AI大模型開始具備上帝視角，所有人都在問同一個問題：下一代計算終端會是什么形態(tài)？

眼鏡是最熱門的答案。但光帆科技創(chuàng)始人董紅光給出了一個反直覺的方案：一對單耳僅11克重、卻裝了攝像頭的AI耳機。

作為小米第89號員工、MIUI 早期核心成員，光帆科技創(chuàng)始人董紅光他在過去十多年里深度參與了移動互聯(lián)網(wǎng)交互規(guī)則的構(gòu)建——圖形界面、觸控操作、APP生態(tài)，這些今天看來理所當然的東西，都是那一代人一行行代碼寫出來的。但從手機到AI硬件的跨越中，董紅光第一次發(fā)現(xiàn)，自己熟悉的規(guī)則全都要推倒重來。

那個靠點擊、滑動在無數(shù)APP孤島間切換的時代，正在撕開一條裂縫。

這期對話圍繞幾個核心問題展開：為什么是耳機而非眼鏡？從圖形界面到意圖感知，交互邏輯發(fā)生了什么根本變化？一個越用越懂你的AI助手，跟純工具有何不同？以及，為什么通用硬件的價值一定大于專用硬件？

一、為什么是耳機，而非眼鏡

當全行業(yè)都在押注智能眼鏡時，光帆科技卻選擇了把眼睛裝在耳機上。

董紅光是智能眼鏡的狂熱愛好者，但放棄眼鏡這個形態(tài)來自冷靜的判斷：眼鏡的重量、光機顯示效果、續(xù)航、對妝容的影響——這些問題短期內(nèi)難以解決。更關(guān)鍵的是，新品類需要用戶付出佩戴成本，而收益是否足夠覆蓋成本？

"耳機已經(jīng)是成熟的可穿戴大品類，"董紅光說，"用戶的佩戴成本已經(jīng)被聽音樂、打電話這些功能解決了。在這基礎(chǔ)上增加AI能力，就像當年iPhone——在舊有品類之上疊加智能化，用戶的購買決策成本和使用成本都更低。"

這套邏輯和當年蘋果做iPhone的策略如出一轍。蘋果當時同步推出了iPhone和iPod Touch，兩者幾乎一模一樣，但不能打電話的Touch銷量慘淡。原因很簡單：手機是成熟大品類，用戶本來就要帶一個出門，在這個基礎(chǔ)上疊加智能化，門檻幾乎為零。

至于為什么不選擇吊墜或胸針？答案很直接：攝像頭應(yīng)該到頭部位置。胸前掛件適合記錄，像執(zhí)法記錄儀一樣；但感知類應(yīng)用需要攝像頭與眼睛齊平。"你看什么，就想讓它看什么。如果放在胸前，你為了讓它看到，就得調(diào)整身體姿態(tài)——這不符合人的直覺。"

而且耳機天然占據(jù)了離嘴巴和耳朵最近的位置，是語音交互的第一界面。扎克伯格最近也說，AI硬件交互的第一界面應(yīng)該是音頻，他們甚至打算在下一代嘗試不帶顯示屏的AI眼鏡。

大家想的其實差不多，只是用不同形態(tài)來呈現(xiàn)。

為什么是"耳機+手表"的多設(shè)備聯(lián)動？

AI時代有個關(guān)鍵前置條件：算力必須在云端。大模型無法在端側(cè)跑出好效果，這意味著交互與計算解耦。既然云端是大腦，它長出來的身體就不必只有一個。

"我們用耳機+手表的套裝，既能規(guī)避眼鏡的重量和續(xù)航短板，又能提供更多傳感器和交互形態(tài)。"

眼鏡想集成麥克風(fēng)、揚聲器、攝像頭、顯示屏于一身，技術(shù)難度極高。光帆把功能拆解：耳機負責聽、說、看（攝像頭）；手表負責屏幕顯示、觸控交互、GPS定位和生物傳感。手表還能放獨立聯(lián)網(wǎng)模塊，分擔計算和連接任務(wù)，減輕耳機的散熱和續(xù)航壓力。

