Meta Ray-Ban 眼镜上线多模态 AI：看一眼就能识别眼前物体

戴着墨镜看一眼桌上的茶包，问一句「哪包没有咖啡因」，耳朵里立刻传来声音告诉你选洋甘菊。甚至不用掏手机，AI 就把你看的东西给看明白了。

Meta 之前承诺要到 2024 年才上线的这套多模态 AI，提前开始推送给第二代 Ray-Ban 智能眼镜的早期测试用户。除了看图，这次更新还顺手接入了微软必应搜索，直接用语音就能查即时信息。

拍张照片，让 AI 替你扫一眼

这套功能现在的用法其实很直接，本质上就像在脸上挂了一个能听懂话的相机。

你必须对着眼镜说固定句式，比如「Hey, Meta, look and tell me…」，让它辨认植物、看食材给菜谱，或者给眼前的玩偶写个发社交平台的搞笑文案。

话音刚落，眼镜会咔嚓响一声快门，接着停顿几秒钟。等云端的生成式 AI 读完这张照片，就会直接通过镜腿上的扬声器把答案读给你听。

眼镜拍下的每一张图和 AI 给出的文字回答，都会同步存进手机上的 Meta View 应用里，方便你回头翻看，就像一份随手记的视觉笔记。

不过目前它还没做到实时视频流分析，主要原因还是功耗。Meta 首席技术官 Andrew Bosworth 之前透露过，现在必须靠语音唤醒去拍照，是为了防止把眼镜电池快速耗光，未来他们的目标是换用极低功耗传感器，由环境事件自动触发 AI。

离真正好用，还差几次版本迭代

既然是早期测试版，小毛病自然少不了。最明显的问题就是幻觉，而且有时候让人哭笑不得。

比如在测试一碗水果时，它准确认出了橙子、香蕉、火龙果和苹果，却硬生生编出了一个根本不存在的石榴。

面对一扇窗户前的大熊猫玩偶，让它写条文案，它写出的内容居然是「一个人孤独地看着手机」，完全对不上眼前的画面。

语言理解也有点神经刀。看一份西班牙语菜单时，问它哪些是辣菜，它能精准翻译出关键配料；但如果紧接着问哪些菜带肉，它又直接把所有西班牙语菜名原封不动念了一遍。

另外就是隐私问题。Meta 在这个早期测试阶段会收集匿名化的查询数据来改进模型，虽然眼镜上有拍照提示，但怎么让周围的人和佩戴者自己都放心，依然是个麻烦事。

为什么重要

我们认为，Meta 这一步最聪明的地方在于选对了载体和价位。相比 Humane 刚发布的 AI Pin 那种又贵还要吸在衣服上的新物种，第二代 Ray-Ban 本身就是一副只要 300 美元、在货架上随时能买到的体面墨镜。

对普通用户来说，它现在值不值得特意买来当 AI 助手？坦白讲，如果你期待的是《钢铁侠》里贾维斯那种无所不知的随身助手，现阶段肯定会失望。几秒的快门延迟、偶尔的胡言乱语，加上每次都要念咒语一样的指令，体验还谈不上丝滑。

但作为一副本来就要戴的眼镜，它顺手附带了一个能识别眼前物体的外脑，在逛街认植物、看外语菜单或者轻度视力辅助时，确实比频繁掏手机开摄像头要自然得多。

更重要的是，它给整个可穿戴设备打了个样。智能眼镜争论了这么多年要不要装屏幕，Meta 现在的做法等于证明了一条更现实的路：去掉耗电又笨重的显示器，只靠摄像头抓取画面、耳机传回声音，多模态 AI 就已经能在现实生活中派上用场了。