WAIC大咖說 | 對話千問AI硬件產品總監吳建軍：智能體時代，AI硬件如何真正成為隨身AI助手？

每經記者：黃海 每經編輯：魏文藝

1986年，人工智能先驅、麻省理工學院教授馬文·明斯基在《心智社會》中首次系統性地提出了“智能體”概念。當時互聯網的概念還未普及，更鮮少有人能預見到，40年后的今天，智能體概念竟會如此深刻地影響人與機器的協作、進化與共生。

7月17日至20日，“2026世界人工智能大會（WAIC 2026）”在上海如期舉行。當智能體已經在賽博世界重塑生產力后，人們開始探索：智能體如何幫助人們在真實世界過得更好？

有關智能體在真實世界的形態探討或許并不存在一個標準答案，但也總有一些確定性的東西出現了——人們夢想中的AI（人工智能）硬件，絕不是對已有硬件的簡單AI化，而是一類AI Native（智能原生）的產品。

千問AI硬件產品總監吳建軍在演講中談到，AI硬件與智能體需要真正融為一體：“沒有硬件的智能體，無法觸達現實；沒有智能體的硬件，只是冰冷的工具。但當兩者都做到極致，就會成為唯一的答案。”

智能體時代，在參數與效率的宏大敘事之外，人們也想知道：隨身AI助手如何讓普通人在每一個平凡的日子里過得更好？為此，《每日經濟新聞》記者在本屆WAIC現場采訪了吳建軍。

WAIC現場的千問展臺 圖片來源：受訪者提供

從硬件的AI化迭代到AI Native

套個對話框、加個大模型就能自稱AI終端的時代，或許就要一去不復返了。

隨著智能體從聊天工具進化為能夠感知、決策和執行任務的生產力最小單元，在智能體模型與下一代終端產品加速結合的浪潮下，智能體正從數字屏幕走向真實物理世界。

在本屆WAIC上，智能體開始批量“長出身體”。抽象的比喻里，藏著行業從硬件的AI化迭代到AI Native的大趨勢。

比如，千問宣布將AI眼鏡升級為智能體眼鏡。升級后，眼鏡可通過智能體強化服務與決策能力，并能按需調用第三方Skill（技能）和Agent（智能體）。同時，千問還推出全雙工語音、眼動追蹤、體征監測等一系列硬件技術，以增強智能體眼鏡對物理世界的感知與交互能力。

吳建軍表示，過去絕大多數所謂的AI硬件，本質上并沒有改變上一代硬件的產品邏輯。從驅動層、中間件到應用架構，都沒有發生根本性變化。這種做法在行業內部被稱為“硬件的AI化”，而非“AI Native”。真正的變化首先發生在交互的起點：智能體需要更完整地理解用戶與環境。

吳建軍舉例稱，過去眼鏡上的攝像頭大多服務于影像，幫用戶記錄生活。但智能體時代，眼鏡需要擁有感知環境的能力。這就要求攝像頭的視覺能力也能為智能體所用，幫助后者理解真實環境。

千問在行業中首創的Always-on視覺感知系統，設計了一套端到端的低功耗視覺感知鏈路，讓智能體能夠與用戶共同經歷真實場景，在交互中獲得更充分的上下文信息，并逐漸形成基于用戶個人數據的長期記憶。

對于AI助手而言，這種長期記憶是影響用戶體驗感的關鍵因子。討論體驗提升之前，智能體眼鏡還需要回答的一個問題是，所謂適時的主動服務，到底怎么才能算“適時適當”？至少，不讓人覺得冒犯。

智能體如何理解人與環境、實現主動服務？

比起大模型追求的加法，承載智能體的端側設備，在很多場景下做的是一道減法題。

真實的世界中圖像、音頻信號量級巨大，哪些需要理解并回應，哪些可以不予理會，主動服務與否表面上是智能體設備與用戶的默契，實際上是硬件和算法不斷磨合才能實現的成果。

現階段智能體眼鏡的主動并不是盲目的主動，一切都建立在精準理解用戶原始意圖和用戶信任同意的基礎上。吳建軍舉例稱，某些有明確觸發條件的任務，設備才會給用戶一些相應的提示或信息。“如果對于用戶本身沒有足夠的理解，也不夠個性化的話，其實并不具備主動服務的條件。”

