Siri画饼，小度上菜

撰文| 吴先之

编辑| 王 潘

AI眼镜正在从极客玩具，稳步走入大众生活之中。

IDC最新发布的报告显示，2025年上半年，全球智能眼镜市场出货量达到406.5万台，同比增长64.2%，预计到2029年更将突破4000万台。其中，中国更被视为是拉动全球智能眼镜增长的主要市场，预计五年复合增长率将高达55.6%，增速位居全球首位。

产品迭代同样不断加速。前有Meta一口气在9月，发布升级多款与Ray-Ban合作的新品，而在刚刚结束的双十一购物节期间，国内智能眼镜也呈现“井喷式”增长。

作为人机协同感知世界的全新媒介，AI眼镜在市场、消费端热度持续飙升的背后，是大模型对多模态的理解和处理实现了长足的进步。多模态交互能力的革新，除了硬件产品本身，自然而然也为AI技术落地，带来了更加广阔的跃升空间。

例如，在11月13日举行的百度世界2025“大模型如何重塑智能硬件新体验”论坛上，小度就对外发布了其全新的AI助手品牌，以及包括小度AI眼镜、多模态智能摄像机等在内的多款AI硬件新品。

大模型时代，所有的硬件设备都值得，也必将被AI重新塑造和升级。随着多模态的发展，我们可以看到，通过视觉、语言，甚至是空间数据等多维信息的综合理解，将进一步解锁智能硬件的想象力。

更为重要的是，这些硬件，将是通往更自然、更无缝的人机交互未来的重要基石。

让AI真正有用，赶早更要赶巧

人机交互这个词，或许不是所有人都听过。但各类智能助手，大家一定都不陌生。

2011年，在iPhone 4s面世的当天，苹果Siri以智能语音助手的身份初次正式亮相，就被赋予了“颠覆性交互”的光环，成为当时发布会最大的亮点。但十多年时间过去，这位最早登场的领先者，不仅被诸多后来者弯道赶超，还常在社交媒体平台上，被网友调侃是“人工智障”。

现在看来，其中很重要的一个原因，就是过度依赖单一模态，从而造成AI所理解到的信息，与复杂的真实世界之间的很多信息错位。

比如，当用户跟Siri说“把刚才那张跟我和我母亲的合照，微信发给她”时，由于这个指令需要涉及时间区间（刚才）、作用对象（合照）、人物关系（我和我妈），Siri如果没有对相册的视觉探知能力、对联系人关系的深度理解，以及终端生态的能力打通，就很难执行。

不仅如此，在上面的例子中，Siri还得能够结合用户前一句话，准确分析出后半句中的“她”指代的是谁，才有可能完整正确的操作。

这也是其为何如今依旧使用寥寥的另一个原因：即便是语音，Siri的“光环”里，也很容易不理解、甚至丢失掉海量非语言的信息，例如语调、停顿，表情、肢体语言，以及说话时的上下文语境等等，这些都承载着人类真实交流时的“言外之意”。

而Siri只能处理被说出来的文字，却无法理解我们很多说话时的“潜台词”，比如高兴时说“算了”，跟烦躁地说“算了”，在真实生活中表达的意图可能完全相反。

多模融合的感知交互，通过图像、视频、语音、文字、手势等多维度信息的整合，可以帮助构建起对现实世界更加完整、准确、连贯的认知，从而打破单一模态下的信息壁垒，让AI能够更好地理解用户的真实意图。

Siri给智能助手挖的“坑”，直到多模态的到来，才看到了被填平的希望。

超能进化，AI终一展“手脚”

今年秋季，海内外众多手机厂商的新品发布中，都不约而同地选择了将多模态能力，作为其内置智能助手的重要迭代方向。但多模态对于AI硬件的意义和价值，显然不只在手机屏幕的方寸之间。

从可穿戴到智能家电，再到车载应用，多模态AI助手正在从手机延伸至更广阔的硬件生态，升级为能主动感知、理解环境并无缝服务的生活协同者。业内亦有消息传出，围绕多模态的应用，苹果也正在筹备AI眼镜项目，可见自己挖的坑，早晚得填。

