Transcription
哈喽大家好，欢迎来到明月三千里。
昨天，阿里发布了他们第一代夸克AI眼镜 S1和G1，一共六个型号。有人欢呼说，这是中国的下一代iPhone。那今天，我们就聊一聊，看它到底是不是中国的下一代iPhone。
这款AI眼镜的硬件配置上，这次是堆料堆得比较实在的。所有机型统一用的是高通AR1 + 恒玄BES2800这个双芯片架构，一边跑Android，一边跑RTOS。这个系统学名叫实时操作系统，简单理解，它用在单片机的小系统，比如冰箱洗衣机运行的那套系统。可以粗暴理解成，一颗大脑，负责看算推理；一颗小脑，负责时刻在那儿省电地听你说话，连蓝牙，管电源。这种双芯 + 双系统的组合，目标其实就一句话：在这么小一副眼镜里，尽量把性能、续航和发热这三件互相打架的事，调一个相对能用的平衡出来。
功能上，影像这块，夸克AI眼镜支持0.6秒的快速抓拍，视频能到3K，再通过算法往上攒一攒，接近4K的观感。配合暗光增强、防抖，明显就是冲着Vlog和第一视角记录去的。音频方面，多麦克风阵列 + 骨传导，嘈杂环境下拾音和语音识别会比你拿着手机对着话筒喊那种方式更稳。总之，它不是一个玩具相机，而是一个随身第一视角采集器。
但光有硬件还不够，这次真正让这副眼镜变得有意思的，是背后那个熟悉的名字——通义千问。夸克AI眼镜是第一款把千问戴到你脸上的消费级产品。以前你用千问，要先掏手机，解锁，打开App，输入问题，来来回回一串动作。很多即时场景，根本轮不到AI出手。现在这条路径被砍掉了，你看到什么，听到什么，眼镜直接抓，千问在云端理解，然后再通过眼镜反馈回来。
举几个特别直观的场景，你就知道阿里在想什么。出国旅游的时候，街边路牌、菜单、地铁线路图，眼镜帮你抓下来，直接叠+翻译，甚至给你标出游客坑点和本地人常去的那几家店。逛街的时候，看中别人鞋子或者衣服，夸克一看图，后台连淘宝商品图谱和价格，直接告诉你这大概是什么牌子、什么价位，有没有同款平替，顺手就把链接推给你。开会或者上课的时候，眼镜在那儿默默录音、转写、总结，等你会开完了，一份整理好的要点，已经躺在你的手机和电脑里。你在台上演讲或者直播，S1的近眼显示，可以给你悄悄提词，观众只会觉得你状态很好，条理清晰，不知道你在外挂。
所以，夸克AI眼镜这次，其实不是在问“能不能做一些很酷的AI技巧”，而是在问一个更狠的问题：有没有可能，把“人找AI”，变成“AI跟着人”？以前你需要停下来，专门给AI一点时间和注意力。现在阿里希望的是，AI不打断你做的事，而是在你需要的时候，边上悄悄递个答案。
说到这儿，我们就要进入一个更底层的问题：阿里到底在赌什么？这事放在阿里自己的历史坐标轴里看，会更有味道。过去十来年，阿里最大的焦虑，其实就两个字：入口。移动互联网时代，入口在谁手里？在手机厂商手里，在iOS和Android手里，在微信、在抖音这些超级App手里。阿里虽然有淘宝支付宝，但都是后端应用，用户大部分时间被锁在别人家的生态里。阿里为了拿到那一眼注意力，必须不断花钱买广告、买流量、做投放。简单说，就是云很强，端很弱。阿里云和千问在云端可以很猛，训练推理、企业服务都能打，但落到个人用户这一层，入口始终被别人卡着。你每天掏出手机，先看到的是系统桌面，是微信，是短视频，并不是夸克，也不是千问。
阿里一直在想办法往前移一点，从应用层，挪到入口层。其实阿里以前也做过类似的尝试，例如天猫魔盒、YunOS、智能音箱，这些东西都是阿里的入口尝试，只是都不够贴身。天猫魔盒在客厅，离你眼睛还有几米远；智能音箱在桌子上，你需要喊它一声；YunOS想从系统层面控住手机，但被各种现实力量按了回去。
