Meta 发布 Aria Gen 2 眼镜：端侧跑 SLAM，专为机器人和具身感知打造

想让机器人像人类一样理解现实世界，最卡脖子的不是大模型的参数量，而是 AI 根本没有以人的第一人称视角「活」过。

Meta 正式发布了第二代研究级智能眼镜 Aria Gen 2。这是 Meta 自 2020 年启动 Project Aria 以来最重磅的硬件升级，由 Reality Labs 和 FAIR 实验室牵头，专门面向机器感知、以人为中心的上下文 AI 以及机器人研发。

最值得关注的是，Meta 这次把全套感知算法直接搬到了眼镜本地。整副眼镜重约 75 克，依靠自研芯片，可以在端侧超低功耗运行 SLAM 空间定位、眼球追踪、手势识别和语音识别，并且支持 6 到 8 小时的连续使用。

鼻托里塞进麦克风与心率计

和市面上普通的智能眼镜不同，Aria Gen 2 是个不折不扣的传感器怪物。

它机身上搭载了 RGB 摄像头、六自由度 SLAM 相机、眼动追踪相机、空间麦克风阵列、IMU、气压计、磁力计和 GNSS 卫星定位。镜腿做成了可折叠设计，外加开放式力消除扬声器，方便随时给人提供音频反馈。

更巧妙的细节藏在鼻托里。Meta 在鼻托位置塞进了两颗特殊传感器：一颗是测量心率的 PPG 光电传感器，另一颗是接触式麦克风。

接触式麦克风通过面部骨骼震动拾音，能彻底解决一个经典难题：AI 可以精准区分这句话是佩戴者本人说的，还是旁边路人说的。这对于需要连续听取指令的具身智能体来说，几乎是刚需。

从人形机器人到视障导航

这套硬件不是卖给普通消费者的数码玩具，而是给学术界和前沿工业界准备的「数据收割机」。

上一代 Aria 采集制作的 Ego-Exo4D 数据集，已经是计算机视觉和机器人领域的基础资源。佐治亚理工学院此前就利用 Aria 套件训练人形机器人在家庭环境中协助人类，宝马也在用它探索车载 AR 与 VR 系统的融合。

新一代硬件已经有了落地测试。专门服务视障群体的 Envision 公司，正把 Aria Gen 2 与其 Ally AI 助手结合，借助眼镜本地的 SLAM 建图和板载空间音频，帮助盲人进行室内精准导航。

Meta 表示，未来几个月会公布合作伙伴获取设备的具体时间表，目前研究机构已经可以申请接收后续通知。

为什么重要

具身智能现在最大的瓶颈就是优质的第一人称数据太少。机械臂和人形机器人学动作，看普通监控视角或者合成视频远远不够，它们需要知道人类在操作物体时眼睛看哪里、头怎么转、手上用什么节奏。Aria Gen 2 补齐的就是这块拼图。

我们认为 Meta 这步棋下得非常聪明。开发一台消费级 AR 眼镜受制于光学显示和散热，短时间内很难做到极致轻便；但做一款不带屏幕、只堆传感器和端侧芯片的 75 克研究工具，不仅技术难度可控，还能靠开放合作把全球顶尖高校和实验室变成自己的数据采集团队。

看起来它的隐患也在于定位。它依然不是一款走量的消费级硬件，商业化落地完全寄托在上游研究者的产出速度上。而且 6 到 8 小时的续航在全天候高强度数据采集时依然略显紧张，如何保证长时间佩戴的散热与舒适度，还得看后续合作方的实际反馈。