AI眼镜第一股背后：芯片高管、光波导与端侧算力的产业博弈

我第一次听到“AI眼镜第一股”这个说法时，脑子里冒出来的第一个疑问不是“能不能成”，而是“凭什么是他”。当时的情况也确实有点戏剧性：一位在大厂体系里打拼多年的前高管，前脚刚从某国际芯片巨头离职，后脚就对外放风要带着AI眼镜项目冲击资本市场；另一边，一位做智能硬件起家的科技大佬，又连续在公开场合把AI眼镜提升到战略级位置。两件事凑到一起，整个圈子都开始重新审视这个过去被评价为“叫好不叫座”的赛道。今天就借着这波热度，把这背后的产业逻辑、技术底牌和资本算盘从头捋一遍。

1. 前高管从芯片巨头跳进AI眼镜赛道，这步棋没有你想的那么冒险

1.1 芯片巨头给高管留下的不止是Title，更是完整的AI产业认知

很多人看到“芯片巨头离职高管”这个标签，第一反应是“资源型创业者”。但实际上，这类人真正值钱的不是通讯录里的联系人，而是对AI计算链条从头到尾的理解。芯片巨头的业务横跨云端训练、边缘推理、开发者工具链和软硬件生态协同，长期浸泡在这个体系里的人，清楚一款AI产品从模型训练到端侧部署的全过程。这种认知迁移到AI眼镜项目上，恰好踩中了这个品类最大的痛点：如何在极小的功耗和体积预算里，塞进足够的智能能力。

我做供应链咨询时接触过一些从手机大厂出来做穿戴设备的团队，他们普遍擅长结构设计、品控和渠道，但对“模型量化、端侧推理框架、异构计算调度”这一套往往要重新学。反过来，从芯片大厂出来的人，对算力分层的敏感度几乎刻在骨子里，他们看到一款智能眼镜时，第一反应不是镜腿好不好看，而是主控芯片的算力冗余有多少、NPU单元能不能吃下实时视觉模型。这种专业嗅觉，在AI眼镜这种高度依赖软硬协同的产品上，会比想象中更快转化为工程决策效率。

更重要的是，芯片巨头的产业站位决定了他们每天都站在技术路线选择的十字路口。是押注通用大模型，还是走端侧小模型；是用Mali GPU还是自研NPU；是推OpenCL还是自有加速库。这些选择背后的成本、生态和兼容性问题，对一个技术出身的管理者来说，就像做了十年模拟题突然碰上一张原题卷。AI眼镜赛道上，恰恰充满了类似的路线选择，从光波导选型到显示方案，从端侧大模型参数规模到主控芯片架构，一步错就可能晚半年。

1.2 职场路径的偶然性背后，是一条更清晰的行业主线

表面上看，从芯片巨头到AI眼镜创业公司是一次跨度很大的职业跳跃，一个偏向底层基础设施，一个偏向消费电子终端。但把时间拉长到五年十年来看，这条路径几乎是AI产业从云端走向终端的必然产物。过去十年，算力的重心在数据中心，在云端训练大模型；下一个十年，算力的价值要落地到交互设备上，要在用户眼前实时处理视觉信息。谁最懂算力，谁就有资格去做那款贴身智能硬件。

还有一层容易被人忽略的联系：芯片巨头并不是和消费硬件绝缘。它的GPU产品线深入游戏、专业可视化、自动驾驶和机器人多个方向，同时拥有庞大的开发者社区。一个从这样的体系里走出来的管理者，天然带着“平台思维”——他关心的不是单款产品卖多少台，而是这套设备之后能长出什么应用生态，能拉动什么开发者来一起做内容。这种平台思维在AI眼镜赛道恰恰是稀缺品，因为市面上大多数团队还在用做耳机的思路做眼镜，把硬件卖出去就觉得完事了，完全没有考虑后续的服务订阅、AI能力更新和内容生态。所以，别看到“芯片巨头离职”就把这个故事当成职业八卦，本质上是行业红利从云端外溢到终端的信号。

