编者按：日前，启明创投投资企业蜂巢科技发布自有品牌“界环”及首款自有品牌产品——界环AI音频眼镜。界环认为做好智能眼镜的前提是先做好一副眼镜，因此，在保证听觉体验的同时，界环AI音频眼镜力图在舒适、轻量、时尚等属性上媲美普通眼镜，可以像普通眼镜一样随时随地、长时间佩戴。

蜂巢科技创始人兼CEO夏勇峰日前与极客公园创始人兼总裁张鹏展开对话，他分享了创立蜂巢科技的历程，选择深耕头戴式智能硬件的原因，以及产品研发的目标。谈及与大模型技术浪潮的结合点，他指出，开发新的AI硬件要抓住手机和笔记本使用之外的时间，开发的硬件要能随时在用户旁边，并且与用户进行交互。他表示，此次推出的品牌“界环”，倡导“融入世界而不丧失自我，取悦自己而不是自我封闭”，蜂巢科技希望能在用户的日常生活、实现目标的过程中提供帮助和附加价值。

启明创投微信公众号经授权转载。

蜂巢科技创始人兼CEO夏勇峰

除了手机之外，AI硬件最大的机会是什么？

Ray-Ban Meta销量破百万之后，AI眼镜越来越成为共识。

超过1/4的用户，每天佩戴10小时以上，每人每天媒体的平均使用时间超过7小时。“眼镜（作为产品形态）不需要证明什么了。”蜂巢科技创始人兼CEO夏勇峰说。

参与创办小米生态链的夏勇峰，亲眼见证了数百种硬件产品的诞生，他确信，“百镜大战”很快就会发生，然后迅速教育市场，接下来，“考验的一是资源能力，二是对于AI和硬件的理解力，三是一个组织的效率。”

在“界环AI音频眼镜”发布会之后，夏勇峰与极客公园创始人兼总裁张鹏进行了一场关于AI智能硬件的对话。

以下系经精编整理的对话实录。

01/
短时间内
AR硬件很难变成大众消费品

极客公园：蜂巢科技是怎样诞生的？包括你自己过去的一些经历。

夏勇峰：从我作为极客公园的一份子开始聊起吧。早些年，我是极客公园最早期的创始员工之一，后来为了圆自己做硬件的梦，在极客公园的同意下，我受邀加入了小米集团（编者注：启明创投投资企业）。

在小米集团，我最开始是做小米路由器，后来加入了小米生态链的组建。那时候，小米生态链刚刚起步，包括老板在内只有三位员工。小米生态链的成立时间是以我2014年1月8日到岗的时间为准的。我参与了小米手环、扫地机器人等一系列产品的发布，还参与创办了米家品牌。刚开始米家品牌的各种发布会其实都是我来做的。

到了2018年，小米生态链已经投了70多家公司，每年做300多个产品。那个时候，我感觉离当初做硬件产品经理的想法越来越远，我的日常工作变成了管理工作，和真正做产品已经有点距离。

极客公园知道我是一个相对比较理想主义的人，比如早年间我只想当记者，不想当编辑，要坚持在一线。所以，2018年我跟雷总（编者注：小米集团创始人、董事长兼首席执行官雷军）沟通之后，就离开生态链加入了小米手机部，开始做手机。做到2020年，我就觉得我给小米集团带来的价值也差不多了，该去实现一些自己的梦想。

于是，2020年我创办了蜂巢科技。我们有一个新的定义，就是头戴式可穿戴智能硬件，我想做这个方向的产品。可能在之后十年、二十年、三十年，我们所有的产品都会围绕这个方向来做。后来我们先后推出了眼镜、相机、米家音频眼镜等产品，包括“界环”AI音频眼镜，这是我们的一系列产品。

极客公园：2020年创立蜂巢科技时，做的第一代产品是一款眼镜相机，第二代是一款蓝牙音频眼镜，你现在在做“界环”这款产品，这之间的思路看起来也有一些变化。能不能复盘一下，这三四年你是怎么走过来的？

夏勇峰：3年时间很短，但对我来说，真的特别漫长。

我们一开始想做头戴式智能硬件，是因为当时做完手机后，发现大趋势是手机每年的全球销量都在下滑。手机质量越来越好，性能也完全足够了，所以大家的手机更换频率比以前降低了。当时我们和很多手机的重要技术合作伙伴聊，包括做屏幕的、做芯片的、做相机的，很多人都呈现出一种长期焦虑感，产业大到一定的程度之后，其实找不到新的落点。

当时我觉得，可能有手机技术溢出的机会。除了汽车，手机就应该是人类硬件皇冠上的明珠，还带来了一系列技术的持续提升，比如说低功耗、高性能、结构堆叠等等。

我就开始思考，手机技术溢出之后，有什么新的硬件产品可以承载这个趋势？

直观上来讲，如果技术持续发展，目前手持设备跟数字世界与真实世界交互的效果还不够好。长期交互，应该就是五感，这些五感通过某个硬件，比如戒指，直接去跟现实世界交互就好了。所以我觉得未来，必定有一款可能取代手机的头部设备，成为最重要的随身智能终端。头戴式智能硬件领域会涌现非常多的机会，我就把它设为了我们公司的一个超长期目标。

