（整理/胡嘉燁 編輯/呂棟）
近期，在世界人工智能大會（WAIC 2025）期間，觀察者網與智能眼鏡頭部企業Rokid副總裁蔡國祥進行了深度對話，探討了AI+AR眼鏡的市場現狀，以及未來的發展趨勢。
以下是對話實錄：
觀察者網：今年，AI眼鏡火爆出圈，引發了行業內外的廣泛關注。許多人對AI眼鏡的底層技術、未來發展前景以及行業競爭格局充滿好奇。我們邀請了中國AR行業頭部企業Rokid的副總裁蔡國祥，來與我們分享他的見解。
蔡國祥：大家好，我是蔡國祥。Rokid是一家以AI和AR為核心打造產品的平臺公司。在市場上，大家熟知的產品是我們的AR眼鏡，今天在展會現場，大家可以親自體驗。
觀察者網：大家可能認識Rokid是源于今年一場火爆出圈的視頻，就是那個提詞器，當時也引起了網友們對AI眼鏡的一些討論，這件事當時對你們內部產生了哪些影響呢？
蔡國祥：我清楚記得發生的時間是2月18日，在杭州余杭區高質量產業發展大會上，創始人Misa戴著AR眼鏡進行了一場沒有演講稿的演講，引發了廣泛關注。這次事件的傳播熱度對我們企業帶來了顯著的積極影響。首先，它讓很多人了解到Rokid這家公司以及我們的AR眼鏡產品，極大地提升了公司和產品的知名度和流量。許多潛在的合作伙伴、投資人紛紛與我們接洽，帶來了更多的合作和投資機會。從行業角度來看，這次事件也讓更多人關注到AR眼鏡這一新興產品，推動了行業的普及和教育。
觀察者網：這次事件是否也給Rokid帶來了更多動力和壓力？
蔡國祥：確實如此。動力方面，這次事件讓我們更加自信和積極地推動產品的進展。然而，壓力也很大，因為產品受到了更多關注，我們不得不投入更多時間打磨產品，確保其品質能夠滿足用戶的期待。這導致我們的研發和生產壓力增大。
觀察者網：今天我們在世界人工智能大會的現場，主題自然是AI。能否請您介紹一下AI眼鏡及其產品的底層能力，以及如何實現這些AI功能？
蔡國祥： Rokid的核心是圍繞AI和AR開發產品。AI技術已經非常強大，并且正在成為各行各業的底層技術。我們的另一個核心是打造AR眼鏡，并開發自己的AR操作系統。多年來，我們在操作系統方面積累了豐富經驗。如何讓這一全新設備的操作系統運行得更高效、延遲更低、功耗更小，以及交互效果更佳，這非常考驗操作系統的性能。而將這些能力與大模型AI結合，不僅拓展了想象空間，也為用戶提供了諸多實用的服務和功能。我們早期推出的提詞器功能相對簡單，僅通過藍牙戒指實現翻頁。如今，新的提詞器已融入人工智能算法，能夠識別演講者的語句并自動跟蹤翻頁，顯著提升了用戶體驗。在翻譯功能方面，我們通過智能眼鏡實現了多語言實時翻譯。用戶面對不同語言的外國人時，只需戴上眼鏡即可將對方語言實時翻譯成中文，實現無障礙溝通。這一功能在實際應用中獲得了廣泛認可。
我們與高德合作的導航功能，通過結合高德的導航智能體，實現了更精準的導航體驗。此外，我們與支付寶合作推出的“看一眼支付”功能，利用大量人工智能算法確保支付的順暢與安全。其中，有一個很重要的環節叫聲紋識別，它通過聲音判斷用戶身份，進一步提升了支付的安全性。未來，我們還將拓展更多生活服務場景，如打車、點餐和商品搜索等。大模型的廣泛應用使其成為一個無所不知的知識庫和萬能助手。通過將大模型與智能眼鏡結合，用戶可以隨時提問并獲得解答。眼鏡的攝像頭為大模型增加了視覺能力，使其不僅能聽懂用戶的問題，還能看到用戶眼前的世界，提供更全面的解答。這些功能不僅實用，還為用戶帶來了豐富的想象空間。
觀察者網：那在AI能力打磨這方面，你們是跟行業協同發展？還是說自己構建自研AI呢？
