2026 年，AI 眼镜赛道迎来了真正的爆发。里斯战略咨询数据显示，全球 AI 眼镜出货量从 2023 年的 34 万台跃升至 2025 年的 870 万台，三年增长近 25 倍，2026 年有望突破 1000 万台。但数字好看之余，一个尴尬的事实也摆在面前：目前大多数被品牌主打的场景，仍只是手机场景的延伸，还没有出现一个让消费者 “非用不可” 的理由。
在这个节点上，科大讯飞没有去追泛化的 “AI 概念”，而是把大模型能力真正装进眼镜：让眼镜替你 “看”，让大模型替你 “想”。
从 “看得见” 到 “看得懂”：眼镜的第一次进化
过去，智能眼镜的 “智能” 大多停留在显示层面 —— 把手机屏幕投射到眼前，本质上仍是戴在脸上的显示器。讯飞想改变的，正是这一点。
眼镜搭载5 颗气导麦克风加 1 颗骨传导麦克风，配合 1200 万像素 109° 广角摄像头，构成了完整的感知系统。这套系统不只会记录，还会理解。唇动识别多模态降噪技术借助前置摄像头捕捉发言人的唇部动作，在展会、商圈、酒会这类嘈杂环境里，也能精准锁定目标说话人。眼镜 “看” 到的，不只是画面，还有谁在说话、说了什么、该翻译给谁听。
翻译是最直观的一步。讯飞 AI 眼镜支持 122 种语言（含方言和口音）实时翻译，覆盖旁听同传、面对面翻译、线上同传和通话翻译四种模式，译文字幕直接投在镜片上，由扬声器同步播放。发布会现场，主讲人戴着眼镜与一位西班牙语使用者远程通话，语音采集、识别、翻译、投射一站式输出，让翻译不再需要低头看设备。
从 “帮你记” 到 “替你想”：大模型的深度介入
如果说 “看得懂” 是眼镜的第一次进化，那么 “替你想” 就是它的第二次跃迁。
承担这一步的，是内置的 GlassClaw AI 助理。它不像传统语音助手那样只能执行单一指令：用户说一句话，AI 就能自动串联多个工具完成复杂任务，思考过程与执行结果同步显示在镜片上，并伴有语音播报。发布会现场，GlassClaw 独立完成了商务信息采集、出差方案整理和邮件发送，没有手机、也没有电脑参与。眼镜不再只是一个信息输入设备，它同时也在处理信息。
支撑这一能力的，是讯飞星火大模型。2026 年 9 月，科大讯飞发布星火 X2.5，采用 MoE 架构，重点提升代码与智能体能力，并开源了两款端侧模型，支持最长 100 万 Token 上下文。大模型正在从云端下沉到终端，眼镜因此在本地也能处理复杂任务。当眼镜 “看到” 的画面能被大模型 “理解”、被大模型 “处理”，一个真正的 AI 助理才成为可能。
商务场景的不可替代性：从 “尝鲜” 到 “刚需”
里斯战略咨询的调研给出了另一面：AI 眼镜的品类教育还远未完成，消费者评论里频繁出现 “回来就吃灰了” 的使用落差。问题不在硬件参数，而在场景定义。
讯飞 AI 眼镜的策略，是把场景讲清楚。在商务办公这个高频、刚性的场景里，眼镜的不可替代性正在被验证：全场景翻译让跨国沟通不中断，智能提词让演讲者抬头表达，GlassClaw 让会议纪要自动生成并分发，与腾讯 WorkBuddy 的系统级接入，则进一步把 “对话” 变成了 “工作资产”。
AI 眼镜的赛道之争，正从 “功能比拼” 转向 “场景分化”。谁先把场景讲清楚，谁就先拿到用户的认知。讯飞 AI 眼镜的下一程，是成为商务人的 “第二大脑”—— 眼镜替他看见世界，大模型替他想清楚下一步。
