全球 AI 竞争必将在明年进入新一轮高潮，各大科技巨头围绕智能眼镜展开的争夺战也将成为焦点。
随着多模态 AI 强势崛起，Meta、谷歌、微软、OpenAI 等公司正竞相将更强大的 AI 技术应用于智能眼镜和其他可穿戴设备。
据 The Information 最新报道，谷歌虽然已经终止了增强现实（AR）眼镜项目，但仍在为智能眼镜开发软件。上周，谷歌史上最强 AI 模型 Gemini 展示了其多模态功能，向打造一个 “始终在线” 的 AI 助手的目标迈出第一步，但这距离真正实现可能仍需要数年时间。
该媒体援引一位知情人士报道，OpenAI 最近考虑将其物体识别软件 GPT-4 与 Vision 嵌入到 Snapchat 母公司 Snap 公司的 Spectacles 智能眼镜产品中，这可能会为其带来新的功能。
Meta 将一款多模态 AI 语音助手嵌入了他们正在与奢侈品墨镜公司 Ray-Ban 合作开发的智能眼镜，该助手可以描述佩戴者看到的东西，为衬衫搭配裤子提出建议，并可以将西班牙语文本翻译成英语。
另外，近几个月亚马逊也在讨论一种新型 AI 设备，据悉该设备也具备类似的视觉能力。
<h2>谷歌：仍在开发智能眼镜软件</h2>
据报道，谷歌虽然早在年中就取消了智能眼镜的开发，但仍在为其开发软件，谷歌计划将软件授权给硬件制造商，类似于为三星等手机制造商开发安卓移动操作系统的方式。
谷歌上周发布视频展示了 Gemini 的部分功能，比如自动识别用户表演的电影，对面前物品提出建议，以及学习新游戏的能力。
Gemini 家族目前有 Gemini Ultra，Gemini Pro 和 Gemini Nano 三个成员，将向不同的客户群开放，但谷歌并未在视频中公开其所谓的高级版 Gemini，视频中的用户交互也做了渲染。
尽管如此，该视频展示了谷歌打造一个 “始终在线” 的 AI 助手的愿景，它可以实时响应和理解用户正在做的事情和看到的东西。
知情人士向 The Information 透露，要实现这种 “环境计算” 仍需数年时间。作为第一步，谷歌正在重新设计 Pixel 手机的操作系统，嵌入小型的 Gemini 模型驱动 Pixie AI 助手，处理更加复杂和多模态的任务。据此前报道，Pixie 能够根据用户拍的照片，推荐附近的商店买到相关商品。
谷歌的核心搜索技术就是预测和提供用户需要的信息，因此开发这样的 AI 设备非常符合谷歌的定位。谷歌十年前试水的眼镜就是一个失败案例，由于外形尴尬、实用性有限，用户并不买单。
后来，谷歌对摄像头设计进行了调整，并推动安卓手机厂商将手机摄像头打造成 “第三只眼”，可以扫描环境并将图像发送到谷歌云端分析，为用户提供上下文信息，但这个想法最终缩水成图像搜索应用 Google Lens。
<h2>OpenAI：与 Snap 强强联手</h2>
The Information 援引一位知情人士报道，OpenAI 最近考虑将其物体识别软件 GPT-4 与 Vision 嵌入到 Snapchat 母公司 Snap 公司的 Spectacles 智能眼镜产品中，这可能会为其带来新的功能。
早在今年 3 月份，OpenAI 就展示了其 AI 软件根据手绘草图来构建网站的能力。或许是为了充分发挥大模型的强大功能，从那时起，OpenAI 首席执行官 Sam Altman 就多次表示，对构建一种新的基于 AI 的消费类设备感兴趣。
值得注意的是，OpenAI 本身没有设备团队，但可以与其他公司合作，比如 Snap 这样的设备制造商，或者 AI 芯片设计商。
另外，Altman 还正在投资一家名叫 “Humane” 的 AI 设备制造商，这家公司制造带摄像头的可穿戴设备 “AI brooch”，计划制造可以取代智能手机的 AI 设备。
