Beyond Smart Glasses — When AI Starts Understanding the World Around Us
內容目錄
最近 AI 眼鏡又開始受到關注。
一開始看到這類產品,直覺可能是把攝影機、麥克風和 AI 助理放進眼鏡裡。可以拍照、錄影、問問題,甚至不用拿手機就能跟 AI 對話。
但如果只是把手機的功能搬到眼鏡上,好像還沒有什麼特別。
真正有意思的是,如果 AI 可以透過眼鏡看到眼前的東西、聽到周圍的聲音,再把這些資訊放在一起理解,那它能做到什麼程度?
甚至,眼鏡不一定只能靠自己感測。
如果再連接手環、智慧戒指,或其他環境 Sensor,AI 能不能開始理解更多周遭發生的事情?
這樣想,AI 眼鏡就不只是攝影機眼鏡了。
AI 到底在哪裡?不是裝一個聊天機器人就好了
先想像一個很簡單的情境。
走進一家陌生餐廳,看到菜單上有看不懂的文字,直接問眼鏡上的 AI,它看到菜單,辨識文字,再把內容翻譯出來,這裡其實已經有好幾個步驟….
- 攝影機取得眼前的影像。
- AI 從影像中辨識文字與物品。
- 語言模型理解問題和內容。
- AI 組織答案,再透過語音回覆。
這種同時處理影像、聲音和文字的方式,稱為多模態 AI(Multimodal AI),也就是說,AI 不再只接收打好的文字,而是可以透過不同形式的資料理解使用者正在面對的事情。
Google 在 2026 年 11 月公開的智慧眼鏡說明中,就提到 Gemini 可以協助翻譯、理解停車標誌、跟著食譜操作,也能透過 Guided Vision 提供視覺描述,協助視力不佳的人理解眼前的資訊。
這些功能已經讓 AI 從「回答問題」開始走向「理解當下的情境」。
不過,這不代表 AI 已經完全看懂世界。辨識出一個物品,和真正理解它的用途、狀態及周圍發生的事情,還是有差別。
參考資料:Google — Designing for privacy on intelligent eyewear
如果 AI 能記住剛才發生的事情呢?
這可能比單純辨識物品更有趣。
假設早上開會時,客戶提到某個產品型號,下午走到倉庫看到一個零件,問 AI……
「這是不是早上客戶提到的那個零件?」
如果 AI 能從先前經過授權保存的會議紀錄、影像或筆記中找出關聯,就不只是即時辨識,而是開始具有情境記憶(Contextual Memory)。
再往前想:
- 早上看過的產品,下午可以繼續詢問。
- 剛才談過的事情,可以協助整理成待辦事項。
- 走到設備旁邊,可以找出之前記錄的維修資訊。
- 開會時,可以協助整理不同人提出的問題。
這些事情其實不一定需要一直看著螢幕。
但要做到這一步,AI 必須有能力保存、搜尋和管理過去的資訊,也要知道哪些事情可以記、哪些事情不應該記。
Meta 在 2026 年 9 月公開的 AI 眼鏡 Private Processing 技術說明,就談到跨越不同時間的個人情境理解、長期記憶與背景任務處理。
其中一個現實問題是……
眼鏡本身的體積太小,不可能把所有大型 AI 模型和運算能力都放進去。因此,部分複雜工作仍然需要交給手機或雲端處理。
這也讓 AI 眼鏡不只是眼鏡,而是手機、雲端和個人資料之間的一個新入口。
參考資料:Meta Engineering — Bringing Private Processing to Meta AI Glasses
眼鏡只能靠自己的 Sensor 嗎?
這裡開始有另一個值得想的方向。
目前智慧眼鏡已經可以整合一些感測器,像是:
- 攝影機,取得周遭影像。
- 麥克風,接收語音和環境聲音。
- IMU,感測頭部移動與方向。
- Eye Tracking,追蹤眼睛注視的位置。
- 接近感測器,判斷眼鏡是否配戴或接近物體。
這些並不是未來幻想,TDK 在 2026 年 1 月公開的穿戴式感測技術,就提到智慧眼鏡可以整合 IMU、感測器融合(Sensor Fusion)、機器學習、超音波 ToF、麥克風與其他感測元件。
有些運算甚至可以直接在感測器端完成,不必每件事情都交給主要處理器。不過,這還只是眼鏡本身的感測能力,如果把範圍擴大,眼鏡能不能連接其他 Sensor?
如果眼鏡可以連接周邊 Sensor,會發生什麼事?
先不要急著想眼鏡裡面還能塞多少感測器。換個方式思考……
眼鏡負責看和聽,其他裝置負責感測不同的資訊,再把資料交給 AI 整合,這樣是不是更有彈性?
智慧戒指、手環與身體感測器
假設眼鏡看到使用者正在爬樓梯,手環提供心率與活動資料,AI 就不必只靠影像猜測使用者的活動狀態,而是可以把不同來源的資訊放在一起理解。
未來也許可以協助記錄活動、提醒休息,或提供個人化的生活資訊,生理數據的解讀需要足夠的準確性,不能只靠 AI 推測就當成健康診斷。
環境溫度與空氣品質 Sensor
假設走進一間會議室,眼鏡可以看到室內環境,另外的環境感測器提供溫度、濕度與 CO₂ 資料。
AI 就能把影像和實際測量值結合起來。
不只是回答「這是一間會議室」,還能進一步說明目前環境是否悶熱、通風是否不足。
設備溫度與振動 Sensor