这次夸克AI眼镜不一样，它是第一批有机会物理意义上挂在你脸上的设备，离你的神经系统、离你的注意力，只隔一层角膜。你可以把阿里现在的AI布局，想象成一个铁三角：底层是阿里云，提供算力和基础设施；中间是千问，负责理解你说的话、你拍的东西、你想干什么；最上面这一层，就是各种终端App、网页、车机、手表、音箱。而这次，多了一条新边：眼镜。眼镜的作用，就是帮这个铁三角，长出一根伸进现实世界的触角。这根触角，可以看世界，听世界，然后把这些第一手的感知，源源不断送到云端和模型里，再把处理好的结果投放回现实。
从这个视角看，夸克AI眼镜在阿里棋盘上的定位，就挺清晰的了。它不是一个酷炫的潮玩，而是阿里AI生态的感官前端和行动代理。它不负责炸裂的算力，但它负责把最关键的那一刻——你看见某个东西，你动了某个念头——直接抓住，交给千问处理，然后再帮千问把结果送到你眼前、耳边，或者钱包里面。
那它跟手机厂商到底是敌是友？这点其实挺微妙。表面看，阿里是在做一款可能会抢手机时间、抢手机使用场景的设备，似乎在挑战手机厂商。但是，你仔细看，它整套联盟的组织方式，又很像是在对手机厂商说：“兄弟们，我给你们做了一个样板，你们以后也可以照着做，接入千问和阿里这套生态。” 这就是为什么夸克AI眼镜背后，还有一个夸克AI眼镜产业联盟，里面不光有立讯这种整机代工，也有高通、恒玄这些芯片厂，还有各种光学、视光、线下眼镜连锁。阿里的打法，更像是Google当年搞Nexus、Pixel，我先亲自下场，把一条路跑通，把一个标准跑出来，然后希望有更多OEM+入这条赛道，一起把这个生态做大。尤其是那些自己不太可能养起自研大模型的手机厂商，比如出海很猛，但技术投入相对有限的一些品牌，直接接入千问+夸克的整套方案，可能会比自己憋一个AI体系要现实得多。
当然，说到这儿，你可能会有个疑问：既然硬件模型大家都能卷，阿里到底能卷出啥护城河？靠参数、靠算力，这些东西一年半载就会被抹平。从硬件到模型，其实都容易同质化。真正难模仿的，反而是AI帮你把事办完的那条链路，也就是我称之为“交易型AI”。什么意思？很简单，别跟我讲你回答得多优雅、多像人，关键是，我（用户）说完这句话，你能不能直接帮我完成一个动作？
夸克AI眼镜这次最大的优势，就在于它背后是支付宝、淘宝、天猫、高德、飞猪——这一整条阿里系服务链。别的厂商即便模型做得不错，最多帮你解释一下这是什么、哪儿可以买。阿里可以直接帮你“看完就买”、“看完就付”、“看完就走”。你看别人脚上的鞋，夸克帮你识别出大致品牌和价格，还能直接连到淘宝的商品详情，展示各种平替、搭配、评价，把优惠券往你眼前一弹。如果你点头确认，支付这一步可以挂在支付宝的生物识别和免密上。整个链路从“看到”到“买到”，中间几乎不需要拿手机出来。你在机场拿着登机牌晃悠，眼镜帮你识别航班号、登机口，结合飞猪和高德的信息，一路用AR导航把你送到登机口，顺手还把延误信息、值机柜台变化推给你。
这种“看一眼到完成动作”的体验，本质上就是把AI从一个聊天机器人，推到一个行动代理的位置上。这个时候，你再回头看，阿里做夸克AI眼镜这件事，就会发现它跟小米再做一款智能眼镜，或某创业公司又做了一个AR头显，完全不是一个逻辑。别人更多是在验证一个硬件形态，阿里是在验证一种现实世界里的新流量形态。短视频时代，抖音、快手靠的是帮你打发时间，在时间缝隙里用内容种草，然后反向卖货。夸克AI眼镜则是在你已经有明确意图的时候，把那一次搜索、那一次对话、那一次抬头，变成一条极短的交易链路。