当时正好元宇宙处于起起落落的新一波，自然而然就想把AR作为第一阶段的产品方向，现在听起来有一点狂妄，因为AR到现在其实还没有非常好的产品。但当时我比较乐观，通过各种渠道和信息，知道好多大厂在研究AR硬件，有些大厂在立项，一些代工厂也在做各种各样的尝试。所以当时预计5-10年，AR有可能会成为主流硬件。

当时的技术还不够成熟，就先做了一款眼镜相机，它是我认为头戴的最小可运行模型。有一个近眼显示的最小屏幕，配置了足够好的相机。我做了一个相对比较完善的一体机体系，可以联网，同时还能够支持开发者在上面充分开发。系统基于安卓，但是还是有很多的调整。

这款眼镜相机确实给一些人带来了价值，但是这个产品有一个很大的问题，我觉得未来的AR眼镜短期内都无法解决，就是用户所支付的代价远远大于他们能获得的回报。可能只有有钱又向往科技，愿意为信仰充值的人，才会成为早期用户。

基本上在2022年左右，我就意识到这一点，AR很难在相对比较短的时间内，变成一个大众的电子消费品。

极客公园：今天我依然认为长期来看，AR这件事肯定有价值，但这个“长期”究竟有多长？确实是个值得探讨的问题。

你刚才提到了一个关键点，认为现在如果要做一款真正的AR设备，还是不太成熟。但随着AI的兴起，很多人认为AR可能又重新热起来了。但你今天的这款眼镜，既没有摄像头，也没有屏幕，是基于音频接入AI的。为什么不在产品里加屏幕呢？为什么你不坚持走AR的路线？在过去两年里，有什么因素影响了你的决策？

夏勇峰：我在发布会上也提到了，有些非常酷的智能眼镜在传统眼镜的基础上迈出了巨大的步伐。但我认为，哪怕是一小步，也可能带来眼镜行业的革命性变化。如果这一步走得不够稳健，那么后面的大步可能在短期内也不会出现。

比如说，我们提到了Ray-Ban Meta，这是一款相当不错的墨镜。我们也是希望努力做出一款优秀的眼镜。你可以看到，我们的产品与传统眼镜行业非常接近。正是这种接近，满足了大家的基本需求，为我们提供了一个相对较大的市场基础。

如果在这个时候，我们急于推出一款过于创新的产品，反而可能会破坏传统眼镜的基本需求。比如，佩戴可能不够舒适，或者配近视镜片不够方便，这样我们就需要去创造全新的需求，然后告诉大家，尽管眼镜的基本需求没有得到很好的满足，但我们能满足其他需求。事实上，至少在目前这个阶段，我还没有发现真正能够成立的需求。

极客公园：我挺认同你的观点，戴这副眼镜，我没有付出太大的代价。但你不加显示屏这件事，是一个挺有意思的选择。你的一代产品还是有屏幕的，这次不加屏幕背后的逻辑是什么？

夏勇峰：选择不加屏幕的核心逻辑是，加了屏幕能带来什么实际用途？首先单色Micro LED技术已经非常成熟了，但关键是，它能用来做什么？打个比方，如果你前面加了一个显示屏幕，价格贵了1500-2000元，你觉得你用它来做什么，能够让你心甘情愿地多掏这笔钱？

极客公园：现在市场上的验证是，大家拿它当显示屏，比如看视频等等，其实就是个大屏。

夏勇峰：大屏单色显示是不够的，你提到的那个更贵，1500元搞不定。现在大屏Micro LED技术还没有完全成熟，我们现在所有的商务大屏，市面上大部分知名公司用的是Broadbus的方案，那个方案成本相对可控。

最终的AR设备需要的其实是一个非常好的Micro LED技术加上衍射光波导的镜片，但这个技术还不成熟。去年有出640×480分辨率的，据说刷抖音很爽，相当于一台小电视。到明年，我估计它可以提升到1080P，但保守估计，成本至少要提高两倍以上。即便如此，我觉得它也不能很好地替代手机或笔记本。

极客公园：核心问题是，今天我付出了很高的成本在眼镜前加了屏幕，但它依旧不能全面替代手机或笔记本，所以这个时候去抢占它们的屏幕使用场景并不明智。所以这个决策并不可行，对吧？

夏勇峰：是，它只能作为一个笔记本或手机的扩展屏，就像个配件。

极客公园：如果强行让这个人自此不再用笔记本和手机，用户要付出的代价就会比较大。所以你今天反而从之前AR的路线走向了音频眼镜。

02/
Ray-Ban Meta的核心
是做好了一款墨镜

极客公园：我其实挺好奇你看到大模型领域出现后，是怎样的心情？是怎么找到跟这个技术浪潮的结合点？

夏勇峰：首先我觉得产品越接近传统眼镜，它就越能替代它们。这会带来明显的好处，因为用户的基本需求得到满足，产品佩戴时间就会非常长。如果你做出一款能替代传统墨镜的眼镜，基本上你就锚定了人们每一天戴墨镜的时间。如果你的产品特别接近传统眼镜，比如近视镜，那么产品的使用时间就会接近传统眼镜的使用时间。

我们的后台数据显示，用户使用我们产品的时间很长，前25%的用户每天佩戴超过10个小时，每人每天媒体的平均使用时长超过7个小时。这是非常长的时间。

AI到来之后，如果用户在手机或笔记本旁边，他们肯定会使用手机和电脑上的AI，用来做PPT、写稿子、加字幕、外文翻译等等。因为用户会直接在现有硬件上使用AI，所以我们开发新的AI硬件，要抓住手机和笔记本使用时间之外的时间。开发的硬件要能在用户旁边，并且与用户进行交互。

