（整理/胡嘉烨 编辑/吕栋）
近期，在世界人工智能大会（WAIC 2025）期间，观察者网与智能眼镜头部企业Rokid副总裁蔡国祥进行了深度对话，探讨了AI+AR眼镜的市场现状，以及未来的发展趋势。
以下是对话实录：
观察者网：今年，AI眼镜火爆出圈，引发了行业内外的广泛关注。许多人对AI眼镜的底层技术、未来发展前景以及行业竞争格局充满好奇。我们邀请了中国AR行业头部企业Rokid的副总裁蔡国祥，来与我们分享他的见解。
蔡国祥：大家好，我是蔡国祥。Rokid是一家以AI和AR为核心打造产品的平台公司。在市场上，大家熟知的产品是我们的AR眼镜，今天在展会现场，大家可以亲自体验。
观察者网：大家可能认识Rokid是源于今年一场火爆出圈的视频，就是那个提词器，当时也引起了网友们对AI眼镜的一些讨论，这件事当时对你们内部产生了哪些影响呢？
蔡国祥：我清楚记得发生的时间是2月18日，在杭州余杭区高质量产业发展大会上，创始人Misa戴着AR眼镜进行了一场没有演讲稿的演讲，引发了广泛关注。这次事件的传播热度对我们企业带来了显著的积极影响。首先，它让很多人了解到Rokid这家公司以及我们的AR眼镜产品，极大地提升了公司和产品的知名度和流量。许多潜在的合作伙伴、投资人纷纷与我们接洽，带来了更多的合作和投资机会。从行业角度来看，这次事件也让更多人关注到AR眼镜这一新兴产品，推动了行业的普及和教育。
观察者网：这次事件是否也给Rokid带来了更多动力和压力？
蔡国祥：确实如此。动力方面，这次事件让我们更加自信和积极地推动产品的进展。然而，压力也很大，因为产品受到了更多关注，我们不得不投入更多时间打磨产品，确保其品质能够满足用户的期待。这导致我们的研发和生产压力增大。
观察者网：今天我们在世界人工智能大会的现场，主题自然是AI。能否请您介绍一下AI眼镜及其产品的底层能力，以及如何实现这些AI功能？
蔡国祥： Rokid的核心是围绕AI和AR开发产品。AI技术已经非常强大，并且正在成为各行各业的底层技术。我们的另一个核心是打造AR眼镜，并开发自己的AR操作系统。多年来，我们在操作系统方面积累了丰富经验。如何让这一全新设备的操作系统运行得更高效、延迟更低、功耗更小，以及交互效果更佳，这非常考验操作系统的性能。而将这些能力与大模型AI结合，不仅拓展了想象空间，也为用户提供了诸多实用的服务和功能。我们早期推出的提词器功能相对简单，仅通过蓝牙戒指实现翻页。如今，新的提词器已融入人工智能算法，能够识别演讲者的语句并自动跟踪翻页，显著提升了用户体验。在翻译功能方面，我们通过智能眼镜实现了多语言实时翻译。用户面对不同语言的外国人时，只需戴上眼镜即可将对方语言实时翻译成中文，实现无障碍沟通。这一功能在实际应用中获得了广泛认可。
我们与高德合作的导航功能，通过结合高德的导航智能体，实现了更精准的导航体验。此外，我们与支付宝合作推出的“看一眼支付”功能，利用大量人工智能算法确保支付的顺畅与安全。其中，有一个很重要的环节叫声纹识别，它通过声音判断用户身份，进一步提升了支付的安全性。未来，我们还将拓展更多生活服务场景，如打车、点餐和商品搜索等。大模型的广泛应用使其成为一个无所不知的知识库和万能助手。通过将大模型与智能眼镜结合，用户可以随时提问并获得解答。眼镜的摄像头为大模型增加了视觉能力，使其不仅能听懂用户的问题，还能看到用户眼前的世界，提供更全面的解答。这些功能不仅实用，还为用户带来了丰富的想象空间。
观察者网：那在AI能力打磨这方面，你们是跟行业协同发展？还是说自己构建自研AI呢？
蔡国祥：这两块都有。AI能力大多是基于基础大模型的。基础大模型需要大量投入，不是普通创业公司能够承担的，Rokid也明确了自己的定位，不涉足基础大模型的研发，但专注于自身擅长的领域。我们的AR眼镜能够对接多种大模型，例如通义、豆包、智谱以及DeepSeek等。用户可以根据自己的习惯和偏好选择使用哪一种大模型，我们提供了灵活的选择。此外，基于大模型，我们还自主研发了一些模型。以我们开发的意图识别模型为例，当用户通过眼镜与大模型进行交互时，该模型能够判断用户的意图，并据此调用大模型的相应能力进行处理。例如，用户询问眼前的花是什么，系统就会调用视觉大模型；若用户询问历史故事，则会调用语言大模型。由于每个大模型都有自己的侧重点和擅长领域，我们会根据用户的意图对大模型进行分类调用，以确保用户的问题能够得到最合适的解答。同时，像提词器功能的算法也是我们自主研发的。我们在视觉算法和语音算法方面有着丰富的经验和技术积累。我们利用行业内顶尖的大模型作为基础底座，并结合自身操作系统的研发，将人工智能算法和本地模型与大模型相结合，为用户提供更优质的交互体验。
