中国AI眼镜发展如火如荼，但终端消费市场为何“叫好不叫座”？

市场格局：Meta主导下的中国机会

中国AI眼镜发展如火如荼，但终端消费市场为何“叫好不叫座”？这是众多从业者共同面对的第一个问题。

《国际电子商情》调查发现，产品定位和使用习惯的差异是关键因素之一。在西方市场，智能眼镜更多被视为墨镜产品的替代或延伸，美国、西欧及澳大利亚等市场的消费者已养成日常佩戴墨镜的习惯；而在东亚市场，许多消费者特别是女性用户更习惯以打伞方式遮阳，智能眼镜的潜在消费群体是近视人群。与此同时，Meta在美国市场成功的重要因素之一，是与陆逊梯卡旗下雷朋及欧克利品牌的联名，而中国市场目前尚未出现一个像雷朋那样具有广泛大众认可度的高端时尚眼镜品牌。中国消费者可能更为务实，AI眼镜对许多人来说尚未形成刚性需求。

格科微电子（上海）有限公司AI眼镜产品线负责人匡钟直指产品价值闭环的缺失：“中国AI眼镜当前的瓶颈在于能否形成可持续的产品价值闭环。眼镜是强佩戴属性产品，重量、外观、鼻托压力、发热和续航任何一项不过关，用户都很难长期使用。功能需要从‘演示时惊艳’变成每天都会用，拍摄、翻译、提醒和问答之间要形成连续体验。AI响应的准确性、时延和网络稳定性仍需提高。隐私提示、数据安全和社会接受度也会影响普及。”格科微的定位是把视觉感知前端做深。围绕AI眼镜，格科微重点投入低照、高动态、低功耗常开、快速启动、灵活分辨率/帧率切换，以及适配小型镜头和大入射角的光学优化。

匡钟，格科微电子（上海）有限公司AI眼镜产品线负责人

星宸科技股份有限公司董事、副总经理陈立敬则从另一角度给出了判断：“看待这个行业不能局限于一两年的数据。市场培育、用户认知养成、使用习惯普及以及复购形成，都需要时间周期，当前AI眼镜整体仍处在发展早期，我们需要以3至5年的中长期视角来看待。”

他认为，AI眼镜市场正从概念走向现实，出货量持续增长，给芯片厂商带来了确定性的增长机会，但市场周期长，至少需要5至10年持续迭代。“从外部来看，AI眼镜市场正从概念走向现实；从内部来看，AI眼镜存在独特的技术壁垒——端侧AI算力、超低功耗、极小体积三者同时满足，技术难度高。对于芯片厂商来说，这些技术积累可以沉淀为可复用的IP，持续迭代复用在下一代产品中。”目前星宸科技的第一代AI眼镜芯片已量产出货，尚有5至6家客户正在开发中。

陈立敬，星宸科技股份有限公司董事、副总经理

“AI眼镜面临体积轻量化、续航约束、多模态AI处理、无线协同的现实挑战，技术壁垒高，能够在更早期积累核心技术能力和抢占市场份额。”据重庆物奇微电子股份有限公司副总裁韦韧介绍，物奇微在低功耗通信、智能音频完整解决方案、视频应用、端侧AI算法上有长期技术积累，是国内较早一批布局AI眼镜赛道的芯片厂商。目前物奇微芯片已在十余家AI眼镜客户实现商用落地，覆盖音频AI眼镜、显示AI眼镜、AR眼镜等多种产品形态，目前累计实现数十万级出货。

韦韧，重庆物奇微电子股份有限公司副总裁

中国在AR+AI赛道为何领先？

与基础AI眼镜相比，AR+AI眼镜代表着一个更高阶的品类——它不仅具备AI交互能力，还叠加了增强现实显示功能，应用场景正从信息显示向社交与生活辅助延伸。虽然该市场目前仍属小众，但其增长势头不容小觑：预计2025年至2028年间，AR+AI眼镜的复合年增长率将达115%，超过同期全球智能眼镜市场75%的整体增速。

