字节跳动又纵身跳入一个千亿级的“大坑”。

上周四（4 月 10 日），虎嗅了解到，字节跳动正在加速推进 AI 眼镜项目，产品会开创性与抖音生态形成支点，并内置自研大模型“豆包”的 AI 能力，考虑采用恒玄BES2800 作为主控芯片，不排除MCU ISP 方案，志在成为仅次于手机、智能手表向用户多场景渗透的智能穿戴硬件产品。

巧合的是，三天后（4 月 13 日），外媒 The Information 的报道进一步佐证了字节跳动推动自研 AI 眼镜的进度——该项目已推进到与供应链沟通阶段，具体开始商讨功能、技术方案、成本控制及上市节奏。

此前，国金证券产业链调研报告显示，国内互联网大厂正加速推进 AI 眼镜的研发进程，其中字节跳动及某头部 3C 大厂的产品有望在今年第二季度与消费者见面。

无独有偶，上周“阿里正式立项 AI 眼镜项目”的传闻亦在市场掀起了激烈讨论——据维深信息 Wellsenn XR 爆料，阿里 AI 眼镜项目主要由智能信息事业群天猫精灵业务线主导研发，硬件规格将超越 Ray-Ban Meta 智能眼镜，采用高通 AR1 恒玄BES2800 双芯片双系统架构，在功耗和续航方面将有更优秀的表现，预计将于 2025 年底发布。

再往前推，2024 年底市面有消息称某头部 3C 大厂正紧锣密鼓地筹备新一代 AI 眼镜，并已与歌尔达成合作，或会采用“电致变色”技术，涵盖智能视觉、智能识别物体等，甚至能自动识别餐厅并推送相关实用信息，预计产品最快于 2025 年面世。

值得一提的是，此前 IDC 曾预测，2025 年全球智能眼镜出货量预计将达到 1280万台，同比增长26%；其中，中国市场将同比激增 107% 突破 275万台，跃居全球*。

随着媒体爆料与第三方数据预测的轮番轰炸，可以预见的是：2025年或将成为“百镜大战”硝烟最浓烈的一年，也将成为国内互联网大厂再次扎堆新风口的时代注脚。

一个诱人的“大坑”

事实上，自从 2024 年大模型热浪席卷而过，Ray-Ban Meta 智能眼镜的成功惹得一众互联网大厂跃跃欲试。

一位行业研究人士向虎嗅分析，作为智能穿戴掀起的新风口，行业普遍认为AI 眼镜是千亿级的赛道，但目前市面上的 AI 眼镜在功能层面难言惊喜，主要提供语音交互、智能播报、翻译、拍摄及一些基础的识别功能，用户深度交互及联网方面的探索非常有限，可谓“浅尝辄止”。

上述人士认为，行业下一阶段探索的重点将会是如何给 AI 眼镜加上社交属性与图像理解能力；至于产品体验层面，难点在于如何兼顾轻量化设计实现低功耗、长续航——这很大程度上源于，目前市面上的产品均在功耗与续航方面存在明显短板，从而在向 C 端普及的过程中显得“鸡肋”。

不过，随着多模态能力的提升，未来的 Personal AI（与传统 ChatBot 不同，Personal AI 更注重场景细分和功能封装，能够理解复杂的自然语言输入，并提供个性化回应）在动态环境下至少针对图像识别可以呈现出更复杂的形态。

尤其，在架构和任务数据流方面，搭建工具流来处理用户意图识别及高频智能交互成为可能。

上述逻辑主要源于：

一是，Personal AI 的价值体现在模型能力的补全和世界模型的发展上，当前的模型能力补全速度大幅提升，大厂的模型研发和商业化是双向并行、相辅相成的。

二是，交互体验将随技术发展大幅提升、增强，工具流及任务能力有望迎来“质的飞跃”。

聚焦到字节跳动，其纵身跳入这场 AI “百镜大战”厮杀的优势在于：

一方面，字节跳动基于豆包的技术底座与抖音生态协同优势显著，包括直播电商、本地生活、云服务等丰富的业务场景，均可接入 AI 眼镜实现语音识别、视觉理解等任务。

另一方面，字节跳动的投资版图涉及十余个赛道，宏观能通过自身的供应链整合能力带动光学模组、语音交互、数据标注等细分赛道发展；微观依托自身渠道优势能在生态内实现带货转化到支付的场景闭环。

“一旦 AI 眼镜在图像理解方面实现突破，科幻片里帮助用户实时记录和标注信息的场景便能照进现实，届时用户获取信息的效率将大幅提升，只需辅助工人进行判断即可。当然，在业务协同方面，AI眼睛还广泛应用于医疗设备及工业设备中，未来前景广阔。”上述人士说道。

