[{"data":1,"prerenderedAt":134},["ShallowReactive",2],{"tags":3,"news-1-all":62},{"code":4,"msg":5,"data":6},200,null,{"records":7,"total":52,"size":59,"current":54,"orders":60,"optimizeCountSql":61,"searchCount":61,"countId":5,"maxLimit":5,"pages":54},[8,14,20,26,32,38,45,51],{"id":9,"operator":5,"creator":5,"createTime":10,"updater":5,"updateTime":10,"code":11,"name":12,"releaseTime":10,"releaseTimeStr":13},22,"2026-11-11T14:37:44","aiglasses","AI眼镜","2026-11-11 14:37:44",{"id":15,"operator":5,"creator":5,"createTime":16,"updater":5,"updateTime":16,"code":17,"name":18,"releaseTime":16,"releaseTimeStr":19},21,"2025-10-30T15:48:52","watch","中医智慧手表","2025-10-30 15:48:52",{"id":21,"operator":5,"creator":5,"createTime":22,"updater":5,"updateTime":22,"code":23,"name":24,"releaseTime":22,"releaseTimeStr":25},20,"2025-03-06T15:53:31","metahuman","数字人","2025-03-06 15:53:31",{"id":27,"operator":5,"creator":5,"createTime":28,"updater":5,"updateTime":28,"code":29,"name":30,"releaseTime":28,"releaseTimeStr":31},19,"2025-02-07T17:17:44","xrglasses","XR眼镜","2025-02-07 17:17:44",{"id":33,"operator":5,"creator":5,"createTime":34,"updater":5,"updateTime":34,"code":35,"name":36,"releaseTime":34,"releaseTimeStr":37},16,"2024-10-22T10:22:16","space","数字空间","2024-10-22 10:22:16",{"id":39,"operator":5,"creator":5,"createTime":40,"updater":5,"updateTime":41,"code":42,"name":43,"releaseTime":40,"releaseTimeStr":44},15,"2024-10-22T10:22:00","2024-10-25T14:10:01","ai","AI人工智能","2024-10-22 10:22:00",{"id":46,"operator":5,"creator":5,"createTime":47,"updater":5,"updateTime":47,"code":48,"name":49,"releaseTime":47,"releaseTimeStr":50},14,"2024-10-22T10:21:50","blockchain","区块链","2024-10-22 10:21:50",{"id":52,"operator":5,"creator":5,"createTime":53,"updater":54,"updateTime":55,"code":56,"name":57,"releaseTime":53,"releaseTimeStr":58},8,"2024-10-10T15:54:59",1,"2024-10-22T10:21:16","majorevents","秋果大事件","2024-10-10 15:54:59",10,[],true,{"code":4,"msg":5,"data":63},{"records":64,"total":131,"size":59,"current":54,"orders":132,"optimizeCountSql":61,"searchCount":61,"countId":5,"maxLimit":5,"pages":133},[65,73,80,88,94,100,106,112,118,124],{"id":66,"operator":5,"creator":67,"createTime":68,"updater":67,"updateTime":69,"title":70,"cover":71,"releaseTime":68,"releaseTimeStr":5,"tagDTOList":5,"content":72,"top":61,"operatorName":5,"frontNewsId":5,"nextNewsId":5},1315,116451,"2026-03-12T10:28:40","2026-03-12T10:33:33","秋果计划联合创始人史春苓荣登《人民代表报》——以科技向善之名，展巾帼时代风采","https:\u002F\u002Fqiuguo-shop.oss-cn-hangzhou.aliyuncs.com\u002Fimage\u002F17732824040006934f93f6b214a9d8d7bcf31e839aa02.jpg","\u003Cp>\u003Cspan class='ql-size-large'>在2026年“三八”国际妇女节之际，杭州秋果计划科技有限公司联合创始人、副总经理，杭州秋果数字空间科技有限公司董事长、总经理史春苓，凭借其在科技创新领域的卓越贡献与女性领导力的典范实践，荣登《人民代表报》“庆‘三·八’中国女企业家风采展示”专版。\u003C\u002Fspan>\u003C\u002Fp>\u003Cp class='ql-align-center'>\u003Cspan class='ql-size-large'>\u003Cimg src='https:\u002F\u002Fshop-oss.qiuguojihua.com\u002Fqiuguo-shop\u002F3af8c084826744ecb410f5d52f85ac33.jpg'>\u003C\u002Fspan>\u003C\u002Fp>\u003Cp>\u003Cspan class='ql-size-large'>作为秋果计划的联合创始人，史春苓始终秉持“科技向善”的发展初心，深耕AI空间计算、硬件生态与场景应用的创新前沿。