2. 科技大佬集体押注AI眼镜，争的是下一个个人计算入口

2.1 眼镜是唯一不占用双手又能提供视觉反馈的个人终端

要理解大佬们为什么盯上AI眼镜，先看几个所有硬件公司都能看到的数据。智能手机的换机周期越来越长，从过去的18个月延长到超过36个月；TWS耳机的渗透率虽然高，但使用场景局限于音频，无法承担“看”这个动作；智能手表在健康和消息提醒上做得不错，但屏幕尺寸注定它只能做信息中转站。整个消费电子行业都在找下一款能让人“愿意每天戴出门”的智能设备，而眼镜在形态上有天然优势。

我们人类感知外部信息，视觉占了绝对主导，大约80%以上的信息是通过眼睛接收的。眼动、视线方向、注视点的判断，本质上构成了一路还没有被充分开发的交互通道。耳机挡住了耳朵做音频交互，手表占住了手腕做触觉和轻量信息交互，而眼镜是唯一一个既能提供视觉反馈，又解放双手、贴着人体最高感知密度器官的终端。只要重量、续航和价格突破临界点，它就是最合理的AI助理物理载体。

2.2 为什么是这个时间点，三股力量正好汇合

AI眼镜并非今天才有，早在十年前谷歌就做过类似尝试，最后失败得很惨。当时的失败原因很简单：大模型能力不够，语音交互像对牛弹琴；电池技术和光学显示也不成熟，设备笨重得像头盔。现在情况完全不同了，有三股力量几乎在同一时间点走到成熟。

第一股是大模型的端侧化。过去，一个能做图像识别和语义理解的AI模型至少要跑在云端服务器上，网络延迟和隐私问题让它没法做实时交互；现在，通过模型剪枝、量化和知识蒸馏，百亿参数以内的模型已经能塞进手机SoC甚至单独的NPU里，可以在几十毫秒内完成一次视觉识别任务。第二股是光学显示供应链的突破。衍射光波导、几何光波导、Micro-LED等方案的良率和成本，已经来到接近消费级量产的位置，虽然距离理想状态还有距离，但至少不再是实验室花瓶。第三股是用户习惯的迁移。短视频、拍照记录、实时翻译、AI会议纪要等场景已经把用户教育得差不多了，大家对“摄像头对着世界实时理解”这件事不再本能排斥。

三股力量中的任何一股单独出现，都不足以撑起一个品类；但三股同时到位，就意味着第一批真正体验过关的AI眼镜有可能在近两代产品周期内出现。大厂创始人这种级别的人，在预期管理上的嗅觉比普通从业者敏锐得多，他们公开站台，本质上是在告诉供应链、开发者市场和投资人：这个方向不是概念，我要真金白银地投入了。

2.3 AI眼镜不是“手机壳”，而是视觉感知加语音交互的双重入口

再往深一层看，AI眼镜的想象力不在硬件本身，而在于它同时握住了两条最关键的交互通路。一条是视觉感知通路：眼镜上的摄像头能持续看到佩戴者的视角，结合多模态大模型，可以把眼前的世界结构化——识别面前的人是谁、读懂说明书、告诉你这棵植物叫什么、提醒你前方路口要左转。另一条是语音交互通路：麦克风阵列加自然语言处理，让眼镜可以听懂佩戴者的指令和反问。

两条通路叠加，会产生手机和手表都做不到的“零成本记录”效果。举一个最直观的例子：你参加一场头脑风暴会议，手机录音很难保留现场白板上的草图，但AI眼镜可以“看见”整个会场，通过多模态模型同时处理语音、画面和文字，事后生成一份带图像索引的纪要素材。再比如，你在国外餐厅看菜单，手机上拍照翻译要打开相机、切换App、裁剪画面，而AI眼镜只需要你说一句“翻译一下我看到的文字”，答案就以AR方式叠加在眼前。这已经不是硬件升级，而是交互范式的变化。

当然，视觉感知入口也带来了新的敏感问题。摄像头的常开状态会引发隐私争议，这也是所有做AI眼镜的团队绕不过去的合规议题。所以行业里越来越普遍的做法是增加独立物理隐私开关、佩戴状态指示灯、端侧处理优先等设计，尽量把敏感数据留在本机，而不是上传到云端。这一点会在后面详细展开，但它恰恰说明，真正决定一款AI眼镜生死的，从来不只是颜值和价格，还有一系列看不见的技术和产品取舍。