這是一個在當下更務(wù)實的方案——用多設(shè)備的物理組合替代單一設(shè)備的工程難題，在眼鏡技術(shù)完全成熟之前，提供一套最接近全能AI助理的落地體驗。

做成這個耳機難在哪里？

在11克的單耳空間里，光帆塞進了視覺模組、電池、通信模塊。這個過程充滿一把辛酸淚。

最大的挑戰(zhàn)是：沒有一顆芯片能同時搞定通信、耳機功能和攝像頭。這就需要塞好幾個芯片，體積和重量都會暴增，功耗變大，電池也得更大，最后導(dǎo)致佩戴舒適性全面崩潰。

"我們的堆疊極致到?jīng)]有任何縫隙。結(jié)構(gòu)工程師想調(diào)一點造型，都說沒有任何空間了。"

最讓人意外的難點是：攝像頭前面的弧線造型。"我們希望把攝像頭隱藏起來，因為一顆攝像頭盯著你會讓人很不舒服。"

但弧面會讓光線產(chǎn)生干涉，AI就看不清東西了。為了保證弧面效果又讓AI能看清，整個結(jié)構(gòu)設(shè)計極其復(fù)雜：中間是標準圓形，然后過渡成橢圓形。而且不能用玻璃，只能用高透光率的樹脂材料，還得耐摔、耐磨。"這件事大家很容易忽略，但我們花了巨大精力。"

最痛苦的取舍是攝像頭像素。一開始想搞1200萬或800萬像素的高清攝像頭，能拍照錄像。但那樣體積大、功耗大、重量大、電池也得大——為了三五天用不了一次的功能，犧牲平時一直佩戴的體驗。

最后選擇了200萬像素。"這顆攝像頭的使命是看懂、是感知，不是拍照。它是理解環(huán)境，不是記錄世界。"

二、從圖形界面到意圖感知

這是全球第一款具備視覺感知能力的AI耳機。

市場傳聞，OpenAI也要做類似產(chǎn)品，但為什么是光帆率先做出來？

網(wǎng)傳OpenAI的智能耳機樣式

董紅光的回答很坦誠："大公司能力很強，我毫不懷疑他們能做得更好。但我們想得更早，動手更快。"創(chuàng)業(yè)第一天就在想是否有更好的形態(tài)，而大公司可能更想先探索現(xiàn)有形態(tài)并做優(yōu)化。

更重要的是團隊基因——做操作系統(tǒng)需要軟硬結(jié)合，需要在軟件、硬件之間反復(fù)推導(dǎo)。"做操作系統(tǒng)的人對這些邏輯更敏感。"

在最早期階段，光帆就吸引了寧德時代、韶音、兆易創(chuàng)新等產(chǎn)業(yè)鏈頭部公司的投資——基本上聚集了可穿戴領(lǐng)域全產(chǎn)業(yè)鏈的陣容。這些產(chǎn)業(yè)方深耕多年，對趨勢極其敏感。當董紅光展示方案時，一位產(chǎn)業(yè)大佬連說三次"我看到了未來"。

為什么？因為AI讓所有事情值得重新做一遍，AI硬件一定會被重新定義。

過去這些可穿戴設(shè)備只是手機配件，價值有限。但當它們變成交互入口，能做的事就太多了。

而光帆自研操作系統(tǒng)的能力，正是把這件事落地的關(guān)鍵。

為什么AI硬件需要自研操作系統(tǒng)？

"我們倒很想用別人的操作系統(tǒng)，"董紅光說，"創(chuàng)業(yè)公司資源有限，希望聚焦在產(chǎn)品本身。但確實沒辦法。"

今天無論是Windows還是Android，都沒辦法支持AI助理的形態(tài)。它們還是以圖形交互為主，不是以調(diào)度大模型、用語音和視覺方式交互為核心的。

