智東西（公眾號：zhidxcom）
作者 | 三北
編輯 | 漠影
擁有一款“鼻尖上的GPT”是一種什么體驗？
近期，杭州李未可科技公司推出了首款A(yù)I眼鏡Chat，支持用戶通過語音與眼鏡中的智能助手進(jìn)行交互，比如答疑解惑、日程安排、語音導(dǎo)航、英語翻譯等，都不在話下。
同時，這款A(yù)I眼鏡背后的多模態(tài)AI大模型平臺WAKE-AI也隨之開放。據(jù)悉，這是國內(nèi)首個面向AI眼鏡等可穿戴設(shè)備的大模型平臺，既支持李未可科技內(nèi)部團(tuán)隊做開發(fā)，同時也為廣大AI開發(fā)者伙伴提供技術(shù)共享。
當(dāng)下，市面上已經(jīng)有豆包、Kimi等多款支持大模型語音交互的平臺，但它們大多以匹配PC、手機(jī)為主；WAKE-AI則率先切入AI眼鏡這一新形態(tài)，試圖為用戶帶來更自然的交互、更人性化的陪伴、更場景化的精準(zhǔn)服務(wù)。
李未可科技創(chuàng)立于2021年10月，創(chuàng)立之初便聚焦“AI+AR”眼鏡賽道，公司成立僅三個月便拿下字節(jié)跳動的融資，其創(chuàng)始人茹憶曾是阿里AI實驗室智能終端負(fù)責(zé)人、天貓精靈硬件&產(chǎn)品總經(jīng)理，也是這波大模型浪潮中最具代表性的創(chuàng)業(yè)者之一。
▲李未可科技創(chuàng)始人兼CEO茹憶
當(dāng)下，隨著Ai Pin、Rabbit R1等AI新硬件產(chǎn)品在國外嶄露頭角，掀起大模型智能終端的新風(fēng)口，國內(nèi)“天貓精靈之父”帶隊的新銳團(tuán)隊也交出了答卷，成為智能硬件產(chǎn)業(yè)關(guān)注的一個焦點。
AI智能眼鏡是否會成為一種主流的AI新硬件?面向“AI+終端”的多模態(tài)AI大模型平臺WAKE-AI有什么過人之處？通過對話李未可科技創(chuàng)始人兼CEO茹憶、AI首席架構(gòu)師莊博宇，本文對此進(jìn)行了深入探討。
一、在豆包、Kimi的射程盲區(qū)，打造“鼻尖上的GPT”陪伴助手
盡管豆包、Kimi等各種大模型App風(fēng)靡手機(jī)端，但它們卻遲遲未攻入智能眼鏡等可穿戴設(shè)備。
背后的一大“攔路虎”是時延問題。莊博宇告訴智東西，用戶在眼鏡上對機(jī)器時延的容忍度比在手機(jī)上更低，1.8秒是一個容忍時間，如果超過這個時間點，用戶就會感到交互不流暢自然。然而，包括豆包等市面上的多個大模型落地眼鏡都需要5秒左右。
為此，李未可科技自研了WAKE-AI大模型平臺，試圖為用戶打造一個隨叫隨到的“鼻尖上的GPT”陪伴助手。
據(jù)悉，該平臺專門面向可穿戴設(shè)備等終端優(yōu)化研發(fā)，能在500毫秒內(nèi)快速精準(zhǔn)地識別用戶指令，且將大模型實時回答反饋控制在2秒左右，具備文本生成、語言理解、圖像識別及視頻生成等多模態(tài)交互能力。
從體驗來說，這意味著用戶將可以在AI智能眼鏡上享受到自然流暢的AI交互，比如讓眼鏡搜索新聞、導(dǎo)航目的地或增加日程，都不會太費功夫。AI智能眼鏡可能取代手機(jī)的部分功能，讓用戶真正體驗到AI融入生活。