当然，所有这些听上去都很性感，但有一个特别现实的问题，我们得摆在桌面上：这副眼镜本身，在技术上到底有多能打？它真能支撑起阿里这么大的一盘棋吗？尤其是续航、发热、佩戴舒适度，这种直接决定你愿不愿意天天戴的东西，它到底是工程奇迹，还是被话术包装出来的24小时神话？
先说硬件这块，咱们就别被发布会上的那些光鲜名词忽悠了，什么双芯、双系统、全天续航，听上去都很漂亮。但工程师的世界里只有一件事：电池容量就这么多，体积极限就这么大。物理学不看发布会。高通AR1 + 恒玄BES2800这个组合，确实算是目前行业里比较像样的一套解法。一颗大核负责视频、AI推理、AR显示这些重活，一颗小核负责蓝牙、音频、唤醒词这些轻活。它的优势是可以把重活集中管理，轻活尽量用最省电的方式撑着。但这套组合的真实含义是啥？说白了，就是它已经把现在这代工艺下，算力够用、续航还能看、发热不炸的平衡点，掏得差不多了。再往上堆，要么是变成小头盔，要么就是烫头烫到你想摘。
你看宣传里的24小时，很多人天然脑补成24小时开着屏幕，走哪看哪。这就是被话术带偏了。所谓的“全天”，其实是按照一个非常温柔的使用模型算出来的：听播客、接几通电话、偶尔问两句AI，屏幕和摄像头绝大部分时间是关着的，眼镜在那儿待机，像一个随时能被你吆喝两嗓子的蓝牙耳机。真要是你一路开着AR导航，再加上实时翻译，再配上第一视角录像，别说24小时，连续搞上一两个小时，电量和温度就已经在边缘试探了。所以，我更愿意用一句话来总结这代产品的物理状态：它不是一块24小时常亮的小屏幕，它更像一个24小时待命、间歇出手的随身助理。
再看S1和G1的定位，其实也藏着阿里自己的取舍。S1那条线，是给极客、重度用户和特定职业准备的，典型场景是导游、外卖骑手、证券分析师、主播。你愿意为那块近眼显示屏，额外付出重量、续航和舒适度的代价，因为那块屏幕能帮你赚回来。G1那条线，更像是把智能，从眼前的屏幕，抽象成耳边的声音和后台的判断。它牺牲了AR显示，但保留了拍摄、语音、翻译、记录这些东西，外观上更接近日常眼镜，价格也砍了一半，就是奔着先让你愿意戴上去去的。所以你会发现一个很有意思的地方：真正像钢铁侠那种有HUD的东西，在这一代里一定是小众，反而是长得最不高科技的那几款，最有机会混进普通人的脸上。
回到芯片本身，双芯 + 双系统还有一个被很多人忽视的点，就是它直接决定了数据在设备里的流转路径。大核那边跑的是Android，连着摄像头、显示屏和一大堆重度计算模块。小核那边跑的是RTOS，连着麦克风阵列和低功耗蓝牙。音频这块，为了唤醒指令，麦克风理论上是一直开着的，但声音不会老老实实全扔到云端去烧算力，更多是在本地用几秒钟的循环缓冲，做个滑动窗口，匹配到唤醒词才往上送。这种本地环形缓冲的玩法，法律上一般不算默认采集，但从普通用户的心理感知来说，有一个事实是躲不掉的：你脸上永远带着一个在默默听的东西，只不过它大部分时候在本地听，少数时候才上云。视频也一样，你按下快速抓拍键，0.6秒出一张图，这背后一定是摄像头和图像处理链路一直处在随时待命的状态，而不是从冷启动开始慢慢预热。只不过传感器采上来的东西，在你没按键之前，要么直接丢掉，要么只在本地内存里划一道闪电就擦掉了。
