笔与屏：AI硬件为何分化出两条路？

过去一年，AI硬件的主战场不再只是“把大模型塞进手机”，而是开始争夺更底层的东西：人们到底要用什么形态去接触AI。

在这一过程中，诞生了许许多多的AI硬件产品，从AI耳机、AI眼镜、AI手机到AI录音笔、录音卡片等。

一边是无屏的、可穿戴的“新物种”，一边是继续以屏幕为中枢、把AI写进系统底座的传统终端升级。

我们把前一条路线统称为“笔”：它不是指具体外形，而是泛指轻便、随身、低存在感，以音频/环境感知为主输入，通常不带有屏幕的AI硬件。

“笔”最激进的样本，早在2024年就有人做过。Humane在那一年推出AI Pin，它被定义为可夹在衣服上的“可穿戴电脑”，主打让用户摆脱智能手机。

不过，该产品因延迟高、投影不可视、应用生态匮乏等问题遭遇大量差评，最终仅获得约1万笔订单；Humane随后也被惠普收购。

相比之下，更务实的“笔”正在从窄场景切入。以Plaud、钉钉A1、飞书录音豆为代表的AI录音硬件，强调会议、采访等明确场景，通过随身采集语音，再由大模型完成转写与总结。

这一方向的想象力，如今在OpenAI身上被进一步放大。

OpenAI已确认与前苹果设计负责人Jony Ive展开硬件层面的合作，项目瞄准一种不同于手机与PC的新型AI设备，强调更自然的交互与更低的存在感，目前已知形态也被形容为“像一支笔”。

与“笔”并行的，是仍以屏幕为中枢的另一条路线。微软将Copilot+PC定义为新一代PC形态，并明确提出NPU算力门槛；Meta和各大手机厂商则持续在眼镜、手机等终端上强化AI与显示、系统的深度融合。

如果把这些现象放在一起，会看到一条清晰的分岔：新锐AI公司更愿意押注“笔”——无屏、贴身、输入优先；传统互联网/硬件公司更愿意押注“屏”——在既有形态的产品上，延伸显示、系统与生态能力。

显然，面对AI硬件这一品类，行业内已经出现了对交互成本、技术成熟度与商业化路径的不同押注。

A

2025年，在一次公开对谈中，OpenAI CEO奥特曼形容当下的数字生活“就像走在时代广场”。

他表示，信息、推送和屏幕不断争夺注意力，而他们正在探索的AI硬件，目标恰恰相反——“更平静（more calm），更少打扰（less distracting）”。

事实上，这一理念并不新鲜，却在近两年被重新提起。与其把AI塞进手机或PC，不如退回到更基础的一层：先感知和连接世界本身。我们把这类设备概括为“笔型AI”——轻、贴身、低存在感；在产品逻辑上，它们的感知优先级高于操作。

从行业视角看，当下概念中的“笔型AI”，并不在于替代手机或PC成为新的硬件入口，而在于争夺个人与组织的第一手输入权：语音、环境、视角，在相对无感的前提下，让AI能够持续接收并处理信息。

不过，在这一理念驱使下，过去几年中却未能孕育出成功打开市场的产品。

时间回到2024年，Humane推出的AI Pin、Rabbit的R1，都试图成为“脱离手机的AI终端”，用语音或环境感知完成即时响应，甚至跨应用执行任务。但最终，这些产品都反响平平，未能打开市场。

体验差是最直接的结果。科技评测人Marques Brownlee在评测AI Pin时直言：“这是我评测过最差的产品之一——不是因为想法，而是因为它现在根本不能用。”

另一层原因是，当时端侧算力还无法支撑复杂推理，大多数无屏设备延迟与中断频繁。《华尔街日报》科技专栏作家Joanna Stern在对比体验多款无屏AI设备时写道，Humane AI Pin与Rabbit R1“更像科学项目，而不是成品”。她还在视频测试中记录到，Rabbit做一次“实时翻译”用了四分钟。

业内对端侧算力的衡量标准之一是NPU（神经处理单元）性能。IDC等机构认为需超过30TOPS才基本满足大语言模型推理能力，但截至2024年初，只有少数SoC达到这一门槛，如高通骁龙8 Gen 3与苹果A17 Pro等。

而在一些更“垂”的场景里，“笔型AI”的定位迅速收缩，以记录优先的一批AI产品陆续面世。在中国市场，这种变化体现得尤为明显，例如钉钉推出的A1录音卡片，以及飞书与安克合作的AI录音豆。

