筆與屏：AI硬件為何分化出兩條路？

過去一年，AI硬件的主戰(zhàn)場不再只是“把大模型塞進(jìn)手機(jī)”，而是開始爭奪更底層的東西：人們到底要用什么形態(tài)去接觸AI。

在這一過程中，誕生了許許多多的AI硬件產(chǎn)品，從AI耳機(jī)、AI眼鏡、AI手機(jī)到AI錄音筆、錄音卡片等。

一邊是無屏的、可穿戴的“新物種”，一邊是繼續(xù)以屏幕為中樞、把AI寫進(jìn)系統(tǒng)底座的傳統(tǒng)終端升級。

我們把前一條路線統(tǒng)稱為“筆”：它不是指具體外形，而是泛指輕便、隨身、低存在感，以音頻/環(huán)境感知為主輸入，通常不帶有屏幕的AI硬件。

“筆”最激進(jìn)的樣本，早在2024年就有人做過。Humane在那一年推出AI Pin，它被定義為可夾在衣服上的“可穿戴電腦”，主打讓用戶擺脫智能手機(jī)。

不過，該產(chǎn)品因延遲高、投影不可視、應(yīng)用生態(tài)匱乏等問題遭遇大量差評，最終僅獲得約1萬筆訂單；Humane隨后也被惠普收購。

相比之下，更務(wù)實的“筆”正在從窄場景切入。以Plaud、釘釘A1、飛書錄音豆為代表的AI錄音硬件，強(qiáng)調(diào)會議、采訪等明確場景，通過隨身采集語音，再由大模型完成轉(zhuǎn)寫與總結(jié)。

這一方向的想象力，如今在OpenAI身上被進(jìn)一步放大。

OpenAI已確認(rèn)與前蘋果設(shè)計負(fù)責(zé)人Jony Ive展開硬件層面的合作，項目瞄準(zhǔn)一種不同于手機(jī)與PC的新型AI設(shè)備，強(qiáng)調(diào)更自然的交互與更低的存在感，目前已知形態(tài)也被形容為“像一支筆”。

與“筆”并行的，是仍以屏幕為中樞的另一條路線。微軟將Copilot+PC定義為新一代PC形態(tài)，并明確提出NPU算力門檻；Meta和各大手機(jī)廠商則持續(xù)在眼鏡、手機(jī)等終端上強(qiáng)化AI與顯示、系統(tǒng)的深度融合。

如果把這些現(xiàn)象放在一起，會看到一條清晰的分岔：新銳AI公司更愿意押注“筆”——無屏、貼身、輸入優(yōu)先；傳統(tǒng)互聯(lián)網(wǎng)/硬件公司更愿意押注“屏”——在既有形態(tài)的產(chǎn)品上，延伸顯示、系統(tǒng)與生態(tài)能力。

顯然，面對AI硬件這一品類，行業(yè)內(nèi)已經(jīng)出現(xiàn)了對交互成本、技術(shù)成熟度與商業(yè)化路徑的不同押注。

A

2025年，在一次公開對談中，OpenAI CEO奧特曼形容當(dāng)下的數(shù)字生活“就像走在時代廣場”。

他表示，信息、推送和屏幕不斷爭奪注意力，而他們正在探索的AI硬件，目標(biāo)恰恰相反——“更平靜（more calm），更少打擾（less distracting）”。

事實上，這一理念并不新鮮，卻在近兩年被重新提起。與其把AI塞進(jìn)手機(jī)或PC，不如退回到更基礎(chǔ)的一層：先感知和連接世界本身。我們把這類設(shè)備概括為“筆型AI”——輕、貼身、低存在感；在產(chǎn)品邏輯上，它們的感知優(yōu)先級高于操作。

從行業(yè)視角看，當(dāng)下概念中的“筆型AI”，并不在于替代手機(jī)或PC成為新的硬件入口，而在于爭奪個人與組織的第一手輸入權(quán)：語音、環(huán)境、視角，在相對無感的前提下，讓AI能夠持續(xù)接收并處理信息。

不過，在這一理念驅(qū)使下，過去幾年中卻未能孕育出成功打開市場的產(chǎn)品。

時間回到2024年，Humane推出的AI Pin、Rabbit的R1，都試圖成為“脫離手機(jī)的AI終端”，用語音或環(huán)境感知完成即時響應(yīng)，甚至跨應(yīng)用執(zhí)行任務(wù)。但最終，這些產(chǎn)品都反響平平，未能打開市場。

體驗差是最直接的結(jié)果。科技評測人Marques Brownlee在評測AI Pin時直言：“這是我評測過最差的產(chǎn)品之一——不是因為想法，而是因為它現(xiàn)在根本不能用。”