傳統(tǒng)手機OS超過一半的代碼是圖形代碼——怎么操作GPU，在屏幕上畫東西，抽象成按鈕、下拉框、列表。但AI操作系統(tǒng)不需要這些，它更多是：怎么編排語言？怎么調(diào)動傳感器？什么時候開攝像頭？什么時候用語音告訴你？什么時候用手表屏幕顯示？

手機OS的核心是調(diào)度GPU進行圖形渲染，響應(yīng)點擊。AI OS的核心是調(diào)度大模型和傳感器。

光帆的操作系統(tǒng)采用"云端+端側(cè)"雙層架構(gòu)：云端運行核心操作系統(tǒng)，負責調(diào)度大模型、編排任務(wù)、處理意圖理解，這是大腦所在；端側(cè)運行實時操作系統(tǒng)，負責管理連接、傳感器數(shù)據(jù)采集和即時反饋，相當于神經(jīng)末梢。

這套系統(tǒng)的核心是多模態(tài)交互系統(tǒng)——操作系統(tǒng)充當司令官，決定何時開啟攝像頭（視覺感知）、何時調(diào)用麥克風(fēng)（聽覺）、何時通過耳機播報或手表屏幕顯示。

帶攝像頭的AI耳機如何挑戰(zhàn)智能手機的傳統(tǒng)交互模態(tài)？

手機交互是被動的、工具化的。比如出行要打網(wǎng)約車，用戶腦子里有需求，必須一步步點擊操作——解鎖、找APP、輸入地址、確認車型、支付。這是人適應(yīng)機器的工具邏輯。

AI交互是主動的、代理式的。用戶只需直接表達最終需求——"幫我打車回家"，AI負責在后臺理解意圖、拆解步驟、調(diào)用服務(wù)。這是機器適應(yīng)人的代理邏輯。

董紅光舉了個例子：很多有錢人都有助理，但有錢人自己不會打車嗎？當然會。但當旁邊跟著助理時，他就會經(jīng)常說"幫我打個車回家"。AI更像是這樣一個助理，能幫你把事情干了。

以打車場景為例：這看起來簡單，但充分調(diào)動了光帆所有的能力。

首先是主動式觸發(fā)。系統(tǒng)知道用戶的機票信息、航班時間、航站樓，通過GPS知道當前位置，結(jié)合實時路況計算，會主動在耳邊提醒："晚上7點你有個飛機，我看了一下路況，你現(xiàn)在差不多該出發(fā)了，要不要我?guī)湍憬袀€車？"

用戶說"好"，它就去叫車。叫車之前，還會在手表上顯示上車點——因為用戶得看一下具體在哪里上車。打完車后，耳機播報"車打到了，白色豐田"，手表同步顯示車牌號。

看這套東西看起來好像很簡單，但實際上調(diào)度了各個應(yīng)用的數(shù)據(jù)（日歷、機票、打車），調(diào)度了各個器件（GPS、耳機揚聲器、手表顯示）。手機上完成同樣的事情，至少需要十幾次點擊。而且手機是被動的——用戶自己腦子里一直得想著這事，掏出手機操作半天發(fā)現(xiàn)還早，過一會兒再掏，再操作。

主動式的好處就是你不用想了。

理想的AI體驗是讓用戶忘掉硬件的存在——在后臺悄無聲息處理瑣碎意圖，僅在必要時打擾用戶，讓用戶盡快回歸現(xiàn)實生活。

三、主動智能：越用越懂你

很多人會問：攝像頭是常開感知嗎？不是。常開意味著功耗和散熱都搞不定。

光帆的攝像頭有兩類觸發(fā)方式。第一類是事件性觸發(fā)：用戶明確說"幫我看一下這是什么"，攝像頭就開了，識別完就關(guān)。第二類更有意思——預(yù)判性觸發(fā)。

