国产智能眼镜正遭遇一个尴尬境地：摄像头像素越来越高，翻译语言涵盖几十种，AI 功能越塞越满，但用户新鲜劲一过，它依然逃不过躺在角落里吃灰的宿命。
IDC 最新公布的数据已经透露出一些信号：2026 年第二季度，全球智能眼镜出货量同比增长 35.3%，中国市场却首次出现 8% 的同比下滑。其中，音频及音频拍摄眼镜品类更是下降 35.4%。功能同质化与产品迭代接续不足，让该品类触到了天花板。
这并非意味着 AI 眼镜是个伪命题，却让行业不得不正视的一道常识题：拍照和翻译足以吸引用户尝鲜，却撑不起日常佩戴的刚需，救不了智能眼镜的活跃度。
10 月 13 日杭州，阿里千问带来了新一轮尝试。
当天，千问正式开售新一代 AI 眼镜 N1、N1 Pro，以及与 Bose 合作推出的首款 AI 耳夹式耳机。叠加国补及限时优惠后，N1 到手价 2218 元起，N1 Pro 为 2600 元起，耳机则压到了 1099 元。
N1 上手的第一时间，最先感受到的是久违的轻巧。相比此前带有双目显示屏、内置微型光机 S1，新一代 N1 系列彻底拿掉了显示屏，将主要交互方式还给了语音。
这让 N1 Pro 在塞入 5000 万像素传感器、眼动追踪模组 和 体征传感器 等多组件情况下，整机不含镜片的重量依然克制在 44g 左右。过去戴智能眼镜最折磨人的 “压鼻梁、留红印、戴 10 分钟就想摘” 的体验痛点，得到了极大的缓解。
千问把这条产品路线定义为 Personal Agent 硬件，其逻辑在于：如今的大模型已经越来越擅长处理复杂任务， 但在现实世界里，它依然是一个对眼前人一无所知的“局外人”。所以，除了影像和佩戴体验的升级，这次千问更试图为 AI 补上一种长期缺失的能力：理解用户在现实世界里的即时上下文。
为此，千问引入了 仅 5 毫瓦功耗的持续视觉感知链路，并通过眼动追踪、体征监测和耳机语音交互，让 Personal Agent 从手机 App 进一步走进日常生活。
5 毫瓦实现常驻视觉感知
过去几年，AI 眼镜之所以普遍采用“按需唤醒”（Click-to-wake）的交互模式，本质上是对电池物理法则的妥协。如果让高分辨率 CMOS 传感器和多模态视觉模型在端侧全天候跑满，整副眼镜不仅会在半小时内将电池彻底榨干，还会变成一个架在鼻梁上剧烈发烫的“暖手宝”。
千问给出的工程解法，是避开大芯片的硬抗，另外开辟了一条 完全独立的低功耗常驻感知链路。
这套系统的底层逻辑并非是在端侧全天候硬跑复杂的视频大模型，而是通过极严苛的算力分级来平衡功耗：
5 毫瓦的常驻感知功耗：采用第一代骁龙 AR1、恒玄 BES2800 和奇景 HX6538 组成算力异构平台，其中低功耗感知芯片常开待命，只抓取极简的灰度帧轮廓，整条常驻通路的功耗被控制在 5 毫瓦左右；
按需阶梯唤醒：5 毫瓦链路只负责监测物理环境的特征跳变。只有当它识别到用户预设或授权的关键场景线索（例如进入会议室、到达车站闸机），才会分级唤醒负责通信、音频乃至高负荷影像计算的高性能芯片。
值得强调的是，低功耗感知并不等同于“无死角的偷窥与全天录像”。
在体验展台，工作人员特别阐述了这套系统的隐私保护边界：Always On 模式 必须由用户手动授权开启；在常开状态下，仅采集像素级灰度帧 ；感知阶段只提取必要的场景特征， 在端侧完成基础判断，不默认上传。
至于发布会上引发关注的“AI 灵感画集”，能自动抓取日常生活高光碎片并转化为漫画风格的日常 Vlog 功能，技术团队也坦承，目前团队 正优先打磨这种宽容度高、偏情绪价值的生活记录场景。
