AI｜视觉感知耳机、AI OS及一家中国公司抢跑苹果：对话光帆科技联合创始人陈康达

过去一年，光帆科技完成了四轮融资，累计融资额近3亿元人民币， 投资方包括联想、小鹏、韶音、歌尔、宁德系、兆易创新系等产业资本，这说明它不是一个常规的硬件项目。

一个 FA 告诉我们，第一季度很多硬件投资人只看把各种摄像头能装到硬件上的产品，「AI 时代的入口竞争已经从模型和 App 往“贴身终端”外溢，视觉是最重要的入口。」

行业在疯狂押注同一个方向：视觉为硬件增加更多模态，穿戴硬件被认为是承载视觉能力的合适的载体，也是落地 Personal AI 的最后一公里，这也是海外巨头在密集布局的原因。

但光帆科技为什么先选择做耳机，而不是眼镜？

陈康达给出了非常笃定的判断：从更长时间尺度看，眼镜是很好的载体，但今天 AI 眼镜的技术成熟度和用户体验都不够，重量是个大问题，同时——这是关键——很多人不愿意戴眼镜。

耳机不同，耳机是一个无感佩戴、量巨大、不用教育消费者心智的成熟品类，结合更多传感器实现更多模态之后，是当下更优的 AI 落地形态。

但在耳机里加入摄像头，是一个有着足够挑战性的题目。

在极小的空间里要集成摄像头、电池、麦克风、扬声器、通信模块等，同时要把重量和佩戴舒适度做到消费级水准，需要近乎极致的集成度，对结构、体积、重量、功耗、续航、算法都提出极高的要求。

苹果被曝光原定于2026年下半年发布带有视觉感知能力的 AirPods 已经推迟，而 OpenAI 首款带摄像头的 AI 耳机也明确不会早于2027年。

陈康达是清华和 UC Berkeley 联合培养博士，小米汽车早期团队成员，从0到1参与小米造车过程，先后参与并负责过产品、战略、供应链等业务。

在小米的造车经历，让他形成了做 AI 硬件的两个重要感悟。

第一，消费级产品的核心仍然在于能不能坚守第一性原理，真正从消费者需求出发，共情和理解用户需求。

第二，所有过去机械属性的、离线的、单一个体的硬件，都值得用 AI 思考和重构一遍，成为智能化、主动式的 AI 硬件。

而这还不够，大模型时代需要从人机交互范式底层去思考功能，并基于交互和功能，定义传感器组合和软硬件形态才能形成真正的竞争力。

在光帆科技这套 AI 全感穿戴设备正式发售前，AI 闹与陈康达博士进行了一场访谈，聊了聊他对 AI 时代新入口，以及 AI 硬件的思考。

AI 闹：第一个问题，过去二十年，个人计算的入口一直在迁移：从 PC 到手机，再到今天大家都在押注可穿戴。为什么你们判断，下一代入口会先长在耳边？

陈康达：首先我们的判断是，今天的 AI 已经完全不一样了。今天以大模型为基础的新一轮 AI 本质上带来了一个非常底层的变化：人机交互范式的变化，即人机交互由过去的图形化交互转向 AI 多模态交互。它将驱动着新时代下的硬件形态、整个软件体系以及商业模式的变化，而真正的机会也来源于此。

以前我们用手机，是先有个需求，然后在脑海里拆解成一步步怎么做，再掏出手机一步步去点击。而今天，任务的拆解和执行，AI 都可以做了，人只需要表达需求就可以了。当人只用表达需求的时候，这个硬件就可以做的很轻、很小，可以一直佩戴。手机就不是最好的形态了，因为手机是被动的，并且揣在口袋里。所以可穿戴硬件在 AI 时代将迎来一个前所未有的巨大机会。这也是海外巨头都在这个领域密集布局的原因。

更长时间尺度来看，我们把未来的 AI 可穿戴硬件分为两类：一类是垂类硬件，例如戒指、挂坠、腕表等，他们定向地实现一两个垂类功能；另一类是通用硬件，可以作为入口，搭载和实现大量的功能，AI 时代的这类设备需要离人的耳朵和眼睛更近，真正做到 Always-on。

我把 Always-on 拆成两层，一层是你能随时随地触达到它，即你有需求的时候不用做任何多余的动作，直接说句话它就能听到并且响应；另一层是它能随时随地触达到你，例如别人给你发个消息，AI 能第一时间告诉你内容，而这两层手机都没办法做到，戒指、挂坠、腕表也做不到。

所以 AI 时代，耳机和眼镜属于这一类通用硬件，是面向 AI 多模态交互更好的硬件形态。这两类硬件形态里，最初我们考虑过眼镜，但眼镜的问题是技术方案不够成熟，还是太重了，并且很多人不愿意戴眼镜。

而耳机是一个无感佩戴、量巨大、不用教育消费者心智的成熟品类，结合更多传感器实现更多模态之后，是当下更优的适合 AI 落地的形态。

AI 闹：把摄像头塞入耳机比塞入眼镜更难——耳机体积更小，为什么用户需要一款带摄像头的耳机，它比普通的 AI 耳机体验好在哪里？

如果没有摄像头，我们也能做出 AI 耳机，但考虑到模态有限，就很难发挥出今天 AI 的全部能力。

我们内部一直用一个类比理解摄像头的重要性，就像当年智能手机里的 GPS。刚开始大家会觉得，GPS 只是用来导航的，但后来移动互联网时代很多核心服务——比如打车、外卖、共享单车等等 LBS、O2O 的应用都建立在定位能力之上。

今天摄像头也一样，它让 AI 真正做到「看你所看，听你所听」。

比如线下吃饭，眼前有五家店，以前你要掏出手机、解锁、打开大众点评，再一个个餐厅名字输进去，看评分看评价，最后花十分钟才作出决定。但我们的耳机会很快告诉你：这家店偏辣，那家店评分更高。

再比如线下买衣服，线下店员说这件卖2000块，你戴着耳机看一眼，AI 立刻告诉你，网上同款1200元，然后帮你比完价了，你可以直接让它帮你下单。还有扫二维码今天也很麻烦，停车场缴费、骑共享单车，未来简化成「看一眼」。

摄像头的引入真正做到了线上线下融合，让自然语言真正接管更多现实世界的动作。

AI 闹：你们的这套 AI 设备和 PC、手机的关系是什么？是替代关系吗？

回头看消费电子的发展史，PC 时代我们大量的工作都在电脑里做，后来智能手机出现后，大量的功能转移到了智能手机里，同时基于触控和实时定位又催生出一些新的功能如打车、外卖等 LBS 应用，以及切水果等游戏。

AI 时代也是同样逻辑，AI 穿戴设备将从手机里拽出大量的功能和需求，将人们从高频、碎片化、繁琐的任务中解放出来，同时由于 Always-on 的特性，也会衍生出新的功能和需求

未来大部分的事情可能只要直接说出需求，AI 穿戴硬件就会把事情做了。

但手机不会被完全取代掉，就像手机也没有把笔记本电脑完全取代掉，画个 PPT 还会回到电脑里去。未来一些沉浸式的、需要使用稍大些屏幕的事情——比如看视频、打游戏，还会回到手机。

AI 穿戴设备将和手机形成协同关系，在不用掏手机的时候就把很多事给做了。

中国公司在 AI 硬件有巨大优势

AI 新交互必须长在新系统