所以技术工程师会很自豪地跟你说：“我们没有默认长时间录制，我们在本地处理，我们遵守最小必要原则。” 但普通路人在你对面，只会看见一个带镜头的人对着他笑，然后心里默念一句：“这货到底有没有在拍我？”
这就拉到第二个大坑了：隐私和法规。智能眼镜这条赛道不是没前车之鉴。当年Google Glass一上街，立刻催生一个新词，叫“Glasshole”，就是那种戴着眼镜到处乱晃，让别人时刻怀疑自己被拍的人。现在全世界的隐私监管，都比十年前严苛得多。中国有《个人信息保护法》和针对生成式AI的管理办法，欧洲有《数字法案》+《AI法案》。这些东西把什么叫敏感信息、什么叫高风险场景，都写得非常细。生物特征识别、公共空间的远程识别，在好多条款里都是红线级别的东西。
从这个视角看，你就会明白，为什么夸克在发布的时候，拼命强调识物、翻译、导航，但绝口不提“看见一个人立刻弹出他是谁”。不是技术做不到，而是那玩意一旦做了，基本上就是在跟中欧两边的监管正面刚，等于是往公共场所实时生物识别的坑里跳。现在的产品形态，更像是刻意绕开那条红线，尽量把AI的眼睛盯在物品、文字和路线这些相对安全的对象上。
可即便如此，这副眼镜在隐私层面掀起的水花，还是不小的。我们平时说隐私泄露，很多时候说的是单一维度的数据，比如位置轨迹、比如聊天记录、比如消费流水。而夸克这类眼镜比较恐怖的地方在于，它天然具备了多模态拼图的能力。位置数据告诉它你在哪儿，视觉数据告诉它你在看什么，音频数据能大致复盘你当时在说什么、跟谁说话。这三种东西一叠+，就是一张非常细腻的生活轨迹热力图。这已经远远超出了某个App偷偷打开定位那种简单级别，它更像是一个现实世界里的监控日志，只不过掌握在你和背后那家平台手里。
这时候厂商最喜欢用一个说法来安抚大家：“我们做了很多合规设计，比如+了一个亮起就代表正在录制的LED灯，比如拍照的时候强制有快门声，比如在系统里允许你一键关闭某些采集权限。” 这些东西从律师视角看确实很重要，因为一旦出了事，厂商可以摊开手说：“我已经尽到显著提示义务了，剩下的是个体用户的滥用。” 但从旁观者的视角，你在咖啡馆里坐着，看到对面那个人镜腿上的小灯亮不亮，你真的会时刻盯着吗？更别说很多人会用深色镜片或者墨镜款，根本看不清里面那点变化。说难听点，这类合规设计有相当一部分，是在给厂商自己上法律防晒霜，而不是在给路人上安全盾。
讲到这儿，隐私其实已经不是纯技术问题了，它变成了一个社会规范之战。你敢不敢戴着夸克AI眼镜去约会、去面试、去谈判？在健身房更衣室你敢不敢不摘？在电梯里你敢不敢对着空气说“帮我记一下刚才那句话”？这些场景里其实没有任何法律条款在旁边晃，但所有人心里都会有一个隐形的社交红线。十年前大家刚开始在饭桌上拿手机拍照发朋友圈，也有人觉得被冒犯，但慢慢大家形成了规则：合影要问一句，拍菜尽量别拍到别人脸，发之前打个码。这些规则花了很多年才磨出来。而智能眼镜这种第一视角随时开拍的东西，几乎是把所有旧规则一口气打碎，重新洗牌。
所以，我个人对这类产品的判断是很明确的：它短期内很难变成一个随时随地都能戴的东西，它一定会被社交规范圈出一堆禁区。最后留下来的是一撮特别适配的场景。比如开车、骑行、导航，这些地方本来就有戴设备的合理性，你带一个能显示路线的眼镜，并不比看手机更奇怪，反而更安全。比如出国旅游，语言不通，你戴个眼镜一直在翻译菜单、路牌、地铁图，别人会觉得这是工具，而不是监控。再比如某些职业场景，导游带团、工程师勘测、主播直播，这些工作本身就带有一定的公开性，大家默认你在记录。换句话说，夸克这一代更多是一个专业工具向大众渗透的过程，而不是一夜之间把所有人都武装成赛博朋克市民。
