智能眼镜，要么不够智能，要么不像眼镜，如何破局？
作者｜王博
2007年，乔布斯发布初代iPhone，正在美国芝加哥出差的茹忆第一次体验iPhone。
当时茹忆在摩托罗拉北京研发中心工作，iPhone丝滑的iOS系统让他十分震撼，“它的硬件不一定比我们好，但系统做得太好了。”
后来，茹忆做了摩托罗拉智能手机、小米电视、天猫精灵等智能硬件产品，他始终坚信硬件背后软件系统的重要性。在此期间，一件事情对他产生了很大的影响——AlphaGo战胜李世石，当时茹忆就对AI产生了一种直觉——“AI一定是未来”，这也是他当时加入阿里巴巴做天猫精灵的原因。
2021年，茹忆选择创业，创办了一家智能眼镜公司——李未可（Lawaken）。
李未可科技创始人兼CEO茹忆
智能眼镜是一个承载着AI应用落地愿景的行业，也是一个充斥着谎言和暴论的行业。
过去几年间，不少公司蜂拥而至，以各种新颖的概念堆砌产品，用夸张的宣传制造泡沫。然而，真正能够落地，让用户愿意长时间佩戴的智能眼镜产品寥寥无几。
问题的根源在于：智能眼镜，要么不够智能，要么不像眼镜。
不够智能，公司就只能去卷硬件，陷入价格战；不像眼镜，产品就难以让用户长时间佩戴，使用场景会受限。
李未可科技创始人兼CEO茹忆对这两个问题的看法很明确：“AI眼镜，AI在前硬件在后，AI技术必须成为用户需求的第一响应者，而非硬件的附属品。”“智能眼镜的重量越低越好，40克是一个门槛。智能眼镜不能让用户‘哇’一下就放起来，我们要做用户可以戴一整天的智能硬件设备。”
5月25日，李未可推出了三款AI智能眼镜，这些眼镜都搭载了李未可自研的“WAKE-AI 2.0任务式交流系统”“零级智能体ZeroAgent”，而从续航、重量、外观等角度来说可以让用户佩戴一整天，并可满足用户翻译、录音、拍照等需求。
因为李未可此前曾做过专注骑行场景的AR眼镜产品，这次的三款新产品少了AR（增强现实），加强了AI，让不少人觉得有些意外，但重视硬件产品背后的软件系统，近二十年来，茹忆都没有变过。
「甲子光年」发现，李未可正在构建一套软硬件闭环的体系，这套体系以智能眼镜为载体，背后支撑的是一个“多模态大模型+多Agent”的AI系统。
而这套AI系统研发成本要几千万元，对一家智能眼镜创业公司来说，这并不是一笔小的开销。
这也引发了一个疑问：一家智能眼镜公司，为什么非要自研AI大模型系统？
1.为什么不能只做终端硬件
每一个进入智能眼镜市场的公司，都要面对两个对手：飞秒刀和华强北。
飞秒激光近视手术正在蚕食眼镜的市场。根据观研报告网发布的《中国屈光手术行业发展趋势分析与未来投资预测报告（2023-2030年）》，中国屈光手术渗透率不断提升，2021年为0.29%，预计2025年将达到0.64%，2030年将上升至1.19%。近年来，飞秒激光近视手术在技术成熟、效果提升的同时，价格保持相对稳定。
随着更多人拥有“摘镜自由”，智能眼镜公司必须用远超“矫正视力”的价值，才能让消费者仍有理由在鼻梁上留一副电子设备。
而华强北正在快速压低智能眼镜的价格。这里是全球消费电子产品的“晴雨表”，任何被市场验证有潜力的产品，都可能在极短时间内被“华强北模式”消化、拆解，并以更低廉的价格迅速推向市场。这里的电子市场已经出现售价90～200元的“中国版Ray-Ban Meta”快装套件，再贴上“AI眼镜”标签即可出货；一些原本卖蓝牙耳机的档口，现在也转型卖智能眼镜了。
在这种“抄作业”速度面前，单纯拼硬件的品牌注定沦为价格表上的一行数字。
在飞秒刀与华强北之间，智能眼镜公司真正要回答的，不是能否做出一款智能眼镜，而是能否交付一套让用户愿意日复一日佩戴并且难以被复制的AI体验闭环。
对于李未可们来说，这才是通往规模化的唯一通道。
观众体验李未可智能眼镜
“我们最擅长做的事情是‘AI+硬件’，而不是跟别人拼硬件。”茹忆坦言，虽然在创办李未可的时候自己就相信AI，但是在2023年到2024年，自己做了“很艰难的选择”，放弃了单光机双目AR的方案，原因是“不够AI”，并将更多精力投入到智能眼镜专属的AI大模型的研发中，目标用户也更聚焦在了商旅群体。
2024年4月，李未可推出了针对AI+终端定向优化研发的多模态AI大模型平台WAKE-AI 1.0。WAKE-AI 1.0具备文本生成、语言理解、图像识别及视频生成等多模态交互能力，并针对眼镜端用户的使用方式、场景等进行了优化。
而这次，李未可发布了WAKE-AI 2.0任务式交流系统，其定位是针对AI眼镜的多模态大模型及Agent架构。这不仅仅是一个多模态大模型，而是一个围绕AI Agent生态闭环设计的系统，并为未来多终端协同预留了空间。
