灵光2.0权限受限：小红书与Rokid用AI眼镜补上感知短板

Muse走红之后，互联网大厂、大模型公司和AI创业者都加快了个人Agent的上新节奏。眼下国内声量靠前的几款，是千问Go、微信小微、灵光2.0和Today AI。

灵光最近的宣传铺天盖地，看架势像是中国版Muse登场、阿里字节都得让路。实际测下来，表现并不理想。

日历、闹钟、百度网盘、QQ邮箱这些系统和第三方服务，灵光2.0都能接。可微信、抖音、小红书、美团这类高频生活场景，授权接口基本没开；阿里自家App也只打通了支付宝和钉钉。方向没错，权限不够，用起来终究差点意思。

国内App生态向来各守围墙，豆包手机助手此前就遭到过大批应用抵制，灵光能深度绑定的国民级应用同样有限。它选“生成应用”作切口，最后碰上的还是应用分发和数字服务交易那道老边界。

这么看，灵光缺的并不是靠一次产品迭代就能补上的东西。它背后是“在手机对话框里做个更聪明的Agent”这条路共同的天花板：Agent能读懂意图，却很难稳定地触达意图指向的真实世界。

权限握在别人手里，场景握在别人手里，数据也握在别人手里。每个动作都得穿过一层又一层应用壁垒才能落地，Personal Agent里“个人”那部分，也就被稀释成了一种看平台脸色行事的有限代理。

小红书和Rokid最近联手做的“小红书蜜薯”，给出的不是同一道题的另一解，而是把题面挪了个位置。

01

Siri没完成的事，AI眼镜接着干

过去几个月，Personal Agent被一再称作消费级AI的“下一站”。按设想，它该长期记住一个人的偏好，在没人盯着时主动发现需求，并在授权范围内把事办完。这个愿景其实不新。

Siri、Alexa都许过类似的角色，最后大多停在“问答”和“指令”上。技术条件撑不起一个真正可靠的主动助手，平台也没有开放权限的动力。

真正的卡点不在模型能力，而在“感知位置”。手机是目前Personal Agent最主要的载体，可它本质上是个要拿起来、要盯着看、要动手操作的设备。

Agent想知道用户此刻在做什么、看到什么、需要什么，只能靠用户主动输入，或者调用手机里已经沉淀的历史数据。这种“事后感知”决定了手机Agent的主动性始终带着结构性延迟：它知道你昨天搜过什么，却很难判断你此刻站在街对面的是哪家店。

AI眼镜给出了另一种可能。摄像头与传感器天然对着佩戴者的视线、听觉和运动状态，形成连续的第一人称数据流。Agent由此有了在需求发生的“此刻”介入的物理条件。

超级小爱装进了小米AI眼镜里，第一视角拍摄、物体识别、翻译、扫码支付都能用；Rokid Glasses则把提词、导航和实时翻译投到镜片前方，信息直接出现在视线里，不用再低头看手掌。

这些功能单拎出来都不算惊人，凑到一起却指向同一个方向：Agent从“你来找我”变成“我正好在场”。

灵光所代表的Personal Agent愿景，长期缺的正是这一环。大模型擅长记忆、规划和执行任务，但少了持续在场的感知终端，再强的规划也只能建立在用户“告知”之上。眼镜补的，就是那个在用户开口前已经开工的感知入口。

Rokid做的事，说到底是在回答“Agent住在哪里”。2026年6月发布的YodaOS，是一个以智能体为核心、去掉传统App架构的操作系统。它的意义不在多了一个OS，而在把眼镜从“跑应用的硬件”改造成“承载智能体的平台”。

配套的AIUI Studio把开发门槛又压低了一截：浏览器端就能完成智能体的设计、调试和发布，开发者甚至没有实体设备也能模拟运行环境。

到2026年下半年，其开发者社区注册规模约3.5万人，Agent Store上架智能体超过500个。数字算不上惊人，但放在一个尚未定型的硬件品类里，这意味生态雏形正在形成：有人愿意为这副眼镜写“技能”，而不是只等厂商自己迭代功能。

小红书补的是另一端。它的Agent“蜜薯”此前停留在站内助手阶段，要等用户搜索、提问才回应。和Rokid眼镜结合后，一个关键变量变了：用户不必先把现实场景“翻译”成文字描述，眼镜的摄像头和传感器能把“此时此地”直接喂进决策链条。