但是，隐私和社交这些风险，也不是说就能把阿里吓退。反过来看，正是因为这条赛道的隐私门槛这么高，法规这么复杂，才更容易成为大厂的游戏。小厂做一个能跑的原型机不难，难的是长期扛住合规成本、舆论风险、黑天鹅事件。一旦有一天，智能眼镜真的在某个市场跑通了，谁有能力跟监管部门对话，做行业标准，做自律公约，一定还是这些头部玩家。所以我们才说，夸克AI眼镜在隐私上的所有小心翼翼，某种程度上既是枷锁，也是护城河。
说完硬件和隐私这两块“肉身极限 + 社会极限”，我们再往前推半步，看一看这副眼镜对别的玩家意味着什么。它到底是在帮手机厂商开路，还是在悄悄动手机的奶酪？它是给短视频平台添了一个内容出口，还是在用现实世界种草反向反超短视频的内容种草？以及对阿里自己来说，这副眼镜是一笔算得过来的买卖，还是一场需要赌五年十年的长线豪赌？
说到入口之战，其实现在的格局已经很清楚了：手机厂商守的是物理入口，短视频平台守的是注意力入口，大模型厂守的是算力入口。每一家都在往别人的地盘伸手。夸克AI眼镜这一步，表面上只是阿里给自己多了一个硬件载体，本质上是阿里想从“买流量”变成“造入口”。你可以把它理解成阿里在手机和人之间，又塞了一层轻终端。
对手机厂商来说，这一步是甜是苦，得看时间维度。短期看，夸克AI眼镜还离不开手机，配对、联网、算力转接，都要靠你口袋里的那一块屏，人家只是个高级外设。甚至还能帮手机厂商卖出更多高端机型，因为有一类用户会觉得，既然眼镜这么聪明，那我手机也得跟上点，多花点钱买旗舰。可一旦你把时间轴拉到五年以后，问题就变味了。如果很多高频场景都被眼镜截流了，比如导航、查东西、听播客、看通知、快速支付，这些原来要点亮手机屏幕的动作，慢慢被前端的眼镜吃掉，手机就会越来越像一个放在口袋里的大号电池+计算盒子。你每天摸它的次数变少了，APP曝光的机会也变少了，谁是入口，谁是后台，天平就有可能慢慢倒过来。
短视频平台面对的是另外一种威胁。今天抖音、快手、美团系，用的是内容种草+流量闭环的逻辑。你打开App，本来只是想随便刷一刷，结果被视频里的口红、手机、餐厅种了草，最后直接在平台里完成交易。它们的核心武器是占据你无聊的时间，用无限流内容磨你。夸克AI眼镜走的是另一条路，它不跟你抢无聊时间，它盯的是你已经想干点什么的那一刻。你走到商场门口，你在机场排队，你在成都的一条小街上看见一个小馆子，眼镜在这几秒钟里递给你的信息，是极其高意图的：这家店值不值得进？这个东西值不值得买？这趟行程有没有更好的安排？
你会发现两边玩的完全是两种逻辑。短视频是“我先用内容搁你心里一根钩子，等有一天你想起来了再买”。眼镜是“你已经想做决定了，我（AI）在你耳边跟你说一句，决定立刻发生”。从平台竞争的角度看，这俩模式会长期并存，但今天的电商和广告预算，肯定会逐渐在这两种形态之间挪。一部分商家会觉得，我愿意继续在信息流里撒网铺天盖地；另一部分则会想，我更愿意为那几秒钟付费，只要用户站在我店门口，或者拿着目标商品的时候，AI能帮我多说一句好话。夸克AI眼镜能不能撬动这部分预算，很大程度上决定了这盘棋对阿里来说，是产品创新，还是商业模式创新。