从市场格局看，中国在这一赛道已取得领先。2026年第一季度，中国以45%的份额位居全球首位，美国以43%紧随其后。在OEM层面，Rokid以47%的市场份额成为最大的整机厂商，Meta和阿里巴巴分别以43%和6%位列其后。

为什么中国在带显示的AR+AI眼镜终端市场反而领先？从供应链看，中国已建成全球最完整的AR光学产业链。光波导、MicroLED微显示、光机封装、精密加工等环节的本土厂商均已大规模落地。这意味着整机厂商可以灵活调整参数，大幅压缩开发周期并控制BOM成本。以MicroLED为例，头部企业JBD是中国公司，此外还有大量光波导供应商和眼镜制造厂商，构成了一个相对完整的本土生态。

有了供应链底座，整机集成与工程化能力随之跟上。国内大模型产业快速成熟，AI能力可快速供给硬件，使得AR显示与端侧AI的融合得以落地，具备了软硬同步开发的产业基础。

更重要的是，国内同时具备庞大的消费市场和海量的垂直行业需求。C端与B端的丰富场景加速了产品迭代与商业验证，用商业化反向驱动硬件、算法、光学持续迭代，缩短行业试错周期。这正是中国AR领域初创企业——如雷鸟、Rokid、影目等的优势所在：它们行动力迅速，倾向于更早发布产品并通过用户反馈快速迭代。

相比之下，美国做终端消费电子的公司如苹果、Meta均为大型科技巨头，通常倾向于等技术完全成熟后才发布产品，因其用户规模过大，不能贸然行动。这种策略差异，也在客观上为中国企业留出了时间窗口。

不过陈立敬明确指出：“显示技术是非常重要的抓手，但不是弯道超车的关键。芯片、端侧AI、空间算法、软件生态仍是明显短板，仅靠显示无法实现真正意义上的超车。”

影像差距：系统性问题需要系统性解法

芯片突围的方向，是由终端体验的瓶颈决定的。一项针对7款主流智能眼镜产品的影像测试揭示了一个核心事实：没有一款产品是全能冠军。户外场景下大多数产品能做到准确曝光，但背光场景下差异显著，低光拍摄更是普遍短板。行业观察指出，HDR（高动态范围）和弱光拍摄是当前差距最大的两个方面，将成为下一阶段的竞争焦点。

针对影像测试中暴露的HDR、低光等短板，匡钟表示，这个“代际差”是整个成像链路的差距，不能只归因于某一颗芯片。眼镜镜头体积小、安装空间受限，人体运动又会带来抖动和快速明暗变化；从传感器、镜头、ISP（图像信号处理器）、算法、IMU（惯性测量单元）到结构散热，任何一环不足都会影响最终效果。HDR需要更好的像素动态范围和融合策略，低光需要感光、噪声与运动模糊的平衡，视频防抖需要高帧率、低时延成像与IMU/算法协同，AI场景识别则依赖稳定、可复现的输入。

格科微路线图中的优先方向是：在受控功耗下先提升低光和高动态基础能力，并兼顾快速曝光收敛。公司持续推进低噪声、像素与光学优化，以及Dual Conversion Gain、Dual Analog Gain、DOL/Stagger等高动态技术。该公司希望先把“看得清、看得稳、随时能用”的底座做好，再与主控和算法伙伴共同改善防抖及场景识别。

陈立敬认为，智能眼镜在影像上的差距不单纯是软件算法的短板，而是传感器、ISP、NPU（神经网络处理器）、传感器融合、功耗管理、整机形态共同构成的系统问题，需要靠硬件IP定制、软硬协同算法、多传感器深度融合、系统功耗调度和上下游联合定义模组多维度同步推进。

