惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

P
Proofpoint News Feed
云风的 BLOG
云风的 BLOG
Apple Machine Learning Research
Apple Machine Learning Research
Hugging Face - Blog
Hugging Face - Blog
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
Google DeepMind News
Google DeepMind News
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
雷峰网
雷峰网
B
Blog
月光博客
月光博客
博客园 - 【当耐特】
WordPress大学
WordPress大学
Microsoft Azure Blog
Microsoft Azure Blog
I
InfoQ
The GitHub Blog
The GitHub Blog
Engineering at Meta
Engineering at Meta
Jina AI
Jina AI
博客园 - Franky
MyScale Blog
MyScale Blog
H
Hackread – Cybersecurity News, Data Breaches, AI and More
Last Week in AI
Last Week in AI
B
Blog RSS Feed
H
Help Net Security

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
做AI眼镜的产品经理,正在面对一个暂时无解的困境 – 人人都是...
正正AI · 2026-05-11 · via 人人都是产品经理

AI眼镜正站在风口浪尖,出货量激增的背后却隐藏着40%-50%的高退货率。用户期待的轻量化、长续航与强算力构成了一道近乎无解的不可能三角。本文将深度拆解行业困境,揭示Meta Ray-Ban成功背后的取舍逻辑,为产品经理在技术约束下寻找真实机会提供全新视角。

一、先说一组没人愿意放在融资新闻里的数字

2026年,AI眼镜是科技圈最热的赛道之一。

Meta Ray-Ban拿下全球84%的市场份额;IDC预测中国市场今年出货量达450万台;雷鸟创新完成超10亿元C+轮融资;概念股单季净买入额超2亿元。

每一条单独拎出来,都是一个欣欣向荣的行业故事。

但还有一个数字,藏在这些新闻背面:AI眼镜的平均退货率,普遍在40%-50%,个别品牌高达60%。

卖出去一半,退回来一半。

这不是个别品牌的失误,是整个赛道的共同处境。用户不是不想要AI眼镜,是买回去戴了几天,发现它没法同时满足三件事:好看能出门戴、电量撑一天、AI够用不尴尬。

三件事,缺一不可,但在今天的技术条件下,三件事同时做好,做不到。

这就是AI眼镜产品经理现在的处境:不是方向选错了,是物理规律还没准备好配合你。

二、这个三角,为什么绕不开

把三个顶点拆开说。

轻量

用户愿意每天戴一副眼镜,有个隐含的前提:别让我觉得在戴眼镜。普通近视镜大概20-25克,行业的经验是,AI眼镜得压到50克以下,才有机会让人接受日常佩戴。目前主流产品在38-50克区间,激进的做到了28克,甚至有产品做到了14.9克。

但轻量意味着什么?更小的机身,更小的电池,以及几乎没有的散热空间。

续航

用户对眼镜续航的心理预期,和对手机是不一样的。手机没电了可以拿出来充,眼镜如果两点就趴了,根本没有使用场景可言。行业普遍认为及格线是8小时待机、主动使用3-4小时。

要续航就要大电池,大电池就要重——直接撞上轻量这道墙。

算力

AI眼镜卖的是”随身AI”这件事:实时翻译、看一眼就知道是什么、你在想什么它就帮你做什么。这些功能背后,是需要持续运转的模型。算力越强,功耗越高,热量越大,续航越短——同时撞上前面两道墙。

Meta Ray-Ban是全球卖得最好的AI眼镜,在开启连续AI对话时,续航约30分钟。不是没认真做,是在当前条件下已经没有更好的答案了。

三个顶点,任何两个相互牵制,三个同时追求,就是个死局。

三、市面上每款产品,其实都是在认命

所谓差异化定位,本质上都是在三个顶点里,选了放弃哪一个。

放弃算力:轻量派

爱托邦T09控制在28克以内,Moonix标准版14.9克,几乎和普通眼镜一样轻。代价是AI能力交给云端,本地几乎什么都跑不了,复杂点的任务直接认输。

说难听一点,这类产品的本质是把蓝牙耳机做成了眼镜的形状。用户戴一周会发现,它能干的事情,手机全能干,而且做得更利索。

放弃轻量:强能力派

加了光波导显示模组的AI+AR眼镜,重量普遍在60克以上,有的更重。雷鸟X3 Pro、XREAL Air 2走的是这条路。信息叠加在真实世界里,导航、提词、翻译同时出现,确实酷。

