字节蛰伏的“杀招”，呼之欲出

出品｜虎嗅黄青春频道

作者｜商业消费主笔黄青春

题图｜视觉中国

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，跃居全球第一。

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着，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。

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 高管李浩乾与多名 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，随后推出的首款产品 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领先的技术。

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。

#虎嗅商业消费主笔黄青春、黄青春频道出品人，关注文娱社交、游戏影音等多个领域，行业人士交流加微信：724051399，新闻线索亦可邮件至huangqingchun@huxiu.com

本文来自虎嗅，原文链接：https://www.huxiu.com/article/4226755.html?f=wyxwapp