在星宸科技的研发规划中，核心技术会同步统筹迭代、全面优化，系统性补齐行业影像与AI交互短板。星宸科技拥有业内领先的全栈核心能力，构建了以自研核心IP平台、全套AI处理器工具链、音视频处理算法库为基础的全系列端边侧AI SoC（系统级芯片）技术平台。其中自研的图像处理技术星帷ISP 6.0，面向运动场景及低照影像处理方向持续提升、迭代；多层次的SoC功耗优化技术，有着业界领先的低功耗表现，在相同运行场景的竞品对比中，可达到更先进制程竞品的能效比；一站式AI模型部署与优化平台StarShuttle，兼容主流训练框架与LLM/VLA，硬件算力利用率高，高效量化编译，大幅降低模型移植门槛，缩短算法部署周期，加速AI眼镜产品落地。

AI短板与音频挑战

此外，AI交互质量也存在明显短板。测试发现，即便基于同一底层AI模型，不同产品在OCR识别上的表现也存在明显差异，根源在于图像预处理策略的不同。这表明，相机质量直接决定AI交互质量，图像预处理策略比AI模型本身更影响最终体验。

匡钟对这一现象给出了技术层面的解释：“同一大模型在OCR等任务上的差异，往往来自输入图像的清晰度、曝光、色彩、镜头阴影、运动模糊和压缩质量。大模型无法凭空恢复前端已经丢失的细节，因此图像预处理必须从传感器曝光开始，而不是到ISP或模型侧才补救。”

在芯片层面，格科微的差异化思路包括：提高低光下的信噪比和有效动态范围；通过Fast AE和片上统计加快明暗切换时的曝光收敛；提供ROI（感兴趣区域）、裁切、合并读出和多分辨率/帧率模式，让系统按任务获取所需数据；利用AOV（始终在线视觉）、Motion Detect、Quick Start和Pre-roll等机制实现低功耗常开与关键画面保留；同时针对小型镜头和大入射角优化像素与光学结构。格科微聚焦高质量、低功耗的视觉输入，并与ISP、主控和模型厂商联合调优整条链路。

语音交互是AI眼镜的另一大核心挑战。户外风噪等复杂声学环境对端侧AI音频算法提出了更高要求。韦韧表示，物奇微芯片产品长期在TWS（真无线立体声）和OWS（开放式可穿戴立体声）等高端品牌客户耳机中大规模商用，在AI音频算法和声学领域有着深厚的技术积累，拥有完整系统解决方案，包含多麦克风上行AI降噪、自适应的ANC（主动降噪）、户外抗强风噪抑制、支持带G-sensor与无G-sensor两套空间环绕音频算法。

随着产品演进，对端侧AI音频算法提出更高的性能要求，在性能提升的同时满足低功耗是行业的痛点。物奇微从芯片和算法架构设计上着手，在CPU、DSP（数字信号处理器）、NPU等多子系统及电源域下灵活处理与分配算法流，根据算法实际复杂度匹配刚好的算力与功耗，适配AI眼镜狭小腔体、供电受限的硬件条件。

“不可能三角”的平衡术

AI眼镜存在“轻量化、长续航、高性能”的不可能三角，根源在于物理定律的刚性约束。作为穿戴设备，AI眼镜必须控制在50克以内，否则无法长时间佩戴。但轻量化意味着机身空间极度有限，电池、芯片、散热均受制约。而高性能需要强大算力与多传感器协同，一颗AI芯片功耗可达数瓦，加上摄像头、显示屏等模组，总功耗迅速攀升。高功耗既要求大容量电池以保证续航，又会产生大量热量，轻量化机身却无法容纳有效散热。

于是形成死结：提升性能需要更大芯片与更强散热，增加重量；延长续航需要更大电池，同样增重；减轻重量则只能牺牲电池或性能。三者互为掣肘，任何一项的改善都可能以牺牲另外两项为代价。