比如系統(tǒng)要主動跟你閑聊，或者要播報一條消息，它會先開一下攝像頭，看你忙不忙。如果發(fā)現(xiàn)你正在跟別人聊天，它就不打擾了。

主動服務(wù)的難點在于分寸感。什么時候主動？主動到什么程度？

董紅光的策略是收著做：很明確應(yīng)該提醒的，就提醒；模糊的場景，先收一收。

光帆和純工具最大的不同是：它關(guān)心使用者，關(guān)心主人是誰。

博物館的講解器、商場的導(dǎo)覽機，都是工具，不需要知道使用者是誰。但AI助理必須深度了解用戶，才能做到主動服務(wù)。

光帆構(gòu)建了一整套用戶畫像體系。記憶來源有四類：

• 第一類是傳感器帶來的記憶片段——去了哪里、看到什么，這些都會被向量化存儲。

• 第二類是對話內(nèi)容——閑聊時聊了什么，讓AI干什么事，這些都會被切片化處理。

• 第三類是行為記錄——幫用戶訂機票、打車、買東西，這些交易行為也會被存儲。

• 第四類是主動托付——用戶明確讓AI記的事情，明確指令一般都是比較關(guān)鍵的事，這類記憶優(yōu)先級最高。

這些記憶會做權(quán)重處理。比如用戶每天早上都跑步，慢慢跑步場景權(quán)重就高了；偶爾進一次城，這個陌生地區(qū)的權(quán)重就比較低。慢慢地構(gòu)建出精準的用戶畫像。

"比如去故宮，有的人第一次去，我就給你講解講解。但有的人是故宮發(fā)燒友，天天去跑，我就沒必要講了。這種差異化體驗完全依賴用戶畫像的積累。"

這也造成了遷移成本。用戶使用得越多，留下的記憶片段越多，AI就越懂用戶。換到一個從零開始的新設(shè)備會很難受——就像換了一個助理，什么都得重新教。

好消息是，記憶存儲在云端，不在端側(cè)。換設(shè)備時記憶跟著走，未來出二代產(chǎn)品也不用"重新招助理"。理論上，這些記憶甚至可以打包帶走。

幾個核心場景：打車、博物館、旅游

打車場景前面已經(jīng)詳述。這里再補充博物館和旅游場景。

博物館是光帆的核心場景之一。傳統(tǒng)的博物館講解器需要租借設(shè)備、走到特定位置才能觸發(fā)講解。很多打車的AI產(chǎn)品也在推博物館講解功能，但需要用戶詳細描述"我在某博物館看到了某個東西"——如果用戶自己也不認識，還怎么描述？

光帆的解法是：因為有GPS，自然知道用戶在哪個館；因為有視覺識別，自然知道這是什么作品。用戶只需要看著展品，手表上輕輕一劃（支持息屏觸摸），就能聽到講解——不用說話。

"我是i人，我們設(shè)想過很多場景，希望盡量不讓他說話就能搞定一些東西。"

旅游場景更有想象空間。名山大川不一定需要純視覺感知，基于地理位置就能觸發(fā)。"走到虎跳峽了，我覺得你這個地點應(yīng)該欣賞些什么樣的美景，給你大概說一說。"

更實用的是餐廳推薦。用戶在街頭說"我想吃個清淡一點的"，系統(tǒng)不用用戶描述周圍有什么，直接開攝像頭掃一下前方幾個餐廳，優(yōu)選出清淡的那家。

還有實時翻譯。異地旅行時，視覺加聽覺的組合，自然就能完成翻譯。

"單旅游場景就足夠吸引非常多人了。甚至應(yīng)該成為核心的出貨渠道——博物館、藝術(shù)展、名山大川、異地翻譯，所有需要講解和解釋的場景。"

最后是靈感記錄。董紅光自己天天在用的功能：開車時有個靈感，輕輕一敲耳機就說，不用掏手機。過去你得掏手機、選應(yīng)用——日程輸?shù)饺諝v，待辦輸?shù)絋odo，有些事輸?shù)絺渫?，有些發(fā)到微信——到處輸，到處找?，F(xiàn)在就是碎碎念，AI幫你整理。回頭可以直接問"我那天記了個什么事"，它就給你找到了。

"平時經(jīng)常腦子中一閃而過一堆靈感，掏手機的過程中就忘了?，F(xiàn)在敲一下就說，完事了。"