3. 冲刺“AI眼镜第一股”：资本市场到底在给什么定价

3.1 硬件的估值锚点早就不是硬件利润

一家AI眼镜公司如果只做硬件，估值天花板低得可怕。传统消费电子代工厂的净利率普遍在5%上下，就算一台眼镜卖2000元，一年卖100万台，净利润也只有一亿元左右，按二十倍市盈率算，估值不过二十亿元，撑不起“第一股”的故事。所以，资本市场真正在定价的不是眼镜本身，而是眼镜背后那一层“AI入口”的平台价值。

通常拆这类项目的估值，我会先看三个数。第一个是激活量，也就是真实卖出并被用户持续使用的设备数，这个数决定了入口的底座。第二个是单用户ARPU，也就是除了卖硬件之外，软件订阅、AI服务、内容分发带来的单客收入，如果一款眼镜能靠AI会员每月收30元，一百万年活跃用户就是一年三亿多的经常性收入，估值逻辑立刻从硬件切换成SaaS。第三个是场景外延，也就是说这套视觉感知和语音交互能力，能不能从消费级复用到运动、医疗、工业巡检、远程协助等垂直市场，每一次外延都意味着重新估值的可能性。

所以你会看到，现在真正被资本追捧的AI眼镜项目，都会刻意强调“AI能力”和“生态”，而不是强调“光学工艺”或“镜架设计”。前者指向软件定义的长期复利，后者指向传统供应链的毛利苦战。理解了这一层，就看明白“第一股”这个标签背后的估值锚点了。

3.2 “第一股”的稀缺性溢价会持续存在，但窗口期有限

资本市场对“某赛道第一股”有一种近乎执念的偏好。消费电子历史上反复出现这种规律：当一个新的细分品类开始起量，二级市场会率先追捧第一个成功上市的代表性公司，给它远高于同行的估值倍数。因为对投资机构来说，第一股意味着没有对标物，没有历史估值锚点，故事的主导权掌握在公司手里；对散户来说，第一股意味着最纯粹的赛道敞口，不需要再买一篮子相关公司做组合。

这在新能源车、自动驾驶、TWS耳机等赛道都出现过类似逻辑，只是细节不同。AI眼镜第一股如果成功冲刺上市，短期内确实可以获得稀缺溢价，尤其当大厂创始人高调布局把赛道热度抬起来之后，二级市场会主动寻找“纯度最高的标的”。但窗口期不会太长，一旦有第二家、第三家AI眼镜公司陆续上市，稀缺性消失，估值逻辑就会切换到基本面对比，到那时候比的才是真正的出货量、毛利率和留存率。

3.3 三个让故事容易破功的数据，投资人必须重点盯

在资本故事之外，我更关心几个容易戳破泡沫的硬指标。首先是激活率与退换货率。很多AI眼镜在发布会上光鲜亮丽，但用户买回家戴十分钟就觉得头晕、夹头、发热，或者发现识别效果其实不稳定，退换货率高得惊人。如果一家公司只公布出货量，而不公布真实激活率、退货率、周活用户，它的故事就要打一个很大的折扣。

其次是核心技术占比。市面上大量所谓AI眼镜团队，本质上是把公模光学方案、通用主控芯片和公版大模型API拼在一起，软件层只做了很薄的定制。这样的公司在供应链波动面前毫无议价权，故事被戳穿只是时间问题。真正值钱的是拥有自研光机、自研端侧算法、自研交互框架的能力，这些才是“AI公司”而不是“组装厂”的分水岭。

最后是安全与合规成本。带摄像头的眼镜涉及人脸信息、位置信息、语音信息等敏感数据，一旦在数据合规上出现重大事故，品牌和资本故事都会瞬间崩塌。很多创业者对这一点严重准备不足，把隐私条款当法务文件去应付，而不是当作核心产品架构去设计。一家把隐私开关和端侧处理做进系统底层的公司，和一家拿开源方案改改就上架的公司，长期价值会越拉越大。

4. 决定AI眼镜成败的元器件：光波导、显示与端侧算力的三重博弈

4.1 光波导方案：自研能力与组装能力的分水岭

AI眼镜要不要做显示，是产业里一个重要的分岔路。不带显示的纯音频AI眼镜成本低、功耗低、量产容易，但交互深度有限；带AR显示的AI眼镜体验完整，却要在光学上下大功夫，其中最关键的就是光波导。光波导相当于把显示芯片上的微小画面“传导”到人眼前的镜片中，并放大成清晰的虚像。没有光波导，AR显示就只能做成笨重的头显，做不成眼镜形态。