极客公园：你的意思是，今天不应该去尝试抢占手机和笔记本的使用时间，那是不可能的。相反，我们应该在它们之外找到对用户有价值的事情，并且这种价值足以让用户愿意长时间佩戴。比如VR眼镜就不行，通常只在看电影时佩戴，之后我们就摘下来了。所以这个产品是推理出来的吗？

夏勇峰：那也不是。最初我们是先开发了音频眼镜，后来AI技术兴起，我们就发现AI非常适合这种产品，特别是在用户不在使用手机和笔记本的时候，比如开车、骑行或跑步等场景，通过音频眼镜使用AI是一种更自然的方式。如果他们在这些时刻需要AI，可能可供选择的硬件很少。除了眼镜，我认为还有两个设备非常适合集成AI，那就是汽车，还有手表或高续航的手环。在特殊场景下，人们无法使用手机或笔记本，这些设备就能发挥作用。

极客公园：手环和手表传递价值的方式可能只能是振动，发出声音感觉不太合理。眼镜的位置我觉得比较好，因为它可以耳语，这就很合理。

一个大家可能都很关心的问题是，现在很多人觉得Ray-Ban Meta眼镜不错，前面有两个大大的摄像头。之前讨论了为什么不加屏幕，那你觉得未来你的眼镜会加摄像头吗？这一代没有摄像头，未来会有吗？你是怎么考虑的？

夏勇峰：我也知道现在市面上其实有很多人在做类似的，无意冒犯大家，我讲讲纯个人观点。我认为Ray-Ban Meta的核心是做好了一款墨镜。

它是一个与人的社交距离较远的设备。在一些地广人稀的地方，你在墨镜上加一个摄像头，不管用来做什么，至少是合理的。在远处人们佩戴一个摄像头不会对别人构成冒犯，但如果在人口密集的地方，每天佩戴着搭载摄像头的产品，从早到晚。我试过，感觉非常尴尬，给别人带来的社交压力，会回到我自己身上。

极客公园：从别人的眼神里你能观察到，他们觉得这款产品有点可怕。

夏勇峰：对，所以我认为加摄像头的AI眼镜，和我们现在做的AI音频眼镜本质上是两个完全不同的产品。

摄像头AI眼镜更适合在一些短时场景里给用户提供更高的价值，但具体能提供多少，还得看后续的发展。它替代墨镜还可以，但大部分中国人其实是不戴墨镜的，外国人才戴。这不是武断，是从百分比来看的，中国的近视人群相对较多，如果他们要戴墨镜，要么就是戴隐形，要么就是配一副带度数的墨镜，或者戴一个套镜，但总体来讲，墨镜的总量百分比远低于欧美。在美国很多地方墨镜是刚需，是每个人必须要买的产品，在这个时候AI眼镜替代墨镜，群众基础会比较好一些。

墨镜天然适合加摄像头，AI又需要摄像头，这个故事就闭环了。

极客公园：如果按照这个逻辑来看，你今天选择的道路并不是从墨镜的角度出发，而是我们日常佩戴的眼镜，对吧？它本质上就是我们日常所佩戴的镜框，只是换成了近视眼镜，这样确实能有效解决问题。

既然我们谈到了AI，现在大家都很关注AI领域，从去年开始，AI已经从纯语言模型发展到了更加多模态的阶段。AI的演进意味着如果你有摄像头，你就具备了多模态的能力。你可以通过视觉去理解很多事情，进而帮助解决很多问题，比如看到某个内容能翻译成英文，或者识别出这是什么，这本质上就像是摄像头变成了传感器。所以产品如果加上一个明显的、用于拍摄视频的摄像头，这已经变成了另一个品类。

你现在的产品是智能音频眼镜，如果未来要运用AI实现多模态，增加传感器是否必要？在什么情况下会考虑增加？

夏勇峰：我确实考虑过这样的问题，甚至和一些大公司探讨过制作demo的可能性。我认为可能有两种方式。

第一种方式是，摄像头前面的镜片通常是玻璃的，你可以把它做成电子变色的，由AI控制何时需要开启。平时它就像是“闭着眼睛”，需要时就“睁开眼睛”，这样或许能缓解一些隐私问题。另一种情况是，你带一个摄像头，AI能分辨图像，但不能拍照，也不强调画质，并且要让所有人都知道这不是用来拍照的，而是一个传感器。因为AI需要的分辨率并不高，600×400的分辨率基本上已经够用了，不需要像Ray-Ban Meta那样高分辨率的摄像头和高级芯片，以及加载那么多拍照算法。

极客公园：所以，如果从智能的角度来看，确实有必要加入有效的传感器，但这一代产品还没有加。我相信你肯定在这方面做了技术储备，刚才提到的加“眼皮”，或者明确告诉大家这是传感器，没有拍摄功能，只是识别，才能解决隐私问题。我觉得很有道理。

夏勇峰：需要考虑在人群密度较高的场景下，能否正常无障碍地使用它，这可能和它本身实现的功能同等重要。

极客公园：那么，如果这种传感器加入之后，这副眼镜会实现一些超越我们想象的能力吗？

夏勇峰：可以稍微透露一点。与其说它能实现什么具体功能，不如说它能让AI更加了解人的意图。我们之前讨论过，未来可能是AI接管一切，你只需要做自己，因为AI机器非常聪明，当你做自己的时候，AI基本上就能知道你想要做什么，你的意图是什么。它可能会取代一些现有的图形用户界面（GUI）的功能。我认为它能够帮助机器更好地识别人的意图。