四、通用硬件的價值一定大于專用硬件

AI硬件分兩種：專用和通用。

專用AI硬件像MP3、數(shù)碼相機、功能手機，一個設(shè)備上就兩三個功能。這種情況下，操作系統(tǒng)可有可無，硬件直接對接功能，中間一層薄薄的小系統(tǒng)就夠了。

但通用AI硬件要做AI助手，不可能只干一兩件事。需要接入海量應(yīng)用和服務(wù)——旅游、打車、日程、外賣、博物館講解——只有操作系統(tǒng)才能把復(fù)雜硬件和多傳感器穿起來，把海量應(yīng)用接進來。

"專用硬件像是只做一件事的工具，只需簡單指令集。通用AI硬件要成為具備感知、記憶和決策能力的'智能體'，需要操作系統(tǒng)來統(tǒng)籌云端大腦、端側(cè)感官以及海量服務(wù)生態(tài)。"

這也是為什么光帆一上來就強調(diào)操作系統(tǒng)的普適性。就像iOS和Android最初是為手機設(shè)計的，后來發(fā)現(xiàn)平板、車機、電視都能用——凡是有圖形界面的都能用。光帆的思路是：凡是以語音交互為主的AI品類，未來都可以用這套操作系統(tǒng)。

光帆如何解決AI設(shè)備的吃灰問題？

AI硬件最大的問題是：新鮮感只有幾天。

人形機器人買回來翻個跟頭就吃灰了，智能眼鏡也很少有人持續(xù)佩戴。

光帆的解法是，高頻帶低頻。

首先，選擇的兩個品類本身就是成熟大品類。開放式耳機用戶本來就會天天佩戴——聽歌、接電話。手表用戶本來就會每天戴——看時間、運動健康。即便不用AI功能，這兩個設(shè)備依然有極高的日常實用價值。

"即使用戶不使用AI功能，這兩個設(shè)備依然是好用的耳機和手表。這就解決了'吃灰'問題——設(shè)備一直在用戶身上，AI就有機會在合適的場景被喚醒。"

其次，在剛需場景和高頻場景之間平衡。博物館講解是剛需但低頻，消息提醒是高頻——重要消息在耳邊提醒，下一個會什么時候開，到家提醒取快遞，到超市提醒買東西。高頻場景讓用戶持續(xù)佩戴，低頻剛需場景在需要時正好派上用場。

"我們得益于操作系統(tǒng)，開發(fā)一個應(yīng)用成本很低。所以既要剛需的，又要高頻的。"

光帆的科幻終局

"光帆"這個名字來自科幻領(lǐng)域的星際推進技術(shù)——不攜帶燃料，靠光壓持續(xù)加速。在有限燃料下，傳統(tǒng)火箭只能做短途旅行。但光帆可以做得很輕，一點一點往前走，慢慢提升速度，接近光速，走得很遠。

董紅光說這正是他們做事的風(fēng)格。

• 第一，AI賽道是確定的，但路徑需要探索。"我們用務(wù)實的方式，讓用戶以更低成本接受，一點點推進。"

• 第二，探索本身就有價值。"別人沒有做過的路徑，未見得是對的，但這個探索本身就有價值。"

• 第三，最后支撐前行的是希望。"創(chuàng)業(yè)資源有限，很多時候彈盡糧絕。但光代表希望——當你彈盡糧絕的時候，依然能通過希望讓這家公司繼續(xù)前行。"

在看不清遠方的AI大航海時代，董紅光最篤定的是什么？

"AI一定能改變?nèi)说纳?。今天雖然大模型離很多人都很遠，但它可以離人很近，只是工程和產(chǎn)品上還沒有落地。這件事是確定的。"

在用戶每一次不再掏出手機的那個瞬間，AI硬件的價值才真正顯現(xiàn)。光帆選擇了自研OS，選擇了給耳機裝上攝像頭這個反直覺的方案，正是在確定的方向上，做不確定的探索。

一點一點往前走，慢慢提升速度，走得很遠。