观察者网：现在手机的AI能力是端云结合的模式，您认为未来在眼镜产品上，是否也会采用类似的模式？
蔡国祥：这是肯定的。端云结合在未来的一些场景中，以及编排方面，肯定是三端协同演进的趋势。以端云为例，我们已经在做相关工作了。比如在不同情况下，我们有两个场景已经应用了这种模式。以提词器为例，提词器中的智能滚动算法有两种：在线算法和本地算法。当联网且网络状况良好时，系统会自动使用在线算法，因为其效果更好。但在弱网或无网络的情况下，智能滚动依然可以工作，此时使用的是本地智能滚动算法。翻译功能也是如此，我们支持在线翻译模型和本地翻译模型。网络状况良好时，使用在线翻译模型，其翻译效果更好，支持的语种也更多；而在无网络或弱网情况下，本地翻译小模型也能提供支持。这些都是云端跟云和端两端的协同的一些案例，未来，这种协同模式的应用会更多。不仅是我们，像高德、支付宝等合作伙伴在处理智能体服务时，也会采用云和端的协同策略。这肯定是未来的发展趋势。
观察者网：云和端的协同它其实一方面提高效率，另一方面隐私安全这块，端和端做得更好。
蔡国祥：没错。
观察者网：目前智能眼镜行业吸引了众多企业，但各企业在未来规划及AI应用方面存在差异。Rokid在AI领域处于行业前列，但也有部分企业认为AI技术尚未成熟。若将智能眼镜的AI能力比照自动驾驶的L2至L5级别划分，您认为当前智能眼镜的AI水平处于哪个阶段？
蔡国祥：之前行业内也有这样的说法，将AI分为几个等级。L1是指令式，L2是推理和聊天，可以自由对话；L3是能够帮助执行任务的代理（Agent）；L4是帮助创新；L5是大规模自主决策和组织。从这个角度看，我个人认为目前AI在L2阶段，发展已经较为成熟，但L3也已经开始起步。我个人认为，L2和L3并非完全独立，而是存在一定的重叠。L2发展到一定阶段后，L3就开始了。目前L2的推理能力已经很强，具备丰富的知识和强大的逻辑推理能力，甚至在医生、律师等职业资格考试中能够取得高分。因此，L2已经发展到一个比较高的阶段。与此同时，L3的代理和执行功能也开始出现。今年被认为是智能体（Agent）的元年，智能体代表L3。我认为目前AI整体处于L2的较高阶段，同时L3也已经开启。我们认为眼镜是人工智能的最佳载体，其发展与人工智能阶段大致匹配。但由于硬件是新出现的，将人工智能能力集成到眼镜上需要一个开发和对接的过程，因此可能会略晚于人工智能阶段，大约晚几个月。
总体而言，无论是AI还是AI眼镜，目前都处于L2和L3重叠的阶段，L3已经开始。今年我们看到了很多智能体的出现，例如之前很火的智能体Manus。然而，智能体面临一个问题：许多智能体的能力已经被基础大模型本身所涵盖。例如，通义和Gemini的新版已经具备了很强的Agent能力。但在一些深度和专业门槛较高的垂直领域，智能体创业可能仍有机会。如果智能体的门槛不高，大模型本身就能完成这些功能。因此，我认为今年正处于这个阶段，L3已经开始，从今年的展会来看，智能体已经迎来了大爆发。
1 2 下一页 余下全文 抖音作为当今电商巨头，稳健发展，不断创新，引领了新的生活时尚。抖音月付「分付」额度作为抖音旗下重要的消费金-融产品，也在影响着年轻人的生活方式，以及购物习惯。快节奏的生活， 抖音月付是属于抖音钱包针对优质受邀用户群体开放使用的一款个人消费分期产品。抖音推出首个信用消费产品“月付”,抖音依托于对零售产业数字化的理解,在业内率先将AI等前沿 经常使用抖音商城购物的朋友对于抖音月付一定不陌生，抖音月付是属于抖音钱包针对优质受邀用户群体开放使用的一款个人消费分期产品， 抖音月付的额度怎样弄出来？抖音月付怎么提 抖音月付什么意思怎么用 随着抖音平台的持续发展，越来越多用户开始使用抖音月付功能来购买虚拟礼物和会员服务。那么，抖音月付是什么意思，如何使用呢？本文小创将为您一一解答。 。本文链接：对话Rokid副总裁：未来智能眼镜一定会取代手机，大厂加入能进一步教育市场http://www.sushuapos.com/show-3-151834-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。