对此，三家芯片企业给出了各自的解题思路。

韦韧表示，佩戴舒适是所有穿戴设备的第一性原理，AI眼镜作为未来普适的穿戴设备，对轻量化有极致的要求。物奇微具备长期的低功耗端侧SoC芯片解决方案，包含低功耗PMU（电源管理系统）、低功耗射频电路设计、低功耗音频上下行链路设计、低功耗DSP及端侧AI SoC系统设计，通过软硬件技术的优化来实现“不可能三角”的平衡。硬件上采用异构架构做任务拆分，按需唤醒算力，通信链路针对可穿戴做功耗优化，同时通过软硬件协同、双芯片分工，避免单芯片负载过高。

当前，无显示和单色显示是物奇微的主攻市场，全彩显示则受限于光机的技术演进，会是单色显示的自然延伸。“现阶段我们以音频+Wi-Fi主攻轻量级和中高端市场，随着物奇微端侧AI芯片落地，我们将实现全链条的AI眼镜SoC芯片方案国产化。”韦韧总结道。

星宸科技的思路是三者兼顾。陈立敬介绍了公司专为智能穿戴设备打造的AI视觉处理芯片SSC309QL，该芯片通过芯片级的系统创新，解决了传统智能眼镜因封装面积大、外挂存储、高功耗而被迫在结构设计上妥协的难题，将轻量化从工程挑战转化为芯片驱动的技术优势。

陈立敬指出：“现阶段技术与应用尚处在发展早期，从重量、成本、续航综合评估，无显示方案具备更突出的竞争力。随着AI交互能力持续升级，多数日常使用场景将以无显示AI眼镜为主。”

匡钟则认为，“轻量化、长续航、高性能”不能靠牺牲其中一项来简单解决，核心是按场景分配能力。图像传感器不需要始终以最高分辨率、最高帧率运行：待机阶段可以采用低功耗常开和事件检测，唤醒后再切换到拍照或视频模式；通过ROI、裁切、合并读出、动态帧率和快速曝光收敛，减少无效数据；同时以BSI（背照式传感器）、低噪声、高感光和合适的像素与光学尺寸提升单帧质量，从源头降低后端ISP和AI运算压力。小封装、低电压设计和更适配眼镜镜头的CRA（主光线入射角）也有助于控制整机尺寸。

从格科微当前的CIS产品定义看，公司会优先服务无显示拍摄型和轻显示型AI眼镜，因为这两类产品更接近近期规模化条件。全彩显示具有长期价值，但需要显示、光学、主控、电池和散热共同成熟，格科微会持续跟进其对视觉传感器提出的新要求。

杀手级应用与“iPhone时刻”

当被问及未来3至5年AI眼镜的“杀手级应用”时，三位受访者的回答出奇一致：不是某个单一场景，而是一个全天候的AI助理。

韦韧认为，目前看到的常规应用，如实时翻译、第一人称拍摄分享、信息提示，或者是医疗健康、工业巡检等场景，实际上都只是垂直的场景，要么是垂直的行业应用，要么是短时的特定应用。真正的“杀手级应用”应该是高频使用的生产力提升应用——一个无时无刻陪伴在身边的随身智能助手：帮助用户看见肉眼看不到的信息，归纳人处理不过来的海量信息，辅助输出人难以快速做出的分析判断。

陈立敬判断道，未来AI眼镜可能不只是“带AI的墨镜”，而是一套端侧多模态感知+空间计算硬件，AI眼镜是机器看向现实世界的眼睛，也是人跟AI在现实空间交互的媒介。这也是为什么芯片厂商愿意长期投入的原因，因为它不只是消费硬件，是下一代AI世界模型的感知硬件底座。不过这需要一个发展周期。

在陈立敬看来，AI眼镜想要真正普及，核心一定依托原生AI能力。“作为芯片厂商，我们更看重底层基础算力与通用能力。我个人的想法是，第一视角全天候实时AI助理可能更符合现实需求。它融合现实世界信息叠加、无感随身记忆、即时知识检索能力，可自然覆盖日常各类需求。在此基础上，实时翻译、实景识别、随身记录、知识分享等功能都能延伸落地，既能服务大众消费市场，也可支撑各类垂直行业场景。”

