有的问题，无论是针对当前的视觉问题，还是普通的问答问题，Meta AI 基本上都能在一次提示音后给出回复。笔者咨询了相关的产业人员，产业人员猜测，这可能源自 Meta 眼镜使用的高通 AR 1 芯片，在本地就对图片进行了简单的 token 化和预处理，才能达到这样好的效果。而或许与极低的延迟相关，Meta AI 本身能力并不是特别强，且 Meta 似乎对 AI 的回复进行了长度限制，超过一定长度后，Meta AI 的回复就会突然停止，这导致 Meta 眼镜上的 AI 能力的另一个突出特征是：其能做的事，仍然很局限。事实上，笔者曾经一度对于眼镜中加入大模型的合理性产生怀疑。以眼镜 AI 最常宣传的一个功能的物体识别功能为例，受限于大模型的实际能力，和 Meta AI 本身的限制，Meta AI 在识别物体上的精确性并不高。例如，如果问 Meta AI 房间里哪里有可以喝水的设备，Meta AI 可以指出房间中有饮水机，而要问到更精确的，如识别一下笔者购买的栀子花到底是哪种花，Meta AI 则识别了三遍才正确识别。识别一把小木棍大概有多少根，则数出来的数量与真实情况差距甚远。在什么情况下用户会带着眼镜询问大模型哪里可以喝水呢？这样的需求几乎是完全人造的。识别花朵的需求虽然小众，但是是真实的需求，但是用户又为什么不掏出手机，在已经优化地非常好的识别植物的 app 里进行识别，而要使用不成熟的 AI，承受可能三次的错误呢？在今年9月举行的Meta Connect大会上，Meta还为这款眼镜加入了实时 AI 翻译的功能。在现场演示中，扎克伯格讲英语，另一个人讲西班牙语，双方进行了一场对话，智能眼镜充当了翻译。在这一点上，AI的实用性似乎有所增强。不过，从效果来看，AI的翻译仍然还是有一定「时差」。不过，当笔者真的将 Meta 眼镜作为主力眼镜，佩戴一个月之后，笔者意识到，一个 Always On 的设备+AI，产生的化学反应，可能是全新的。眼镜，作为一个全天候架在眼前的设备，可以随时聆听我的召唤。对比呼唤手机上的「Hey Siri」，智能家居中的「你好小爱同学」，对眼镜呼唤「Hey Meta」，成本更低——无需在任何情况下考虑设备是否听的见，听得清，即使是在有杂音的地方低语，也能得到很好的回应。改变是一点点发生的。笔者原本使用 Siri 的主要场景，在于使用 Siri 快速放音乐，而 Meta 眼镜，作为一个几乎全天候佩戴的设备，很自然地成为了接收笔者语音指令的第一终端，也是控制音乐播放最方便的设备。Hey Meta 在这个场景下，轻而易举地就超越了 Hey Siri，成为了我的首选。而一旦习惯呼唤 Hey Meta，一些全新的，没想过的自发需求就生长了出来。比如，在无聊的路上，Meta AI 可以帮我念首诗，讲点新闻，玩猜数字的游戏。比如，照镜子的时候，我会呼唤 Hey Meta，帮我看看是否是一个合适的穿搭。没胃口的时候，也可以直接呼唤 Hey Meta，问问有没有什么可以合适夏天晚上吃的菜，有没有好的商店在我附近。这些需求，有的 Meta AI 可以满足地很好——比如念一首诗，帮我提供夏夜适合吃的菜的灵感，而有的则暂时还做不到——比如骑行到一个陌生的地方帮我推荐一家附近的餐馆。相比手机，眼镜有着独特的位置优势——全天候佩戴的属性，加上是在脸上距离嘴巴最近的收音入口。让笔者开始相信AI不断进步的情况下，智能眼镜有可能是比手机更适合作为 AI 载体的未来。扎克伯格在接受采访的时候也讲到：「眼镜替代手机，很可能像手机替代电脑一样。并不是人们不再使用电脑了，而是在很多场景下，人们首先使用手机来完成，而不是电脑。」