另一層原因是，當(dāng)時端側(cè)算力還無法支撐復(fù)雜推理，大多數(shù)無屏設(shè)備延遲與中斷頻繁。《華爾街日報》科技專欄作家Joanna Stern在對比體驗多款無屏AI設(shè)備時寫道，Humane AI Pin與Rabbit R1“更像科學(xué)項目，而不是成品”。她還在視頻測試中記錄到，Rabbit做一次“實時翻譯”用了四分鐘。

業(yè)內(nèi)對端側(cè)算力的衡量標(biāo)準(zhǔn)之一是NPU（神經(jīng)處理單元）性能。IDC等機(jī)構(gòu)認(rèn)為需超過30TOPS才基本滿足大語言模型推理能力，但截至2024年初，只有少數(shù)SoC達(dá)到這一門檻，如高通驍龍8 Gen 3與蘋果A17 Pro等。

而在一些更“垂”的場景里，“筆型AI”的定位迅速收縮，以記錄優(yōu)先的一批AI產(chǎn)品陸續(xù)面世。在中國市場，這種變化體現(xiàn)得尤為明顯，例如釘釘推出的A1錄音卡片，以及飛書與安克合作的AI錄音豆。

在海外市場，也出現(xiàn)了類似取向的產(chǎn)品，如Plaud的Note Pro。這類設(shè)備更關(guān)注把碎片化的語音、會議內(nèi)容和環(huán)境音轉(zhuǎn)成可檢索、結(jié)構(gòu)化的語料，而不是即時對話或執(zhí)行任務(wù)。

a16z投資的AI硬件公司Limitless（前Rewind）也走向了類似取向。其創(chuàng)始人Dan Siroker在接受采訪時曾表示，他們“不是在做第二臺設(shè)備，而是在做記錄對話的基礎(chǔ)設(shè)施”。

不過，當(dāng)“筆”的外延繼續(xù)擴(kuò)展，矛盾也隨之升級。近年來，一些團(tuán)隊開始嘗試把攝像頭引入耳機(jī)或頭戴設(shè)備，希望獲得更自然的第一視角輸入。這既意味著電池與算力需要重新分配，也在社會層面引發(fā)了對隱私邊界的擔(dān)憂。

技術(shù)分析師Avi Greengart在討論AI可穿戴趨勢時指出，消費者對隱私的期待“并沒有消失，但確實在發(fā)生位移”。人們愿意為便利讓渡部分邊界，卻仍對“被持續(xù)記錄”保持警惕。

也正是在這種背景下，OpenAI與Jony Ive團(tuán)隊的硬件項目被視為“筆”的最大變量。OpenAI全球事務(wù)負(fù)責(zé)人Chris Lehane曾對外確認(rèn)，公司計劃在2026年下半年展示首款硬件設(shè)備，其關(guān)注重點并不在顯示，而在更自然、更克制的環(huán)境感知。

Ive曾主導(dǎo)iPhone 4，開啟并定義了上一個智能手機(jī)時代。但在其設(shè)計生涯中，另一個被反復(fù)提及的產(chǎn)品是更簡單、克制的iPod。也許在未來OpenAI的硬件上，我們還能看到iPod的影子。

拋開Ive的“執(zhí)念”，“筆型AI”更像AI時代的傳感器層。它不直接替人做決定，以感知為第一優(yōu)先級，進(jìn)而再驅(qū)動用戶的交互。但在一些以交互為先的場景中，“屏”的重要性似乎又不可替代。

B

與“筆型AI”試圖降低存在感不同，有屏的硬件陣營——不管是傳統(tǒng)的PC/手機(jī)，還是新銳產(chǎn)品——都在過去兩年中積極擁抱AI。

這條路線的分水嶺，可以說出現(xiàn)在AI從“應(yīng)用能力”轉(zhuǎn)向“系統(tǒng)能力”的時刻。

2024年5月，微軟發(fā)布Copilot+PC，號稱是一次AI在操作系統(tǒng)層面的重構(gòu)。官方文檔中指出，新一代Windows設(shè)備需要配備算力達(dá)到40+TOPS的NPU，部分AI能力將以“系統(tǒng)原生”的方式運行，而非通過獨立應(yīng)用調(diào)用。

這一設(shè)計，本質(zhì)上是在把AI融入到硬件的系統(tǒng)層。微軟消費業(yè)務(wù)負(fù)責(zé)人Yusuf Mehdi在發(fā)布中直言，這是“重新定義Windows電腦”的一次調(diào)整。