极客公园：所以，它实际上是一种用于识别意图的传感器，我们不应该将其理解为传统意义上的摄像头拍摄功能。这一点可能是核心。

03/
先做好一款好用的音频眼镜
然后加入AI

极客公园：加入了AI之后，这一代产品有哪些特点？会带来哪些与之前音频眼镜不同的体验？

夏勇峰：我们其实设定了目标。第一是要做世界上最好看的眼镜，颜值即正义。第二，我们要做世界上用起来最舒服的眼镜。第三，我们要做这个世界上最聪明的眼镜。

第一个目标：最好看。我们的眼镜像传统眼镜一样有很多框型，8框14色，能够有效提升颜值。

第二个目标：最好用。我们已经开发了三代音频眼镜，这一代在实际使用体验、人体工程学设计以及镜框方面都有明显的提升，最轻的只有30.7克，整体佩戴舒适度都有显著提高。为了制作优质的眼镜，我们还提供定制镜片服务。如果你不确定要购买什么样的镜片，可以直接在我们这里购买眼镜并配镜片，确保性价比。

我们的变色镜片在室内可以防蓝光，在室外则自动变为墨镜，能防紫外线，当然也相对贵一些。现在镜片已经正式纳入了我们的眼镜业务，会统一给大家提供相关服务。

第三个聪明，其实就是说AI。

极客公园：讲讲AI吧，你的AI音频眼镜叫智能眼镜，这个智能体现在哪里？

夏勇峰：我们的AI，你可以将其简单理解为是语音助手的升级版。从ChatGPT开始，到现在我们的国产AI模型，在大众端还没有出现非常核心、为大众带来显著价值的应用，但它拥有无限的可能性，基本上能够实现从文本到文本，语音到语音的转换，这是AI从1.0到现在能够为大家带来的功能。

对我们来说，什么是语音助手的升级版呢？

当你向它提出一个问题后，它能够识别出你的意图和不同需求，并将这些需求分配给不同的AI代理（agent）去执行。执行完毕后，再汇总回答给你。我们称这些不同的AI代理为“AI小人”，它们在你的眼镜后面不停地为你工作。比如你说：“明天我想听听法国媒体对奥运会的评价，请在明天晚上8时前给我一个总结。”听到的AI小人就会告诉工作小人：“你明天要产出这个内容。”第二天晚上8时，工作小人会把总结交给负责与你对话的小人，然后这个小人会念给你听。

与你对话的小人，我们称之为VUI，即基于语音的用户界面。当基于语音的交互因为AI能产生越来越多的价值时，它就会变成一个交互界面。这是利用AI核心目标的一部分，我们希望在跨平台上让用户拥有一个统一的VUI体验。

极客公园：我尝试理解一下，如果要说这副眼镜带来的根本性改变，那就是通过它，你能够调用无所不能的AI，围绕你的目标去解决问题，通过这个眼镜用语音的方式给你完成合适的任务。

背后的技术是大模型，也就是你用语音就可以调动AI，这是交互的核心节点。我们不用像原来拿着手机一样，跟手机发消息，我觉得这个是关键的改变。

夏勇峰：如果看背后的架构，我们是通过眼镜以及与眼镜长期连接的手机App进行第一道处理，处理完后，再将用户的日常生活习惯与服务器上的需求进行匹配。

在我们的服务器上，有预设的prompt，还有AI Hub，它连接着许多服务，当然还有很多AI agent。我们会整体打包，指导它找到适合处理这个事情的大模型，大模型完成工作后结果返回服务器，再通过手机端返回到眼镜上，基本上的工作逻辑是这样的。

极客公园：有人说这类似第一代小爱，现在用上大模型，有什么优点？

夏勇峰：关键是，第一代小爱发布的时候，根本没有大模型。

极客公园：小爱其实并不具备今天我们说的这种无所不能的能力，对吧？

夏勇峰：举个例子，我们有一个功能叫做AI通知播报。比如我在飞书上收到了同事发来的图片，如果是传统的通知播报，它没有任何能力告诉你具体内容，你只能掏出手机来查看飞书。

现在有了AI通知播报，我还没掏出手机，就听到信息：“xxx刚才给你发了一张图片，可能需要你确认。”这就是AI通知播报的一个例子。当然，我们同事也在考虑，是否加入图像识别，但目前我们还没打算做。

还有一个例子，这是我真实遇到的情况，有时候你会突然被拉进一个微信群，在设置免打扰之前，这个群会一直发出通知声。如果你戴了这副眼镜，你不必立刻查看并回应，甚至不用掏出手机，AI会先自动给你一个小结。如果你发现确实与你相关，再进行回复。AI为你提供了一层筛选，确保你不会错过重要信息，同时也不会被信息过度打扰。大家现在不得不经常查看手机，一看到微信通知就得解锁手机。使用AI后，这样的动作大大减少了。

有些人可能认为这不是刚需，但根据我们之前的数据统计，打开通知播报的用户比例非常高。我们之前有近10万用户，超过36%的人开启了通知播报，即便通知播报有非常多垃圾信息，但他还是打开了。这个确实是一个挺高频的需求。