她以硬科技为引擎，推动产品从构想到市场的全链路落地，让创新成果真正服务于民生健康、助力产业升级。在她的带领下，秋果计划正以新质生产力为支点，撬动数字经济与实体经济的深度融合，为国家科技发展大局贡献“秋果力量”。\u003C\u002Fspan>\u003C\u002Fp>\u003Cp class='ql-align-center'>\u003Cspan class='ql-size-large'>\u003Cimg src='https:\u002F\u002Fshop-oss.qiuguojihua.com\u002Fqiuguo-shop\u002Fbeb7a32d5458403389e5a51dcc3e2885.jpg'>\u003C\u002Fspan>\u003C\u002Fp>\u003Cp>\u003Cspan class='ql-size-large'>从技术攻坚到用户共情，史春苓以独特的“用户链接者”视角，将真实需求融入产品血脉，让科技不仅有高度，更有温度。这份荣誉，是对她个人奋斗的肯定，更是对秋果计划“创新向善、实干笃行”企业精神的时代褒奖。\u003C\u002Fspan>\u003C\u002Fp>",{"id":74,"operator":5,"creator":67,"createTime":75,"updater":67,"updateTime":76,"title":77,"cover":78,"releaseTime":75,"releaseTimeStr":5,"tagDTOList":5,"content":79,"top":61,"operatorName":5,"frontNewsId":5,"nextNewsId":5},1148,"2025-12-17T15:34:33","2026-01-12T17:22:18","浙商论剑，共话“十五五”新机，秋果计划董事长曹卫荣膺“2025浙商年度杰出创新人物”","https:\u002F\u002Fshop-oss.qiuguojihua.com\u002Fimage\u002F17659566810002.jpg","\u003Cp>\u003Cspan class='ql-size-large'>12月12日上午，2025（第18届）《浙商》论剑合作周在杭州国际会议中心成功举办。本届活动以“谋局‘十五五’：瞭望与先机”为主题，汇聚政府、学界及企业家代表，共同展望新发展阶段下的趋势与机遇。杭州秋果计划科技有限公司董事长曹卫应邀出席，并在颁奖环节中荣膺“2025浙商年度杰出创新人物”称号。\u003C\u002Fspan>\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp class='ql-align-center'>\u003Cspan class='ql-size-large'>\u003Cimg src='https:\u002F\u002Fshop-oss.qiuguojihua.com\u002Fqiuguo-shop\u002Fac43d50b0faf4814a4932fa6a7c361c4.jpg'>\u003C\u002Fspan>\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp class='ql-align-center'>\u003Cspan class='ql-size-large'>\u003Cimg src='https:\u002F\u002Fshop-oss.qiuguojihua.com\u002Fqiuguo-shop\u002Fd8c579c3aa0b4ecfbedc2c6eeea6072c.jpg'>\u003C\u002Fspan>\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>\u003Cspan class='ql-size-large'>秋果计划董事长曹卫荣膺“2025浙商年度杰出创新人物”（左一）“十五五”时期是我国推进高质量发展、构建新发展格局的关键阶段，也为民营企业通过科技创新实现转型升级提供了重要窗口。论坛围绕这一主题，深入探讨了民营企业面临的机遇与挑战。会议期间，曹卫与各界嘉宾就科技创新、产业升级与可持续发展等议题展开交流。他表示，当前正是科技企业进行长远布局、系统创新的关键时期，秋果计划将持续加大研发投入，积极推进创新成果的转化与应用。\u003C\u002Fspan>\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp class='ql-align-center'>\u003Cspan class='ql-size-large'>\u003Cimg src='https:\u002F\u002Fshop-oss.qiuguojihua.com\u002Fqiuguo-shop\u002F3012820e9f0749a1a23471b3c4ea9ef5.jpg'>\u003C\u002Fspan>\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>\u003Cspan class='ql-size-large'>秋果计划董事长曹卫接受《浙商》杂志采访此次获奖，是对曹卫董事长及杭州秋果计划科技公司长期坚持以技术为驱动、以创新为引领的发展路径的高度认可。在他的带领下，秋果计划团队持续深耕行业实际场景，推动前沿数字技术与实体经济深度融合，逐步构建起一套具有核心竞争力的解决方案体系，为客户、行业与社会创造可持续价值。\u003C\u002Fspan>\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>\u003Cspan class='ql-size-large'>面向“十五五”，秋果计划将继续坚定创新导向，深化与产业各界的协同合作，积极探索技术落地的新模式与新路径。公司将以此次荣誉为新的起点，持续强化创新能力，全面助力行业数字化转型升级与高质量发展进程。\u003C\u002Fspan>\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>\u003Cspan class='ql-size-large'>秋果计划科技始终致力于以创新科技驱动产业进步，赋能实体经济，共创智能未来。\u003C\u002Fspan>\u003C\u002Fp>",{"id":81,"operator":5,"creator":82,"createTime":83,"updater":82,"updateTime":83,"title":84,"cover":85,"releaseTime":83,"releaseTimeStr":5,"tagDTOList":5,"content":86,"top":87,"operatorName":5,"frontNewsId":5,"nextNewsId":5},1732,4874,"2026-11-17T15:41:13","出货量赢了全世界，广东AI眼镜为什么还焦虑？","https:\u002F\u002Fprod-mrglasses-oss.qiuguojihua.com\u002Fglass_pc\u002Ffile\u002F20261117\u002F4874\u002Fcommon\u002F0c0c4e8791295515aa90a54210a609ae_1.jpg","\u003Cp>深圳近期一场智能穿戴产业产销对接会，像一面棱镜，同时照出了广东AI眼镜产业的底气与隐忧。