<h2>微软：积极推进智能眼镜相关 AI 技术开发</h2>
微软正在积极推进可应用于智能眼镜和其他小型设备的 AI 技术的研发，这些技术或基于语音或图像识别，目的是赋能更多样化的智能硬件。
The Information 认为，这些工作可能基于微软现有的 HoloLens AR 头显来展开。
报道称，微软正在为 HoloLens 嵌入一种 AI 软件，用户可以通过语音与 OpenAI 技术驱动的聊天机器人讨论相机拍摄的物体。
<h2>苹果：已在硬件上做好准备</h2>
苹果在多模态 AI 技术上较竞争对手相对落后，但也在这一领域开展了一定工作。具体来说，
苹果已通过即将发售的 Vision Pro 头显，在硬件上做好应用多模态 AI 技术的准备。
苹果在 AI 算法方面落后于同行，直到今年才开始重点研究大型语言模型（LLM），此前相关研究仅停留在初步阶段。
The Information 报道称，目前没有迹象表明 Vision Pro 会在近期具备复杂的物体识别等多模态功能。
但是，苹果这些年致力于增强 Vision Pro 的计算机视觉能力，使其可以快速识别周遭环境，例如识别家具、判断环境是客厅、卧室还是厨房，苹果目前正在开发可以识别图像和视频的多模态模型。
Vision Pro 的一个主要障碍是体积较大、笨重，也不太适合户外佩戴。今年早些时候，苹果据传暂停了 AR 眼镜的研发以专注推出头显产品。目前不清楚眼镜项目何时重新启动，但未来可能实现多模态功能。
<h2>Meta：与 Ray-Bans 优势互补</h2>
12 月 12 日，Meta 和奢侈品墨镜公司 Ray-Bans 合作的新产品——Meta Ray-Bans 智能眼镜，开始推出多项 AI 功能：拍照、计算食物卡路里、识别植物、翻译等。从媒体和扎克伯格的试用来看，Meta Ray-Bans 智能眼镜 AI 功能的表现似乎还不错。
早在今年 9 月接受媒体采访时，扎克伯格就透露过，Meta 会在智能眼镜上推出多模态 AI 功能。所谓的多模态，即支持文本、图像、语音等多种形式的媒介输入的 AI。
据报道，Meta 未来还计划让眼镜能够检测人体的感官数据，进一步强化多模态能力。眼镜上搭载的高通 AI 芯片目前似乎表现良好，Meta 未来还计划进一步对使用流程进行优化。
目前，Meta 眼镜已经上架销售，售价为 300 美元，AI 功能处于早期测试阶段，仅向部分用户开放。但值得指出的是，Meta 也表示，会使用匿名数据来帮助改进眼镜的 AI 服务，可能会让许多关心隐私的用户感到不适。
<h2>亚马逊：计划推出多模态 AI 新设备</h2>
据直接了解该项目的人士向 The Information 透露，今年夏天，亚马逊 Alexa 团队计划推出一款能够运行多模态 AI 的新设备。
这位人士表示，该团队特别感兴趣的是，如何减少在设备上处理图像、视频和语音的 AI 计算和内存需求。
报道称，目前尚不清楚该项目是否获得资金支持，也不清楚该设备打算为客户解决什么问题，但它与亚马逊老产品 Echo 语音助理设备系列是分开的。
Alexa 团队多年来一直致力于新型设备的开发，其中包括一款名为 Echo Frames 的智能音频眼镜。然而，目前尚不清楚，亚马逊是否会在该眼镜的基础上开发具有视觉识别功能的设备，因为它不搭载屏幕显示器或摄像头。

OpenAI

谷歌-C

谷歌-A

报道称，谷歌仍在开发智能眼镜软件，OpenAI 与 Snap 强强联手，Meta 与 Ray-Bans 优势互补，苹果已在硬件上做好准备，亚马逊计划推出多模态 AI 新设备。

OpenAI、微软、Meta 先后下场，海外 AI 终端之战在：眼镜！