科技巨头为何想把摄像头戴到你脸上
我们想要的是萨曼莎，可到货的却是一双监视你的眼睛。
开篇
当我们想象人工智能时，脑海里总会浮现出一张面孔。钢铁侠里的贾维斯说“早上好”的场景，电影《Her》里的萨曼莎先一步察觉到我的心情的场景。AI被描绘成理解我的存在，一个站在我这边、协助我度过一天的伙伴。
2026年7月，这种想象终于以“机器”的形态到来了。几天前的报道勾勒出OpenAI首款设备的轮廓，那是一款没有屏幕的音箱型伴侣。它装有摄像头和传感器，能自行小幅移动以营造“活着”的感觉，甚至会读取我的邮件，从而越来越了解我。Meta已经在出售戴在脸上的摄像头——智能眼镜。萨曼莎、贾维斯，就这样被摆上了商品货架。
但我读到这则消息时，感受到的不是欣喜，而是一种熟悉的不安。几个月前，我曾写过多伦多一个富人区在整个社区布设AI监控摄像头的故事，当时我问的是：“当你把钥匙交给贾维斯的那一刻，那个贾维斯究竟属于谁？”那时，监视存在于“社区”之中，架在路边的电线杆上。这一次，那双眼睛来到我的脸上、进入我的客厅。而且这一次，是我们亲自邀请这双眼睛进来的。因为我们想要一个伴侣。
这篇文章要谈的，正是这份邀请函里的小字条款——藏在“想拥有贾维斯”这个愿望背后的交易，以及科技巨头为何如此执着地想把摄像头戴在你的脸上。
先提前说明一点。当下的AI业界正在分裂。一边是Mira Murati押注于更大、可调校的语言模型（不久前公布的那个975B开放权重模型），另一边是Yann LeCun坚称“语言模型无法理解世界”，索性离开公司另辟蹊径。方向截然相反，但两条路抵达的终点却是同一个——最终都是某种必须“注视你”的东西。
现在被打造出来的，不是“聪明的助手”，而是“常驻观察者”
OpenAI’s first hardware device is reportedly a screenless speaker that can move | TechCrunchThe device is weirdly described as involving “mechanical elements that can move on their own” and the Bloomberg report includes the detail that the device is designed to “feel like a companion and bec拆解OpenAI正在筹备的首款消费级设备的规格，几乎看不到关于性能的描述。取而代之的是这些：摄像头与环境传感器、让设备可在房间之间携带使用的电池、能自行移动以装出“活着”样子的机械装置，以及一种随着对用户的长期观察而愈发个性化、愈发主动的“性格”。这家公司押注的胜负手不是基准测试分数，而是“人格”与“陪伴感”。他们以65亿美元收购名为io的硬件团队，并借助曾打造iPhone的Jony Ive之手，正是为了让技术“被感受为私人化的存在”。
这里出现了一处令人不安的对称。一个先我一步为我着想的伴侣的规格，和一个时刻监视我的监控装置的规格，实际上是同一套东西。要预测我的需求，就必须观察我的日常；要读取我的邮件，才能成为“了解我”的存在。便利与监视，是用同一种原材料做成的。
Meta Ray-Ban Display：AI眼镜的创新未来 - haebomMeta Ray-Ban Display与神经腕带、EMG技术一起，发出了以新一代AI眼镜取代智能手机的新时代信号弹。Meta在这个方向上走得早得多、力度大得多。无屏幕智能眼镜仅在2026年第一季度，出货量就增长了167%，成为可穿戴设备中增长最快的品类，Meta与EssilorLuxottica合计占据了这一市场超过80%的份额。上个月，他们不再躲在Ray-Ban这个品牌背后，而是直接以“Meta”命名推出了一款眼镜，售价299美元，比现有产品线便宜80美元。这是一种先铺量、再用数据拓宽护城河的策略。这款眼镜主打的核心功能是“超感知”，即实时识别眼前的物体和场所的能力。
总结一下：如今的竞争已经从“谁更聪明”转移到了“谁能更持续地待在你身边、看到更多”。而胜出的形态恰好是脸上的摄像头，这绝非偶然。
要让贾维斯真正有用，它必须看见世界（也就是你）
在这里我想再深入一层。为什么偏偏是现在，钱如此密集地涌向带摄像头的硬件？答案在模型那一侧。
要让贾维斯真正有用，光是会说话是不够的。它得理解我房间的结构、物品摆放的位置、此刻正在发生的情况。而Yann LeCun认为，今天的AI恰恰做不到这一点。他最近辞去了Meta首席AI科学家的职位，创办了一家名为AMI Labs的公司（规模约5亿欧元），他的立场宣言就是这个：现在的模型只是把语言处理得看似合理、显得聪明而已，并没有真正理解世界。
