科技巨頭為何要在你的臉上裝上鏡頭
我們想要的是莎曼達，到來的卻是一雙監視你的眼睛。
前言
當我們想像人工智慧時，腦海中會浮現一張臉。鋼鐵人裡的賈維斯說「早安」，電影《Her》裡的莎曼達比我們更早察覺到我們的心情。AI 被描繪成理解我們的存在，站在我們這邊、撐起我們每一天的夥伴。
2026 年 7 月，那個想像終於以「機器」的形式抵達了。幾天前的一則報導揭開了 OpenAI 首款裝置的輪廓——一款沒有螢幕的喇叭型夥伴。它裝了鏡頭和感測器，能自行微微移動，營造出「活著」的感覺，甚至會讀你的電子郵件，讓你被越來越了解。Meta 則已經在賣戴在臉上的鏡頭——智慧眼鏡了。莎曼達、賈維斯，已經被擺上了貨架。
但我不覺得這個消息令人欣喜，反而有一種熟悉的違和感。幾個月前，我寫過多倫多一個富裕社區在全區佈置 AI 監視鏡頭的故事，當時我問的是：「把鑰匙交給賈維斯的那一刻，那個賈維斯到底屬於誰？」那時監視在「社區」裡，在路邊的電桿上。現在，那雙眼睛進到了我的臉上、我的客廳裡。而且這次，是我們自己邀請它進來的。因為我們想要一個夥伴。
這篇文章要談的，就是那份邀請函上那行小字。想要賈維斯這個願望背後隱藏的交易，以及科技巨頭為何如此執著於在你的臉上裝上鏡頭。
先說一點。現在 AI 業界正在分裂。一邊是米拉・穆拉提押注更大、更可控的語言模型（不久前公開的 975B 開放權重模型），另一邊是楊・勒昆說「語言模型無法理解世界」，直接離開公司去開拓另一條路。方向截然相反，但兩條路最終抵達的地方是一樣的——某種必須監視你的東西。
現在被造出來的不是「聰明秘書」，而是「常態觀察者」
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 正在準備的首款消費級裝置規格，幾乎看不到效能的討論。取而代之的是這些：鏡頭和環境感測器、可以從一個房間搬到另一個房間的電池、能自行移動來裝出「活著」的機械結構，以及一種越長時間觀察使用者就越能個人化、越主動的性格。公司主打的勝負手不是基準測試分數，而是「人格」和「陪伴感」。花 65 億美元收購 io 這個硬體團隊、借用打造 iPhone 的強尼・艾夫的手，都是為了讓科技「被個人化地感受到」。
這裡有一個令人不適的對稱。一個先照顧你的夥伴的規格，和一個時刻監視你的裝置的規格，本質上是一樣的。要預測你的需求，就得觀察你的日常；要讀你的電子郵件，才能成為「真正了解你」的存在。便利和監視，是用同一種材料造出來的。
Meta Ray-Ban Display – AI 眼鏡的創新未來 - haebomMeta Ray-Ban Display 搭配神經腕帶，以 EMG 技術打造取代智慧型手機的下一代 AI 眼鏡，吹響了新時代的號角。Meta 在這個方向上走得更早、更猛。沒有螢幕的智慧眼鏡在 2026 年第一季僅以出貨量計算就增長了 167%，成為穿戴裝置中成長最快的品類，而 Meta 和依視路陸遜迪卡握有這個市場 80% 以上的份額。上個月，他們不再躲在雷朋品牌背後，直接掛上「Meta」的名字，以 299 美元推出了一款眼鏡。比現有產品線便宜 80 美元。先鋪量，再用數據築起護城河，這就是策略。眼鏡主打的核心功能是「超級感知」——即時辨識眼前的物體和地點。
總結一下。現在的競爭已經從「誰更聰明」變成了「誰能更長時間、在更近的地方看到更多」。勝利的形態恰好是臉上的鏡頭，這不是巧合。
賈維斯要有用，就得看到世界（也就是你）
讓我們再深入一層。為什麼偏偏是現在，裝了鏡頭的硬體會吸引這麼多資金？答案在模型端。
賈維斯要真正有用，光會說話是不夠的。它得理解你房間的結構、物品擺放的位置、正在發生的情境。但楊・勒昆認為，今天的 AI 恰恰做不到這一點。他最近離開了 Meta 的首席 AI 科學家職位，創辦了一家叫 AMI Labs 的公司（規模約 5 億歐元），宣言就是：現在的模型只是把語言處理得很像樣，看起來很聰明，但並沒有真正理解世界。