蔡國祥：這兩塊都有。AI能力大多是基于基礎大模型的。基礎大模型需要大量投入，不是普通創業公司能夠承擔的，Rokid也明確了自己的定位，不涉足基礎大模型的研發，但專注于自身擅長的領域。我們的AR眼鏡能夠對接多種大模型，例如通義、豆包、智譜以及DeepSeek等。用戶可以根據自己的習慣和偏好選擇使用哪一種大模型，我們提供了靈活的選擇。此外，基于大模型，我們還自主研發了一些模型。以我們開發的意圖識別模型為例，當用戶通過眼鏡與大模型進行交互時，該模型能夠判斷用戶的意圖，并據此調用大模型的相應能力進行處理。例如，用戶詢問眼前的花是什么，系統就會調用視覺大模型；若用戶詢問歷史故事，則會調用語言大模型。由于每個大模型都有自己的側重點和擅長領域，我們會根據用戶的意圖對大模型進行分類調用，以確保用戶的問題能夠得到最合適的解答。同時，像提詞器功能的算法也是我們自主研發的。我們在視覺算法和語音算法方面有著豐富的經驗和技術積累。我們利用行業內頂尖的大模型作為基礎底座，并結合自身操作系統的研發，將人工智能算法和本地模型與大模型相結合，為用戶提供更優質的交互體驗。
觀察者網：現在手機的AI能力是端云結合的模式，您認為未來在眼鏡產品上，是否也會采用類似的模式？
蔡國祥：這是肯定的。端云結合在未來的一些場景中，以及編排方面，肯定是三端協同演進的趨勢。以端云為例，我們已經在做相關工作了。比如在不同情況下，我們有兩個場景已經應用了這種模式。以提詞器為例，提詞器中的智能滾動算法有兩種：在線算法和本地算法。當聯網且網絡狀況良好時，系統會自動使用在線算法，因為其效果更好。但在弱網或無網絡的情況下，智能滾動依然可以工作，此時使用的是本地智能滾動算法。翻譯功能也是如此，我們支持在線翻譯模型和本地翻譯模型。網絡狀況良好時，使用在線翻譯模型，其翻譯效果更好，支持的語種也更多；而在無網絡或弱網情況下，本地翻譯小模型也能提供支持。這些都是云端跟云和端兩端的協同的一些案例，未來，這種協同模式的應用會更多。不僅是我們，像高德、支付寶等合作伙伴在處理智能體服務時，也會采用云和端的協同策略。這肯定是未來的發展趨勢。
觀察者網：云和端的協同它其實一方面提高效率，另一方面隱私安全這塊，端和端做得更好。
蔡國祥：沒錯。
觀察者網：目前智能眼鏡行業吸引了眾多企業，但各企業在未來規劃及AI應用方面存在差異。Rokid在AI領域處于行業前列，但也有部分企業認為AI技術尚未成熟。若將智能眼鏡的AI能力比照自動駕駛的L2至L5級別劃分，您認為當前智能眼鏡的AI水平處于哪個階段？
蔡國祥：之前行業內也有這樣的說法，將AI分為幾個等級。L1是指令式，L2是推理和聊天，可以自由對話；L3是能夠幫助執行任務的代理（Agent）；L4是幫助創新；L5是大規模自主決策和組織。從這個角度看，我個人認為目前AI在L2階段，發展已經較為成熟，但L3也已經開始起步。我個人認為，L2和L3并非完全獨立，而是存在一定的重疊。L2發展到一定階段后，L3就開始了。目前L2的推理能力已經很強，具備豐富的知識和強大的邏輯推理能力，甚至在醫生、律師等職業資格考試中能夠取得高分。因此，L2已經發展到一個比較高的階段。與此同時，L3的代理和執行功能也開始出現。今年被認為是智能體（Agent）的元年，智能體代表L3。我認為目前AI整體處于L2的較高階段，同時L3也已經開啟。我們認為眼鏡是人工智能的最佳載體，其發展與人工智能階段大致匹配。但由于硬件是新出現的，將人工智能能力集成到眼鏡上需要一個開發和對接的過程，因此可能會略晚于人工智能階段，大約晚幾個月。
總體而言，無論是AI還是AI眼鏡，目前都處于L2和L3重疊的階段，L3已經開始。今年我們看到了很多智能體的出現，例如之前很火的智能體Manus。然而，智能體面臨一個問題：許多智能體的能力已經被基礎大模型本身所涵蓋。例如，通義和Gemini的新版已經具備了很強的Agent能力。但在一些深度和專業門檻較高的垂直領域，智能體創業可能仍有機會。如果智能體的門檻不高，大模型本身就能完成這些功能。因此，我認為今年正處于這個階段，L3已經開始，從今年的展會來看，智能體已經迎來了大爆發。
1 2 下一頁 余下全文本文鏈接：對話Rokid副總裁：未來智能眼鏡一定會取代手機，大廠加入能進一步教育市場http://www.sq15.cn/show-3-151834-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。