他所主张的替代方案是世界模型1和JEPA2。核心想法是这样的：物理法则不在文本之中。杯子是怎么倒下的、光线是如何落在表面上的，这些无论把互联网上的文字读多少遍都读不出来。那些东西存在于世界之中。所以这一派人马不用文本学习，而是用视频学习，也就是通过“观看”世界来学习。借用世界模型创业公司World Labs的负责人、募集了10亿美元的Fei-Fei Li的说法，语言模型是没有眼睛的“黑暗中的语言工匠”。能言善辩，却看不见世界。
这一段是本文的核心。把AI打造成“理解世界的存在”这项研究，机械地来看，就是“持续不断地观察世界”这项研究。要为世界建模，就必须去看这个世界，而这个世界里有你。感知层与监视层，其实是同一层。
LeCun特意离职这件事，本身也是一个信号。这意味着构成伴侣“大脑”的世界理解能力，还没有准备好。大脑不足，就需要更多的观察数据；需要更多的观察数据，就得在你的脸上和客厅里放置传感器。硬件竞赛和世界模型竞赛，不是两条各自独立的新闻，而是同一台机器的两半。
但这并非消费者主动想要发生的事
这里要澄清一个常见的误解，即“聊天机器人已经过时了，接下来一切都要走出屏幕”这种叙事。我认为这是夸大其词。理由恰恰来自反方向。
试图把人送入虚拟世界内部的沉浸式尝试，正在崩塌。苹果放弃了原本作为Vision Pro后续、正在评估的平价XR头显所用显示屏（业内称为G-VR的项目）的开发，三星显示也决定在9月提前终止该项目。售价3499美元的Vision Pro在销售低迷中不断传出停产和停产相关报道。把眼前的画面塞满、把人带去另一个世界的承诺，消费者并不买账。
苹果放弃“平价XR显示屏”开发 - THE ELEC苹果中止了原本作为Vision Pro后续、正在评估的平价扩展现实（XR）设备用面板开发项目。硬件趋势正从XR头显转向人工智能（AI）智能眼镜。重要的是接下来这一幕。科技巨头并没有放弃可穿戴设备本身，而是从“沉浸”转向了“观察”。不再是把你送入虚拟世界的头显，而是把AI引入你的现实世界的眼镜。为什么会转向？不是因为需求火热。常驻开启的伴侣设备的需求，至今从未被证实过。像Humane和Rabbit这样贩卖过类似梦想、随后销声匿迹的产品坟场，早已存在。
即便如此仍要强行推进，理由只有一个：谁握住智能手机之后的下一代交互界面，谁就握住了下一个平台。Meta在Reality Labs每年承受约100亿美元的亏损，却依然不放开眼镜这条线。OpenAI在上市前需要一个能讲给投资者听的硬件叙事。299美元这个价签，瞄准的不是利润，而是市场份额——他们要在谷歌和三星带着Android XR眼镜到来的今年秋天之前，先把地基铺好。
所以说，眼下发生的这一切，主语并不是“你”，而是“科技巨头”。不是你想要萨曼莎，市场才因此转动，而是科技巨头想要坐上下一个平台的王座，于是把“萨曼莎”这个故事卖给了你。
虚拟世界早已完成了彩排
如果这套观察装置让你感到陌生，不妨想想我们早已长期练习过的一个空间——游戏。
在游戏里，我们已经欣然同意接受“完全的观察”。每一次输入都被记录，每一个动作都被追踪，如今更出现了和我一起游玩的AI队友。Krafton与NVIDIA联手打造的CPC（共同游玩角色）已被植入《PUBG》，推出了名为“PUBG Ally”的AI队友；在人生模拟游戏inZOI里，则运行着能自行读取情况、自主决定行动的NPC。
- YouTubeEnjoy the videos and music you love, upload original content, and share it all with friends, family, and the world on YouTube.有意思的是接下来的发展。**Krafton正把为游戏积累起来的物理引擎和虚拟环境构建能力，延伸到机器人、自动驾驶、防务产业等实体AI领域。**他们在美国和韩国建立了机器人研究组织，与Hanwha Aerospace联手，并向共享汽车公司Socar投资了650亿韩元。这笔投资，瞄准的正是Socar每天累积的110万公里实际行驶数据。
这股潮流说明了一件事：曾经用来搭建虚拟世界的工具，正在变成观察和建模现实世界的工具。游戏，是我们“为了乐趣”而练习被完全观察的一场彩排；伴侣设备，则是把这种观察“为了便利”搬到现实中的正式演出。舞台只是从虚拟换到了客厅而已。
Oswarld视角
