手机Agent困在孤岛，小红书与Rokid押注AI眼镜破局

自从Muse走红后，各大科技企业纷纷加码个人智能体（Personal Agent）。国内市场上，千问Go、微信小微、灵光2.0等产品接连登场，但普遍暴露出一个共同的困境。

以灵光2.0为例，虽然支持接入日历、闹钟、网盘和邮箱等系统服务，但面对微信、抖音、小红书、美团等高频国民级场景，核心授权接口几乎均未开放。在以“应用围墙”为常态的移动互联网生态中，即使将“生成应用”作为突破口，也必然撞上既有的数字服务与分发边界。

这揭示了手机对话框内智能体的结构性天花板：AI 智能体可以理解意图，却受制于权限和数据壁垒，无法稳定触达现实需求。针对这一难题，小红书与Rokid选择转向另一种硬件形态——AI眼镜。

从“事后告知”转向“持续在场”

个人智能体的终极目标是主动发现需求并执行操作，但从Siri到现在的手机智能体，大多仍停留在问答阶段。其根本瓶颈不在于大模型的能力，而在于物理“感知位置”。

手机是典型的“需要拿起、注视、操作”的设备。用户必须主动输入信息或授权历史记录，智能体才能展开分析，属于典型的“事后感知”。它很难实时判断用户当前正站在哪家店铺门前。

AI眼镜打破了这种局限。其搭载的摄像头与传感器与佩戴者的视线、听觉和动作天然对齐，能够捕获连续的第一人称视角数据流。从小米内置的超级小爱，到Rokid Glasses投射的实时导航与翻译，硬件开始支持智能体从“等待唤起”走向“刚好在场”。

Rokid在底层推出了去掉传统App架构的YodaOS，将其打造成承载智能体的平台，并配套AIUI Studio降低开发门槛。截至2026年下半年，其开发者社区规模约3.5万人，Agent Store上架智能体已超500个。

小红书则补齐了场景与内容维度。其智能体“蜜薯”与Rokid结合后，用户无需把眼前的画面转化为文字提问。看到餐厅随口一问，系统便能调用拍摄画面与社区笔记给出评价；翻看菜单时，还能基于人数和偏好提供搭配建议。小红书称之为“渐进式感知”，让沉淀多年的生活经验第一次直接嵌入线下即时决策链条。

生态竞争：从技术验证到日常佩戴

端侧算力的演进推动了这一落地过程。“端侧小模型负责实时感知与响应、云端负责复杂推理与记忆”的混合AI架构已成行业标准。高通等芯片厂商也将计算演进概括为“从以智能手机为中心转向以智能体为中心”。

但从可行性验证到规模化普及，仍面临显著的现实瓶颈。

IDC数据显示，2025年全球智能眼镜出货量达1477.3万台，同比增长44.2%；中国市场出货量为246万台，同比增长87.1%。其中小米以31.9%的市场份额领跑，Rokid以28.5%紧随其后，两者合计占据国内超六成市场。

然而，2026年上半年全行业退货率处于30%至70%的高位，过去两年上线的两百多项AI功能中，长期使用率不足6%。第一人称视角的隐私争议、公共场所交互的心理门槛，以及重量与续航的物理限制，依然制约着设备的日常佩戴率。

如果佩戴率不稳定，渐进式感知的连续数据链就会断裂，智能体便容易退化回偶发性的功能演示。目前AI眼镜更像是一个多模态技术的落地验证场，而非完全成熟的大众计算中心。

随着小米、华为、阿里等巨头全面切入AI眼镜领域，市场竞争已从单纯的硬件比拼拓展至操作系统与开发者生态。个人智能体的竞争逻辑，正从“谁的模型推理更聪明”，逐步转向“谁离人类的真实意图更近”。