2026 还没过半，已经有 30 多款 AI 眼镜亮相了。

除了华为、阿里千问、Rokid、雷鸟、小米这些老玩，连老板电器都出 AI 烹饪眼镜，京东也做了骑行眼镜……百镜齐放，但大体上在围着三件事卷：谁能做得轻、谁的摄像头清晰、谁的镜片上能塞进大好的显示屏。

热闹之下，有个数据通常会被忽略。

目前主流电商平台上，AI 眼镜的退货率得惊人，普遍在 30 左右，在冲动消费占大头的直播渠道，退货率甚至能飙到 40 到 50。

用户因为新鲜感下单，戴了几天，默默点了退货。销量开低走、退货率居不下，就是众多 AI 眼镜的「生命周期」。

说白了，尝鲜期过去后，消费者就会开始产生这样的疑惑：戴上之后它到底能帮我干什么。

就在今天，科大讯飞在澳门发布了旗下款 AI 眼镜。这 40 克的眼镜没有卷像素、卷全彩大屏、卷时尚联名，把核心能力押注在个看起来十分常见的能力上——翻译。

但翻译只是它的入口，不是终点。

发布会前夕，APPSO 和科大讯飞总裁玮、穿戴设备业务部总经理林会杰聊了聊。聊到后半段，话题从具体的产品技术转移到了个大的命题上：AI 眼镜下半场的关键，到底在硬件层面还是在 AI 工作流？

AI 眼镜的「奇点」，是让人愿意直戴

百镜大战之后，在现有供应链里攒出款智能眼镜真不难，华强北两周就能给你出个样机。但难的是，你怎么给用户个「直佩戴」的理由。

对于次做 AI 眼镜的讯飞来说，这也是个绕不开的坎。

玮跟 APPSO 聊起讯飞做 AI 眼镜的起点，其实源于个非常具体的画面：你想啊，翻译机在展会、小型商务洽谈这些场景里是很好用的，甚至公司共用台就够。但总有些时刻，当你在国外旅游或者某些场，你不便掏出设备和低头看屏幕，不想等翻译结果断说话的自然节奏。

你希望交流是「沉浸式」的，眼始终对着彼此，对话顺畅流动，翻译像空气样感受不到存在。这眼镜的起点，就是用户对那种「感」体验的期待。

这种「物理中断」，是讯飞看了数个翻译机用户的真实反馈后，攒下来的痛点。做 AI 眼镜的公司可以夜之间冒出来，但做翻译的底子，真的没法速成。

讯飞翻译机了 100 万台、翻译了 10 亿次。讯飞同传跑了 42 万场会议，覆盖 50 多个国，触达 4 亿观众，连续 8 年服务全国两会。

这些数字沉淀下来的不只是法，还有对真实场景里那些琐碎问题的感知：什么时候用户会嫌翻译慢，什么场景下手持设备让人尴尬，什么噪音条件会让准确率断崖……

去年 10 月讯飞已经出了款翻译耳机。耳机验证了两件事：用户确实需要释放双手的穿戴式翻译；端到端的同传在穿戴设备上是跑得通的，反应速度能掐在 2 秒以内。

但耳机只管耳朵，在林会杰看来，耳机的局限在于它是个「听觉」设备（现在也开始加摄像头了），眼镜则可以增加视觉的模态，多种模态叠加在起，跨语言沟通的信息输入就丰富多了。

说白了，眼镜上有摄像头可以拍照翻译，有显示可以投射字幕让你不用低头看手机，还能放多的麦克风做定向降噪。

用玮的话说就是，「眼镜离人的眼睛、耳朵、嘴巴近，它是物理世界与数字世界的桥梁，让翻译像呼吸样自然发生。」

而到了 2026 年，供应链成本开始被拉下来了，国补也次把智能眼镜纳了进来，再加上星火 X2 大模型云端翻译能力的提升，天时地利凑齐了。

林会杰倒挺坦率：「我们选择这个节点平凉橡塑专用胶，是因为看到了增速才刚刚开始。」玮直接：我们不想用「iPhone 时刻」这个词，但实际上就是这个意思，眼镜马上到了奇点临近的时候。