极客公园：我在发布之前用了测试版，一上来就发现有通知播报，就打开了微信和飞书这两个App的通知播报。我发现它不是简单地把那个通知给我念一遍，其实会做一下概括，我后来发现这一点很好。

这个功能，反而让我更及时地收到信息，以前我是隔一个小时打开手机看看有什么事，通知功能对我没用，因为我手机都不放在身边，我也不看，但现在可能有一些比较紧急的事，我可以快速响应。

经常有人给我发对话的截图，发图是想给我一些背景信息，让我看看他们是怎么聊的。未来要是能帮我把图识别了，直接帮我总结一下，我就不用看截图里的对话了，那我会非常期待。

夏勇峰：不过识别图片会有新的问题，它属于多模态识别，我们还在讨论，还没有确定要加这个功能。但是AI通知播报我们已经优化了两个月，现在可用性其实蛮高的。

极客公园：如果让我推荐一个功能，肯定也是通知播报。我用了大概一周，感觉在这种比较智能的总结播报中能明显感觉到AI的作用。未来甚至可以让它去生成简报，把我要看的内容都先概括一下。

我现在用得比较多的是AI通知播报功能，可能未来还会有新的功能。可以给我们透露一下可能的新功能吗？

夏勇峰：年底我们会推出“界环爱听”，AI cast这个功能。因为我们有很多的用户都是重度的耳机用户，或者说重度的音频内容消费用户。举个例子，我们的用户里听小宇宙和喜马拉雅的用户占比是非常高的，远高于互联网的平均占比，他们是重度播客用户，经常会一边听播客，一边干其他的事。

我们做了一款短音频的应用。但是它和短视频应用最大的区别就是，它不需要那么多的UP主，不需要那么多的真人，每一个UP主都是一个AI小人。比如说，有一个AI小人专门给你讲东周的历史，有一个小人专门给你讲三国，有个小人专门给你讲笑话，也有小人专门去总结新闻，像这样的AI小人会非常多，我们会关注到播客里有哪些内容是比较受欢迎的。

极客公园：就是用agent替代了所谓的UP主，对吧？

夏勇峰：对，它跟短视频的区别在于，我们的短音频的时间会稍微长一些。生成内容之后有一个AI小人当内容审核官，质量差的打回去改，质量好的就放出来。

刚开始的数量可能会少一点，目前我试用的这个版本每天大概只有20个左右的短音频，但是未来它会有很多。用户使用它就像听播客一样，不感兴趣，往后滑，它就跳到下一个，觉得又不感兴趣，再往下滑，当你滑得足够快，你就会发现你讨厌的内容渐渐不会出现在你的“界环爱听”里面了，然后它逐渐就会知道应该给你放什么。这是我们会在今年冬天上线的一个功能。

极客公园：有人问，是觉得UP主还不够多，还是AI比人强？我说一下我的理解，这些agent本质上是要更无限贴合用户的需求，倒不是说UP主不够，也可以理解为完全跟你贴合的UP主是不够的，但不一定说是AI比人强。因为UP主再多，也是你在寻找能够匹配你需求的UP主，而且也不是真人UP主的每个作品你都觉得特别好，人家也不会只为你创造内容，但这个AI agent是只为你创造内容。

所以我觉得，理论上如果这些平台有API，你其实也可以直接去听那个UP主的内容，UP主内容也是可以接进来。但是如果觉得不够匹配，AI可以再围绕你的需求去生成内容，那这个其实就叫真正的大规模个性化。

夏勇峰：如果觉得这个功能不好，还可以听小宇宙，我们就当一副音频眼镜用。如果觉得这个功能好，你就会用。我们逐渐会把它越做越好，因为毕竟我只需要AI小人，我不需要UGC。

极客公园：这个挺好，用户只要先戴上，使用通知的功能，觉得挺好就长期戴上了。若告知用户有短音频功能，如果我本身就有短音频的消费习惯，那可能就用上了。一开始就是消费一些原来认识的UP主，逐渐发现，如果不够还能生成。这就是滴水穿石，缓慢渗透。

04/
不是接了API就叫AI智能硬件

极客公园：真的把大模型塞到硬件里去，还是要做一些基础功能的，比如怎么搭架构、怎么用。AI语音播报这个功能的背后，架构怎么搭的？是端侧有模型吗？还是都是在云端？为什么不直接调小爱大模型？

夏勇峰：我们现在眼镜没有端侧大模型，其实也没有必要。一定程度上我们参考了Meta的一些做法，就是通过眼镜加手机的App端，一起去做第一道处理。如果未来手机开放了一些大模型语音的能力，包括分享、通知的权限，甚至NPU，可以让我们在上面跑一个小模型的话，肯定会部署端侧的。为了加快本地的处理速度，实现更多的功能。

但现在还没有，现在我们是通过App直连到服务器。首先在App端做了基于语音的一些分析，包括TTS、ASR、音色。在服务器端，与用户对话的agent的性格、情绪都是用户自己设定的。第二是RAG，第三是AI Hub，我们连了十几个大模型。我们还有一个AI长期记忆的功能，也就是有更长时间的历史信息的上下文，由此来更准确地判断你的意图。

把这些实现了之后，我们还做了内容质量审核AI，提交给用户的内容质量过关了才能发给用户。同时，我们在服务器端还做了关于大模型调度的prompt，把它交给大模型，然后再回来做一些类似的工作，最后推到手机端，推到眼镜端。

