智東西
作者 云鵬
編輯 李水青

智東西5月9日報道，昨日，阿里巴巴旗下千問AI眼鏡S1迎來正式發(fā)售后的首次重磅更新，主動式AI服務(wù)升級、3D空間化顯示是本次兩大核心升級方向。

新功能發(fā)布期間，智東西在上海與阿里巴巴千問AI硬件產(chǎn)品總監(jiān)吳建軍（晉顯）進行了面對面深入交流，從產(chǎn)品背后的產(chǎn)業(yè)深度思考到今天諸多升級背后的關(guān)鍵技術(shù)突破和布局，我們看到阿里正成為AI眼鏡賽道不容忽視的一匹黑馬。

▲阿里巴巴千問AI硬件產(chǎn)品總監(jiān)吳建軍（晉顯）

一些晉顯在分享中提到的重要觀點：

·主動服務(wù)的本質(zhì)，在于它對用戶所處環(huán)境和用戶自身的深度理解；

·在AI眼鏡這個載體上，“AI助理即OS”；

·阿里做AI眼鏡是以AI驅(qū)動為主，一定要讓AI的科技感以一種非常普適的用戶價值融入日常生活；

·主動智能絕不能變成一個野蠻的、讓用戶感覺失控的東西，必須給用戶足夠的控制權(quán)和產(chǎn)品設(shè)計的思考；

·數(shù)字世界產(chǎn)生的信息必須和物理世界一樣具備3D感，才能真正實現(xiàn)融合；

·千問AI眼鏡的核心價值和競爭力在于整個AI解決方案，即AI生活助理；

一、讓AI眼鏡學(xué)會主動服務(wù)，到底難在哪里？

在晉顯看來，如今人每天獲取的信息量極大，處理信息的能力在某一時刻已經(jīng)嚴重超載。面向未來數(shù)字世界的信息井噴與虛實結(jié)合，隨著技術(shù)快速發(fā)展，我們確實需要一個身邊的助理，幫助承接那些瑣碎、占用精力、可能缺乏創(chuàng)造力和社交互動性的事務(wù)。這種承接就是團隊今天想做主動服務(wù)的原因。

主動服務(wù)的本質(zhì)，在于它對用戶所處環(huán)境和用戶自身的深度理解，包括超長上下文，以及未來連續(xù)的視覺理解和感知能力，這無疑是整個行業(yè)的趨勢。

晉顯提到，為了實現(xiàn)主動服務(wù)，團隊將所有架構(gòu)完全重構(gòu)，面向主動服務(wù)重新打造了系統(tǒng)，這意味著把部分選擇權(quán)或執(zhí)行權(quán)讓渡給大模型，因為大模型未來的規(guī)劃能力和復(fù)雜任務(wù)編排能力將遠超預(yù)期，這是從底層架構(gòu)上就要先走的一步。

早一代的架構(gòu)，市面上大多是純集聯(lián)式的，完成意圖理解和分發(fā)后進入調(diào)用各個Agent，但Agent很多時候?qū)τ脩舳允莻€黑盒，中間想修改或干預(yù)，必須遵循Agent間的標(biāo)準(zhǔn)交互方式去繼續(xù)下發(fā)任務(wù)。

千問AI眼鏡的主動服務(wù)具備主動編排復(fù)雜任務(wù)流程的能力，它聽起來像是能協(xié)同多個Agent進行多流程、多線程的工作，其架構(gòu)天然就是為兼容這種能力而生的。

這里面有一個非常困難的地方：如果要做這件事，就不能只是調(diào)用別人的Agent，而要把別人的東西都完全以原子化的方式變成Skill。當(dāng)千問AI眼鏡的模型面對眾多原子化的Skill時，它的自由度就會非常高，可以根據(jù)自己的規(guī)劃、編排、對意圖的理解以及記憶系統(tǒng)等，完成許多事情。

在晉顯看來，在AI眼鏡這個載體上，“AI助理即OS”。

就像在一個飯店里，有眾多廚師，每位的菜都差不多炒好了，你最后只能把這些菜組合成套餐提供給消費者，定制化程度極低。每個廚師都有他的手藝和Know-how。

千問AI想做的是，不希望有這么多的Agent、想要它們都變回原材料，然后有一個非常強大的“五星級大模型”，由它來下廚，把原子化的東西炒成各種各樣的菜，這樣它能搭配的種類會非常多，直接面向最終開發(fā)者或用戶。

在他看來，今天每家廠商做AI眼鏡的邏輯都各不相同，阿里是以AI驅(qū)動為主，一定要讓AI的科技感以一種非常普適的用戶價值融入日常生活，這是他們做這件事最關(guān)鍵的理由，他們并非簡單做一個硬件，然后等軟件慢慢迭代。

當(dāng)然，任何事都有正反兩面，阿里做AI主動服務(wù)，同樣會權(quán)衡，看正向收益是否遠遠大于負向。

當(dāng)AI交互頻次升高，天然會犧牲部分功耗。但今天千問AI眼鏡實現(xiàn)的主動服務(wù)對整體功耗的影響極其有限，用戶每天與AI的交互頻次大幅提高，由此帶來的些許功耗提升，是他們愿意付出的代價。

其次，關(guān)于用戶能否適應(yīng)、該不該打擾、何時出現(xiàn)，團隊思考很多。關(guān)鍵點是，第一，對用戶意圖理解的準(zhǔn)確性。有些是明確主動意圖，比如用戶每天都想聽某個喜歡的新聞；有些是模糊意圖，比如用戶詢問天氣后，AI助理推理是否要幫忙叫車或訂日程。首要把握的是用戶意圖的準(zhǔn)確性。