站回阿里自己的账本，这笔买卖怎么算？你做一副硬件，找高通、找光学厂、找代工、找线下渠道，上来就是不小的投入。这代产品不可能靠硬件毛利来回血。阿里自己心里也清楚，那它指望赚什么？一是电商和本地生活链路中更高的转化率和客单价；二是未来围绕眼镜形成的订阅会员增值服务；三是千问本身用户规模和数据的放大效应。换句话说，夸克AI眼镜是一个亏在前、赌在后的项目，短期看是纯成本，长期看才可能变成阿里整个AI业务的+杠杆。
那这盘棋能赢吗？我的判断是，阿里这一步，属于那种迟早要有人做，而且必须是有钱有耐心的巨头来做的事。技术上，它绝对算不上完美，甚至可以说还处在非常原始的阶段。但在战略上，如果阿里这次连试都不试，未来所有现实世界里的第一视角数据和高意图时刻，就很有大概率会被别的玩家吃掉。你可以不喜欢这副眼镜，你可以觉得它笨重尴尬，离真正的理想形态太远，但你很难否认一件事：在人机交互这条路上，从手机屏幕往外走一步，总得有人先去踩坑，而那个人往往不是创业公司，而是这种背后扛着庞大生态的巨头。
从护城河的视角看，夸克AI眼镜更大的价值，可能反而不是卖出去多少副，而是它帮阿里证明了一件事：当大模型真正跑到现实世界里，它可以通过眼镜这种形态，把搜索、推荐、支付、履约，串成一条紧绷的链条。而且这条链条不是发生在浏览器里，也不是发生在App里，而是发生在你走路、抬头、转身的那一刻。这种证明一旦成立，未来不管阿里是继续自己出第二代、第三代眼镜，还是把这套方案开放给一堆合作伙伴，都会比今天更有底气。
当然，我们也得老老实实把风险贴出来。
首先是硬件风险。这代夸克AI眼镜，无论宣传怎么说，它在续航、佩戴舒适度、重量、散热这几个维度上，都还远远到不了人人都能天天戴的程度。它更像是给某一部分愿意忍受不适换能力的人准备的半成品。未来，如果这批早期用户被折腾得够呛，觉得AI不够聪明、响应不够快、体验不够顺滑，很容易就会出现一波“我试过没啥用”的负面口碑。这对于还在萌芽期的赛道，是很致命的。
第二个是隐私和舆论风险。前面我们说了这么多，一旦真的出现偷拍风波、职场纠纷、公共场所冲突之类的热点事件，智能眼镜很有可能被按上一个“高风险设备”的标签，从此被一些场所半官方地请出门外。只要出现一两次类似的事件，舆论和监管就会迅速反扑。到时候，夸克这条产品线，不是优化体验的问题，而是生死存亡的问题。
第三个风险，是认知落差。现在所有玩家都在往AGI、下一代入口、人机融合上靠，用词都特别上头，容易让大部分人误以为买一副眼镜就等于提前一步抵达未来。但现实是，这代夸克AI眼镜，离我们想象中的“全天候智能搭档”，还有好几代的工程距离。它今天能做的，大部分还是翻译、识物、导航、录音，这些我们早在手机上就见过的功能，只是换了一个入口，换了一个交互方式。如果品牌方没有管好预期，用户就会用对AGI的梦想去评判一代工程产品。这种落差一旦被感受到，失望是很难补救的。
总结一下：夸克AI眼镜，在技术上，它是目前工程学妥协的产品；在商业上，它是阿里为了抢夺AI流量入口的一次试探；而在伦理上，它是一个行走的、闪烁着红灯的边界试探者。它让我们看到了一个极度便利的未来：只要看一眼，就能听懂全世界的语言；只要看一眼，就能买到全世界的商品；只要看一眼，我（用户）就不再需要做低头族，我可以抬起头来生活。但代价是，我们必须把仅剩的一点隐私，双手奉上给算法；我们必须接受，在公共场合，从此再也没有隐身的权利。
所以，一个很现实的问题问问大家：如果这款眼镜真的能让你效率翻倍，但代价是你在这个世界上，再也没有绝对的隐私，你会戴上它，还是抵制它？欢迎在评论区留言讨论。
最后，再次提醒一下大家，记得点个赞，关注一下明月三千里的频道，打开小铃铛，咱们下期再见。