2.为什么不能只接入通用大模型API
智能眼镜实现“智能”主要有三种方式：接入通用大模型API、合作研发大模型、自研大模型，部署方式则有：云侧、端侧、端云结合。
接入通用大模型API最简单，李未可科技合伙人兼AI负责人古鉴告诉「甲子光年」，李未可最初也尝试过这种方案，但是团队发现了一个问题，接入通用大模型API无法很好地完成“用户意图识别”。
李未可科技合伙人兼AI负责人古鉴
举个例子，通用大模型API对“今天天气怎么样”“帮我导航到西湖”“帮我记一下会议要点”这类常见指令的识别不错，但对“我吃完饭想去西湖转转”这类指令，到底是识别成导航需求还是聊天需求呢？更不要说，“根据当下视野中的路况提示最佳骑行路线”或“基于镜头捕捉的迎面人脸自动调出客户资料”这种场景化、跨模态的意图，通用大模型API容易出现误解或漏识。
通用大模型API虽然强大，但对于智能眼镜特有的交互模式、特定领域知识以及设备状态感知的理解和整合能力可能不足，需要额外的开发。而随着使用量的增加，API调用费用也会成为一笔持续且不小的开销。用户数据隐私和延迟也是智能眼镜公司需要考虑的问题。
李未可选择的方式是，基于开源大模型微调AI智能眼镜的专用大模型，并且在行业内率先通过国家网信办的大模型算法备案，确保合规。
在大模型训练阶段，微调是利用特定任务的有标签数据集对预训练模型进行进一步训练，使其更好地适应某个具体任务或领域。
“我们准备了很多符合智能眼镜使用场景的数据，花了很多时间去做数据精标，然后不断去修正。”古鉴告诉「甲子光年」，“用户意图识别和分发对智能眼镜十分重要，也是我们的着力点。”
在去年发布的WAKE-AI 1.0中，李未可以自研的分发决策大模型为核心，形成了一套AI多模型架构。
WAKE-AI 1.0架构图
过去的一年，李未可做了很多用户调研。在软件、功能方面，用户最关心实时翻译和AI功能集成，而在使用场景上，用户更倾向于在旅行和工作场景使用智能眼镜。
用户调研数据
结合用户调研数据和使用场景，WAKE-AI 2.0主要在三个方面进行了升级：大模型ASR（自动语音识别）、多模态交互、多智能体交互。
具体来说就是，从“传统ASR”升级为“大模型ASR”，从“语言大模型”升级为“多模态大模型”，从“分发决策大模型+智能体”升级为“思维链分发大模型+零级智能体ZeroAgent+内外部多智能体协作”。
针对场景进行升级
ASR是整个语音交互链条的第一步，其准确率决定了后续AI理解与响应的效果，尤其是在翻译场景中。
前段时间，在越南胡志明市举办的CHINA HOMELIFE越南展上，李未可科技为展会主办方米奥兰特特别定制的AI智能翻译眼镜，以支持超过180种语言的实时翻译，及会谈内容自动生成纪要等AI功能引起了众多参展商的关注。
李未可智能眼镜在越南展会受关注
李未可采用了两种方案来优化ASR。
针对中文和英文，李未可采用大模型ASR技术，音频经过encoder+adapter编码和适配为token，结合用户语境和上下文消息等文本模态数据共同作为大模型输入，优化通用领域的语音识别率，尤其是在多音字、相似音、人物地点名称等有显著效果提升。
针对小语种识别，李未可通过whisper-encoder+ LLM进行ASR训练，使用自回归方案训练。李未可和合作伙伴采集约3000小时的专业小语种数据，并且经过人工精心标注，配合通用领域的大规模语音数据，进行定制训练，以提升外贸翻译场景的语音识别体验。
目前，李未可的大模型ASR字错率在通用和专业测试集测评上已全面优于基线模型0.1~0.7个百分点。
李未可智能眼镜
在文旅场景中，相比传统语言大模型，多模态大模型能适应更丰富的实际应用场景，极大提升人机交互的智能化和自然度。这也对智能眼镜的多模态数据处理能力提出了更高的要求：能同时理解和融合文本、图像、音频、视频、地理等多种信息，满足复杂场景需求。
李未可基于开源多模态大模型，进行了微调。不要小看这样的微调，团队进行了大量的图像数据采集及清洗工作，自采100多个展馆，4700多个点位，并结合公开的海内外博物馆数据，构建博物馆类目数据。另外，为对齐图像-文本向量空间，李未可专门构建训练文本。训练文本包含讲解内容、展品的年代及属性标签等文本信息。基于结构化数据及语言类大模型增广，形成超过50K的指令数据集。
最后就是多智能体的交互。
多智能体交互的前提还是精准的用户意图识别，WAKE-AI 2.0在分发决策大模型的基础上引入了思维链，升级为思维链分发大模型。