场内是产业链上下游的B端精准对接，需求清单与供给方案双向匹配；场外是面向全球的C端直播带货，订单数据实时跳动。几家本土企业的成绩单格外亮眼：影目科技海外营收占比从15%跃升至35%，谷东智能AR业务预计年销售额达6000万元，更有东莞企业的AI眼镜出货量占到全球近一半。\u003C\u002Fp>\u003Cp>\u003Cimg src=\"https:\u002F\u002Fprod-mrglasses-oss.qiuguojihua.com\u002Fglass_pc\u002Ffile\u002F20261117\u002F4874\u002FcustomEditor\u002Fd54060a4ae941fc6c433195b17a307c5_52313121.png\" alt=\"52313121.png\" data-href=\"\" width=\"\" height=\"\" style=\"\"\u002F>\u003C\u002Fp>\u003Cp>这些数字足以支撑起“广东造”的新名片，但如果只盯着出货量占比，很容易错过更关键的问题：当下的繁荣能持续多久？当全球每两副\u003Ca href=\"https:\u002F\u002Fwww.qiuguojihua.com\u002FwigainFlow\" target=\"_blank\">AI眼镜\u003C\u002Fa>就有一副产自广东，产业下一步的竞争，究竟拼什么？\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>产业链密度：难以复制的制造护城河\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>广东智能眼镜产业的崛起，靠的从来不是某一家龙头企业的单点突破，而是大湾区完整的产业分工体系形成的集群效应。深圳聚焦方案设计与品牌运营，东莞承担整机制造与零部件配套，广州补足光学与声学器件的研发生产，在一小时通勤圈的产业半径内，90%以上的零部件都能就地配齐。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这种产业链密度，是短期内难以复制的核心优势。东南亚、印度可以建起标准化的组装工厂，却无法复制这样密集、成熟、响应极快的配套网络。消费电子行业迭代速度快，一款产品从设计修改到样品落地，本地配套体系可以将周期压缩到数天；如果跨区域甚至跨国调配零部件，仅物流与沟通成本就会大幅拉长研发周期，更遑论量产阶段的良率爬坡、工艺调整。对AI眼镜这种仍在快速迭代的新品类来说，供应链的响应速度，直接决定了企业能否跟上市场节奏。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>更值得关注的是，这条曾经以“接单生产”为核心的制造链条，正在发生方向性的转变。对接会上，影目科技发布了六大上游核心零部件采购需求，芯视佳开放了硅基OLED整体解决方案，蚂蚁数科则呼吁行业共建国产化供应链。当终端企业不再只是被动接受上游的元器件供给，而是基于市场需求反向定义产品规格、牵引上游研发，当方案商开始将核心技术模块化开放给全行业，意味着整个产业正在从“制造组装”向“产品定义”升级。这是产业成熟度跃升的关键信号——广东企业不再只是全球AI眼镜的“代工厂”，开始逐步参与到产业标准与技术路线的制定中。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>繁荣背后的隐忧：配得齐不等于控得住\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>但硬币的另一面是，越是站在规模之巅，产业的结构性短板就越刺眼。参会企业提交的一份份核心需求清单，几乎都指向同一个方向：低功耗AI SoC芯片、高端微显示器件、长续航电池方案……这些被反复提及的关键词，恰恰是当前广东乃至全国智能眼镜产业的卡脖子环节。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>“配得齐”不等于“控得住”。哪怕一副眼镜能支持200种语言实时翻译，能实现流畅的AR交互，只要核心的AI芯片、微显示面板依赖进口，产业的利润大头就会持续流向海外厂商，供应链的自主可控也无从谈起。一旦外部环境出现波动，核心元器件断供或涨价，整个产业都会直接受到冲击。规模越大，这种受制于人带来的风险就越突出。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>比元器件依赖更隐蔽的问题，是行业内普遍存在的重复研发消耗。中国联通的麻涛在会上提到的“从零走一遍”困境，戳中了大量中小企业的痛点：每家企业做AI眼镜，都要从头完成芯片选型、系统适配、大模型调优、功耗优化这些基础工作，大量研发资源消耗在同质化的底层环节，既拉长了产品上市周期，也抬高了创新的门槛。\u003C\u002Fp>\u003Cp style=\"text-align: center;\">\u003Cimg src=\"https:\u002F\u002Fprod-mrglasses-oss.qiuguojihua.com\u002Fglass_pc\u002Ffile\u002F20261117\u002F4874\u002FcustomEditor\u002F0c0c4e8791295515aa90a54210a609ae_1.jpg\" alt=\"1.jpg\" data-href=\"\" width=\"\" height=\"\" style=\"\">\u003C\u002Fp>\u003Cp>这本质上说明，广东智能眼镜产业链的“物理连接”已经足够紧密——企业离得近、拿货方便、沟通顺畅，但“化学融合”还远远不够。产业缺的不是工厂和产能，而是能将共性技术封装起来、提供给全行业使用的公共服务“中间层”。大企业有能力自建完整的研发体系，广大中小企业却很难承担从零搭建底层技术团队的成本，这也是很多初创团队倒在“样机到量产”之间的重要原因。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>破局关键：把产业“中间层”做实\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>破局的核心，恰恰在于把这个缺失的“中间层”做实。对接会上亮相的国家人工智能应用中试基地（移动终端方向），以及已经投入运行的粤港澳大湾区工业互联网公共技术服务平台，正在提供可行的解题思路。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这类公共服务平台的核心价值，从来不是替代企业做创新，而是把行业共性的底层环节标准化、接口化、公共化。比如中试基地将算力支撑、大模型适配、eSIM联调、功耗测试这些每个企业都要做的工作，封装成可直接调用的公共服务；工业互联网平台则让设计图纸不出园区就能完成打样试制，快速验证工艺可行性。