为了让AR眼镜体验更出色XREAL专门研发了一款芯片
聊一款最近备受关注的AR眼镜新品——XREAL One。2024年12月5日,这款产品正式发布,定价3299元,被业界视为一次关键性的技术升级。

先看核心硬指标:视场角更宽广,显示清晰度显著提升,全局刷新率也得到全面升级,并搭载了Bose调音的全新声学器件。但真正让行业瞩目的,是内部那颗自研的X1空间计算芯片。XREAL创始人徐驰直言——这是他们推出轻便、便携的有线AR眼镜以来,最大的一次创新突破。
问题来了:为什么非要自研芯片?答案其实很清晰。当前市面上的芯片都是为通用设备设计的,直接用于AR眼镜难免存在瓶颈——延迟偏高、能效比不佳,对空间计算的定制能力也跟不上。要想在用户体验上实现质的飞跃,就必须自己动手定制核心芯片。
这颗X1芯片的研发,其实早在2021年的C轮融资时就已经埋下伏笔。历经三年反复打磨,才最终落地量产。它相当于AR眼镜的“大脑”,负责与不同系统、不同芯片的主机设备无缝协同,实现实时超低延迟的感知计算,同时保持跨设备的广泛兼容性。
具体效果如何?在X1芯片的加持下,XREAL One的空间计算能力明显增强,显示与视觉质量均有提升。更令人惊艳的是延迟表现——仅3毫秒,只有苹果Vision Pro的四分之一。而且它兼容性非常“随和”,无论是iPhone、Android设备、Windows PC还是MacBook,不同生态系统的设备都能稳定连接。
对于这款产品,徐驰寄予厚望。他认为这颗芯片“成就了有史以来最便携最好的显示器”,单品销量保守估计至少会突破60万台。
三条路,走到哪算哪?
整个智能眼镜产业正处在快速变局之中。XREAL是国内AR眼镜领域的龙头,IDC数据显示,2024年上半年其全球市占率达到47.2%。但另一边,AI眼镜今年异军突起,尤其是Meta旗下的Ray-Ban在2023年销量超过百万台,直接引爆了国内的“百镜大战”。
对于这股热潮,徐驰有自己的判断。他认为Meta Ray-Ban之所以火爆,并非因为AI,而是因为它更像一个带有科技属性的时尚单品。他甚至直言:“今天的AI眼镜都是AI弱智眼镜。”在拍照、显示模块、轻量化和芯片性能上,还远未达到消费者对真正AI体验的需求。“整个行业上半场的体验还不够ready。”
不过,这并不代表XREAL对AI眼镜没有想法。徐驰透露,他们有专门的AI眼镜团队,也在做长期战略布局。只是眼下更重要的,是把AR眼镜的产品体验再往上推一个台阶。
目前智能眼镜赛道上,可以清晰看到三条发展路径:
- 以Meta Ray-Ban为代表的AI眼镜
- 以XREAL为代表的AR眼镜
- 以苹果Vision Pro为代表的头戴式“空间计算”显示设备
第三种路径的问题也很明显——便携性较差,机身略显笨重,即便苹果这样的巨头也未能真正推动其流行。徐驰的判断是,空间计算设备的普及难度更大,不仅需要高性能眼镜,还需要全新且规模化的生态和开发者,这绝非一家企业能独自完成,发展周期会非常长。
他把AI眼镜的发展阶段定义为行业上半场。在这个阶段,XREAL的策略很明确:尽力留在牌桌上,等待技术与生态高度成熟后,才有机会去创造更极致的产品。
用徐驰的话说:“AI眼镜是一个万米长跑,跑对方向比抢跑更重要。”这句话,大概也点明了这家公司当前选择的战略路径。
游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。
同类文章
RAG四标融合企业知识资产体系四库协同GEO优化实践
生成式AI正在彻底改写信息检索的底层逻辑。传统SEO依赖关键词堆砌和外链建设的策略,在大模型的内容采信规则下已经基本失效。取而代之的,是生成式引擎优化(GEO)。它不再关注外链数量,而是重点衡量你的知识是否结构化、证据链是否坚实、信源是否可靠——这些维度才是RAG(检索增强生成)架构真正看重的核心指
一个普通上班人分享WorkBuddy使用心得与真实体验
前言 最近我开始使用WorkBuddy——这是腾讯推出的一款AI办公工作台。差不多用了一周时间,趁印象还新鲜,把真实的使用感受记录下来,给还在犹豫的朋友做个参考。不吹不黑,只说实际体验。 初印象:不只是聊天机器人 之前用过不少AI工具,大多数就是个对话框,你问它答,答完就结束了。WorkBuddy不
AI幻觉变真功能实战教程:App Inventor 2视频录制拓展一周开发实录
先讲一个颇具戏剧性的开端。 这件事的开端颇显荒诞——有用户前来咨询,称AI Pro版的介绍中提到我们有一款“视频录制拓展”。团队全体成员都感到困惑,翻遍产品列表,发现根本不存在该组件。AI那种“一本正经胡说八道”的能力,这次确实让我们陷入尴尬。 按常理,此事到此便可结束——一句“抱歉,暂时没有这个拓
别再混淆OLAP和SQL-on-Hadoop两者查询本质不同
OLAP和SQL-on-Hadoop虽都使用SQL查询数据,但本质不同。SQL-on-Hadoop负责海量数据批量计算与ETL,查询速度秒级至分钟级;OLAP通过预聚合实现毫秒级多维分析,适合BI报表。两者在数据平台分工协作,前者是后厨加工,后者是前台快速服务。
GEO优化深度解析:AI偏好FAQ还是长文内容?
在GEO优化中,AI对内容形式无统一偏好:FAQ在简单查询中引用率41%,长文在复杂查询中达58%。内容应基于用户意图选择形式,FAQ适配简单事实类问题,长文建立主题权威,两者互补而非替代。
- 日榜
- 周榜
- 月榜
相关攻略
2026-07-01 17:42
2026-07-01 17:42
2026-07-01 17:41
2026-07-01 17:41
2026-07-01 17:41
2026-07-01 17:41
2026-07-01 17:41
2026-07-01 17:41
热门教程
- 游戏攻略
- 安卓教程
- 苹果教程
- 电脑教程
热门话题