目前主流的光波导路线可以粗略分成几何光波导和衍射光波导两种。几何光波导靠微棱镜阵列反射光线，工艺难度高，但色彩表现和视场角控制通常更好；衍射光波导靠光栅结构衍射光线，量产一致性相对容易提升，但会有色散问题，容易在高亮场景下看到彩虹效应。现在越来越多团队转向衍射光波导加优化算法的路线，用软件补偿硬件的不足。下表简单对比了二者的核心差异：

从实际选型角度看，做消费级AI眼镜的团队现阶段会更倾向于衍射光波导，因为它更适合把厚度控制在2毫米以内，贴合镜片形态；但要想做到显示效果通透、色彩还原准确，团队必须在衍射光栅设计和后端图像算法上投入大量研发资源。资本市场看一个AI眼镜项目是“自研”还是“组装”，最简单的方法就是看光学部分有多少专利、产线有多少关键工艺掌握在自己手里。

4.2 显示方案：Micro-LED和Micro-OLED的竞速

光波导负责“把画面导到眼前”，真正的画面源则来自微型显示屏。现在AI眼镜主要用两种方案：Micro-OLED和Micro-LED。Micro-OLED成熟度更高，很多已经在AR眼镜上用，色彩和对比度不错，成本相对可控；Micro-LED亮度更高，更省电，寿命更久，是理论上最理想的显示源，但它需要把LED芯片微缩到微米级并巨量转移到驱动基板上，工艺难度极高，成本一时难以降下来。

用一组直观数据来说明：Micro-OLED的典型亮度能到几千尼特，对室内佩戴完全够用；Micro-LED的潜力可以达到数万尼特，即使白天户外光线下，画面叠加依然清晰可见。但户外场景正是AI眼镜最核心的应用场景之一，毕竟室内场景更多被手机和电脑覆盖，用户只有在走动、旅行、运动时才更需要“眼前多一层信息”。所以Micro-LED的成熟度，会直接影响AI眼镜从“室内尝鲜玩具”变成“全天候随身终端”的进度。

现阶段不少团队为了保成本和抢时间，会选择先上Micro-OLED，把功耗和亮度问题用软件策略回避掉，比如仅在特定场景激活显示，平时就当普通眼镜用。这个策略在量产初期很务实，但长期来看，Micro-LED一定是最值得押注的方向。那些从芯片巨头出来的人，对这种“明知道未来方向但必须等供应链成熟”的节奏感，会比消费电子背景的团队更有耐心——他们在GPU迭代上早就习惯按工艺节点规划产品路线图了。

4.3 端侧大模型：如何在几瓦功耗里跑出智能

再往芯片层面看，AI眼镜的算力分配是最大的设计难题。眼镜本体能塞的电池极其有限，主流产品也就是300到600毫安时，还要分给显示屏、摄像头、传感器、蓝牙和Wi-Fi。这样算下来，留给持续AI推理的功耗预算可能只有几百毫瓦级别。要在这么紧的功耗里实现实时识别和交互，不可能把手机同款大模型搬上来，必须走端侧小模型加云侧大模型协同的路线。

具体落地时会分层处理：本地芯片上的NPU负责执行低延迟、高隐私敏感的模型，例如人脸ID识别、手势判断、眨眼检测、基础语音指令；云端负责跑需要大模型能力的复杂理解任务，例如长对话、知识问答、多模态内容生成。本地模型一般控制在小参数量范围，通过量化压缩到8bit甚至4bit精度，配合内存带宽优化，在几十毫秒内完成一次推理。这种分层的核心思路，是把“响应速度”和“隐私安全”留给端侧，把“智能深度”交给云端。

从这个角度看，一款AI眼镜选哪颗主控芯片，直接决定了它的体验下限。当前主流选择会在旗舰手机SoC的低功耗版本、独立AR专用芯片和智能穿戴芯片之间做权衡。从芯片巨头出来的团队在这件事上容易建立明显优势：他们能看懂NPU架构的算子支持，知道哪颗芯片的驱动和模型部署工具链更成熟，更有能力跳过那些看起来功耗低但实际开发坑极多的“纸面神U”。