但动作的快慢，或许昭示着新一轮技术革命，谁有可能先一步站在潮头。

2024年，小度就对其核心操作系统进行了“换脑”，基于大模型实现了底层的全面重构。除了能够提升既有产品体验的性能表现外，通过打造AI原生化的技术底座，小度真正想要做的，一方面是能够契合大模型技术的飞速迭代，同时也让后续基于此的AI创新，更快部署到所有产品中去。

简单来说，多模态是智能硬件的“大脑”，终端设备是承载能力、释放价值的“手脚”。

日前，小度对外正式宣布其全系全量全生态升级“超能小度”，即多模态AI智能助手。从大家所熟知的“小度小度”，到如今的多模态AI智能助手，超能小度感知交互能力的进阶，首先便是在传统设备上，实现了“从单点到全局、从被动到主动”的跃迁。

以家用摄像机为例，从最早只有监控画面，到AI的加入，可以实现一些基础的像哭声检测、人脸识别等功能。如今有了更深层次的视觉智能，显然可以做得更多。

在小度智能摄像机新品的发布中，还提到了关于“智能寻物”的设想：当用户问“我的遥控器放哪了”，摄像机会先环视和查看客厅当前的实时视频画面，如果没有找到，便会自动回溯之前记录的视频画面，告知用户遥控器最后出现的位置、时间，并给出对应画面，“有图有真相”地帮其快速回忆起遥控器的消失经过。

当然，除了传统设备认知范式的革新，超能小度的智能升维，也给AI眼镜这种硬件“新物种”，催生了更多可能。

一类走的是功能增强路线。

比如“AI识物”、“AI翻译”在准确率和响应速度上，都有显著提升。即将上线的“AI会议纪要”功能，增加了“智能洞察”模式，能够智能分析会议质量、多发言人意图、潜在争议点等，并能给出更深入的优化建议和指引。

另一类，通俗点说，则是打开了新“视界”。

眼镜作为第一视角设备，天然有解放双手的优势，当拎着一堆东西，又想要记个停车位、物业通知等等，就可以直接自动拍照记录并生成“AI备忘”，不仅随时都能查，还支持日程提醒、拨打电话等进一步的需求满足；还有跟网易云音乐联合打造的“氛围歌单”功能，可根据用户眼前看到的画面，直接播放个性化的应景歌单，无需掏出手机。

“⼩度从诞⽣之⽇起，始终追求的是⼈机交互的革命”，在发布现场，⼩度科技CEO李莹这样介绍道。愿景如此，实现了多模态进化的小度，也真正从只会单一、被动响应指令的“工具人”，蜕变成为能够主动思考、决策和执行的“好伙伴”。

而且，值得一提的是，超能小度的此次升级“管新更管旧”，不仅将覆盖其全系新品，更支持数千万台小度的已售设备进行免费升级。

如今看来，小度在2024年，基于大模型对其技术底座，进行AI原生操作系统的全面重构，确是在谋划超能小度这步大棋。

当AI助手，跟我们一起走入生活

AI助手的多模态升级，显然不是大模型时代智能硬件发展的终局。

今年，包括苹果在内的很多国内外科技大厂，同样也意识到了这点。

8月，小米澎湃OS 3.0版本升级，并重点打造了超级小爱的多模态交互能力。随后，荣耀在全球开发者大会上，也宣布推出其全新的AI智能体操作系统MagicOS 10。近日更有消息指出，苹果决定引入谷歌Gemini大模型，让新版Siri更智能、功能更强，并支持多模态交互，后续还将在其iOS 27、macOS 27等操作系统中进一步整合。

“在AI时代，所有硬件设备都值得，也必将被AI重塑”，李莹表示，“我们秉持充分开放的态度，将‘超能小度’的能力赋能给更多行业伙伴，共同为用户创造更智能、便捷、人性化的体验。”

据介绍，在推动自有产品升级的同时，超能小度还以智能引擎的方式，在智慧酒店、智慧养老、智能家电、智能汽车、AI玩具等行业，实现了全面的落地应用。而本次小度与海尔智家达成战略合作，相信也会给AI时代全新的生活方式，带来更大的想象空间。

或许只有像超能小度这样，真正让AI能够“走出来”，进入到更多场景、更广生态，从而跟更多人一起走入真实的生活，14年前的苹果发布会上，Siri给人们画下的那个大饼，才有可能真正落地。

微信号｜TMTweb

公众号｜光子星球

别忘了扫码关注我们！