但60克戴几个小时,鼻梁和耳廓会告诉你,这不是一副日常眼镜。这类产品的真实用户,是有明确使用场景的人——做直播、开会议、有翻译刚需。大众市场离它还远。

放弃续航:旗舰派

在轻量和算力之间找平衡,但用续航来还账。Meta Ray-Ban日常续航约4小时,Rokid Glasses塞了完整多模态AI,续航同样不够看。

这是目前接受度最高的路线,但”出门充满电,下午两点开始焦虑”是这类产品用户退货前最后一个念头。

四、有人说技术会进步,这话没错,但没用

“芯片功耗会越来越低,电池能量密度会越来越高,这个三角终究会解开”——这个判断方向是对的,但对今天的产品决策没什么帮助。

芯片那边,高通骁龙AR 1这类可穿戴专用芯片已经比手机芯片省电很多了,但要在眼镜体积里持续跑多模态AI,功耗缺口依然很大。下一代会更好,但”量级上的突破”不是明年的事。

电池那边更难。锂电池能量密度的提升已经逼近材料物理极限,每年进步大约5%-8%。这不是一个会突然爆发的曲线,是一条会让人昏昏欲睡的缓慢爬坡。

散热是最少被讨论、但可能最棘手的问题。眼镜贴着脸,散热面积就那么一点,功耗稍微高一点,用户就能感觉到热,这道墙比前两道都难翻。

所以,”2026年是AI眼镜爆发元年”——出货量上是真的,但出货量叠加40%-50%退货率,说的不是市场爆发,是大批用户在尝鲜之后失望离场。

五、行业给出的几个解法,拆开看都是凑合

云端补算力

本地跑不动就扔云端,功耗问题绕过去了。但云端要联网,眼镜离开手机或WiFi,云端能力归零。雷鸟X3 Pro eSIM版本试图用独立联网解决这个问题,但eSIM本身耗电,还要另付月租,用户接受成本叠了一层又一层。

场景聚焦

做不了通用AI眼镜,就只做一件事——骑行眼镜、泳镜、视障辅助、儿童眼镜。逻辑上是对的,但这条路有个隐患:很多”聚焦场景”的AI功能,传统嵌入式软件就能搞定,AI只是一个让产品听起来更现代的标签。用户用两天就能辨别出来。

而且,场景越聚焦,天花板越低。产品故事很难讲大。

模块化

玄景M6的思路是:硬件可持续升级,算力模块能换,买了不怕过时。理论上优雅,现实里麻烦。普通人买眼镜,不想自己动手折腾。模块化眼镜的目标用户可能就是极客圈里那几千个人,不是大众市场。

六、产品经理真正要想清楚的,其实是这个

绕了这么一大圈,核心问题其实很朴素:

三角解开之前,你的产品到底是给谁用的?

很多AI眼镜产品经理脑子里装的是”未来有X亿人每天戴AI眼镜”,但他们今天要服务的,是那批愿意花1500-3000元、忍受40克重量、接受4小时续航、还要学一套新交互方式的人。

这批人是谁?有多少人?他们最在乎的是翻译、拍摄、导航、还是别的什么?他们现在用什么解决这个问题,凭什么要换成你的眼镜?

这些问题没想清楚,三角怎么取舍就永远是拍脑袋。

Ray-Ban Meta的成功,技术不是关键。关键是它把用户想得很具体:本来就会戴太阳镜出门、在意穿搭、偶尔想拍第一视角、对AI没什么复杂期待的年轻人。对这群人来说,续航过得去,戴出去不丢人,偶尔用语音拍个照,就已经足够了。

所以它在三角里干净利落地放弃了”强算力”,做出了一副真正有人愿意天天戴着出门的眼镜。

再看国产厂商,很多产品的需求文档大概是这样的:又要轻、又要翻译准、又能拍4K、又有AR显示、续航还要一整天。最后做出来,每一项都有,每一项都差口气,没有任何一件事做到让用户觉得”就是为了这个我非买不可”。

七、在约束里,找真实的机会

三角不会永远无解,但等待的这段时间里,能活下来的产品大概长这样。

有一件事做到”非它不可”,而不是十件事都”凑合能用”。目前最接近这个标准的大概是实时翻译——戴着眼镜直接对话,比举着手机流畅得不是一个量级,这个体验差距是真实的,不是自我感动。

要老实承认自己是手机的配件,不是手机的替代品。eSIM独立化值得探索,但现在就强推”离开手机的AI眼镜”,是在要求用户改变一个根本还没建立起来的使用习惯。先做好配件,比硬撑终端要活得久。

外观的优先级得和功能并排放,不能往后排。用户愿不愿意每天戴它,颜值的权重可能比任何参数都重要。Ray-Ban Meta最难复制的护城河不是算法,是Luxottica几十年攒下来的设计和渠道——这件事急不来。

不可能三角是一道约束,也是一道筛选题。

技术还没准备好的时候,能想清楚”我的用户愿意放弃哪个顶点”,产品才算有了真正的立脚点。

想不清楚,就只是又一款卖出去一半、退回来一半的眼镜。

本文由 @正正AI 原创发布于人人都是产品经理。未经作者许可,禁止转载

题图来自作者提供