他推崇的替代方案是世界模型1和 JEPA2。核心想法是：物理法則不在文字裡。杯子怎麼倒、光怎麼落在表面上，不管讀多少網路文章都讀不到。那些在世界裡。所以這個陣營不用文字，而用影像來學習——也就是「看著」世界來學。用帶領世界模型新創 World Labs、募資 10 億美元的李飛飛的話說，語言模型是一個沒有眼睛的「黑暗中的語言匠人」。說話很流利，但從沒見過世界。
這裡是這篇文章的核心。要把 AI 變成「理解世界的存在」的研究，從機械的角度看，就是「要不斷觀察世界」的研究。要對世界建模，就得看世界；而那個世界裡，有你。認知層和監視層，其實是同一層。
勒昆堅持要離開公司，也是一個訊號。意味著夥伴的「大腦」——世界理解能力——還未就緒。大腦不夠，就需要更多觀察數據；需要更多觀察數據，就得在你的臉和客廳裡放感測器。硬體競爭和世界模型競爭不是兩條獨立的新聞，而是同一台機器的兩半。
但這不是消費者主動選擇的結果
這裡要澄清一個常見的誤解。「聊天機器人已經結束了，現在一切都走向螢幕之外」——這個敘事。我認為這是誇大。證據恰恰來自反面。
試圖把人拉進虛擬世界的沉浸式嘗試，現在正在崩塌。Apple 取消了正在評估的 Vision Pro 後續產品——一款平價 XR 頭戴裝置的顯示屏（業界稱為 G-VR 專案）開發，三星顯示器也決定在 9 月提前終止該專案。售價 3,499 美元的 Vision Pro 在銷售低迷中，不斷傳出停產和停售的報導。用螢幕填滿眼前、帶你去另一個世界的承諾，消費者沒有掏錢。
Apple 取消「平價 XR 顯示屏」開發 - THE ELECApple 中止了作為「Vision Pro」後續產品評估中的平價擴增實境（XR）裝置面板開發專案。硬體趨勢從 XR 頭戴裝置轉向人工智慧（AI）智慧眼鏡重要的是下一個畫面。科技巨頭不是放棄了穿戴裝置本身，而是從「沉浸」切換到了「觀察」。不是把你拉進虛擬世界的頭戴裝置，而是把 AI 送進你現實世界的眼鏡。為什麼轉向？不是因為需求火爆。常開的夥伴裝置的需求，至今尚未被驗證。Humane 和 Rabbit 那樣，賣著類似的夢想卻消失的產品墳場已經存在了。
但他們仍然堅持推進，原因只有一個：掌握智慧型手機之後的下一個介面的人，就掌握了下一個平台。Meta 在 Reality Labs 每年承受約 100 億美元的虧損，仍然不放手眼鏡。OpenAI 在上市前需要向投資者展示硬體敘事。299 美元這個價格不是為了利潤，而是為了佔領。Google 和三星要在今年秋天之前，用 Android XR 眼鏡先鋪好地盤。
所以，正在發生的事情的主語不是「你」，而是「科技巨頭」。不是因為你想要莎曼達所以市場在動，而是因為科技巨頭想要下一個平台的王座，所以把「莎曼達」這個故事賣給你。
虛擬世界已經完成彩排了
如果這個觀察裝置讓你覺得陌生，想想我們已經練習了很久的空間——遊戲。
在遊戲裡，我們已經甘願接受「完整的觀察」了。所有輸入都被記錄，所有動作都被追蹤，現在甚至出現了和我們一起遊玩的 AI 同伴。克萊夫頓和 NVIDIA 合作開發的 CPC（共同遊玩角色）被放進了《PUBG》，推出了名為「PUBG Ally」的 AI 同伴；在人生模擬遊戲 InZOI 中，則運行了能自行判斷情境並決定行動的 NPC。
- YouTubeEnjoy the videos and music you love, upload original content, and share it all with friends, family, and the world on YouTube.有趣的是接下來的事。**克萊夫頓正在把為遊戲累積的物理引擎和虛擬環境建構能力，延伸到機器人、自動駕駛、國防等物理 AI 領域。**在美國和韓國設立機器人研究組織，與韓華航空宇宙合作，向共享汽車公司 Socar 投資了 650 億韓元。瞄準的是 Socar 每天累積 110 萬公里的實際行駛數據。
這個趨勢告訴我們什麼。建造虛擬世界的工具，即將成為觀察和建模現實世界的工具。遊戲是我們為了「樂趣」而練習被完全觀察的彩排，而夥伴裝置是把那份觀察為了「便利」搬到現實中的正式演出。只是舞台從虛擬換到了客廳。
奧斯瓦爾的視角