類似的邏輯，也出現(xiàn)在手機(jī)端。無論是蘋果、三星，還是小米、vivo等國產(chǎn)廠商，近年來都把AI能力直接下沉到系統(tǒng)層。

這表明在AI時代，屏幕仍然是信息展示、交易確認(rèn)和權(quán)限授權(quán)的中樞。AI加持下的智能手機(jī)，擁有了與超級App爭搶“第一入口”的資本。

以字節(jié)此前與中興聯(lián)合推出的豆包手機(jī)助手為例，其定位并不是獨立應(yīng)用，而是深度嵌入系統(tǒng)交互流程，參與搜索、寫作、日程、通知等多個環(huán)節(jié)，并通過系統(tǒng)級入口重新分配用戶與信息、服務(wù)之間的關(guān)系。

當(dāng)AI進(jìn)入系統(tǒng)層，首先就被互聯(lián)網(wǎng)時代的同行視為“洪水猛獸”。早在2024年，微軟推出Recall功能，嘗試通過周期性記錄屏幕內(nèi)容，幫助用戶事后檢索信息。這一功能在發(fā)布初期即引發(fā)巨大爭議。

通信應(yīng)用Signal率先公開反對，指出Recall在設(shè)計上未給予應(yīng)用足夠的控制權(quán)，系統(tǒng)級截圖機(jī)制可能捕捉加密通信界面。隨后，一批工具宣布默認(rèn)屏蔽Recall。

一年后的豆包手機(jī)助手上，類似的場景再次上演。社交、電商、金融等領(lǐng)域的頭部企業(yè)，其旗下App紛紛屏蔽豆包手機(jī)助手。

可靠性，成為智能手機(jī)推進(jìn)AI進(jìn)化節(jié)奏的重要影響因素。去年，蘋果宣布將原計劃推出的Siri AI功能推遲至2026年。拋開蘋果自研模型水平落后這一原因，蘋果官方曾回應(yīng)稱，這些功能尚未達(dá)到預(yù)期的可靠性標(biāo)準(zhǔn)。

在隨后的采訪中，蘋果全球市場負(fù)責(zé)人Greg Joswiak曾表示，蘋果不希望用戶接觸到“表現(xiàn)不穩(wěn)定的系統(tǒng)級能力”。而根據(jù)最新消息，蘋果計劃讓新版Siri使用由Google Gemini驅(qū)動的基礎(chǔ)模型，以提升語義理解與對話能力。

新版Siri能否進(jìn)一步推動手機(jī)AI的邊界，仍需等到正式發(fā)布的那一天。

把視角轉(zhuǎn)向AI眼鏡，屏型路線的特征被進(jìn)一步放大。眼鏡成為手機(jī)等終端屏幕形態(tài)的延伸，把信息展示轉(zhuǎn)移到用戶視野中。

Meta與Ray-Ban合作的AI眼鏡率先打開了市場，首先在語音、翻譯和基礎(chǔ)視覺理解等功能上跑通日常使用頻率，隨后在二代產(chǎn)品中引入光波導(dǎo)技術(shù)。而在Meta之前，Rokid、雷鳥、阿里夸克等企業(yè)也先后推出了帶有光波導(dǎo)可視技術(shù)的AI眼鏡。

不過，相比上一輪以“無顯示”為主的AI眼鏡，可視AI眼鏡在工程層面臨的挑戰(zhàn)并未緩解，反而更加集中地暴露出來。

Meta首席技術(shù)官Andrew Bosworth在談到Orion原型時直言，顯示部件的良率“糟糕得難以想象”。換言之，想要成為新時代的AI終端，AI眼鏡仍有不少工程問題有待突破。

事實上，在當(dāng)前技術(shù)路徑中，光波導(dǎo)幾乎是唯一能夠在保證視野通透的同時，將信息疊加到現(xiàn)實世界中的方案。不過，直到今天，光波導(dǎo)的規(guī)模化量產(chǎn)仍是一個尚未解決的工程難題。

另一方面，技術(shù)路線的高度同質(zhì)化，也影響著一些廠商對AI眼鏡的態(tài)度。近期，業(yè)內(nèi)一些傳聞又指向了字節(jié)將在近期發(fā)布AI眼鏡。但據(jù)XR Vision工作室推測，這款產(chǎn)品或?qū)⒉粫l(fā)售，字節(jié)或?qū)⒅苯娱_啟下一代產(chǎn)品的研發(fā)。

XR Vision的這一推測，源自當(dāng)前AI眼鏡賽道“硬件同質(zhì)化、功能趨同”的普遍困境，正如行業(yè)內(nèi)對vivo暫停AI眼鏡項目的評論所言，當(dāng)下大廠在該賽道普遍謹(jǐn)慎，核心原因正是“很難做出差異化”。