AI革命，猴子滞销？

除此之外，字节跳动还有其他硬件项目在悄悄推进，比如机器人的灵巧手和仓储相关的应用——这也符合当下行业的发展规律：

一方面，被动的任务流可能与现有模式类似，用户输入信息后，系统会根据用户需求进行相应的处理和呈现，这种任务流是根据用户的需求和指令进行响应，不主动发起交互。

另一方面，主动的任务流现阶段主要体现在机器人上，例如机器人可以通过环境光影变化主动判断危险情况，进行关怀式或陪伴式交互——具体到生活场景，机器人主动与用户互动包括天气预报、书籍伴读、影视推荐等。

当然，主动关怀场景涉及用户隐私授权，如需要录音、拍照或读取周围场景来提高交互体验的情形，厂商必须明确询问用户是否愿意授权、是否能接受这种主动服务——因为在某些职业场景下，主动式服务更容易被接受，但涉及情感关怀类的场景时，可能会过度收集个人隐私，从而面临一些法律问题。

有鉴于此，不乏行业人士认为，如果字节跳动拿内置自研大模型“豆包”的 AI 能力为卖点，智能穿戴产品向消费电子领域过渡确实会更丝滑、契合。

字节早已埋下“伏笔”

事实上，字节跳动觊觎智能穿戴领域已久。

比如，字节跳动专注自然语言处理、机器学习等技术探索的 AI 实验室早在2016年便已成立；比如，2023 年 ChatGPT 热浪席卷而过，字节“云雀”是首批通过国家《生成式人工智能服务管理暂行办法》名单的大模型。

然而，直到去年，很多实质性的硬件项目才浮出水面——2024 年 10 月 10 日，字节跳动发布的 Ola Friend 智能体耳机一度在市场掀起热议，该硬件团队前身是字节跳动在一个月前全资收购的耳机品牌 Oladance，并购数额约 3-5 亿元。

虎嗅注：Oladance 是由前 BOSE 高管李浩干与多名 BOSE 工程师共同创立，公司因率先推出 OWS （Open Wearable Stereo）开放式耳机概念及相关专利技术而闻名，并在 2021 年推出了全开放式 OWS 系列耳机。

彼时，字节跳动的野心是希望借此进一步拓展硬件矩阵，用以完善 AI 服务生态。

这很大程度上源于，字节跳动敲定 Oladance的 收购后，便迅速将 Oladance 的 OWS 技术整合至硬件生态，随后推出的*产品 Ola Friend 智能体耳机采用恒玄 BES2700 芯片（专精于低功耗完成音频处理相关算力需求），主打卖点就是接入豆包 AI 大模型。

此外，让人“耳目一新”的点在于，Ola Friend 智能体耳机能与手机豆包 APP 无缝衔接，支持随时问答、英语陪练、旅行导游、音乐控制、情绪加油站等多项 AI 功能，产品定位是为用户提供一个随时陪伴在耳边的 AI 朋友。

而且，当字节跳动收购 Oladance 的“靴子落地”，便有市场人士猜测，此举是在为 AI 眼镜埋伏笔。

上述猜测很大程度上源于，音频在 AI 眼镜“进化”中占据着不可或缺的重要地位——因为 AI 眼镜的形态不能采取入耳式耳机传递用户之间的音频交互，开放式耳机及技术便显得尤为重要，而 Oladance 则在开放式耳机领域拥有*的技术。

不过，一位行业人士分析，重度用户非常在意耳机的材质、功耗、音质、触控等反馈，目前字节跳动这款耳机智能交互能力有限，使用体验与宣传预期存在差距。

“Ola Friend 耳机除了调用豆包的通话功能外，创新体验有限——当然，用户体验一定程度上也取决于软件及接入大模型的智能交互，这非常考验团队的各个环节的协同能力，可字节跳动一直未能在硬件领域证明自己，无论是运营经验还是产品能力。”上述人士说道。

值得一提的是，无论 AI 耳机还是 AI 眼镜，字节跳动手里都捏着一个别人无可替代的“杀招”——在抖音跃升至头部国民级移动应用的同时，沉淀了大量用户数据及行为标签。

比如，现阶段抖音用户数据包括年龄、性别、地域、设备 ID、短期兴趣、历史兴趣图谱等，随着数据生成的用户标签越发丰富，这些标签最终会反哺给系统进行推荐内容优化。

这就像字节跳动后院囤下的“富矿”——虽然数据的开放性在监管要求下受到限制，但旗下各个业务部门可以受限制的使用部分数据，如此海量的数据叠加丰富多元的用户标签，字节跳动与其他大厂在用户场景及消费心智塑造上的差距，只会越拉越大。

尤其，作为移动互联网浪潮中的“APP 爆品工厂”，字节跳动极其擅长“大力出奇迹”的作战风格，一旦产业发展能够实现 AI 硬件的高效智能交互，其在流量 场景 技术的攻防体系下，便能基于业务、技术的协同和补充，迅速将外部资源嫁接到自身业务体系，并以闪电战的模式在局部“军备竞赛”中达成数据反超，进而迅速完成用户心智渗透和普及。