制定 GTM 策略時，我總是先問兩個問題：這個產品的**真正客戶是誰，真正的商品是什麼。**用這個透鏡看夥伴裝置，答案有點冷。表面上的客戶是想要賈維斯的你，但真正的商品可能是「被觀察的你」。正如索珊娜・祖博夫在監視資本主義中所說的那樣，人的經驗就是原材料的結構。
莎曼達和賈維斯令人不適的真相就在這裡。完美了解你的存在，就是完美觀察過你的存在。而那份觀察的記錄，存在的地方不是你的腦中，而是某個人的伺服器上。幾個月前羅斯代爾篇裡，監視是社區路口豎起的閘門；現在，它是纏在你身上的閘門。更近、更溫柔，也因此更難以脫身。
別誤會。我不認為這個夥伴絕對是壞的。對行動不便的人、獨居的長者、十根手指都不夠用的實務工作者來說，這種工具確實有很大的價值。在裝置內處理觀察資料的端側3設計，或是不把資料傳到外部的做法，技術上也是可行的。所以問題不在「想要夥伴的心情」。問題在現在的軌跡。依賴雲端、被飢渴的世界模型牽引、而整體被科技巨頭所有的結構。這三者疊加，天平就傾向監視那一方。不是監視是必然的，而是現在的設計正朝那個方向走。
所以我想提出的問題不是「賈維斯什麼時候來」，而是「那雙眼睛屬於誰，而我為此每月要付出什麼代價」。
結語
電影《Her》的最後，主角發現莎曼達不是只屬於他一人的戀人。莎曼達同時在和數千人對話。對我來說，那是世上唯一的親密；但對創造莎曼達的那一方來說，那份親密只是數千份數據中的一份。
現在擺在我們面前的眼鏡和喇叭，也承載著同樣的結構。對你來說，它是陪伴在側的夥伴；對創造者來說，它是觀察世界的數億雙眼睛中的一雙。要不要邀請那雙眼睛，邀請的話以什麼條件邀請，最終得由我們決定。因為在科技抵達之前該問的問題，往往在抵達之後就再也問不出口了。
你呢。為了那個了解你的 AI 夥伴，你願意把一天中的多少，交給那雙眼睛？
參考資料 & 延伸閱讀
核心來源
- Mark Gurman, “OpenAI’s First Device Will Be Moveable, Screenless Speaker Built as AI Companion”, Bloomberg, 2026. 相關報導 ··· 裝置具備鏡頭、感測器、電子郵件使用，甚至能自行移動的驅動機構等規格的原始出處。也是這篇文章「夥伴＝觀察裝置」這個起點的來源。
- 金建, “Apple 取消「平價 XR 顯示屏」開發”, THE ELEC, 2026. 連結 ··· 獨家報導了 Apple 退出沉浸式頭戴裝置、轉向智慧眼鏡的決策。是第三部分「從沉浸到觀察」的依據。
- “AI’s next frontier moves from words to world models”, Fortune, 2026. 連結 ··· 整理了勒昆和李飛飛各自以 10 億美元規模押注世界模型的趨勢，以及對 LLM 的批評。
- Fei-Fei Li & World Labs, “A Functional Taxonomy of World Models”, 2026. 連結 ··· 將世界模型分為渲染器、模擬器、規劃器的文章。也是「語言匠人」這個比喻的出處。
- “超越遊戲到機器人・自動駕駛，克萊夫頓 AI 版圖擴展”, News1, 2026. 連結 ··· 遊戲物理引擎能力延伸到物理 AI 的「彩排」論述的國內依據。
背景知識 / 概念
- 索珊娜・祖博夫, 監視資本主義時代（The Age of Surveillance Capitalism）, 2019. ··· 探討人的經驗成為預測商品原材料的結構的書籍。是本文的理論骨架。
- “What is Joint Embedding Predictive Architecture (JEPA)?”, Turing Post, 2026. 連結 ··· 從 I-JEPA 到 V-JEPA，用淺顯的方式解釋了預測抽象表達而非像素的概念。
推薦搭配的往期文章
- 奧斯瓦爾的知識漫談, “你的隱私值多少錢” 閱讀往期文章 ··· 監視還停留在「社區」的那一篇。是本文的前傳，先鋪了全景監獄和監視資本主義的框架。