对中小企业和创业团队来说，这意味着不用再投入重金搭建完整的底层研发与中试体系，就能快速推进产品从原型到量产的落地，大幅降低了创新的“启动成本”，也缩短了跨越“死亡谷”的周期。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这背后其实是产业扶持逻辑的转变。过去地方支持产业发展，更多是补贴终端产品、扶持龙头企业，追求的是短期的产能与出货量增长；而现在，政策重心正在从“补贴产品”转向“补贴能力”，从“扶大扶强”转向“育新育小”。比如对通过中试基地评估的企业给予最高30%的政策支持，引导资本“投早投小”，本质上都是在为产业的长期创新能力打底。只有当大量中小创新主体都能低成本参与进来，整个产业才能保持持续的迭代活力，而不是陷入少数巨头主导的同质化竞争。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>当然，公共平台的建设也不是一蹴而就的。目前这类服务仍处于起步阶段，覆盖的环节、服务的深度还有很大提升空间。如何让平台的技术服务真正贴合企业的实际需求，如何建立可持续的运营机制，避免变成只重展示的形象工程，也是接下来需要持续磨合的问题。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>出海只是起点，全球化竞争才刚开场\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>也要清醒地看到，当下的出海成绩只是起点，真正的全球化竞争才刚刚拉开序幕。根据Omdia的预测，2025年全球AI眼镜出货量约为870万台。这个数字放在消费电子赛道里，其实仍处于市场教育的早期阶段，真正的大规模爆发尚未到来。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>市场早期往往意味着格局未定，也意味着窗口期不会一直敞开。现在广东凭借供应链优势拿到了过半的出货量，但随着国际科技巨头陆续加大投入，随着其他国家和地区的产业配套逐步完善，当前的规模优势并非牢不可破。如果停留在整机组装的优势上，不往核心技术与产业生态层面延伸，等到市场真正爆发的时候，很可能依然只是赚取微薄的加工利润，错失产业定义权。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>对广东来说，当下最该做的不是庆祝出货量占比，而是借当前的市场先发优势，集中完成三件事。其一，以真实场景应用倒逼核心技术迭代，用消费、工业、医疗等多元场景的具体需求，牵引芯片、微显示、电池等核心元器件的攻关方向，让技术研发不脱离市场实际。其二，以中试平台、产业联盟为纽带，整合分散的研发资源，减少低水平重复投入，让共性技术成果惠及全行业，把产业链的密度优势转化为创新密度优势。其三，以金融支持与全球渠道网络为杠杆，帮助更多中小企业跨过“能做出产品”到“能打开市场”的鸿沟，从单纯的硬件出海，逐步走向品牌出海、标准出海。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>一副小小的AI眼镜，能成为广货出海的新名片，是大湾区制造业几十年积累的结果。但“广东造”的含金量，从来不只看出货量有多大，更要看核心技术有多少掌握在自己手里，要看产业有没有持续自我迭代的能力。只有当整条产业链既能“造得好”，又能“控得住”，还能“持续进化”，“广货行天下”才不会是一阵风的行情，而是一条越走越宽的长期路径。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这场产销对接会是产业协同的新起点，而真正的考场，在全球消费者的长期选择里，在下一代核心技术的定义权中。广东能否把今天的规模优势，转化为明天的标准话语权，决定了这张AI眼镜的产业名片，最终能有多厚重。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>",false,{"id":89,"operator":5,"creator":82,"createTime":90,"updater":82,"updateTime":90,"title":91,"cover":92,"releaseTime":90,"releaseTimeStr":5,"tagDTOList":5,"content":93,"top":87,"operatorName":5,"frontNewsId":5,"nextNewsId":5},1731,"2026-11-17T15:30:26","23部门联手，剑指6000亿：浙江为什么要抢下AI消费第一省？","https:\u002F\u002Fprod-mrglasses-oss.qiuguojihua.com\u002Fglass_pc\u002Ffile\u002F20261117\u002F4874\u002Fcommon\u002Fc4ff5973d7441e0bf76d6fd39e674887_5324121211.png","\u003Cp>2026年前三季度，浙江社会消费品零售总额同比增长1.6%，整体走势平稳。但拆分结构来看，有一组数据格外醒目：限额以上单位可穿戴智能设备零售额同比增长1.7倍，智能手机零售额增长46.8%。在普遍温和的消费大盘里，AI相关产品走出了独立的爆发行情。\u003C\u002Fp>\u003Cp style=\"text-align: center;\">\u003Cimg src=\"https:\u002F\u002Fprod-mrglasses-oss.qiuguojihua.com\u002Fglass_pc\u002Ffile\u002F20261117\u002F4874\u002FcustomEditor\u002F466f6e912aa30372666eefae0692d30e_2.jpg\" alt=\"2.jpg\" data-href=\"\" width=\"\" height=\"\" style=\"\">\u003C\u002Fp>\u003Cp>就在近期，浙江省商务厅等23部门联合印发《关于加快“人工智能+消费”发展的若干措施》，直接锚定了长期目标：到2030年，全省消费领域规模以上人工智能核心产业营业收入超6000亿元，打造全国“人工智能+消费”标杆省份。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>从终端消费的自发增长，到顶层政策的明确发力，浙江在AI消费赛道的提速不是跟风式的布局。全国都在推进\u003Ca href=\"https:\u002F\u002Fwww.qiuguojihua.com\" target=\"_blank\">AI\u003C\u002Fa>与消费融合，为什么浙江有底气喊出“标杆”定位？答案藏在政策节奏、产业基底、供给能力与市场闭环的多重叠加里。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>政策先手：不是跟风落地，是既有积累的系统化升级\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>今年6月，商务部等8部门印发《关于加快“人工智能+消费”发展的实施意见》，围绕智能商品消费、服务消费赋能等方向做出全国性部署。