4.4 被忽视的工程细节：重量、发热、佩戴适配与隐私灯

技术指标之外，AI眼镜能不能变成日常消费品，还取决于一堆不起眼的工程细节。整机重量就是一个极其敏感的指标。普通光学眼镜大约在30克到40克，AI眼镜因为塞入芯片、电池、喇叭、摄像头和光机，重量很容易冲到80克以上。戴一两个小时就会在鼻梁和耳后留下明显压痕，这基本宣判了“全天候佩戴”的死刑。所以头部团队现在都在死磕每一克重量减少，这个过程中的复杂度远超外部想象。

发热问题同样致命。眼镜贴着太阳穴和脸颊，皮肤对温度的敏感度比手腕和手臂高得多。如果AI推理时局部温度快速上升，用户会第一时间摘掉设备。很多团队为了控制发热，不得不对模型推理频率和显示亮度做动态调整，甚至牺牲部分功能换取舒适度。这一类体验问题，不会写在发布会上，却直接决定复购率。

最后还有隐私指示的设计。带摄像头的眼镜最容易引发周围人的不适感，行业通用做法是增加一枚LED状态灯，摄像头工作时必须亮起，同时把隐私开关做成物理拨杆，而不是软件开关。这些设计看似简单，牵涉到结构开孔、系统权限管理和用户教育，却往往是一家公司是否真正把用户当人看的指标。AI眼镜不是给极客做的玩具，它要想走进大众市场，必须在每一处细节上证明自己配得上“日常佩戴”四个字。

5. 前高管创业团队的核心优势，恰好在供应链判断和量产节奏

5.1 能从芯片巨头带出来的，是旁人很难模仿的供应链视野

AI眼镜的整机BOM里，芯片、光学、显示和电池占比极高，尤其是主控芯片和光模组，几乎决定了产品能否按时量产、成本能否降到目标区间。一个从芯片巨头出来的人，在这类关键器件上有天然的信息优势。他知道哪颗芯片的供货周期稳不稳、哪家光波导厂商的良率数据更可信、哪些供应商是拿PPT画饼，哪些是真正有稳定产线的大厂，这种判断力在项目早期能省下大量试错成本。

更重要的是，他们通常更早接触过工艺路线图。芯片行业有非常明确的节点规划，每次制程微缩都伴随多年的研发积累，这种长周期规划思维用到智能硬件上，体现为对产品迭代节奏的克制。很多创业团队第一款产品就要塞满所有功能点，结果工程复杂度暴涨，项目拖延，错过了窗口期；而真正有供应链经验的团队，往往会选择成熟度最高、最容易量产的方案先上，把黑科技留给第二代、第三代产品。AI眼镜现在其实不缺技术方向，大多数团队反而是因为什么都想做，才把产品拖进泥潭。

5.2 资本节奏和产品节奏怎么协调，是门手艺

前面提到冲刺资本市场，但上市节奏和产品节奏一旦错位，故事就会变味。最典型的情况是，资本希望在招股书里看到好看的营收数据，于是团队为了冲收入，把产品低价铺进B端渠道，拉出一堆低毛利的政企订单。表面营收上去了，但消费市场口碑没有起来，后续迭代又缺乏资金支撑，最后变成资本故事和产品价值的互相消耗。

我见过相对务实的做法是两步走：第一阶段用半开放式的开发者版或行业限量版验证核心场景，比如巡检、翻译、直播拍摄辅助，通过B端的付费意愿反哺研发；第二阶段等供应链成熟度上来，再推出面向大众市场的消费版，用第一阶段的场景口碑做冷启动。这样做的好处是，B端订单能撑起一条确定的现金流，同时把产品稳定性打磨到消费级要求。至于“第一股”这种目标，更适合用在第二阶段，也就是当消费版已经具备了起量能力，资本市场再把稀缺性溢价真正坐实。

5.3 多数团队在AI眼镜上踩到同一个坑：把复杂度误解为高级感

入行这几年，我确实见过不少AI眼镜团队，产品概念一个比一个宏大，动辄想做到全场景智能助理，连起床、日程、导航、社交提醒全都要包揽。真做出来之后，交互逻辑复杂到连发布会都没法在两分钟内演示清楚，用户根本记不住那些藏在二级菜单里的功能。这是典型的把复杂度误解为高级感。

