AirPods装摄像头+智能眼镜+AI吊坠！苹果三款新硬件曝光

彭博社记者马克·古尔曼披露，苹果正秘密推进多款以“视觉智能”为核心的新硬件研发，涵盖配备摄像头的进阶版AirPods、首款智能眼镜，以及一款可悬挂于衣物上的吊坠式装置。

根据了解，这三款设备都将围绕Siri数字助手构建，升级版本的Siri还将能够依靠视觉信息来进行交互；并且它们均将需要连接苹果iPhone手机使用，并且搭载功能不同的摄像头。

苹果的视觉AI战略野心

苹果CEO库克在内部全员大会及财报电话会上多次提及，“视觉智能”已成为Apple Intelligence中最受欢迎的能力之一，它极大地优化了用户在学习、搜索以及与屏幕内容交互方面的体验，显著提升了效率。

目前，“视觉智能”主要集成在iPhone 16的相机控制按钮上。用户只需长按该按钮，就能快速对周围环境进行识别，进而实现多种实用操作。比如翻译路标、获取餐厅详细信息，或者将传单上的活动信息直接添加到日历中。

随着iOS 26系统的推送，“视觉智能”的应用场景实现了突破性扩展。它不再局限于相机取景，而是借助全新设计的截图查看器，覆盖iPhone屏幕上的所有内容。在iOS 26系统里，用户完成屏幕截图后，系统会自动调用AI能力对图片中的信息进行处理。

值得注意的是，目前该功能允许用户拍摄照片或截图后，通过OpenAI的ChatGPT询问有关内容的问题，或者通过谷歌轻松进行反向图像搜索。

然而，苹果的野心显然不止于做外部AI模型的“搬运工”。据透露，苹果正在投入大量资源开发自研的原生视觉模型，旨在取代目前依赖的外部系统，并让这类技术成为即将推出的AI设备系列的核心。

三线布局，构建全场景视觉感知网络

古尔曼披露的苹果三款新硬件设备，形态各异，覆盖不同穿戴场景，共同搭建起苹果视觉AI的“全场景感知网络”。

• 带摄像头的AirPods：这款进阶版AirPods是在现有AirPods基础上加入摄像头，赋予耳机“环境感知”能力。其主要功能是为AI提供视觉信息，而非用于拍摄照片和视频。预计该产品最早将于2026年推出。
• 智能眼镜：该款智能眼镜预计最快2027年面世，将直接对标Meta Ray-Ban的高端设备。据悉，这款智能眼镜将采用无显示屏设计，配备先进的摄像头系统，包括一个能够拍摄照片和视频的高分辨率摄像头，以及第二个为Siri提供视觉信息和环境感知的摄像头。用户可通过该眼镜与Siri交互、拨打电话、听音乐、拍照和录制视频。
• 吊坠式装置：这款吊坠式装置体积如同AirTag，可夹在衣物或挂在项链上。它将配备低分辨率摄像头，为AI提供视觉感知；内置麦克风方便用户与Siri对话。苹果计划将其作为iPhone的延伸配件进行营销，而非作为独立产品推向市场。

端侧AI与隐私计算的双重护城河

苹果这三款新硬件的曝光，背后是其一套完整的视觉AI战略逻辑。苹果并非简单堆砌硬件，而是依托两大核心技术构建壁垒，走“端侧落地、协同共生”的差异化路线。

“端侧部署”作为苹果视觉AI战略的首要核心，即所有视觉感知、数据处理和AI计算均在用户设备端完成，而非依赖云端服务器。这一点与Apple Intelligence的整体定位高度契合。

具体而言，对于日常的简单任务，Apple Intelligence将直接通过本地设备端模型的运行完成，所有数据均在用户设备上进行处理，无需传输到云端，大大减少了数据暴露的风险，在隐私保护方面具有显著优势。

对于视觉AI而言，隐私保护堪称“生死线”。视觉数据往往涵盖用户的出行轨迹、社交场景、面部特征等大量敏感信息。苹果的端侧处理模式，不仅彻底解决了视觉数据的隐私安全问题，还能有效降低数据传输的延迟，让视觉AI的响应速度更快，实现了“安全与体验”的双重平衡。

而这一切的背后，离不开苹果多年来在芯片领域的深厚积累。从M系列芯片到H系列耳机芯片，再到神经网络引擎，苹果的自研芯片为端侧视觉AI提供了强大的算力支撑，让轻量化的穿戴设备（如吊坠式装置、智能眼镜）也能轻松承载复杂的视觉识别任务。

如果说端侧AI是苹果视觉AI的“技术根基”，那么“生态协同”便是其最核心的竞争力。根据了解，此次曝光的三款新硬件，均需与iPhone手机深度连接，同时将与正在开发中的更智能版本的Siri实现无缝交互，形成“硬件-服务-数据”的完整生态闭环。这种闭环生态进一步巩固了苹果的生态壁垒，使其在激烈的市场竞争中更具优势。

不同于其他厂商“快速发布、快速迭代”的节奏，苹果的视觉AI战略是一场“慢工出细活”的长期主义实践，其循序渐进地搭建起视觉AI的技术体系与生态框架，试图将视觉AI从冰冷的技术从“实验室技术”渗透至日常生活的每一个场景，重构人机交互的底层逻辑。

此次古尔曼披露的新品，只是苹果视觉AI战略的“冰山一角”。未来，随着这三款硬件的正式发布，苹果将进一步完善视觉AI的场景覆盖，推动人机交互从“屏幕触摸”走向“视觉感知”。