仅数月之后，浙江就拿出了覆盖商品消费、服务消费、平台场景、要素与制度保障四大维度、共16条具体举措的落地文件，是全国最早出台配套政策的省份之一。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这种响应速度，本质上不是仓促跟进，而是水到渠成。作为数字经济先行省，浙江在消费数字化、产业智能化领域已经铺垫多年，政策落地不需要从零搭建框架，更多是对现有实践的梳理、补位与规模化推进。国家层面的意见划定了方向，浙江的配套措施则是把已经在做的事情系统化，再往产业链深处推进一步。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>“标杆省份”的定位，也建立在实打实的产业结构之上。全国范围内，同时手握数字经济先发优势与扎实先进制造业根基的省份并不多。互联网平台、算法人才、数据资源构成了AI应用的软件底座，家电、消费电子、装备制造等产业集群则提供了硬件落地的制造能力。软硬件两端同时发力，才让“AI+消费”没有停留在概念营销层面，而是有产品、有场景、有用户的真实市场。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>政策的另一个作用，是把分散的产业力量拧成合力。过去浙江的AI消费相关布局散落在各个地市、各个产业环节，23部门联合发文的价值，在于打通了部门之间的壁垒，从研发、制造、销售到场景落地，形成统一的政策引导框架。对企业和消费者来说，最直观的感受就是规则更清晰、扶持更精准、落地路径更明确。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>需求托举：真金白银的补贴，对准的是本地供应链\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>撬动消费市场，供给是基础，需求是引线。2026年浙江加码智能产品购新补贴：个人消费者购买智能门锁、智能扫地洗地机、智能马桶等10类智能家居产品，可按最终成交价的15%享受补贴，单件最高补贴1500元。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>在金华的家电卖场里，政策效果已经直观显现。不少原本在智能家电展区驻足观望的消费者，会主动询问产品是否在补贴目录内，核算完补贴差价后，下单决策周期明显缩短。对单价几千元的智能家电而言，15%的补贴力度足以覆盖很多消费者的心理价差，把“想试试”的观望情绪，转化成实实在在的购买行为。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这份补贴的特别之处，在于它不是泛泛的消费刺激，而是精准对接本地产业优势的定向扶持。入选目录的10类产品，大多是浙江制造的优势品类，省内有完整的产业链支撑，从核心元器件到成品组装均可本地完成。财政补贴拉动的终端需求，很大程度上会转化为本地制造企业的订单，进而带动上游供应链的升级，形成“补贴促消费—消费带生产—生产提效率”的正向循环。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>当然也要看到，当前补贴主要集中在硬件产品，AI服务消费的扶持细则仍待进一步落地。智能硬件爆发是AI消费的第一波浪潮，后续服务体验的智能化升级，才是决定长期增长空间的核心变量。从这个角度看，目前的政策还只是开局，远未到终局。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>供给破局：从训练场到货架，把技术变成可消费的产品\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>如果说补贴是在需求端添柴，供给侧的中试与落地能力，才是浙江AI消费真正的护城河。很多地区发展AI消费，重心放在终端销售环节，靠促销和补贴拉动短期销量；浙江的思路更进一步，从产品成熟的源头抓起，先让足够多好用、耐用的智能产品跑通场景，再自然流向消费市场。\u003C\u002Fp>\u003Cp style=\"text-align: center;\">\u003Cimg src=\"https:\u002F\u002Fprod-mrglasses-oss.qiuguojihua.com\u002Fglass_pc\u002Ffile\u002F20261117\u002F4874\u002FcustomEditor\u002Fb81095d5aeb2f7ed70a42caf9894d40e_3.jpg\" alt=\"3.jpg\" data-href=\"\" width=\"\" height=\"\" style=\"\">\u003C\u002Fp>\u003Cp>中国信息通信研究院《具身智能训练场研究报告（2026年）》显示，截至2026年6月底，全国已建成启用70余家具身智能训练场，形成长三角、京津冀、珠三角三大产业集群。其中浙江建成训练场数量达14个，位居全国首位。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>今年5月，国家级机器人“训练场”在杭州挂牌，即国家人工智能应用中试基地（具身智能）。和展示型的展厅、理想环境下的实验室不同，这里还原了餐饮服务、无人商超、赛会演艺、电力巡检、果蔬采摘、井下作业等30多个真实应用场景，130余个机器人在不同场景里反复实操，打磨交互逻辑、适配复杂环境、降低故障率。比如餐饮场景里的递送机器人，要反复练习平稳端杯、动态避让行人、准确识别桌号；果蔬采摘场景的机械臂，要分辨果实成熟度、控制抓取力度避免损伤。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>训练场的核心价值，是填补了实验室原型到商业化产品之间的断层。很多AI产品在实验室环境下表现完美，一进入真实场景就频频出错，核心原因就是缺少真实环境的海量打磨。浙江密集布局训练场，本质上是在降低智能产品的落地成本，缩短从技术原型到商用成品的周期。经过训练场淬炼的产品，不用再花大量时间做现场定制调试，可以快速投入商圈、社区、园区等真实场景。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>今年10月，杭州又迈出了标志性一步：国内首家机器人学校迎来首批30名“机器人学生”，覆盖工业、服务、安保等多个领域。和训练场的场景实操不同，这里提供系统化的职业技能培训，机器人要学习对应岗位的完整工作流程，通过考核后可获得“技能证书”，再走向具体工作岗位。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这件事的深层意义，是把机器人落地从“定制化项目”变成了“标准化供给”。过去商家引入服务机器人，需要厂商上门定制调试，成本高、周期长；经过标准化培训的机器人，可以快速适配通用场景，大幅降低了商用端的使用门槛。