极客公园：所谓的AI智能硬件，如果只是接个API，是不能交付足够好的结果的。它确实要站在用户价值上，要做一套比较完整、合理的架构，然后去合理地调用。

你们已经涉及到不同模型的调用，甚至涉及到更长期的记忆如何存储、如何调用、如何配合。在不同场景、交付不同的价值等情况下，可能都要考虑怎么去更合理地运用AI，这个我觉得会成为未来AI智能硬件里很重要的一点，它真的不是只接个API就能解决的问题。

因为我最近看了好几个产品，说“我是AI硬件”，“接了某某的API”。这个不能叫AI硬件，不能很好地解决问题。

为什么花了很长时间在探讨怎么定义这个产品？很重要的一点是，夏勇峰不认为这副眼镜能替代手机，他其实是在手机的边缘，来交付一个更好的体验。我觉得这个是核心点，因为刚才我们说到很多功能，其实手机就能实现。

但有一点很重要，前端的指令和意图是通过眼镜来的，而不是收入到手机里，也不是直接跟手机对话。交互的时候，用户不需要拿出手机，音频就能交互。这就是刚才你说的VUI。

我们理解GUI，刚才你也说到VUI，还说到NUI，这本质上就是未来的交互。未来的交互和交付并不是要替代手机和电脑，但是它有可能会增加一种更接近用户自然体验的交互和交付，交互和交付都因为它会有所不同。你怎么去定义和理解所谓的GUI、VUI、NUI？

夏勇峰：GUI其实就是我们熟知的图形用户界面，当时对计算机来讲是一次非常重要的革命，因为要让机器知道人想干什么，其实是一件很困难的事。计算机早期的汇编语言都是非常标准化的，这个时候规定了一种范式，后来就到了智能手机时代，但是它其实仍然是一种范式，比如说屏幕，你需要告诉这个机器，你点到哪了。这就是为什么早期有一些老年人，使用智能手机其实有很高的门槛，因为还是需要学习，虽然学习的成本比学文字输入、学QWERTY的键盘要简单一些，但它还是有门槛。

未来整体的交互，很多朋友都认为，会进入一个NUI自然用户界面。你只需要做自己就好了，该说什么话说什么话，该做什么动作做什么动作，机器变得越来越聪明了。

你做自己，机器就知道你想干什么，然后就给你相应的服务，这个是我们认为未来的交互，它可能形成了一种形态，特别是在通用大模型出现之后，可能我们没办法很快出现通用人工智能，但是让机器能够识别到你的自然行为，这件事情会容易很多。

我认为这个也是我们未来眼镜要实现的一个目标，当然同时也是因为，如果想在眼镜上用键盘打字，或者要用触摸操作，这基本上也实现不了。

极客公园：举个例子，假如说我旁边有个助理，我用手指这里，跟助理说“把这个关掉”，这是我们正常的情况，但如果在今天我要去跟小爱同学交流，我恐怕还得说“小爱同学，把我卧室里的空调往下调低多少度”。

但理论上，未来如果你有这样的一个设备，假定它是能够开眼看世界的，有一个传感器，我说把这个关掉有点冷，它应该就能识别我在哪个空间，同时知道我说的是空调，我不需要去指出具体的要求，这是我具象化一下你说的那个场景。按照这个推理来讲，我越来越觉得，真的不考虑加上摄像头输入交互吗？

夏勇峰：摄像头看了之后，如果还是需要自己去输入指令给机器的话，其实还是VUI，但是机器有一个摄像头，可以减少你的输入成本。

极客公园：就像我说，“把这个关掉”，而不是说“把卧室的空调下调几度”，这个其实就降低了我的输入成本。这个摄像头本质是意图传感器，我猜未来肯定会加的。

夏勇峰：我先把VUI做好，其实对我来说VUI是NUI的一个前置阶段，VUI做好的价值就非常大了。

05/
AI不会凭空创造需求
只能无限提升体验

极客公园：耳机看起来也是可以应用VUI的。为什么你做的不是耳机，而是眼镜呢？

夏勇峰：我觉得耳机跟墨镜基本上是一类产品。用户不是每天无感的，或者从早到晚戴，它是一个有了需求才会戴上，需求结束马上摘掉的产品。VUI需要有很多交互，当你需要用这个交互的时候，它可能根本不在你的耳朵上。

极客公园：本质上还是用户使用时长不够。

夏勇峰：你不可能戴一天的耳机，否则走路很危险，开车也用不了。

有人问我们，为什么不做充电盒？因为我们没有“不用了就把它摘下来”这样的一个场景。如果是耳机不用了，你会把它摘下来，放到充电盒里，它可以继续充电，这是很自然的。但是眼镜就得用一天，所以我们的续航一定要能用一天，不可能说，我是一个近视的用户，下午2时就把它摘下来了。

对AI来说，有主动发出指令，也有被动收到AI通知的场景。比如说通知，主动给你小结的这种，当你耳机在充电盒里的时候，没有任何作用，但是如果戴的是一副眼镜，基本上每天是无缝无感地在使用，这是它最大的一个区别。

极客公园：这个视角也对，我觉得要从让用户能戴上且能长期戴上出发，才能让AI在需要发挥作用的时候真的能起到作用。不能把它变成一个“目的地”型的产品，什么时候要用AI了再戴上。所以第一要义就是大家戴上。

