AI眼镜的“在场”之战：讯飞的解法是让眼镜隐形
“我们究竟需要怎样的智能眼镜？”——在澳门BEYOND Expo 2026上，科大讯飞发布AI眼镜时，穿戴设备业务部总经理林会杰开门见山地抛出了这个问题。
这个问题已经困扰行业14年。自2012年Google Glass问世至今，智能眼镜百花齐放，众多厂商尝试了各种方向，却始终卡在一个核心矛盾上：眼镜到底该是独立主机，还是手机的外设？
是做一台戴在头上的“手机”，把手机功能全部移植上去？还是只专注几件特定的事，像带摄像头的耳机那样默默服务？但现实是，手机已经足够强大。如果眼镜只是个缩小版的手机，用户凭什么为它买单？
市场的反应非常诚实。数据摆在那里：电商平台上AI眼镜的平均退货率高达30%，在某些直播带货为主的渠道，退货率甚至逼近40%～50%。一边是铺天盖地的新品发布，另一边是用户买回家又退回来。热闹背后，透着一股困境的味道。
这背后的症结，在讯飞的发布会上被概括为一个词——“在场”。
过去14年，智能眼镜始终没能证明一件事：它能否让用户心甘情愿地一直佩戴？要么太重，戴不住，身体无法“在场”；要么功能太鸡肋，没价值，心理上没有理由让它“在场”。眼镜对用户的价值，一直悬在半空中。
不是更小的手机，而是“第二大脑”
这轮AI眼镜的爆发，核心驱动力是AI本身的进化。
如今的AI能理解语言、识别图像、处理多模态信息，能推理、能决策，甚至能独立完成一整套复杂任务。换句话说，AI已经有了“大脑”。
而眼镜呢？它是人体天然的“入口”——可以每天佩戴十几个小时，长在眼前，自带第一人称视角，集成了摄像头、麦克风、显示屏。它“身体”就绪了，但缺个大脑。
一个缺身体，一个缺大脑。两者拼在一起，眼镜第一次找到了不模仿手机的理由。
因此，讯飞的定位很明确：AI眼镜不是配件，是主机。但它也不应该是一个更小的手机。林会杰的原话是：“讯飞AI眼镜，是戴在眼前的超级AI助理。”
这让人联想到哲学家海德格尔的一个观点：工具在最好用的时候，恰恰是你意识不到它存在的时候。你抡锤子钉钉子，脑子里想的是钉子，而不是锤子。只有锤子坏了，你才会突然发现它的存在。
一个工具能否普及，往往不在于它有多少功能，而在于它能否“消失”在使用过程中。对于AI眼镜，要做到这点，林会杰认为需要跨过三道坎。
第一道是佩戴：必须“轻”到几乎无感，还不能为了轻而牺牲性能和续航。第二道是听清：在展会、高铁、机场这种开放声场中，人声、噪声、音乐混成一团，AI得先听得清，才谈得上听得懂。第三道是做事：让AI真正进入工作场景，把沟通和办事的整个链条打通。
这三道坎，对应的是“在场”的三重境界——身体在场、感知在场、行动在场。
40克：跨过物理在场的门槛
第一道坎，是重量。
一副戴不住的眼镜，再聪明也是零。讯飞AI眼镜给出的答案是40克。发布会上，林会杰特意在台上放了一台电子秤，镜头特写：40.7克。他说那0.7克是误差。“我们不讲约40克，因为讯飞AI眼镜就是40克。”旁边还有一台天秤，另一侧放了一颗高尔夫球——结果比眼镜还重。
这40克是怎么做到的？源头是三层核心工艺。
第一层是全贴合树脂波导显示芯片。这块被称为“全球首创”的工艺，用树脂替代了传统的玻璃基波导。传统玻璃波导虽然光学性能出色，但重、脆、贵；树脂则能在保留显示能力的前提下大幅减重。“全贴合”意味着各层光学结构紧密结合，既减重又提升了光学一致性。
第二层是航空级镁铝合金镜架。镁铝合金的密度只有钢的一半，但强度足以满足结构需求。
第三层是定制化微型光机模组。光机是显示系统的核心引擎，体积越小，眼镜设计的空间就越大。
三层叠加后，整机重量比同类产品轻了20%以上。
但减重不是唯一的事。发布会上还透露了三个关键细节：通过了1.7米跌落测试不碎裂，解决了智能眼镜一个核心心理障碍；针对亚洲人脸做了上千次模拟仿真测试，解决了长期被忽视的人体工学问题；最重要的是，没有为减重而牺牲功能——摄像头、显示模组、5+1麦克风阵列、扬声器，一个不少。
一位参与前测的汽车媒体用户提到，女生对饰品的颜值和重量很敏感。她测过很多眼镜，但使用率都不高。而讯飞这副，她带回家第一反应是：“跟我好几个品牌的口红一样重。”
多模态降噪：让AI学会“看谁听谁”
戴得住，只是开始。第二道坎硬得多——在真实世界的复杂噪声里，AI怎么能知道你想听谁说话？
林会杰在发布会上没有罗列“95%、98%”之类的数据，直接用现场演示来回应。
第一个演示是跨语言电话同传。林会杰喊了一句“小飞小飞，打电话给同事Andy，看看展会现场”，全程没动手。眼镜自动调起通讯录、拨号、启动翻译。电话那头Andy用西班牙语描述展会现场，林会杰眼前的镜片实时浮现中文字幕，同时还伴有语音播报。通话结束后，手机上留下了全程记录和一份双语总结，关键信息、共识、待办事项一应俱全。