在海外市场，也出现了类似取向的产品，如Plaud的Note Pro。这类设备更关注把碎片化的语音、会议内容和环境音转成可检索、结构化的语料，而不是即时对话或执行任务。

a16z投资的AI硬件公司Limitless（前Rewind）也走向了类似取向。其创始人Dan Siroker在接受采访时曾表示，他们“不是在做第二台设备，而是在做记录对话的基础设施”。

不过，当“笔”的外延继续扩展，矛盾也随之升级。近年来，一些团队开始尝试把摄像头引入耳机或头戴设备，希望获得更自然的第一视角输入。这既意味着电池与算力需要重新分配，也在社会层面引发了对隐私边界的担忧。

技术分析师Avi Greengart在讨论AI可穿戴趋势时指出，消费者对隐私的期待“并没有消失，但确实在发生位移”。人们愿意为便利让渡部分边界，却仍对“被持续记录”保持警惕。

也正是在这种背景下，OpenAI与Jony Ive团队的硬件项目被视为“笔”的最大变量。OpenAI全球事务负责人Chris Lehane曾对外确认，公司计划在2026年下半年展示首款硬件设备，其关注重点并不在显示，而在更自然、更克制的环境感知。

Ive曾主导iPhone 4，开启并定义了上一个智能手机时代。但在其设计生涯中，另一个被反复提及的产品是更简单、克制的iPod。也许在未来OpenAI的硬件上，我们还能看到iPod的影子。

抛开Ive的“执念”，“笔型AI”更像AI时代的传感器层。它不直接替人做决定，以感知为第一优先级，进而再驱动用户的交互。但在一些以交互为先的场景中，“屏”的重要性似乎又不可替代。

B

与“笔型AI”试图降低存在感不同，有屏的硬件阵营——不管是传统的PC/手机，还是新锐产品——都在过去两年中积极拥抱AI。

这条路线的分水岭，可以说出现在AI从“应用能力”转向“系统能力”的时刻。

2024年5月，微软发布Copilot+PC，号称是一次AI在操作系统层面的重构。官方文档中指出，新一代Windows设备需要配备算力达到40+TOPS的NPU，部分AI能力将以“系统原生”的方式运行，而非通过独立应用调用。

这一设计，本质上是在把AI融入到硬件的系统层。微软消费业务负责人Yusuf Mehdi在发布中直言，这是“重新定义Windows电脑”的一次调整。

类似的逻辑，也出现在手机端。无论是苹果、三星，还是小米、vivo等国产厂商，近年来都把AI能力直接下沉到系统层。

这表明在AI时代，屏幕仍然是信息展示、交易确认和权限授权的中枢。AI加持下的智能手机，拥有了与超级App争抢“第一入口”的资本。

以字节此前与中兴联合推出的豆包手机助手为例，其定位并不是独立应用，而是深度嵌入系统交互流程，参与搜索、写作、日程、通知等多个环节，并通过系统级入口重新分配用户与信息、服务之间的关系。

当AI进入系统层，首先就被互联网时代的同行视为“洪水猛兽”。早在2024年，微软推出Recall功能，尝试通过周期性记录屏幕内容，帮助用户事后检索信息。这一功能在发布初期即引发巨大争议。

通信应用Signal率先公开反对，指出Recall在设计上未给予应用足够的控制权，系统级截图机制可能捕捉加密通信界面。随后，一批工具宣布默认屏蔽Recall。

一年后的豆包手机助手上，类似的场景再次上演。社交、电商、金融等领域的头部企业，其旗下App纷纷屏蔽豆包手机助手。

可靠性，成为智能手机推进AI进化节奏的重要影响因素。去年，苹果宣布将原计划推出的Siri AI功能推迟至2026年。抛开苹果自研模型水平落后这一原因，苹果官方曾回应称，这些功能尚未达到预期的可靠性标准。

在随后的采访中，苹果全球市场负责人Greg Joswiak曾表示，苹果不希望用户接触到“表现不稳定的系统级能力”。而根据最新消息，苹果计划让新版Siri使用由Google Gemini驱动的基础模型，以提升语义理解与对话能力。

新版Siri能否进一步推动手机AI的边界，仍需等到正式发布的那一天。

把视角转向AI眼镜，屏型路线的特征被进一步放大。眼镜成为手机等终端屏幕形态的延伸，把信息展示转移到用户视野中。

Meta与Ray-Ban合作的AI眼镜率先打开了市场，首先在语音、翻译和基础视觉理解等功能上跑通日常使用频率，随后在二代产品中引入光波导技术。而在Meta之前，Rokid、雷鸟、阿里夸克等企业也先后推出了带有光波导可视技术的AI眼镜。