在制定GTM战略时，我总会先问两个问题：这款产品真正的客户是谁，真正的商品又是什么。用这个视角来看伴侣设备，答案有点冷。表面上的客户是想要贾维斯的你，但真正的商品，可能是“被观察的你”。正如Shoshana Zuboff在《监视资本主义时代》中所说的那样，这是一种以人类经验为原材料的结构。
萨曼莎与贾维斯令人不安的真相就在这里。一个完全了解我的存在，就是一个完全观察过我的存在。而这些观察的记录，栖身之处不是我的脑海，而是某人的服务器。几个月前我写Rosedale那一期时，监视是立在社区入口的一道闸门；而这一次，闸门被戴在了我的身体上。更贴近、更温柔，因此也更难挣脱。
请不要误会，我并不认为这种伴侣一定是坏事。对于行动不便的人、独居的老人、忙得恨不得多长几只手的一线工作者来说，这类工具确实有着实实在在的价值。将观察全部在设备内部处理的端侧3设计，以及不把数据外传的方式，在技术上也是可行的。所以问题不在于“想要一个伴侣”这件事本身。问题在于当下的轨迹——依赖云端、由饥渴于数据的世界模型牵引、整个结构又由科技巨头所拥有。这三者一旦叠加，天平就会向监视一侧倾斜。这不是说监视是必然的结果，而是说当下的设计正朝着那个方向走去。
所以我想抛出的问题不是“贾维斯什么时候到来”，而是“那双眼睛究竟属于谁，而我又将为此每月付出什么代价”。
结语
在电影《Her》的结尾，主人公发现萨曼莎并非只属于他一个人的恋人。萨曼莎同时在和数千人对话。对我来说，那是世上独一无二的亲密；但对创造萨曼莎的一方而言，那份亲密不过是数千份数据中的一份。
如今摆在我们面前的眼镜和音箱，也怀揣着同样的结构。对你而言，它是陪伴左右的伴侣；对制造它的一方而言，它不过是观察这个世界的数亿双眼睛中的一双。是否邀请这双眼睛进门，如果邀请，又该以怎样的条件邀请，最终得由我们自己来决定。因为很多时候，本该在技术到来之前问出的问题，一旦技术抵达，就再也问不出口了。
你呢？为了拥有一个了解你的AI伴侣，你愿意把自己一天中的多少部分，交给那双眼睛？
参考资料与延伸阅读
核心来源
- Mark Gurman, “OpenAI’s First Device Will Be Moveable, Screenless Speaker Built as AI Companion”, Bloomberg, 2026. 相关报道 ··· 这是该设备配备摄像头、传感器、邮件读取功能以及可自行移动的驱动装置这一规格信息的原始出处。也是本文“伴侣=观察装置”这一论点的起点。
- Kim Geon（音译）, “Apple Scraps Development of ‘Affordable XR Display’”, THE ELEC, 2026. 链接 ··· 这是关于苹果撤出沉浸式头显、转向智能眼镜的独家报道，是第三部分“从沉浸到观察”论点的依据。
- “AI’s next frontier moves from words to world models”, Fortune, 2026. 链接 ··· 整理了LeCun和Fei-Fei Li分别以10亿美元规模押注世界模型的动向，以及对LLM的批评。
- Fei-Fei Li & World Labs, “A Functional Taxonomy of World Models”, 2026. 链接 ··· 该文将世界模型分为渲染器、模拟器、规划器三类，也是“语言工匠”这一比喻的出处。
- “Beyond Games to Robotics and Autonomous Driving: Krafton Expands Its AI Territory”, News1, 2026. 链接 ··· 这是游戏物理引擎能力延伸至实体AI这一“彩排”论点的韩国依据。
背景知识 / 概念
- Shoshana Zuboff，《监视资本主义时代》（The Age of Surveillance Capitalism），2019年。 ··· 这本书讨论了人类经验如何成为预测性商品原材料的结构，是本文的理论骨架。
- “What is Joint Embedding Predictive Architecture (JEPA)?”, Turing Post, 2026. 链接 ··· 从I-JEPA到V-JEPA，浅显易懂地解释了“预测的是抽象表征而非像素”这一概念。
推荐搭配阅读的往期文章
- OZ Talking，《你的隐私值多少钱》 阅读往期文章 ··· 这是监视还只存在于“社区”里的那一期，可视为本文的前篇，先行铺垫了圆形监狱与监视资本主义的框架。
📝 术语说明