“技術(shù)的一小步，用戶體驗的一大步。”茹憶說。從2016年3月阿爾法狗打敗李世石到2022年的12月份ChatGPT 發(fā)布，中間經(jīng)歷了六年六個月時間，AI算法架構(gòu)從CNN、BERT改進(jìn)到Transformer，模型參數(shù)擴(kuò)展帶來智能涌現(xiàn)，茹憶對此感到很興奮，認(rèn)為這將為語音交互體驗帶來巨大提升。
與在上一波AI浪潮中押準(zhǔn)智能音箱風(fēng)口不同，這一次，茹憶認(rèn)為，眼鏡將成為AI落地的最佳載體之一。這與Meta首席科學(xué)家、圖靈獎得主楊立昆的觀點不謀而合，楊立昆在前不久也曾提到：“通過智能眼鏡訪問的AI助手是未來的趨勢。”
面向這一趨勢，李未可科技近期推出的AI智能眼鏡Chat是其小試牛刀之作。
以低至699元的價格讓用戶低門檻地邁入AI體驗大門，Chat可以說非常親民。這款A(yù)I眼鏡的外形與日常佩戴的眼鏡幾乎沒有差異，但簡約卻不簡單，一個貼身陪伴助手的雛形已經(jīng)出現(xiàn)。
二、自研WAKE-AI大模型平臺，三大技術(shù)護(hù)城河打造交互新體驗
可以預(yù)測，大模型未來將重新定義智能眼鏡等可穿戴設(shè)備?？纱┐髟O(shè)備將不再只是工具，而是好像有一個真人助理在用戶旁邊，或者一個虛擬人在用戶鼻尖上的眼鏡里，幫用戶解決各種復(fù)雜的問題。
WAKE-AI大模型平臺推出的意義，則是將大模型運用到AI硬件設(shè)備上的諸多暢想落地實際，不僅實現(xiàn)更自然的交互，還帶來更人性化的陪伴，更精準(zhǔn)的服務(wù)。
那么從技術(shù)角度來看，WAKE-AI大模型平臺究竟有什么過人之處？
據(jù)悉，李未可科技通過三種方式提升WAKE-AI大模型平臺的效果：
第一，使用定向優(yōu)化的分發(fā)大模型，幫助AI助手能快速地分發(fā)用戶的指令，打造更自然的交互。
第二，基于情感大模型，使用戶和設(shè)備產(chǎn)生深度信任，讓AI助手形成更有溫度的陪伴。
第三，針對室外場景需要大量的數(shù)據(jù)，使用多模態(tài)的VQA（視覺問答）模型，讓用戶可以指哪問哪，獲得更精準(zhǔn)的服務(wù)。
1、分發(fā)大模型+Agent，讓交互更自然
作為一款C端產(chǎn)品，AI智能眼鏡的交互體驗被李未可科技放在首位。WAKE-AI大模型平臺能提供更豐富的交互功能，同時耗時比同行更低。
莊博宇談道，比如當(dāng)用戶與豆包語音聊天，往往需要2秒才能完成語音交互，時間主要花在語音與文本相互轉(zhuǎn)化及大模型推理上。但這一交互體驗僅限于聊天，而不能執(zhí)行網(wǎng)絡(luò)搜索、導(dǎo)航等更復(fù)雜的任務(wù)。
但是，基于WAKE-AI大模型平臺，用戶在AI智能眼鏡上調(diào)用大模型的時延大大降低，一般對話時延控制在1.8秒左右、2秒以內(nèi)；同時，用戶還可以體驗主動搜索、語音導(dǎo)航、眼鏡操控等多樣化的功能，復(fù)雜的交互反應(yīng)也能縮短至3-5秒。
背后，李未可科技團(tuán)隊使用分發(fā)大模型，通過語音輸入來快速分發(fā)用戶意圖，為用戶提供反饋；同時，大模型支持不同的AI Agent的能力，能快速執(zhí)行用戶的導(dǎo)航、買票、備忘錄等可能存在的剛需意圖。