第二，是場景關(guān)聯(lián)性，比如對環(huán)境的理解和感知，對用戶對話歷史的理解，或通過一些傳感器的感知等。這兩個點是判斷主動服務(wù)該不該主動的核心。

此外，在產(chǎn)品交互設(shè)計上，最重要的是一定要讓用戶掌握主動權(quán)，可以隨時打斷、隨時修改。主動智能絕不能變成一個野蠻的、讓用戶感覺失控的東西，必須給用戶足夠的控制權(quán)和產(chǎn)品設(shè)計的思考。

二、空間計算是大趨勢，3D空間顯示是階段性一小步

除了主動式AI能力的海量更新，3D空間顯示也是非常直觀且重磅的一項升級。

為什么要做3D空間顯示？

晉顯特別提到，其實他們最初計劃將雙光機裝入產(chǎn)品時，就已經(jīng)有了做3D空間顯示這個想法，只是將其劃分為不同階段來實現(xiàn)。通過雙光機利用雙目視差，將立體畫面渲染到眼前，這是第一步。

至于第二步，團隊考慮到，無論是任何UI界面的排布，還是未來需要3D呈現(xiàn)的場景，3D都能帶來諸多益處。這要回到最本質(zhì)的問題：數(shù)字世界和物理世界怎么能融合？答案就是，數(shù)字世界產(chǎn)生的信息必須和物理世界一樣具備3D感，它才能實現(xiàn)融合。

因此，從整機架構(gòu)、器件選型、產(chǎn)品主張，到未來諸多場景的拓展，千問AI眼鏡團隊做這一切的核心目標(biāo)都是為了實現(xiàn)所謂的空間3D，這是整個過程中的一個關(guān)鍵里程碑。

三、AI體驗之戰(zhàn)說到底是生態(tài)之戰(zhàn)

當(dāng)前，AI眼鏡在硬件層面還面臨許多挑戰(zhàn)，例如芯片、攝像頭、電池等零部件都有極大迭代空間，而這些問題的解決需要供應(yīng)鏈協(xié)同解決，心急吃不了熱豆腐。

相比之下，廠商可以在軟件和生態(tài)層面做的工作有很多，對于AI體驗的提升同樣十分關(guān)鍵。

在晉顯看來，AI能力可以分為兩部分來看，回答聰明和良好的“生活A(yù)I能力”。

在回答聰明方面，阿里有自己的千問App，一直與集團內(nèi)部能力最強的千問大模型版本綁定，所有關(guān)于模型回復(fù)的策略都經(jīng)過優(yōu)化。團隊一直在不斷提升AI助理的智力水平，令其無論是在通俗領(lǐng)域還是垂直行業(yè)的專業(yè)水平都保持在行業(yè)領(lǐng)先地位。

生活A(yù)I能力方面，由于千問App本身的能力做得比較豐富，AI眼鏡在策略上會優(yōu)先選擇那些適合眼鏡場景的能力。對于那些已通過App或AI原生應(yīng)用教育過用戶、使用戶養(yǎng)成習(xí)慣的操作，當(dāng)用戶覺得利用一個隨身設(shè)備也能不動聲色地完成時，他們會陸續(xù)通過二期、三期等階段性更新去做好能力覆蓋。

晉顯也提到，眼鏡絕不僅僅是App能力的復(fù)制。兩者交互方式存在極大不同。第一，眼鏡能釋放雙手；第二，眼鏡的交互是即時的，信息就在眼前耳邊；第三，是與手機在“質(zhì)”上的巨大不同：只要眼鏡架在鼻梁上，它的多模態(tài)感知就可以是連續(xù)的。

在晉顯看來，生態(tài)方面，隨著場景逐漸深化，分水嶺會變得更明顯。今天消費者看到的是部分與阿里生態(tài)合作伙伴聯(lián)合定義的能力，后續(xù)千問AI眼鏡會有更多創(chuàng)新功能都是軟硬件結(jié)合的，通過進一步的賬號綁定、接口交互和更復(fù)雜的邏輯定義去實現(xiàn)。

隨著生態(tài)融合性加強，體驗優(yōu)勢也會放大，用戶會發(fā)現(xiàn)很多東西都實現(xiàn)了代為處理。

從長期看，千問AI眼鏡的核心價值和競爭力在于整個AI解決方案，即AI生活助理。

未來在眼鏡硬件平臺上，針對特定場景、特定人群和行業(yè)需求的應(yīng)用會不斷涌現(xiàn)。如果所有需求都需團隊重度研發(fā)，無論從時間效率還是投入上看，都不是好選擇。

團隊現(xiàn)在已經(jīng)完成了對眼鏡近端、App移動端和云端能力的梳理，并從定義角度做好了全面的SDK規(guī)劃，目前已進入快速開發(fā)周期，未來各種應(yīng)用包括Agent都會在廣場或商店中處理好。

結(jié)語：AI眼鏡形態(tài)成熟了，但AI對眼鏡的重塑才剛剛開始

Agent浪潮之下，AI主動做事、多模態(tài)交互被提到了風(fēng)口浪尖，AI眼鏡作為熱門新興品類，天然被寄予厚望。作為隨身穿戴產(chǎn)品，其有著手機、PC難以比擬的先天優(yōu)勢，有著豐富數(shù)據(jù)持續(xù)獲取的極高價值，有著伴隨式AI核心入口的潛力。

從千問AI眼鏡的一系列升級我們看到，AI眼鏡未來體驗勝出的關(guān)鍵或更多在于AI模型能力和AI應(yīng)用生態(tài)的較量，硬件方案成熟必然會加劇競爭，誰能夠跳出同質(zhì)化陷阱，實現(xiàn)真正人無我有、人有我優(yōu)的AI體驗，將會成為決勝關(guān)鍵。