AI眼镜作为贴身设备，核心交互一定得是“所见即所得、所说即所答”，用户不应该思考“这个功能怎么打开”，而是戴上看一眼、说一句，事情就完成了。好团队会把90%的资源投在三个最核心的体验上，比如实时翻译、信息提示、AI记录，把每一个做到极致，而不是面面俱到地堆砌功能。从芯片巨头出来的高管在这件事上往往会有优势，因为在芯片行业，简洁从来不是功能少，而是把复杂度藏进架构里，让用户无感知。AI眼镜这门生意，本质上也是同样的道理。

6. 回到开头的问题：AI眼镜距离“人手一副”还差几个身位

6.1 三个阶段的演进路径比“第一股”本身更重要

“AI眼镜第一股”能不能成，能走多远，归根到底取决于产品能不能完成从尝鲜工具到AI助理再到信息过滤器的三级跳。第一阶段的尝鲜工具，对应的用户是科技爱好者和内容创作者，他们买AI眼镜主要为了拍照、录像、直播，或者体验一下AR效果，这个阶段出货量能做到百万级别就算成功。第二阶段是AI助理，用户开始依赖它做信息提醒、翻译、导航、记录，这时候设备开始像当年的智能手机一样变成贴身效率工具，出货量进入千万级别。第三阶段是信息过滤器，AI眼镜成为大多数用户面对世界时的第一层UI，帮你屏蔽无效信息、提示重要信息，那时它的价值会超过手机，成为新的个人计算中枢。

我们现在的大环境，本质上是第一阶段刚刚开始，第二阶段只有零星雏形，第三阶段还是远期叙事。所以看待资本市场上的“第一股”热潮，既要看到它的长期逻辑，也要清醒意识到，已经有太多赛道在第一阶段就被资本提前透支，最后产品没有跟上故事，泡沫破裂。对真正做产品的团队来说，上市不是终点，只是拿到更充足弹药去打第二阶段攻坚战的起点。

6.2 我最看好的三条细分主线：运动户外、远距离沟通、垂直行业辅助

如果让我押注未来两到三年内AI眼镜最容易起量的缝隙市场，我会选三个方向。第一个是运动户外，尤其是骑行、跑步、徒步这类需要解放双手、又要实时看速度、心率、轨迹和导航信息的人群。眼镜形态天然适合在这种场景替代手机支架和运动手表，而且户外强光环境也开始倒逼Micro-LED显示方案更快成熟。第二个是远距离沟通辅助，听力受损人群、跨语言交流场景、会议同传，这类用户对AI翻译和字幕叠加有极强的付费意愿，客单价可以做得起来。第三个是垂直行业的作业辅助，比如电力巡检、仓储拣选、精密装配、医疗手术辅助，在B端场景里AI眼镜能显著提升作业效率，流程相对比较标准化，也是最容易产生实际订单的入口。

这三条线的共同特点是：场景目标明确，用户对功能的需求大于对社交属性的需求，佩戴时间集中在特定任务时段而不是全天候，避开了AI眼镜在时尚感和全天续航上的弱势。换句话说，在第一阶段，别跟传统眼镜品牌比好看，先跟手机和专用工具比效率，AI眼镜赢面反而更大。

6.3 最后分享一个我自己的判断方法

这几年看了太多项目之后，我养成一个习惯：凡是听到“AI眼镜”概念，先问三个问题。第一，团队有没有搞定供应链里最瓶颈的那一两个器件，比如光波导良率、主控芯片供货、电池能量密度；第二，有没有跑通一个用户愿意反复使用的核心场景，而不是发布会上的炫技演示；第三，数据隐私和合规处理是已经开始系统设计，还是停留在“以后再说”。三个问题里只要有一个答不上来，不管“第一股”的故事讲得多动听，我都会打个大折扣。

资本市场喜欢故事，产业最终喜欢交付。从芯片巨头到AI眼镜创业者，从科技大佬站台到“AI眼镜第一股”冲刺，这些热闹里确实有信息量，但最核心的判断标准从来没变过：能不能做出一款让人愿意天天戴、并且戴得住的产品。只要这款产品还没出现，赛道上的一切讨论就都还有大量变数；而一旦它真的出现了，整个消费电子行业的格局都会因此重写。