此外，團(tuán)隊也在降噪技術(shù)、收音、ASR（自動語音識別）技術(shù)等方面也做了大量優(yōu)化，從而使得用戶能與智能助手更絲滑地進(jìn)行交互。
2、情感大模型+超擬人TTS，讓陪伴更人性化
茹憶和莊博宇都提到了《她》（Her）這部科幻電影，片中的機(jī)器人由于與主人公建立了情感連接，從而能進(jìn)行更有深度的聊天和陪伴，這是李未可科技希望打造的智能助手的一個理想形態(tài)。
基于這樣的愿景，李未可科技與市面上同行的一大差異化是做情感搭配。
為了讓AI眼鏡產(chǎn)品具備更擬人化的特征，李未可科技團(tuán)隊一是基于情感大模型研發(fā)了長記憶系統(tǒng)、情感類的Agent，二是打磨了擬人化的TTS（文本轉(zhuǎn)語音）技術(shù)，以此打造用戶能夠天天使用AI智能眼鏡的核心基礎(chǔ)。
在情感大模型方面，對標(biāo)國內(nèi)外的Claude等相關(guān)模型，莊博宇及其團(tuán)隊發(fā)現(xiàn)了一個行業(yè)核心的問題：大模型的記憶力是有上限的，不利于長時間陪伴用戶。
為此，李未可科技團(tuán)隊通過核心記憶和長期記憶，不斷更新用戶的畫像，從而使得智能助手在對話中能夠更充分地理解用戶想要什么，更懂用戶。
而在打造擬人化的語氣方面，目前市面上能上線情感表述的文本轉(zhuǎn)語音TTS能力的廠家并不多，因為它有一個延時的考量，AI抽取、理解和表述會耗費大量的時間，所以速度上面需要優(yōu)化；第二是成本上的優(yōu)化，比如豆包雖然在App上能夠提供情感表達(dá)，但它并沒有把這個API能力開放出來，智能終端廠商無法獲取。
但是，李未可科技率先將超擬人TTS上線，把它輕量化到時延和成本都可承受的范圍，然后開放出來，供自己的團(tuán)隊和合作伙伴使用。
3、多模態(tài)+LBS能力，讓服務(wù)更精準(zhǔn)
多模態(tài)大模型+LBS（基于位置的服務(wù)）會產(chǎn)生什么樣的化學(xué)反應(yīng)?
李未可科技已經(jīng)找到了驗證場景。Citywalk（城市漫步）是當(dāng)下備受年輕人青睞的室外項目，多模態(tài)大模型可以讓Citywalk的人做到“指哪兒問哪兒”，比如指著岳王廟里的碑問“碑上寫的到底是什么”，一套精準(zhǔn)的智能導(dǎo)覽服務(wù)就誕生了。
據(jù)悉，李未可科技已經(jīng)打造了“旅游助手+城市漫游系統(tǒng)”，核心是數(shù)據(jù)內(nèi)容，以景區(qū)作為核心供給，現(xiàn)在大概有2000多個景區(qū)數(shù)據(jù)。
結(jié)合這些景區(qū)數(shù)據(jù)，團(tuán)隊已經(jīng)打造了景點游玩導(dǎo)覽、自動巡航系統(tǒng)、地點彈幕等多個服務(wù)，而多模態(tài)大模型的加持則讓“指哪兒問哪兒”、自動生成路線、自動生成游記等更多豐富功能涌現(xiàn)，從而為用戶提供更精準(zhǔn)的服務(wù)。
莊博宇告訴智東西，大模型使得原本碎片化的場景走向大一統(tǒng)，從而使精準(zhǔn)服務(wù)的成本大大降低。一方面，WAKE-AI大模型可以更好地理解和消化海量的景區(qū)數(shù)據(jù)，另一方面，Agent可以對數(shù)據(jù)進(jìn)行更加自動化地處理，這使得團(tuán)隊能夠在精準(zhǔn)度和信息數(shù)量基礎(chǔ)上提供更好的服務(wù)。