匡钟的预测则更加乐观：“未来3至5年很可能不会只有一个‘杀手级应用’，而是几类高频能力逐步叠加。消费端最先跑通的组合可能是第一人称拍摄、实时翻译、视觉问答和轻量信息提示，因为它们能够直接利用‘看见用户所见’的优势。工业巡检、远程协作、医疗辅助等垂直场景对效率提升的价值更明确，也可能更早形成稳定付费。”

对于AI眼镜在中国市场的“iPhone时刻”，匡钟预测，中国AI眼镜有望在2028年前后进入明显加速期，并在2028至2029年出现具有标志性的规模化产品。触发条件至少包括——佩戴体验接近普通眼镜、典型使用下能够覆盖一天、核心AI能力低时延且可靠、形成一个每天都会使用的高频场景、价格进入大众可接受区间，以及隐私和内容生态规则逐步完善。

“从芯片原厂的视角看，专用芯片是否经济，取决于制程、掩膜和研发投入、芯片售价、封装，以及平台复用范围，不能只看单一数字。一般而言，当单款产品稳定进入数百万台年销量，并且方案可以复用到多个SKU或客户时，专用芯片投入才更容易形成正向循环；当年销量进一步达到千万级，供应链议价、晶圆利用率和封装测试优化的空间会显著增加。对CIS厂商而言，平台化比单项目定制更重要：用同一低功耗视觉平台覆盖多种眼镜形态，可以降低规模门槛并缩短客户导入周期。”匡钟表示。

韦韧虽然没有给出具体的年份，但他强调，AI眼镜值得芯片厂商和产品厂商的长期投入，这是一个万亿级的长期赛道。物奇微已在轻量化AI眼镜市场占据一席之地，正积极协同合作伙伴和产业生态抢占中高端AI眼镜市场。面向旗舰AI眼镜赛道，物奇微即将推出新一代端侧智能芯片，深度整合蓝牙、Wi-Fi、音频、NPU能力，实现音频AI本地化处理和高速全链路互联，助力不同垂直终端客户打造有竞争力的产品。

AI眼镜终端用户对产品体验有着严苛要求。星宸科技秉持深耕细分赛道、力争赛道头部的发展理念，聚焦为合作伙伴提供高性能、低功耗且具备成本优势的芯片方案，助力客户打造高性价比、面向大众消费市场的AI眼镜产品。陈立敬展望道：“未来3至5年，星宸科技致力于成为AI眼镜供应链中被行业广泛选用、备受认可的芯片供应商。”陈立敬表示。

结语

AI眼镜的产业变局正在发生。从Counterpoint的数据来看，全球智能眼镜市场正处于从尝鲜到主流的转折点上，75%的复合年增长率预示着这条赛道的巨大潜力。中国企业在供应链端占据超过80%的份额，在AR+AI眼镜终端市场以45%的份额领先全球，但在不带显示的AI眼镜市场却落后于美国。这种结构性反差恰恰说明，中国AI眼镜产业的突破口不在于简单的规模复制，而在于找到适合自己的产品定义和市场路径。

芯片是这场突围战的核心战场。物奇微、星宸科技、格科微三家企业的技术路线虽有不同，但它们共同的判断是：AI眼镜不是一个短期的风口，而是一个需要5至10年持续迭代的长期赛道。影像质量的系统性问题、轻量化与高性能的矛盾、端侧AI算力的提升，都需要芯片企业与整机厂商、算法厂商协同攻克。

正如匡钟所言：“真正的突破不会来自参数堆叠，而是把一个高频场景做到足够自然、可靠且价格可接受。”当佩戴体验接近普通眼镜、续航覆盖全天、AI能力足够可靠、价格进入大众区间——这些条件逐一兑现之时，AI眼镜在中国市场的“iPhone时刻”也将随之到来。

而对于已经在供应链和技术上完成前期积累的中国芯片企业来说，目前的阶段这场战役才刚刚开始。