看到一家餐厅，问一句“这家怎么样”，蜜薯会结合拍摄画面和社区笔记给出判断；翻菜单时，它持续识别新菜品，再按人数和口味偏好给搭配建议。

小红书把这种模式叫“渐进式感知”，关键在于Agent获取信息的时机，从“用户主动汇报”变成了“场景自然流露”。

对一个长期被诟病“缺少消费交易数据”的社区平台来说，这层线下感知能力的战略价值，比短期卖出多少副眼镜更让人在意：社区内容第一次和用户的即时决策现场有了物理连接。

02

做生态苦做硬件卷，做平台才有网络效应

验证成功和规模成功之间，还横着几道不好迈的坎。Rokid得让人看到眼镜不只是“能拍照、能翻译、能导航”的功能堆叠，而是能装下第三方智能体的平台，不然硬件迟早滑进价格战；小红书则要让攒了十几年的生活经验走出App，钻进用户来不及掏手机的那些时刻。

一边缺场景的纵深，一边缺身体的落点。这种互补，比单纯比产品参数更贴近Personal Agent从演示走向日用的真实路径。

端侧算力成熟是底子。混合AI架构正被行业普遍接受：终端跑高效的垂类模型，管实时感知和快速反应；云端扛更重的推理和长期记忆。

眼镜不必在本地算完所有东西，它只要做感知链条上离人最近的那一环。高通把这一趋势说成“从以智能手机为中心转向以智能体为中心”，计算怎么分布变了，入口怎么定义也变了。不过入口迁移从来不只关乎技术。夸克AI眼镜把千问助手和支付宝、高德、淘宝、飞猪的场景打通，想让眼镜变成阿里服务体系的“随身触手”；小米则把超级小爱塞进已有的智能家居和手机协同体系。

两家的共同点是，眼镜本身不生产服务，它生产的是服务被调用的时机。谁攥住时机，谁在Agent调度服务时就站得更靠前。这也解释了Personal Agent赛道眼下的分化。

大厂做Agent，手里有现成的账户、支付和生态，不用从零拉新，也不用另接通道。创业公司做Agent，只能钻更窄的缝：要么在垂直场景里做出大厂不愿做的深度，要么用软硬一体的办法把感知入口握在自己手里。

祝铭明和Rokid选的是后一条，用带显示的AI+AR眼镜切进商务、文旅和工业场景，在Meta绝对领先的全球格局里，靠“显示”这项差异守第二的位置。

可这不等于眼镜已经解决了Personal Agent的全部问题。IDC分析师指出，智能眼镜真正的用户价值还有待挖掘，行业仍处在从“尝鲜”往“工具”过渡的阶段。第一人称感知带来的数据隐私边界、公共场景里的交互规范、续航和重量的物理限制，都是还没收敛的变量。

眼镜补上的是感知层的一块拼图，不是终局答案。

IDC数据显示，2025年全球智能眼镜出货1477.3万台、同比增长44.2%；中国市场出货246万台、同比增长87.1%。Omdia统计，小米以31.9%的国内份额排第一，Rokid以28.5%跟在后面，两家合起来拿走六成以上市场。

2026年上半年行业退货率在30%至70%之间，过去两年上线的两百余项AI功能，用户长期使用率不到6%。也就是说，不少卖出去的眼镜并没从“尝鲜设备”变成“日常佩戴设备”。

这给Rokid和小红书的合作摆了一道暗考题。蜜薯值不值钱，取决于用户愿不愿意在真实消费场景里习惯性对着眼镜说话、让眼镜一直感知。佩戴率要是不稳，渐进式感知的数据链就会常断，Agent的“懂你”也就退成偶尔露一手的演示。

眼镜眼下装的更像一个技术验证场：验的是实时多模态、主动服务和长期记忆在真实环境里能不能用，而不是一个已经成熟的大众入口。小红书对这事的定位也显得克制，先磨能力，再谈规模。

更大的背景是，AI眼镜赛道正打一场密集的“百镜大战”，小米、华为、阿里、理想等玩家入场，把价格和渠道的竞争顶到台前。Rokid走的是操作系统、开发者生态、线下专卖店体系这条路，是道窄门——门槛更高，回报更慢，但智能体生态一旦形成网络效应，硬件的可替代性就会往下掉。祝铭明把千万台销量目标定在2030年之前，还说“做不到就是我们输了”。这个时间尺度说明，当下争的不是终局份额怎么分，而是“谁能留在用户鼻梁上、谁能让开发者在平台上赚到钱”的资格赛。

Personal Agent的竞争，正从“谁的模型更聪明”转向“谁离人的意图更近”。手机曾经最近，可它的交互逻辑要求人先动手。眼镜不用，戴上就行，感知已经开了。这个细微差别，或许比任何一次模型升级都更接近Agent从“可用”走到“有用”的那道门槛。