“去年我们就发现，分发决策大模型如果要进一步提升准确度，必须要通过思维链的方式来判断很多任务到底能不能够执行，所以DeepSeek-R1开源对我们来说非常利好。”古鉴告诉「甲子光年」。
思维链分发大模型
在这个前提下，李未可提出了“零级智能体ZeroAgent”概念。“我们认为一个具备理解用户意图，并进行分发、执行和反馈的AI智能体才是关键，所以我们提出了一个概念，叫‘零级智能体ZeroAgent’。”茹忆说。
之所以叫“零级”，意味着它是所有Agent中最先接触用户、响应用户的那一级，相当于“AI交互的门卫”。
用户输入的文字、语音、图像等信息首先会由Zero Agent解析意图，判断是“一般对话”还是导航、购票、备忘录这样的“特定任务”。
当请求超出其轻量化能力或需要调用专业流程时，Zero Agent会触发MCP（模型上下文协议）与A2A（Agent-to-Agent）机制，将任务路由给对应的内部或外部Agent。
Zero Agent还负责管理短期对话上下文，保证在多Agent协作时，前后语义连贯，不丢失关键信息。
智能体交互
「甲子光年」认为，随着智能体（AIAgent）成为新交互范式，AI终端不再是“遥控器”，而是“Agent容器”。以WAKE-AI 2.0为例，其系统架构已经支持：多Agent调度执行、私有知识嵌入Agent逻辑、Agent商店/平台等。
这意味着，硬件本身正在成为软件生态的承载体。不掌握系统平台，就无法定义生态。
WAKE-AI 2.0架构
智能眼镜的核心价值在于“持续、高效、自然”的人机交互，而决定用户体验“爽不爽”的是：多模态识别精度（图像、语音、文字理解）、语义推理能力（长记忆、上下文理解）、Agent调度能力（能不能真正“干活”）。
这些核心体验，无法单纯靠接入通用大模型API实现，必须进行深度定制和系统级协同。
3.为什么不是大厂来做AI系统平台
对于很多中小公司来说，经常会被问到的问题是：“相比大厂，你们有什么壁垒？”
金沙江创投主管合伙人朱啸虎曾告诉「甲子光年」：“在中国，聪明人太多了，我从来不相信在中国有技术壁垒，我只相信客户壁垒、数据壁垒。”
而在智能眼镜领域，可以理解为平台壁垒高于终端壁垒。那么，谁更有动力也更没有退路去打造真正意义上的AI系统平台？
大厂依靠算力租赁和API分发，不愿冒险走端上之路；大模型公司虽有技术和产品，但缺交互闭环、终端入口以及用户数据；而智能眼镜公司，为了生存，为了体验，为了差异化，只能卷“全栈”。
而从另一个角度来说，相比大厂的某个事业部，李未可在AI智能眼镜细分赛道上可以更加专注。
这种专注体现在解决实际问题上。比如，多智能体协作任务对模型的能力要求非常强，由于多轮自主迭代，模型的token消耗量也很大，如何解决？
古鉴告诉「甲子光年」：“我们通过设计的多智能体框架，在线上实际运行已经收集很多真实agentic数据，去增强大模型的agentic能力，然后设计更加自由灵活的架构，支持让大模型自主决策、工作流配合的方式，这就可以明显减少模型的token消耗。”
通过过往和不断更新的用户数据来迭代AI系统平台，的确可以逐渐构筑壁垒。
这就是为什么，李未可必须做自己的AI系统平台，它不仅仅可以李未可的智能眼镜服务，也可以成为其他可穿戴智能终端的入口。
“AI是大时代，我们希望贡献自己的力量，去共同促进AI赋能硬件赋能生态，共同推进AI普惠，因此我们正在积极和伙伴合作，把我们的AI能力开放给各厂商，而且现在已经有了很多实质性进展和合作了。”古鉴说。
2025年，AI大模型领域的竞争，正在从“谁的模型大”转向“谁的系统强”。
过去的焦点主要放在“参数量、训练数据规模、架构新颖性”上，现在的竞争，不再局限于“单体模型能力”，而是看谁能把AI大模型落地体系打通，到底谁的“系统”更可靠、反应更快、体验更流畅。
“我们尝试用Agent解决我们日常生活中所有的问题，在未来的三个月，我们会推出真正的群体智能，让Agent会调用多个Agent。ZeroAgent其实是一种全新的交互方式，也是一个新的交互入口。”茹忆说。
「甲子光年」认为，谁能率先构建可控、可部署、可落地的系统级AI能力，谁就能在可穿戴终端中之战中拔得头筹。
这套WAKE-AI系统或许不是“最通用”的，但它是国内为数不多以终端为场景、以智能体为中枢、以多模态为核心的真正落地的AI系统。
构建真正的壁垒不能靠别人，只能靠自己。
（封面图及文中配图来源：李未可）
（文：甲子光年）