40 克，道系统工程题

讯飞这款 AI 眼镜，我戴上之后反应是比想象中轻。它集成了微型显示屏、摄像头、5+1 麦克风矩阵、喇叭，但整机重量被死死卡在了 40 克。

这个数字可能很多人没概念，我们来横向对比下：

Meta Ray-Ban 是 49 克，但它没有显示屏；

Rokid Glasses 也是 49 克，带显示，但比讯飞重了将近 25；

华为 AI 眼镜确实轻，35.5 克，但它没有显示屏。

在「带显示屏」的智能眼镜阵营里，讯飞目前几乎做到了行业轻。

为什么非得是 40 克？林会杰说，这个数字是他们用模拟仿真和海量调研死磕出来的。欧美人的头型和体型对重量的钝感力比较强，Meta 做到 50 多克他们依然觉得能接受。但亚洲人的颅骨结构和鼻梁度不同，对重量度敏感。

对于用户来说，45 克是道分水岭，过这个分量，戴久了就会有明显的压迫感。40 克，是长时间佩戴的「舒适阈值」。

为了抠掉这几克，团队在工程上跟供应链磨了很久。关键的招，是用树脂镜片替代了传统的玻璃镜片。

传统近视眼镜早就是树脂的天下了，但为什么智能眼镜直不用？因为工艺太搞心态了。智能眼镜的镜片需要做「全贴」，把显示层和镜片压在起。树脂材料在成型和加热时易产生微小的气泡，胶水旦有丝毫的空隙，光线的折射曲率就偏了，整个镜片就废了，良率控制比玻璃难得多。

林会杰透露，讯飞应该是行业里个在带显示的智能眼镜上把全贴树脂工艺跑通的。研发过程中经历了非常多尝试和失败，才终把树脂材料用在了显示镜片上，但回报是巨大的，单靠镜片这项，就比玻璃案轻了 30 到 40。

再加上定制的 0.15CC 微型光机、微型摄像头模组，镜框镜腿体成型。芯片选型和法做了度耦：同样的别可能要 100mAh 电池，讯飞可能 50mAh 就够了。

所以后我们看到的讯飞 AI 眼镜，整机重量轻，续航却没折。

这是道系统工程题，没有捷径，每环都要跟供应链反复磨良品率。树脂镜片、微型光机、低功耗芯片、法 - 硬件耦，哪环掉链子，重量都得回到 50 克以上。

唇动识别降噪，用眼睛帮耳朵听

翻译固然是讯飞的舒适区，但这眼镜上，讯飞还发了个有点科幻的技术——唇动识别降噪，这是多模态降噪系统的核心部分。

这是唇动识别降噪次搭载到 AI 眼镜上，实现逻辑是眼镜的前置摄像头会死死锁定对面说话人的嘴唇。同时，眼镜上的 5 颗气麦克风和 1 颗骨传麦克风组成了个六通道的音频流。

系统实时通过「看到谁的嘴在动」，来辅助判断「该听谁的声音」， 从而在嘈杂的多人混声中，地把目标人物的语音「抠」出来。

这就实现了「看谁翻谁」的果，你的眼镜盯着谁，耳边响起的、镜片上跳出来的，就是谁的翻译字幕。

这个技术直接决定很多场景的翻译质量，因为翻译准不准，有个重要的前提听得清不清。

安静的会议室里，其实目前的翻译软硬件都可以较好处理交流问题。但讯飞 AI 眼镜重要的个用户群是商务人士，保温护角专用胶他们真正需要用到的翻译场景是什么？是展会、商务酒会、机场，环境噪音随便都能 80 到 90 分贝。传统翻译工具在这种环境下平凉橡塑专用胶，准确率直接掉进马里亚纳海沟。