这个设备终于不用再提醒我，你戴了一个智能设备。它出现一些耳语的时候是给到我惊喜的，因为我觉得就是戴了个眼镜而已。

这里也涉及到一个考虑，它叫智能音频眼镜，很重要的一个功能也确实就是耳机的功能，所以你到底是在革新眼镜还是在革新耳机？

夏勇峰：我们有一句slogan叫“科技革新传统眼镜”，因为我们之前的用户里，89%都是矫正用户，即近视或者老花用户。他们用了这个眼镜之后，如果是长期戴眼镜的人，基本上是近乎100%替代了自己平常使用的传统眼镜，传统眼镜就变成了它的备用镜，所以它的替代性是很明显的。

但是我们其实没有替代耳机。因为现在对耳机有很多需求，比如说想安静的时候，有降噪的需求，我们做不到。打游戏的时候有低延时的需求，这个我们未来可能可以做到，但是现在肯定没有游戏类的专业耳机好。比如说客服戴的耳机，需要一个离嘴非常近的麦克风。总之就是，耳机的多样性非常多，不可能用我们这样一个音频类的产品就能覆盖所有的耳机需求，但是基本上覆盖了他们眼镜的需求，这个是数据统计的结果。

极客公园：有道理，而且如果真的要让科技革新传统眼镜，我就能理解为什么需要考虑很多不同的款型，不能说一出门，发现大家怎么戴的都是一个款型的眼镜。

夏勇峰：传统眼镜的历史已经证明了，单一款型不奏效。

极客公园：所以它其实是需要更多个性化的选择，但同时又要做到让大家先能戴上，而且长时间地戴上。

这一点我觉得还挺重要的，我们判断互联网的一款产品在未来有没有进一步发展的能力，核心就是用户的使用时长。

如果这副眼镜我一天能戴10个小时，随着未来传感能力不断升级，对我意图的理解更彻底，那它能帮我干的事一定会更多。如果一天只拿出来用三次，这个硬件我觉得没前途，就是卖点硬件的钱，甚至模型、所有的功能都无法成长。

所以有可能存在这么一个点，我可能说得有点武断，就是未来AI智能硬件的佩戴时长得三五个小时起步，否则可能还是卖了个AI噱头，没有真正长期的成长性。

夏勇峰：AI硬件就是使用AI的硬件。总体来说，人们从早到晚都在用的有两大巨头——电脑和手机，产品首先要从两大巨头之外找到自己生存的空间，在这个空间里，它要成为大家使用AI的第一优先级，这个可能是最基础的生存条件。

极客公园：今天得到的一个启发就是怎么去看AI硬件，有一个很重要的维度，就是到底是拿AI当卖点去卖硬件，还是硬件未来能顺着AI的能力持续成长，释放更大价值。这个核心的分界点就是，用户到底有多少使用时长，要做到这一点，就得先解决用户的某个确定问题，把它解决好，才可能会有这个资格。

夏勇峰：我也做了几百种不同的硬件了，越来越感觉到，人的需求能够不断地被满足得更好，但是想要创造一个需求其实是非常难的。我觉得AI不会凭空给人创造一个之前本身就不存在的需求，它只会让人的某些需求能够被满足得更好，或者是提高某些效率，或者是让人听什么内容听得更爽，看什么内容看得更爽。

以前某些场景下满足不了的需求，现在因为AI可以满足了，基本上只能是对需求的进一步满足，不太可能出现之前不存在的需求。比如说需要一个外脑，天天在你旁边分析你每天从早到晚的事情，我觉得它太宽泛，或者说太理想化了，它得具体到人本身的需求。

可能这一点我也有一些武断，我觉得需求只会被满足得更好，但是不可凭空创造需求。我发现某一些AI硬件，它觉得有了AI可以凭空创造出之前不存在的需求，这一点我持比较谨慎的看法。

极客公园：Ray-Ban Meta的这副眼镜，大家之所以这么关心，核心就是，这是所谓的科技眼镜产品中，第一个卖过百万台的，除了之前VR这种被大平台推荐的产品，这是用户自己主动去买的设备。你会怎么判断它未来可能的走向？

自己内部肯定也分析过，今天国内至少有几十家公司要复刻Ray-Ban Meta。它之所以具有这个所谓的阶段性成功，是因为什么？它未来的发展会遇到什么样的挑战？会有可能往哪走？

夏勇峰：海外有一些关于Ray-Ban Meta的用户调研报告，超过40%的用户对它的第一诉求其实是第一视角拍摄的视频质量过关，而不是AI。

极客公园：肯定不是，因为它出来的时候还没有什么AI相关的产品。

夏勇峰：然后我们再注意到，有很多用户，其实首先是需要一副墨镜，Ray-Ban又是一个足够好的牌子。我有个朋友跟我说，他走进了一家Ray-Ban的店，需要去买一副墨镜，他发现有普通墨镜和Ray-Ban Meta，中间的差价非常少，应该是在几十美元这样的一个程度，一个是传统的，一个带了很多功能，然后用户就选了Ray-Ban Meta。

极客公园：所以科技几乎是赠品对吧？是一个让你觉得很合算的赠品，有点这种感觉？

夏勇峰：反正我是觉得，因为AI去买Ray-Ban Meta的人，在目前的用户群里应该是相对少数。如果没有AI，它做了一款非常好的智能墨镜，我觉得也能卖到跟今天相差不远的数量。