這個方向更有意思。
假設維修人員戴著 AI眼鏡,正在檢查一台機器。
眼鏡看到設備外觀,麥克風取得運轉聲音,另外連接的溫度與振動感測器提供即時數據。
AI 可以把這些資訊和設備過去的維修紀錄放在一起,協助找出可能的異常原因。
這時候 AI 就不只是看懂設備,而是開始協助理解設備的狀態。
這些應用目前不代表一般 AI眼鏡都已經支援。要實際做到,還需要周邊裝置提供資料、通訊協定相容、軟體整合,以及 AI 能正確理解不同來源的資料。
但從產品角度來看,這是一個值得發展的方向。
眼鏡不一定需要自己包辦所有功能,也可以成為整個感測系統的操作入口。
Sensor 越多,AI 就一定越聰明嗎?
不一定。
這裡有個容易被忽略的問題……
不同 Sensor 提供的資料,可能不一致。
假設攝影機看到設備外觀正常,溫度 Sensor 卻顯示溫度異常,振動 Sensor 又出現不同於平常的數值。
AI 要怎麼判斷?
它不能只是把所有數字丟進模型,然後挑一個看起來最合理的答案。
還需要知道:
- 感測器的位置是否正確?
- 資料是不是同一個時間點?
- Sensor 本身有沒有校準?
- 數值是否超出合理範圍?
- 不同資料之間是否真的有關聯?
這就是感測器融合(Sensor Fusion)需要處理的問題。
簡單說,就是讓不同感測器提供的資訊互相補充,而不是各自獨立判斷。
但資料越多,整合和驗證也越重要。
如果某個感測器本身就不準確,AI 可能只是把錯誤資料解釋得更完整。
AI眼鏡真正危險的地方,可能不是硬體故障

這部分反而值得多想一下。
AI 看錯了,使用者卻相信它。
假設眼鏡看到前方有台階,卻沒有正確辨識,甚至告訴使用者前面可以直接通過。
如果使用者過度相信 AI,可能就會發生危險,google 在介紹 Guided Vision 時,也特別說明這項功能可能出錯,不能取代白手杖、導航或安全移動輔助工具。
這代表即使 AI 能夠看見環境,也不代表它已經可以負責使用者的人身安全。
AI 主動提醒,會不會變成干擾?
假設眼鏡一直分析周圍環境,不斷提醒使用者哪裡有東西、誰在說話、下一步該做什麼。
一開始可能很方便,但如果提醒太多,反而會讓人分心。
尤其走路、騎車、開車或操作設備時,AI 的提示如果不夠準確,可能比沒有提示更危險。
眼鏡看到的,不一定都是可以記錄的資料。
這是另一個很大的問題,眼鏡戴在使用者身上,但攝影機拍到的可能是客戶、同事、家人,甚至完全不認識的路人。
這些人不一定知道自己正在被拍攝,也不知道影像是否會被傳到雲端,或被用來分析。
2026 年 10 月,歐洲資料保護委員會(EDPB)已經發布智慧眼鏡相關聲明,特別提醒隱蔽錄影、旁人不知情、敏感場所及兒童隱私等問題。
這也讓產品設計多了一個責任……
不只是讓使用者知道攝影機正在工作,也要讓周遭的人知道自己可能正在被記錄。
參考資料:EDPB — Data Protection Challenges of Smart Glasses
如果要設計這樣的產品,眼鏡應該負責多少事情?
想像一套未來的穿戴式 AI 系統。
| 裝置 | 負責的事情 |
|---|---|
| AI眼鏡 | 看見環境、接收語音、提供互動 |
| 智慧手環/戒指 | 身體活動與生理感測 |
| 環境 Sensor | 溫度、濕度、空氣品質 |
| 設備 Sensor | 溫度、振動、設備狀態 |
| 手機/隨身運算裝置 | 資料整合、通訊與部分 AI 運算 |
| 雲端 AI | 複雜推論、資料搜尋與長期記憶 |
這不是說未來一定會長成這個樣子,而是一種可以研究的產品架構。
從產品設計來看,還有幾件事情必須一起考慮,眼鏡不能太重,電池不能太小,運算不能讓鏡腳一直發熱,感測器也不能影響配戴舒適度。
如果每增加一個功能,就要增加重量、耗電和成本,那使用者真的願意每天戴著它嗎?
所以未來的競爭可能不只是誰的 AI 模型比較強,而是誰能把感測、運算、連線、電池、配戴體驗與隱私整合得更好。
AI 眼鏡的未來,可能不只是另一種穿戴裝置
以前使用 AI,大多數時候需要先打開手機或電腦,再輸入問題。
現在開始出現另一種使用方式……AI可以透過眼鏡取得當下的資訊,透過其他 Sensor 補充資料,再結合過去的紀錄協助理解情境。
這樣的改變,可能讓 AI 從一個需要主動開啟的工具,慢慢變成生活中隨時可以使用的助手。
但能力越接近生活,責任也越大,看見不代表理解,理解不代表判斷正確,判斷正確也不代表應該主動介入。
所以,AI 眼鏡真正值得觀察的,不是它還能增加多少功能,而是它能不能在需要的時候提供幫助,又能在不應該介入的時候保持安靜。
如果有一天,AI 不只存在於手機和電腦,而是透過不同的 Sensor 理解周遭環境,那穿戴裝置的產品定位可能真的會不一樣。
只是到那個時候,除了問 AI 能幫忙做什麼,也得開始想想……哪些事情,還是應該留給人自己判斷?
更多文章…
以前做不到的產品,AI出現後可以做得到了嗎?
AI 產品時代,ID 還能只負責外觀嗎?
企業級AI Agent自動化重構,多Agent協作架構的思考
從命令AI到AI Agent自動化……未來工作流程的重構邏輯

發佈留言