問題再次回到智能體如何理解人與環境。今年作為智能體終端元年，AI硬件與具身智能賽道面臨著相似卻又不同的卡點。

吳建軍介紹，首先是硬件維度對用戶的理解。千問在輕薄鏡框里集成了一套虹膜識別系統，用來確認身份；眼鏡還加入了體征監測能力，可采集心率、血氧、HRV（心率變異性）、溫度等數據，并結合長期佩戴積累的信息，為用戶提供健康解讀與提醒。

環境方面，除了視覺感知，千問試圖用一套全雙工語音語言模型架構，通過流式Audio LLM（音頻大語言模型）預訓練與全雙工后訓練，增強眼鏡持續傾聽并聽得更準的能力。當然，還有與之配合的一套端側原生采集系統，解決眼鏡能否聽得清。

其次是理解人與環境的關系。與具身智能采用的“觸覺”抓手不同，眼鏡賽道可以采用的一個連接點是眼神。據了解，千問在智能體眼鏡中搭載了一套高精度眼動追蹤系統。至此，眼神替代了物理觸控和語音喚醒，成為最自然的“準星”。

而軟件層面，人與智能體之間共同擁有的長期個人化記憶，則是將上述物理世界信息變成“服務能力”的催化劑。

智能體眼鏡的獨立生態位會越來越清晰

理解人與環境之后，智能體眼鏡要給多少反饋也是個值得思索的問題。

在手機或者PC（個人電腦）端，大模型習慣于給出幾百字甚至上千字的詳盡解答，用戶可以在長文本中自行提取有效信息。但如果將這套邏輯照搬到眼鏡上，讓一個隨身設備在眼前、耳邊長篇大論，用戶會產生強烈的體驗不適感。

比如當用戶在路途中詢問“最近的洗手間在哪里”，智能體必須克制住描述周圍環境的沖動，用極度精練、克制的語言直接給出有效答案。整個工程鏈路，必須百分之百為硬件載體和當下語境服務。

這考驗著智能體眼鏡的算法模型與端云兩側的算力調度。而如今，行業格局仍呈現明顯的“云強端弱”。

受當前的技術條件限制，同時考慮到全天候輕薄佩戴的要求，眼鏡在網絡帶寬、分布式算力以及存量App（應用程序）生態上，客觀上依然無法脫離手機而獨立存在。

“未來的行業趨勢一定會走向端云協同或者端云平衡。”吳建軍認為，那些不需要深度思考、對時延要求極高的即時響應任務，未來將全面由端側承接；而需要深度思考、在線RAG（檢索增強生成）搜索的復雜任務，則繼續走云端鏈路。

這也意味著，眼鏡的價值并不在于復制手機體驗，而是進入那些手機不便出現、也不適合打斷用戶的場景。比如在騎行、攀巖、看展這些不便使用手機的日常場景里，用戶的認知負荷和條件反射可能會悄然向眼鏡轉移。

在一些情感體驗的層面上，吳建軍認為，眼鏡的獨特生態位還在于其能提供手機永遠無法給予的原汁原味的存在感。

“比如我要記錄一個珍貴瞬間，在單膝下跪的時候，突然掏出手機也是會有一點打破氛圍感的??我覺得大家對于眼鏡的習慣，正在慢慢地從其他形態的設備上遷移，只是速度問題??”吳建軍表示，當然一切還需要時間，硬件、軟件乃至生態層面上，仍有許多問題需要整個行業共同解決。

值得注意的是，除了眼鏡，千問的首款AI智能體耳機也在WAIC現場正式亮相。從某種程度上看，這似乎預示著一個趨勢——行業內部，一個以AI智能體為核心的生態敘事體系正在搭建。

“我們的硬件業務是AI戰略驅動的。我們的想法很簡單：未來我們的AI智能體足夠好用、足夠易用、足夠通用之后，它可以跑在各種各樣的硬件形態上，在不同的用戶場景里，跟用戶完成最自然、最貼合當下場景的交互。”吳建軍說。

免責聲明：本文內容與數據僅供參考，不構成投資建議，使用前請核實。據此操作，風險自擔。