噪场景下，唇动识别降噪让识别准确率提升了 50 以上。林会杰解释说，这并不是单纯看口型，它融了声源位置增强、目标人锁定等整套多模态降噪系统，各路信号在实际使用中自动协同。

这个能力也不是拍脑袋想出来的。讯飞在大型会议系统和汽车智能座舱里，搞这种多通道语音分离和多模态降噪已经很多年了，在 CHiME 语音分离大赛上拿过 6 连冠。

玮还给我们分享了个几年前的内部 Demo：几个研究员同时讲话，人耳分不清，系统把每个人的声音干净利落分离出来，谁说了什么都清清楚楚。

这事儿有趣的地在于，以前开大会，你有足够的物理空间塞麦克风，有服务器的力，有插座供电。现在，你要把这套复杂的视觉 - 音频融法，塞进 40 克、力和功耗被度压榨的眼镜里。

玮觉得，这恰恰是讯飞在硬件上秀出的「肌肉」：怎么把大设备上的硬核法做倍率的压缩，移植到小尺寸、轻量化的移动端侧，而且还能离线实时处理多路语音数据。

讯飞做硬件的路径是「大设备验证、小设备迁移」。在会议系统和汽车上跑通的法压缩到眼镜端侧。唇动识别降噪需要视觉 - 音频配对数据、端侧实时处理能力、多麦克风硬件的联调优，单靠现成法集成难以实现。

降噪的准确直接决定翻译的准确，这也是整条工作流的道关卡。

「全能翻译」背后的基础设施

听得清之后，才是译得准的问题。

讯飞 AI 眼镜支持 122 种语言的实时互译，划分了同声传译（听演讲）、面对面翻译（商务洽谈）、通话翻译（跨国电话）和线上同传（接腾讯会议或 Zoom）等四种模式，摄像头还能直接拍 PPT， 做外文资料翻译。

在现场体验中让我觉得有意思的是通话翻译。

这大概是目前市面上唯款能在你电话时，同时帮你做跨国翻译和记录的眼镜。它的路径是这样的：眼镜通过蓝牙挂载在手机上，捕捉到电话那头的英语，端到端同传模型全自动翻译，再把你的中文回答翻译成英文顶回去，延迟在秒。

也就是说，你在电话这头说中文，老外在那头听到的是你的音克隆出来的英文。电话挂，眼镜甚至能帮你把份结构化的会议纪要发你。

过去，传统的翻译系统是「老三样」：语音识别（ASR）→文本翻译（MT）→语音成（TTS）。这套案大的毛病就是延迟大，而且每过个环节，信息的「语义损失」就多层。

讯飞这次在眼镜上搭载端到端的语音同传大模型，跳过了中间的文本转译步骤，直接实现「语音进、语音出」，把字响应时间压进了 2 秒。云端撑腰的是星火 X2 模型（293B 参数的 MoE 架构，基于华为昇腾训练）。

林会杰说，他们把翻译场景切分得其细微，因为不同场景下需要的行业知识库和降噪模式是不样的。

讯飞这款眼镜在翻译上花的功夫，这有点像手机行业卷影像，拍照谁都有，但我有 2 亿像素，有 10 倍长焦，有 4K live 图，甚至能覆盖业摄影场景。

翻译之后，AI 工作流才开始

到了这步，你会发现，讯飞想做的已经不只是「翻译工具」了。这大概也是为什么它不叫「翻译眼镜」，而被视「眼前的 AI 助理」。

林会杰认为，「眼镜像是个戴在眼前的计机，带有显示、摄像头、语音能力，它的配置跟手机、PC 基本样。」

承载这层能力的是讯飞的 GlassClaw，这个 Agent 能调用大模型能力、接入生态服务、做多模态理解，把从听懂到干活的整个过程通，同时也支持 OpenClaw 等三 Agent 接入。

你没看错，这还是「龙虾」眼镜。

林会杰分享了他自己使用 GlassClaw 的日常工作流：他出门不用频繁掏手机。在路上走着，可以直接用语音唤醒 GlassClaw，让它调取手机通讯录、找客户拨号，电话接通自动开翻译。