要让 AI 在几毫瓦的限制下完全做到无死角、连续的“全场景纪实理解”，在长尾场景算法的泛化性上，行业依然处于攻坚爬坡期。
比功能更难的，是让 AI 能真正随身
能够感知环境，只解决了问题的一半。另一半是，用户是否愿意一直佩戴，以及当 AI 尝试提供服务时，体验能否足够自然。
在现场体验中，最直观的改变是 N1 系列彻底走向了无屏设计。相比此前配有双目显示模组的 S1，新一代产品终于退回到了普通眼镜的克制形态。对于戴过智能眼镜的用户来说，鼻梁的压迫感往往比任何技术参数都更能决定一件产品的生死。
N1 Pro 把镜腿宽度压到 8 毫米，通过前后 1:1 的配重将整机不含镜片的重量克制在 44 克左右，配合镜腿热插拔换电，实现了 8 到 9 小时的综合续航。这些工程取舍与其说是为了冲指标，不如说是先用减法为“全天佩戴”扫平最基础的生理障碍。
这种减法带来的直接变化，是它 极大地降低了记录对当下生活的打断。正如旅行博主房琪在现场分享的那样，过去用相机或手机记录，看到光线第一反应是找机位，走进巷子便开始构思文案，人反而在取景框背后与现实脱节。第一视角记录的核心价值，从来不是去卷手机相机的成片画质，而是让人不必从眼前的场景中抽离。
不过看起来丝滑体验的背后同样存在现实挑战。在现场体验中，相比实体按键拍照的干脆，依赖语音唤醒和端云多模态理解的交互，往往伴随着一两秒的等待，且极度依赖现场网络。这也印证了当前 AI 硬件的真正门槛：不是塞进更多功能，而是如何让感知、理解到执行的链路足够快，快到让计算彻底在用户的意识里隐形。
如果说，N1 眼镜负责截取视觉上下文，那么千问 首次推出的 AI 耳夹式耳机，则把触角伸向了听觉与行动层。由 Bose 调音，除了在开放式形态下守住低频与清晰度，真正承载 Personal Agent 属性的是“异步任务交办”能力。
以往的语音助手之所以迅速沦为摆设，是因为它把交互困死在“一问一答、原地等待”的机械模式里。千问尝试改变这种逻辑：晚高峰通勤途中，佩戴者无需紧盯屏幕，只需对耳机随口交代一句“帮我跟进今天千问发布会的信息，梳理行业观点做个简报发我”，大模型便在后台自主跑完检索、阅读与整理的长链路。
任务完成后，耳机只在关键节点轻声提示任务完成状态。耳机不再是一台简单的放音设备，而是变成了随身的轻量级任务工位。
争夺物理上下文
“专属感不是 AI 要知道得更多，而是它得知道什么与你有关。”千问硬件负责人吴建军在现场的这句判断，点破了 Personal Agent 硬件的内核，也直击当下大模型厂商共同的痛处。
如果始终 被困在手机屏幕和 PC 浏览器背后，大模型即便拥有再庞大的参数规模，抓取到的数据也始终是转述的、二手的。它或许知道你在电商平台买了一件外套，知道你在输入框里修改了三次的措辞，但却不会知道，你在路过巷子口面店时视线停留了三秒，更不知道你在高压工作下的心率与体温的起伏。
缺少物理世界的原生感官，大模型就永远无法拼凑出真实完整的意图图景，只能沦为一个在数据中心里被动等待提问的应答机。
此时去断言大模型在物理世界的 理想“肉身”究竟该是什么形态，或许为时尚早。现场体验中 对网络稳定性的依赖、端侧模型解析复杂现实时的粗粝感，以及高阶体征监测与虹膜核身受限于成本被锁在 Pro 版的现实，都说明硬件的演进依然处于早期攻坚阶段。
但 朝向真实世界的试探却正当其时。千问交出的这份答卷，不再试图在眼前强行架起一块遮挡现实的显示屏，也没有让产品困死在随身相机与翻译笔的狭窄叙事里。通过剥离冗余的减法、44.8 克的轻量克制，以及 5 毫瓦在底层的耐受，它让硬件退后了一步，让感官向前走了一步。