在技術(shù)迭代需要更多時間的一背景下，屏型AI更像一場耐力賽。不管是AI手機(jī)還是AI眼鏡，都需要操作系統(tǒng)、硬件門檻和生態(tài)的持續(xù)整合。

C

拆解使用邏輯后，你會發(fā)現(xiàn)“筆”和“屏”并不是同一條路。想象一個很日常的場景：開會時，你只想把人說的話完整記住；散會后，你需要把重點寫進(jìn)紀(jì)要、把任務(wù)派出去。在AI交互層面，前者需要“感受和采集”，后者需要“操作和訂正”。

是否讓AI參與決策，成為這場AI硬件分化背后的重要原因之一。有些場景可以不涉及決策、先行感知，但一旦進(jìn)入決策環(huán)節(jié)，交互邏輯就完全不同。

為什么“決策”必須更謹(jǐn)慎？復(fù)雜系統(tǒng)研究者梅拉妮·米切爾曾在采訪中表示，生成式模型容易在不同情境下表現(xiàn)出脆弱性與自相矛盾，因此人類必須保持監(jiān)督與編輯的角色。

翻譯成更直觀的話就是：模型可以幫你推進(jìn)流程，但人必須能夠監(jiān)控這個過程，并且隨時介入和把控。這正是有屏AI硬件不可替代的一面。

在學(xué)術(shù)界，有一個概念被稱為“自動化偏差”——人們傾向于相信系統(tǒng)給出的建議，哪怕自己隱約覺得不對。

早在2000年，美國的一項實驗研究《問責(zé)機(jī)制與自動化偏差》就指出：當(dāng)參與者被要求對整體表現(xiàn)或決策準(zhǔn)確性“承擔(dān)責(zé)任”時，自動化偏差的發(fā)生率會下降。在AI時代，這意味著一旦結(jié)果需要追責(zé)，人就更需要一個可確認(rèn)、可校驗的界面，而這恰恰是“屏”最擅長承擔(dān)的部分。

因此，“筆”與“屏”的路線之爭，本質(zhì)上是AI硬件所對應(yīng)場景分化的結(jié)果：貼身設(shè)備“筆”更像“感知與記憶外設(shè)”，負(fù)責(zé)持續(xù)采集信息；屏幕終端更像“編輯與執(zhí)行中樞”，強(qiáng)調(diào)任務(wù)的持續(xù)交互與可追蹤性。

不過，考慮到技術(shù)層面的不斷進(jìn)化，“筆”的價值也許會在更長周期中體現(xiàn)出來。

全天候的理解和感知，使“筆”形態(tài)能夠為AI提供長期語料與上下文。換言之，建立在持續(xù)感知之上的技術(shù)，未來的“筆”可能會比“屏”更懂用戶。“筆”更契合AI時代的長期記憶，“屏”則更像一個工作臺。

斯坦福人類中心AI研究所曾提出，將人類與AI的交互設(shè)計放在算法核心，是確保系統(tǒng)可用且可信的關(guān)鍵，強(qiáng)調(diào)“算法不只是輸出結(jié)果，更要考慮人類如何理解與使用這些結(jié)果”。

本質(zhì)上，“筆”和“屏”只是代表了這一邏輯中的兩種優(yōu)先級選擇：是優(yōu)先“長期記憶”，還是優(yōu)先“即時反饋”。

新銳AI公司希望跳出傳統(tǒng)交互邏輯，通過新的產(chǎn)品形態(tài)塑造新場景與新需求。這也是為什么在AI Pin失敗之后，業(yè)內(nèi)仍愿意期待OpenAI無屏方案的成果。

而在ToB領(lǐng)域，越來越多公司已經(jīng)不再試圖用一臺設(shè)備“包辦一切”。Plaud、釘釘、飛書將AI硬件定位為語音入口，已經(jīng)在垂直場景中驗證了“持續(xù)感知”的可行性。

事實上，“筆”和“屏”從來都不矛盾，它們更像產(chǎn)品設(shè)計中“不可能三角”的兩端：無感與便攜、可視與信息處理，以及穩(wěn)定輸出所需的續(xù)航與算力支持。

換言之，AI硬件對未來的定義不止一個。“筆”和“屏”陣營的邊界，或許會隨著技術(shù)迭代逐漸模糊。但在當(dāng)下，“筆”形態(tài)的超級入口尚未真正出現(xiàn)，通用AI在短期內(nèi)仍離不開傳統(tǒng)手機(jī)等“屏”設(shè)備作為算力終端。

它們最終究竟是替代還是協(xié)作的關(guān)系，AI企業(yè)與傳統(tǒng)硬件企業(yè)，或許會在未來兩年內(nèi)給出答案。