当机器人的采购和使用成本降到临界点，不管是商家端的普及速度，还是面向消费者的服务体验，都会迎来质的提升。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>可以预见，这些在浙江本地训练场、机器人学校打磨成熟的智能产品与服务，会优先在省内商圈、民生场景先试先用，根据本地用户反馈快速迭代，成熟之后再向全国市场辐射。从研发中试到落地应用，再到消费反馈反哺产品升级，这条供给侧的完整链条，浙江已经走通了大半。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>闭环优势：从车间到商圈，全链条效率跑在前面\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>浙江做AI消费的核心竞争力，从来不是单点突出，而是全链条的闭环能力。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>很多制造业强省，能造出高品质的智能硬件，但缺少互联网平台与场景运营能力，产品造出来要依赖外地渠道触达用户，使用数据回流慢，产品迭代效率低；很多互联网产业发达的地区，算法与运营能力突出，但制造根基薄弱，硬件产品依赖外部供应链，成本与品控难以自主把控。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>浙江刚好避开了这两种短板。上游有算力、数据、算法等AI核心要素集聚，中游有家电、消费电子、机器人等成熟制造产业集群，下游有电商平台、线下商圈、社区场景等多元消费渠道，再加上政策层面的统筹引导与补贴托举，形成了从生产到消费、从技术到产品的完整生态闭环。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>一条典型的落地路径是：本地企业研发的智能产品原型，先送到具身智能训练场做真实场景测试，优化交互逻辑与稳定性；成熟后进入量产环节，借助本地制造产业链控制成本、保障交付；产品上市后，通过省内电商平台与线下卖场触达消费者，叠加地方补贴降低购买决策门槛；用户的使用数据与反馈，再快速传回企业，用于下一代产品的迭代升级。整个链条的每个环节，在浙江本地都能找到对应资源，无需跨区域多主体协调，落地效率自然更高。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这种闭环优势，在服务消费领域会体现得更加明显。比如AI导购、智慧试衣、商圈智能导览这类场景，需要硬件设备、算法系统、场景运营、商家配合多方协同，浙江的产业生态可以让这些要素快速组合落地，不用从零开始搭建。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>回到6000亿元的远期目标，放在浙江的产业基底上看，这并不是一个激进的数字。当前智能硬件已经保持翻倍增长，随着服务消费的AI融合逐步深入，再加上政策的持续引导，消费领域AI核心产业的增长空间还会进一步打开。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>但也要清醒地看到，AI+消费的推进不会一路平坦。比如部分智能产品仍存在功能炫技、实用性不足的问题，很多AI功能没有真正解决用户痛点；比如数据隐私、算法伦理的风险，会随着AI深入消费场景逐步凸显；比如大量中小商家的数字化基础薄弱，能否低成本跟上AI升级的节奏，也是现实的挑战。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>浙江要做全国标杆，不只是规模上的领跑，更要在这些实际问题上先行探路。比如如何平衡AI应用深度与用户隐私安全，如何帮助中小商家低成本接入AI能力，如何让AI消费从硬件产品延伸到更多服务场景。这些问题没有现成答案，需要在落地实践中逐步摸索。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>从本质上说，“AI+消费”不是用AI包装传统商品，也不是用技术概念做营销噱头，而是用人工智能重构消费的产品形态、服务体验与场景边界。过去几年，我们见证了AI如何改变生产方式；接下来几年，我们会看到AI如何一步步走进普通人的日常消费生活。而浙江，正在试图成为这场变革里，最先跑通全流程的样本。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>",{"id":95,"operator":5,"creator":82,"createTime":96,"updater":82,"updateTime":96,"title":97,"cover":98,"releaseTime":96,"releaseTimeStr":5,"tagDTOList":5,"content":99,"top":87,"operatorName":5,"frontNewsId":5,"nextNewsId":5},1730,"2026-11-16T16:35:15","几十克AI眼镜里，芯片都藏在哪？","https:\u002F\u002Fprod-mrglasses-oss.qiuguojihua.com\u002Fglass_pc\u002Ffile\u002F20261116\u002F4874\u002Fcommon\u002F320d972977220cae85b04fb2a4327b5c_34524121.png","\u003Cp>拧开一副AI眼镜的镜腿外壳，露出的主板宽度不到两指。主控SoC贴在板身中央，存储芯片直接叠在它的背面，周围挤着电源管理芯片、触摸控制器、音频功放，还有一颗专门负责语音唤醒的小芯片。板尾贴着一颗六轴传感器，前框的角落藏着千万像素摄像头和配套的图像传感器——这就是当下主流无屏AI眼镜的全部核心硬件。\u003C\u002Fp>\u003Cp style=\"text-align: center;\">\u003Cimg src=\"https:\u002F\u002Fprod-mrglasses-oss.qiuguojihua.com\u002Fglass_pc\u002Ffile\u002F20261116\u002F4874\u002FcustomEditor\u002F320d972977220cae85b04fb2a4327b5c_34524121.png\" alt=\"34524121.png\" data-href=\"\" width=\"\" height=\"\" style=\"\">\u003C\u002Fp>\u003Cp>数下来，真正承担计算功能的芯片不过十来颗，剩下的大多是电源和外围器件。但就是这一小片主板上的芯片，撑起了整机一半以上的硬件成本。参照Ray-Ban Meta的拆解数据，全套芯片占综合硬件成本的五成以上，单颗主控芯片的报价就占到总成本的三成多。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>现在市场的主力，恰恰是这些不带显示屏幕的产品。