极客公园：所以它其实并不是因为AI才火的。本质上是一个好的品牌，然后加了科技感和一些有意思的功能的产品，大家一看差价也不太多，原来买个普通Ray-Ban也得这个钱，那就买了。

夏勇峰：但是话说回来，如果AI持续升级，它有可能从现在的第二卖点上升，直到某一天基于它的用户群免费（眼镜的AI使用是免费的，没有订阅费），它变成了一个非常高价值的点，这个时候它可能会完成从一个足够好的智能墨镜到一个真正的AI眼镜的转变，这是有可能会发生的。

极客公园：同意。在今年Founder Park的AGI Playground上，我曾经做了一个演讲，专门分析了Ray-Ban Meta眼镜为什么成功，探讨了在硬件上的一些机会。

其实我的观点跟你很一致，我也认为最开始的核心的卖点绝大部分来自于眼镜本身。但它未来的价值，可能70%会来自于AI。

06/
越是无限可能
越要约束自己的想象

极客公园：如果从我的视角来看，这个产品放在海外，大家就会觉得你不够猛，比如，怎么可能上来不加传感器呢？但是我觉得你会关注的是，它怎样成为一个稳定的、能交付、能满足用户需求的产品，用户不用为我的创新付出过大的代价。先让大家戴上它，解决问题，然后软件和AI是可以往上叠加的，功能是可以越做越多的。

再追问一下，今年一开始火起来的AI Pin后来也遇到了很多吐槽，它的问题到底在哪？

夏勇峰：它实现不了想要的那个感觉，如果硬件概念更多一些，就会知道，不管是投影还是固定的方式，根本不能够支撑它作为手机备用品的定位，投影就得有流明的概念，就会设想它在室外和室内的使用问题，其实通过非常简单的一些数据和参数的推导，就会知道这个产品存在问题。

极客公园：在2013年初，我们俩一起去见张小龙（编者注：腾讯集团高级执行副总裁，微信事业群总裁），被他启发过。当时我们聊到一个结论，那时候微信看起来有非常好的势头，他说：“越是无限可能，越要约束自己的想象。”你看微信今天已经成为了能干这么多事的产品，但在那个时刻，其实我们跟他说了无数个，你可以干这个，也可以干那个。

他就是特别沉静，不着急，一步一步地来。我突然想起了这个场景，这个让我回忆起来还是印象蛮深的。所以AI智能硬件这件事还真的要一步一个脚印的来。

据我所知，中国已经有大量团队在这种所谓智能眼镜领域里聚集了，你怎么看？是不是很快会有百镜大战了？在这里，最终要能够活下来，能够创造更大的价值，你会觉得核心是考验什么？

夏勇峰：我知道的创业团队和一些公司的项目中，大部分类似于Ray-Ban Meta，然后也有一部分是基于现有的一些智能眼镜，直接往上加摄像头的，你知道它能够帮你识别内容，但是大部分人其实就是问一下这是什么，然后得到一个回答，尝尝鲜。

可能是我了解不够，现在我还没有看到更深入的一些应用。我觉得未来的百镜大战会迅速产生，然后教育市场，会出现非常快速的淘汰和迭代的过程。

极客公园：涨潮快退潮也快。

夏勇峰：如果出现真正创新的产品，它的崛起也会非常快。不会给慢性子的人留时间、留空间。所以我觉得，考验的一是资源能力，二是对于AI和硬件的理解力，三是一个组织的效率。基本上就是考验这几点，以现在我们所知道的信息，类似这样的局面应该在不久的将来就会到来。

极客公园：我们说百镜大战在路上，但是可能也是一场快速的战役，记得当年无人机曾经也有过一波热潮，后来就消退了，今天应该是很多人都在关注、在做，但把这事做对、做到位，变得很关键。

最后我再追问个问题，蜂巢科技在界环这样的品牌下，未来想实现的是什么目标？你阶段性想实现的目标到底是什么？你觉得大概会用多长的周期去实现它？实现的时候可能会是什么样？

夏勇峰：所谓界环，就是世界之环的意思。什么叫世界之环呢？就是自我和世界，他人即世界，你自己和世界中间的界限，我们想要倡导的理念是“融入世界而不丧失自我，取悦自己而不是自我封闭”。

为什么不做VR，是因为我觉得VR是一个把自己完全封闭起来的产物。我希望在日常生活、实现目标的过程中，它能够帮助你，给到附加价值，我希望做这类产品。所以眼镜相机和现在的音频眼镜，其实目标是一致的，就是有自己的目标，然后不要封闭，但是也不要丧失自我。

我希望现在第一阶段实现的目标就是，音频眼镜能够以每年两倍、三倍销量的增速去替代传统眼镜。今年实现了这一目标，我觉得明年大概率也能实现，用3-4年的时间，每年超过100万副，我觉得它会迎来一些质变。目前我的核心还是在满足传统眼镜需求的同时，逐渐去对传统眼镜产生一些替代性的作用，能够在每个人的耳机使用时间上占到比其他类型耳机更多的时间。

极客公园：很清晰。我觉得一个优秀的创业者往往是能够在无限可能的时候约束想象，把每一步走扎实。聚焦这个阶段是什么问题，然后把它解决好。因为技术永远能给你带来无限的可能性，只要你把这个产品做扎实，那这些新的功能永远不缺。但容易犯的错误是，一上来说了一款恢弘的产品，但忽略了该做好的基本功。尤其是在硬件上，软件还可以改代码，但硬件就没机会了。

 

来源 | 极客公园