这个演示的看点不在翻译本身，而在于AI跨设备跨终端的主动调度能力。
但真正的技术硬实力，体现在第二个演示：80分贝复杂声场下的精准识音。林会杰请了5位同事上台模拟真实展会场景——多人同时交叉对话、背景噪音、多语言混杂。旁边有台分贝仪实时显示噪音水平。当噪音冲到80分贝以上，林会杰与Andy交谈时，眼镜镜片依然能精准呈现Andy说话的英文转写与中文翻译。
80分贝是什么概念？相当于嘈杂的餐厅或大型展会现场。绝大多数现有AI翻译眼镜在这个分贝水平下，几乎无法稳定工作。
支撑这种能力的是多模态AI降噪系统，这也是讯飞眼镜一个关键的技术差异点。
传统解决方案有两种：麦克风阵列方向波束（基于声源方位猜测）和AI算法降噪（基于语音特征过滤）。但本质上都是在“猜测”哪个声音是目标。
讯飞的解法很巧妙：让眼镜不只“听”你说话，还要“看”你说话。这套系统用上了全球首创的唇动识别技术，配合5+1麦克风阵列和眼镜内置摄像头。麦克风做声源定位，摄像头追踪视线方向并捕捉唇动——三者融合，系统就能锁定“你正看着的那个人”，增强他的声音，同时压制其他声音。林会杰的总结是九个字：“看谁听谁，看谁翻译谁。”
这其实是在用工程手段复刻人脑的一个本能——心理学中著名的“鸡尾酒会效应”。在几十人同时交谈的派对上，人耳依然能锁定聊天对象的声音。人类靠的是双耳定位，加上对说话人嘴型和表情的视觉辅助。讯飞的多模态降噪，本质上就是给眼镜装了一个“鸡尾酒会大脑”。
一位前测用户上台分享时提到，他测过市面主流翻译眼镜，结论是：安静室内大家都能打80分，但一到展会、餐厅、商超这些嘈杂环境，效果直接不及格。听不清楚，翻译自然不准。而讯飞这副眼镜，核心就干了一件事：让眼镜听清楚。
听清了，听懂了，才谈得上翻译得对。
GlassClaw：从“我看我听”到“我来办”
前两道坎，让AI眼镜“在场”看和听。第三道坎，是让它动起来，替用户办成事。
为此，讯飞发布了AI助理——GlassClaw。
林会杰特意将它和普通语音助手做了区分：它是多模态的，能看懂你看到的画面、听懂你听到的声音、理解上下文，还能主动帮你规划下一步。
现场连续演示了几个动作。
先是海报识别。林会杰看着一张活动彩页问：“我眼前的海报是什么？”眼镜读懂内容、翻译过来，还告诉他海报里提到的两场采访都取消了。
紧接着，林会杰下了条相当长的指令：“查一下BEYOND主办方和讯飞之前的合作，看看有没有深入合作的机会？写一份合作提案，发邮件给主办方，抄送同事。”
这一连串动作，跨了信息检索、知识库调用、文档生成、联系人查找、邮件发送等多个环节。GlassClaw接下任务后，生成了提案，找到了同事的邮箱，把邮件发了出去。现场让同事和主办方当场确认——邮件确实收到了。整个执行过程只花了几分钟。
这正是当下Agentic AI产品形态化的关键节点：让AI从“问答-工具调用”的层面，进化成替用户完成任务的行动者。讯飞将这件事做在了眼镜上，让眼镜成为Agentic AI的载体——一个用户抬眼就能调用、不必掏手机的入口。
林会杰透露了一个细节：“我自己也是GlassClaw的忠实用户，每周的工作周报都是由它来完成的。”这暗示讯飞内部已经把它当作日常生产力工具在使用。
同一套逻辑还延伸到了“智能提词器”。对需要频繁开会、发言、演讲的人群，提词内容能实时显示在眼前，跟着语速自动滚动。配套的充电胶囊能当实体遥控，按键控制暂停、翻页，把握发言节奏。
当工具真正“消失”于无形
整场发布会下来，讯飞反复回到同一个画面：
发布会上看到一张外文PPT，你抬手机想拍，还没拍下来就翻页了。国外客户打电话来，你手忙脚乱地找另一个翻译设备。国企开会，你不方便掏出手机。
这些场景有一个共同点——都需要“双手”。手机时代，所有智能都藏在一块需要掏出来、点亮、解锁、打开应用的玻璃里。而讯飞AI眼镜希望做到的，是“解放双手”。它把智能从口袋里那块需要被唤醒的玻璃，挪到了你永远睁着的眼睛前面。
手机的智能是“召唤式的”——你得主动去找它；眼镜的智能是“在场式的”——它就在那里。
发布会尾声，林会杰说：“未来的世界，每一个信息、每一段对话、每一个场景，都应该在你的眼前自然流动，跨越语言和时空的界限，打通物理世界与数字世界的桥梁。眼镜将成为连接人与世界、人与知识、人与人之间沟通的新一代交互入口。讯飞AI眼镜要让每个人都拥有‘第二双眼睛’和‘第二个大脑’。”
这话说得很大。但落到这片40克的镜片上，它又变得很具体。