Counterpoint统计显示，2026年上半年全球AI眼镜出货量同比增长263%，其中无显示产品占总出货量的96%，同比增速258%；剩下4%是带显示的AR与\u003Ca href=\"https:\u002F\u002Fwww.qiuguojihua.com\u002FwigainFlow\" target=\"_blank\">AI眼镜\u003C\u002Fa>，基数更小，但增速达到449%。IDC的全年预估是，2026年全球智能眼镜出货2368.7万台，中国市场491.5万台，中国厂商贡献了全球45%的份额。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>11月12日，三星联合谷歌、Gentle Monster、Warby Parker推出的Intelligent Eyewear开启预售，12月10日将在美国和韩国上市。三十种不同的镜框设计，整机重量控制在约41克，美国市场Warby Parker系列起售价395美元，Gentle Monster系列在449到489美元之间，韩国市场仅上架Gentle Monster款，起价65万韩元。这一代产品同样没有配备屏幕，全部交互依赖语音、触摸和摄像头，核心算力来自高通骁龙AR1 Gen 1，搭配2GB内存与64GB存储。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>一副41克的眼镜，算力、影像、连接、续航全都要兼顾，芯片的布局和选型几乎决定了产品的上限。从主控到协处理，从存储到外围，再到带屏款额外的显示驱动，每一颗芯片的取舍，都是重量、功耗、成本和功能之间的反复权衡。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>主控两档：差出三四百元的分水岭\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>主控芯片是整副眼镜的算力核心，目前市场清晰地分成了两档，中间横着40到50美元的成本差距，折合人民币三四百元——这也是千元档和中高端产品最核心的硬件分界。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>高通骁龙AR1 Gen 1是中高端机型的标配。这颗芯片采用四核Kryo架构，主频1.9GHz，集成Adreno GPU，第三代Hexagon NPU支持INT4与INT8精度，Spectra双14位ISP最高支持1200万像素照片拍摄，以及600万像素、30帧的视频录制，慢动作可实现720p 120帧。芯片内部还集成了显示输出通路，可驱动双目1280×1280、60Hz的显示屏幕，三星本次的无屏款没有用到这部分能力，但芯片本身保留了完整规格。制程方面高通没有公开参数，仅在产品介绍中提及“先进工艺与优化封装”，业界普遍认为是4nm工艺，并非官方口径。按申万宏源的拆解测算，这颗芯片的成本在50到60美元之间。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>另一档是紫光展锐W517，采用12nm工艺，CPU架构为1颗2.0GHz的A75核心加3颗1.8GHz的A55核心，GPU为IMG8300，主频800MHz，支持1080p 30帧编解码，官方给出的架构支持双摄并行，单颗成本约10美元。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>两者的核心差距，落在影像处理链路上。AR1的双ISP是为实时视觉问答设计的——当用户调用AI助手分析眼前的物体时，拍摄、编码、推理需要在一条链路上连续完成，对ISP的吞吐和延迟有很高要求。W517的影像规格低一档，基础拍摄功能可以满足，但双摄并行和实时视觉推理的余量要小得多。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>选型的分界也很清晰：三星、Meta、小米、Rokid的中高端产品都选择了AR1，看重的就是完整的实时视觉链路；字节的豆包一代眼镜也曾规划采用AR1方案，最终在量产前叫停。而把价格压到999元的闪极AI拍拍镜，核心成本优势就来自W517，搭配2GB+32GB存储、索尼1600万像素123度超广角摄像头，靠主控芯片省下的成本，把整机拉进了千元区间。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>双芯逻辑：为了功耗的精打细算\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>很多人会疑惑：一副没有屏幕的眼镜，为什么要放两颗计算芯片？答案藏在功耗里。眼镜的电池容量只有几百毫安时，待机时长是核心体验指标，让高性能主控全程待命，功耗根本扛不住。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>小米AI眼镜的方案很有代表性：AR1 Gen 1加恒玄BES2700H，两颗芯片分工明确。BES2700H作为协处理芯片全程常驻，负责监听唤醒词、处理触摸操作、维持蓝牙连接，只有接收到唤醒指令，才会把AR1从休眠状态唤醒来处理重负载任务，运算完成后立刻让大核回到休眠状态。相当于让低功耗的哨兵常年站岗，高性能的主力只在需要的时候冲刺，中间的无效功耗被直接切掉。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>恒玄的新一代协处理芯片已经往上走了一步。BES2800采用6nm FinFET工艺，集成双核Cortex-M55加双核BECO NPU，可选配Tensilica HiFi 4 DSP和Wi-Fi 6，片内共享8.3MB SRAM，闪存直接封装在芯片内部，封装为220脚BGA。蓝牙版本的标注在不同来源里有差异：拆解报道中写的是蓝牙5.4，恒玄官网当前标注为蓝牙6.1。相比上一代BES2700，这颗芯片的CPU算力翻倍，NPU算力达到四倍，音乐播放状态下的工作电流仅4mA。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>也有产品选择单芯方案。雷鸟iO就直接用了一颗恒玄的协处理芯片，因为它的定位是单色显示加提词、翻译这类轻量任务，单颗芯片的算力足够覆盖，同时省下了双芯占用的面积和成本。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>关于这颗芯片的价格，不同报道的数字相差悬殊：有报道正文写单颗400元，同一篇文章的BOM明细里却标注70元，连同内存在内的主板总成本280元。按整机BOM 1758元计算，70元占比4%，400元则要占到23%——后者对于一颗6nm工艺的穿戴级SoC来说明显偏高，也和280元的主板总成本无法匹配，行业内普遍采信的是70元左右的成本。搭配的电池是豪鹏的钢壳电芯，容量240mAh，配合2000mAh的充电盒，眼镜本体续航约2天，带充电盒总续航约10天。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>Meta走的是另一条技术路线。Ray-Ban Display采用AR1 Gen 1搭配恩智浦RT700系列MCU。TechInsights的拆解把眼镜和配套的神经腕带算作一套系统，高通组件占这套系统物料成本的15.7%；腕带单独占7.2%，主控是高通QCC5100-001。