可以看到，通過從模型了解意圖、搜索資料、轉(zhuǎn)化風(fēng)格、分析情緒、轉(zhuǎn)化聲音的各個環(huán)節(jié)去做優(yōu)化，李未可科技試圖打造交互更自然、陪伴更人性化和服務(wù)更精準(zhǔn)的AI眼鏡設(shè)備，從而交出其大模型應(yīng)用創(chuàng)業(yè)的“答卷”。
三、Meta蘋果看中的新賽道，“天貓精靈之父”帶領(lǐng)國產(chǎn)搶跑
當(dāng)下，已經(jīng)有不少大廠盯上了“AI+AR”眼鏡賽道。比如Meta與雷朋合作的AI智能眼鏡已經(jīng)在測試多模態(tài)大模型，并在近期宣布將推出首副“AI+AR”眼鏡；蘋果近期也傳出正研究端側(cè)大模型，可能將落地Vision Pro……
與此同時，也有一些知名企業(yè)似乎在抽火。比如近期OPPO被傳出了暫停XR探索，相關(guān)人員將轉(zhuǎn)向AI設(shè)備方向的開發(fā)，或許意味著其“AI+XR”眼鏡業(yè)務(wù)踩下了剎車。
對此，茹憶認(rèn)為這是由于產(chǎn)業(yè)發(fā)展仍處于初級階段，大家還未形成共識。這就考驗創(chuàng)業(yè)者對事情的認(rèn)知，以及如何與自身優(yōu)勢做結(jié)合。
站在李未可科技的角度來看，“AI+AR”眼鏡的發(fā)展已經(jīng)處于一個臨界點，即將突破用戶體驗差，為此團(tuán)隊進(jìn)行了積極布局。
李未可科技打法的一大特點是不強(qiáng)行創(chuàng)造出一種產(chǎn)品形態(tài)，而是在已存在的產(chǎn)品上進(jìn)行AI升級，從而在存量市場基礎(chǔ)上拓展出新的增量市場。根據(jù)知名數(shù)據(jù)分析機(jī)構(gòu)Statista數(shù)據(jù)，2023年全球眼鏡市場總規(guī)模超1400億美元，2015-2025年全球眼鏡市場規(guī)模從1183 億美元提升至1552億美元。
“未來我們的眼鏡都會智能化，就像手表智能化一樣?！比銘浾f，“它的標(biāo)志是體驗成本大大降低，用戶買一副AI智能眼鏡和買一副傳統(tǒng)眼鏡價格也差不多，那為什么不買一個AI智能眼鏡？現(xiàn)在手表就是這樣?！?/p>
AI智能眼鏡市場的發(fā)展壯大需要生態(tài)共融。目前，李未可科技已經(jīng)將WAKE-AI大模型平臺面向伙伴開放，與伙伴一起來建設(shè)AR眼鏡+AI能力、在室外等多個場景的生態(tài)。
結(jié)語：大模型卷入設(shè)備端，AI智能眼鏡或成室外最佳載體
當(dāng)下，大模型加速落地端側(cè)，我們可以看到AI PC、AI手機(jī)、AI智能眼鏡以及各色的AI新硬件如雨后春筍般冒了出來。憑借便攜、可擴(kuò)展等多重優(yōu)勢，眼鏡或許成為大模型在室外落地的一大最佳載體。
現(xiàn)階段大模型在端側(cè)落地應(yīng)用仍處于初級階段?？梢灶A(yù)測，未來云邊端異構(gòu)架構(gòu)將發(fā)展得更加龐雜，同時多模態(tài)交互變得更加豐富，這對速度、性能和成本的平衡會提出新的要求，也將成為AI硬件賽道玩家需要直面的新挑戰(zhàn)。