跟客户面对面聊天时，突然需要查阅之前的某份同纪要，直接盲操吩咐眼镜，眼镜会去检索他的电脑资料，提取出要点并同步到镜片上。

甚至开完会后，眼镜自动做完多模态的角区分（谁说了什么），输出结构化纪要，他直接语音：「把纪要以邮件形式发给项目组，并把下周三的复盘会同步到日历上。」

如果你也养过虾对这些肯定不陌生，只不过这次交互发生在你的脸上。

当初让 AI 眼镜出圈的提词器，在这款眼镜里也迎来升。

讯飞 AI 眼镜的智能提词器做到了语义跟随，说到哪跟到哪，不再是机械按速度滚动，可以做自然的智能语义理解和跟随。配套的充电胶囊可以当遥控器，按键切换和暂停文稿。

这就是 AstronClaw 架构在底层玩的「端 - 边 - 云」三协同：眼镜端侧负责环境感知和预处理，边缘侧做决策，复杂的理丢给云端的星火 X2。GlassClaw 基于讯飞自研的 Agent 能力，同时也支持 OpenClaw 等三 Agent 接入。

玮的判断是，未来的眼镜不再只是很简单的眼镜，而是你穿戴便的个随身助理。

市场上单做翻译或单做 AI 助手的产品不少，但把「翻译 + 记录 + 纪要 + 跨端执行」串成顺滑的工作流，需要语音、翻译、大模型、智能体（Agent）四种底层能力同时在线，且环环相扣。

讯飞这种全栈的技术能力，恰好在眼镜这个载体上找到了适的闭环。

AI 眼镜的下半场，拼的是什么

过去两年，AI 浪潮裹挟着整个硬件行业寻找那个所谓的「Next Gen」入口。

AI Pin 翻车了，各种智能吊坠疾而终，虽然 AI 硬件的产品形态和技术路线各异，但行业也逐渐形成些共识： AI 需要眼睛，它须能实时感知人类所处的三维物理世界。

AI 眼镜未不是终形态，但它是目前唯能够全天候、视角承载视觉与听觉输入的形态。

玮在采访里提到个挺有意思的预判：「未来的数字生活三件套，大概率是电脑、手机和眼镜。眼镜不是手机的配件，它自己就是台架在鼻梁上的立主机。」

眼镜适做连接物理世界和数字世界的设备。而且硬件本身还有很长的迭代空间：显示会从单走向全彩、从 2K 走向 4K；摄像头和麦克风还会向 AI 原生的 token 编码式升。玮说这些技术路径已经开始有比较明晰的发展向了。

林会杰透露，讯飞的二代 AI 眼镜已经在规划中，快 2026 年秋季能看到，面向多不同人群，也在摸索些细分的垂直场景。

过去年 APPSO 测过、写过不少 AI 眼镜。回头看百镜大战，行业其实已经分化出了两条不同的路：

条是「做好的眼镜，让 AI 成为加分项」。 Meta Ray-Ban 是这个逻辑：用时尚设计和文化来对冲用户对 AI 能力的低频刚需。

另条是「做的 AI 工作流，让眼镜成为新的电脑」。 讯飞选择的就是这条路。两条路指向不同的竞争维度，但后条难走，因为它要求你同时具备硬件工程能力和 AI 全栈能力，缺不可。

AI 眼镜的下半场，真正的分水岭在于，谁能把 AI 揉进度细分的真实场景里，替用户把件件琐碎任务给办了。

奥力斯    万能胶生产厂家    联系人：王经理    手机：13903175735（微信同号）    地址：河北省任丘市北辛庄乡南代河工业区

让眼镜回归眼镜， AI 老老实实当「牛马」。

后能留下来的设备，我想大概是这样的：当你摘下它的时候，会突然觉得眼前的世界变得沉重而低。

1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定平凉橡塑专用胶，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》，以此来变相勒索商家索要赔偿的违法恶意行为。