秋鳳空間 | 理想AI眼鏡，小利益大圖謀

經過一周左右的預熱，12月3日晚，理想發布了ai眼鏡livis（致敬《鋼鐵俠》中的ai賈維斯）。價格比此前媒體猜測的更低，基礎版1999元。重量只有36g，續航18.8小時（持續錄41分鐘視頻），理想起碼找到了續航、穿戴性（輕量）和性能的平衡點，而且這個平衡點，可以被用戶接受。價格也很有誠意。

現在市面上ai眼鏡已經不少了，有輿論稱「百鏡大戰」。 功能也都集中於拍照/視頻、翻譯、聽歌等輕應用。這和十幾年前未能發售的谷歌眼鏡，形成鮮明對比。ai應用如今如此豐富，電池能密也相比10年前翻番，這讓ai眼鏡商業化迅速打開局面。

汽車廠是大幾百億、千億級生意。ai眼鏡賣得好，也就千萬級生意。至少眼下，眼鏡比手機難做，毛利受到嚴格限制。顯然不能為了賺點小錢，應有更大的商業意圖。理想做眼鏡，和蔚來做手機，理由差不多，都是為了建立生態圈和做交互入口。那麼理想為什麼選眼鏡而非手機呢？李想給出的理由，智能眼鏡是ai能力的「最佳延伸」。其實更淺顯的理由，莫過於手機行業競爭太激烈了，規模門檻太高。手機是當前幾乎所有人群的主力信息設備，如果只有車主有足夠理由買，規模大概率不足以盈利。

ai眼鏡就不一樣了，它是小眾可穿戴設備，比智能手錶普及率要低很多，尚有可為。而且，它幫助車主通過眼鏡，形成車上、車下的無縫交互體驗。很多人機互動操作，無論車上車下，車機還是手機，眼鏡的體驗都比動手操作好。

為了車主操作方便，帶來更好的體驗，商業邏輯講得通。不過，布局ai邊緣設備（包括接下來的ai音箱），應有更大的企圖心。

就目前而言，戴在臉上的「理想同學」，從車內覆蓋到車外更廣闊的生活場景，培育用戶在生活中嵌入「理想同學」的習慣。這是典型的搶地盤、搶奪用戶心智的商業行為。

當前，新勢力都在布局具身智能。原因我們也討論過，具身智能和汽車，從ai角度看是同一類應用。都需要在泛化場景中實現自主行動能力，執行特定或者非特定任務。他們的終點也相同：agi（通用人工智慧）。

今年4月，李想表示ai時代終端有4個特點：對物理世界360°感知能力，認知決策能力，執行能力、反思反饋能力。理想之後做的終端，必須符合以上4個能力。這也透露了理想確實打算做多個ai應用終端，汽車是主力裝備，但不是唯一的。如果是這個邏輯，除了硬體研發，這些能力基礎，必須來自雲端算力（依靠本地算力是不夠的）。

在這種戰略思路的規划下，理想推出ai眼鏡，可以拓展用戶汽車場景之外的觸點，將生活多場景數據閉環。ai眼鏡被設計成圍繞感官中樞（人眼攝取的信息量超過其他感官的總和）重要節點，成為用戶與數字和現實交互的新界面。

理想將眼鏡視為agent擴展的功能入口。從理想同學app上就可以清楚地看到，app 里有的5 個 標籤：使用入口、記憶（時間線）、車控、眼鏡，以及後續要擴展的 agent 其他功能。理想同學作為ai助理，統領所有邊緣設備，共同組成與agent溝通的渠道。

從去年底開始，李想接受了至少三次長篇訪談。已經明確理想將轉向「ai對物理世界的理解與主動服務能力」。理想的vla，不能只限定為智駕的技術路線。從3月份理想發布星環os就可以看出，理想正在打造跨硬體的數字平台。平台上的產品，包括汽車、ai可穿戴設備、一直延伸到agent。

vla的路線恰恰也是感知、決策（通過語言大模型）和執行。所有理想旗下的agent，都將按照這一路線設計，在同一個數字平台上共享數據，並覆蓋所有生活場景。這就是生態。外圍設備用來擴大生態用戶基數、提升黏性。