不过，相比上一轮以“无显示”为主的AI眼镜，可视AI眼镜在工程层面临的挑战并未缓解，反而更加集中地暴露出来。

Meta首席技术官Andrew Bosworth在谈到Orion原型时直言，显示部件的良率“糟糕得难以想象”。换言之，想要成为新时代的AI终端，AI眼镜仍有不少工程问题有待突破。

事实上，在当前技术路径中，光波导几乎是唯一能够在保证视野通透的同时，将信息叠加到现实世界中的方案。不过，直到今天，光波导的规模化量产仍是一个尚未解决的工程难题。

另一方面，技术路线的高度同质化，也影响着一些厂商对AI眼镜的态度。近期，业内一些传闻又指向了字节将在近期发布AI眼镜。但据XR Vision工作室推测，这款产品或将不会发售，字节或将直接开启下一代产品的研发。

XR Vision的这一推测，源自当前AI眼镜赛道“硬件同质化、功能趋同”的普遍困境，正如行业内对vivo暂停AI眼镜项目的评论所言，当下大厂在该赛道普遍谨慎，核心原因正是“很难做出差异化”。

在技术迭代需要更多时间的一背景下，屏型AI更像一场耐力赛。不管是AI手机还是AI眼镜，都需要操作系统、硬件门槛和生态的持续整合。

C

拆解使用逻辑后，你会发现“笔”和“屏”并不是同一条路。想象一个很日常的场景：开会时，你只想把人说的话完整记住；散会后，你需要把重点写进纪要、把任务派出去。在AI交互层面，前者需要“感受和采集”，后者需要“操作和订正”。

是否让AI参与决策，成为这场AI硬件分化背后的重要原因之一。有些场景可以不涉及决策、先行感知，但一旦进入决策环节，交互逻辑就完全不同。

为什么“决策”必须更谨慎？复杂系统研究者梅拉妮·米切尔曾在采访中表示，生成式模型容易在不同情境下表现出脆弱性与自相矛盾，因此人类必须保持监督与编辑的角色。

翻译成更直观的话就是：模型可以帮你推进流程，但人必须能够监控这个过程，并且随时介入和把控。这正是有屏AI硬件不可替代的一面。

在学术界，有一个概念被称为“自动化偏差”——人们倾向于相信系统给出的建议，哪怕自己隐约觉得不对。

早在2000年，美国的一项实验研究《问责机制与自动化偏差》就指出：当参与者被要求对整体表现或决策准确性“承担责任”时，自动化偏差的发生率会下降。在AI时代，这意味着一旦结果需要追责，人就更需要一个可确认、可校验的界面，而这恰恰是“屏”最擅长承担的部分。

因此，“笔”与“屏”的路线之争，本质上是AI硬件所对应场景分化的结果：贴身设备“笔”更像“感知与记忆外设”，负责持续采集信息；屏幕终端更像“编辑与执行中枢”，强调任务的持续交互与可追踪性。

不过，考虑到技术层面的不断进化，“笔”的价值也许会在更长周期中体现出来。

全天候的理解和感知，使“笔”形态能够为AI提供长期语料与上下文。换言之，建立在持续感知之上的技术，未来的“笔”可能会比“屏”更懂用户。“笔”更契合AI时代的长期记忆，“屏”则更像一个工作台。

斯坦福人类中心AI研究所曾提出，将人类与AI的交互设计放在算法核心，是确保系统可用且可信的关键，强调“算法不只是输出结果，更要考虑人类如何理解与使用这些结果”。

本质上，“笔”和“屏”只是代表了这一逻辑中的两种优先级选择：是优先“长期记忆”，还是优先“即时反馈”。

新锐AI公司希望跳出传统交互逻辑，通过新的产品形态塑造新场景与新需求。这也是为什么在AI Pin失败之后，业内仍愿意期待OpenAI无屏方案的成果。

而在ToB领域，越来越多公司已经不再试图用一台设备“包办一切”。Plaud、钉钉、飞书将AI硬件定位为语音入口，已经在垂直场景中验证了“持续感知”的可行性。

事实上，“笔”和“屏”从来都不矛盾，它们更像产品设计中“不可能三角”的两端：无感与便携、可视与信息处理，以及稳定输出所需的续航与算力支持。

换言之，AI硬件对未来的定义不止一个。“笔”和“屏”阵营的边界，或许会随着技术迭代逐渐模糊。但在当下，“笔”形态的超级入口尚未真正出现，通用AI在短期内仍离不开传统手机等“屏”设备作为算力终端。

它们最终究竟是替代还是协作的关系，AI企业与传统硬件企业，或许会在未来两年内给出答案。