AI 代替显示技术，让眼镜成为第一入口的未来可见了事实上，行业认为眼镜能够成为未来最重要的智能硬件的判断由来已久。2012 年，Google 就发布了 Google Glass 的原型机概念。Google Glass 的原型机概念是美好的：在眼镜的右上方，增加一块光机，把数字信号投入到眼睛里。Google 希望这个眼镜能够做到替代部分手机功能——显示天气、消息、电话，用户可以佩戴它进行拍照、录影、导航等等。Google Glass 愿景虽好，但最终呈现的效果却一般。续航短、发热严重不说，最终能够代替的手机的功能非常有限，无法承载新一代智能终端的愿景。而吸取了 Google Glass 的教训，之后的智能眼镜走向了两个流派，一是不再强调替代手机的智能性，而将其主要作为一个消费电子的硬件来对待。如主打拍照分享的前三代Snap Spectacles 眼镜和主打音频功能的 Bose 音频眼镜。而另一个流派，则在显示技术上不断加码，将越来越多的智能功能搬到眼镜上，甚至是让眼镜的智能功能超越手机——Meta 的 Quest 头显、苹果的 Vision Pro 就是这一路线的代表。然而优秀的显示效果的代价，往往是沉重的重量，和常常被限制在家中游戏和观影的使用场景。眼镜获得了智能的能力，但是失去了 Always On 的场景——人们最初期待眼镜能够超越手机成为第一入口，看中的就是眼镜更便携，离用户更近，如果抬眼就能调用智能功能，自然比手机更容易成为第一入口。而 AI 技术的出现，或者将带来第三条路。在大语言模型技术出现之前，从手机、智能音箱再到 HoloLens 等 AR 眼镜也曾引入语言交互，但在当时，只使用自然语言进行交互的效果，很难称之为智能但只使用自然语言进行语音交互，几乎很难称之为智能，这意味着以语音交互为主无法支撑起一个计算平台。而在今天，大语言模型技术的出现，让单独的语音交互的体验，有了走向足够智能的可能性。虽然今天 Meta 眼镜上的 AI 仍然停留在交互玩具的级别，但我们完全可以预期随着大模型技术的发展，拥有摄像头和 AI 的眼镜能够替代今天手机应用的不少场景——无论是点外卖、扫码支付、获得陪伴、问大语言模型商店是否具有针对性的优惠，实际上在技术上已经都不再是挑战，差的只是平台的接口尚未打通。而 AI 技术，也可能带来很多新的智能能力，比如长期的陪伴，针对个人生活场景真正个性化的推荐等等。另外一个不可忽视的因素：经过 10 多年的发展，智能眼镜的几项关键技术都在近些年取得了突破，这也是 Meta 眼镜取得成功，以及支撑智能眼镜在未来几年快速增长的重要因素。几名熟悉供应链的业内人士告诉笔者，在 Google Glass 时代，使用眼镜进行拍照、甚至进行一定的 AI 功能，续航和发热是不可解的。而 Meta 眼镜独家使用高通的 AR1 芯片，使得 Meta 眼镜的续航大为提升——官方表示单次续航约四小时。实测中，如果音乐、摄像功能的使用不频繁，甚至可以支撑更久。除此之外，蓝牙芯片、摄像头清晰度、开放式耳机的声音调教都在近些年取得了不小的进步。事实上，Meta 最初也并没有意识到这一代的 Meta 眼镜能够在消费者层面上获取如此大的成功。上一代的 Meta 眼镜功能相似，却没有取得类似的成功。但正是硬件领域持续不断的技术积累，推动了 Meta 眼镜的可用性质的飞跃，终于突破了智能眼镜佩戴舒适度的临界红线，使其成为消费者愿意长期佩戴的设备。硬件性能已足以支持全天候运作，软件智能已达到纯语音交互即可胜任复杂任务的水平。AI 取代传统显示技术，使智能眼镜成为人机交互第一入口——这条颠覆性的第三路径，或许已近在咫尺。