眼鏡可從其他場景獲得數據（視覺、位置、語音），與車內vla轉移模型相互校驗和增強，共同優化對用戶習慣和物理世界的理解。比如，眼鏡識別出來的步行導航終點，可以無縫接力給車輛，進行接駁規劃。

李想將ai工具分為三級：信息工具、輔助工具、生產工具。司機vla模型，屬於生產工具，是承擔駕駛任務的「代駕司機」。而ai眼鏡、音箱等外圍設備，則是拓展感知、增加交互通道的媒介，相當於信息工具。

這些設備一起，構成了「雲-車-端」協同的具身智能網路：居於雲端的vla「大腦」能力不斷增強，而多樣化的「身體」（車、眼鏡、音箱乃至更多物理形態），則在不同場景中執行任務。

這與業界共識的「具身智能需要『大腦』（規劃）與『小腦』（控制）協同」的架構不謀而合。理想以車為核心，正嘗試構建一個初步的「大小腦」協同系統。而居家環境（高重複場景），人形機器人更具潛在價值，看起來具身智能早晚還是要做。特斯拉、宇樹、小鵬眼下都在做。只不過，擁有泛場景能力的機器人，技術更複雜，目前還很難實現商業閉環（大概率也是分階段兌現商業價值）。理想的意圖，應該還是希望給用戶的ai場景需求，做快速的體驗提升。按這個標準，機器人或者具身智能，是重要但並非優先的項目。

agi的終極目標，是擁有理解、學習能力，並在物理世界中能夠自主執行自選及人類分派任務。這些任務，當然都是基於人類利益而派生的。理想的路徑，看起來是通過垂直整合，先在移動場景（車內、車外）中，兌現一點接近agi的體驗。

比如，理想的司機agent」將進化為「個人生活agent」。當你坐在車裡對眼鏡說「我有點冷」，它如果讓車艙內提升溫度，是容易理解的。但是它也在後台同時向家裡的溫控器下令，將住宅溫度提升，因為它知道你在半小時後就會回家。這種規劃能力，就接近agi了。

vla目前架構已經有了，眼鏡能獲取其他場景數據的能力，就顯得重要起來。它可以將具身數據（駕駛、步行、居家）反哺到vla模型中迭代。其對物理世界的理解，超越僅依賴文本或片段視頻訓練的模型。通過強化學習，實現個性化vla，距離agi似乎更近了。

於是數據飛輪的價值也就凸顯出來。視覺和語言語料填餵給模型，模型會變得更強；體現出終端服務更具人性化、能聽懂潛台詞，並引申思考和執行。

如此看來，理想星環os設置為開源，其生態野心昭然若揭。可以預料，ai眼鏡和其他ai設備，在適當時候，也會開放介面，吸引開發者基於其具身感知和能力，創造新的應用。這樣不僅將擴展服務範圍，而且形成服務平台化。所有硬體產品，都應該在這個平台上提供服務，並協同衍生出更多數字化能力。

如此，理想發布ai眼鏡，不僅意在接駁ai數字世界與物理世界，而且通過拓展場景，爭奪agent的定義權。在這個過程中，將「智能汽車公司」轉型為業務更廣泛的「人工智慧科技公司」。

在邁向agi的道路上，那些能合法、連續、多模態獲取真實世界交互數據的入口，將擁有無可比擬的優勢。理想的生態布局，正是為了把控這種「數據入口」。

現在距離實現agi，還有很長一段路。但在這個過程中，可以逐段兌現商業利益，並通過平台化部署，形成生態。從這一角度，眼鏡並非車的「周邊」，而是與車一樣，是agent布局的一部分。

-  e n d   -