需要注意的是，15.7%的比例里已经包含了腕带那颗QCC5100芯片，7.2%是整个腕带的成本占比，两者分母相同但存在重叠，不能直接相加。\u003C\u002Fp>\u003Cp>\u003Cimg src=\"https:\u002F\u002Fprod-mrglasses-oss.qiuguojihua.com\u002Fglass_pc\u002Ffile\u002F20261116\u002F4874\u002FcustomEditor\u002F08a69ad46b9302b27883e98ba7a116c6_34524122.png\" alt=\"34524122.png\" data-href=\"\" width=\"\" height=\"\" style=\"\"\u002F>\u003C\u002Fp>\u003Cp>堆叠的艺术：把存储压在主控背上\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>镜腿内部的空间，是AI眼镜硬件设计最核心的约束条件。宽度、厚度都有极限，多一毫米的空间，要么留给芯片加功能，要么留给电池提续航，每一处都要精打细算。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>Ray-Ban Meta给出的解法是垂直堆叠：把内存和闪存合封成一颗ePOP芯片，直接叠在主控芯片的背面。它采用的佰维BWCK1EZC是LPDDR4X加eMMC 5.1的合封方案，容量组合为2GB内存加32GB闪存，封装尺寸8.0×9.5×0.8毫米。器件标称内存频率4266Mbps，闪存顺序读写速度310MB\u002Fs和240MB\u002Fs。这里有个容易混淆的口径：高通给AR1 Gen 1标注的LPDDR4x上限是2100MHz，和器件标称的4266Mbps并非同一统计口径，实际运行频率由平台配置决定，不能直接拿两个数字做对比。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>上下堆叠的好处非常直接：同样容量下，比平铺贴片节省约60%的主板面积，还省掉了芯片之间的走线。对于镜腿里寸土寸金的腔体来说，这省下的面积，直接决定了电池能做多大，整机重量能轻多少。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>外围芯片：每加一颗都要算功耗账\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>除了主控、协处理和存储，剩下的就是一圈外围芯片：触摸、语音唤醒、音频功放、传感器、图像传感器等等。这些芯片单颗成本都不高，但每多一颗，就多一份待机电流，多占用一点空间。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>闪极那款999元的AI眼镜有过完整的拆解清单：主控是展锐W517，触摸芯片用海栎创CST812T，语音唤醒芯片为国芯微GX8002，存储来自佰维的2GB+32GB方案，扬声器功放是艾为AAP8，扬声器为瑞声0920，一颗麦克风来自歌尔，图像传感器是索尼471，另外两颗麦克风来自TDK。算下来，核心器件的国产化率超过90%，海外器件只剩下图像传感器和部分麦克风。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>对眼镜这类穿戴设备来说，待机功耗是以微安为单位计算的。多一颗常开的传感器，待机时间就要重新评估；多一个功能模块，就要对应调整电源管理策略。外围芯片的取舍，本质上是功能和续航的平衡：少一颗就少一个功能，多一颗就多一份功耗负担，没有绝对的对错，只看产品定位。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>带屏款：成本结构是另一套逻辑\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>如果加上显示屏幕，AI眼镜的成本逻辑会彻底重构。无屏款里芯片占大头，带显示的AR眼镜里，光学显示模组要占到整机成本的40%到50%，主控芯片占比降到20%到30%——省主控省下来的钱，全被光学模组吃掉了。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>雷鸟iO的拆解能很清楚地看到这一点。它的光波导采用鲲游光电的衍射方案，蓝湖波导厚度不足0.6毫米，重量约3克；显示面板是诺视的0.06英寸Micro-LED，型号M06，分辨率540×280，像素间距2.5微米，面板支持240Hz刷新率，整机显示运行在60Hz，采用QSPI接口，LGA\u002FFPC封装；光机由雷鸟自研，萤火光引擎Nano的体积仅0.085立方厘米。根据追焦FocusXR的调研，这套双目光学模组的物料成本约840至860元。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>显示驱动芯片的选型，通常跟着光机方案走。MicroLED是电流驱动，恒流源的精度直接决定灰阶表现；LCoS是电压驱动，接口多采用MIPI或者并口。诺视M06用QSPI接口，意味着驱动逻辑已经集成到了面板一侧，主控不需要再单独输出一路并行总线，进一步节省了主板空间。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>代价也很明显，都写在重量和续航上。Rokid Color双目全彩AR眼镜做到了55克（不含鼻托），售价4999元起，交付排期已经到2027年4月。小米无屏AI眼镜配263mAh电池，不开启显示功能续航8.6小时；Rokid Glasses混合使用续航约6小时，如果全程开启显示，媒体实测续航会缩短到3小时左右。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>数据迷雾：先分清口径再谈数字\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>讨论AI眼镜的市场和成本，最容易踩的坑是口径不一致。同样是出货量、同样是芯片占比，统计范围不一样，数字可能差出一倍。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>最典型的是出货量数据。Counterpoint说上半年全球出货增长263%，Omdia的数据是420万台、增长127%，两个增速差了一倍多。核心原因是统计边界不同：Counterpoint明确说明自己的统计范围包含无屏AI眼镜和AR&AI眼镜两类，并且给出了96%和4%的形态拆分；Omdia只给出了总量，没有公开品类定义。基数和范围都对不齐，Counterpoint又没有公布绝对出货量，两个数字根本无法直接换算。市场份额也是两套体系：Counterpoint口径下Meta占无屏市场的94%，Omdia口径下Meta占AI眼镜总出货的81.3%，两者并非同一维度。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>芯片成本占比也是一样。维深对Ray-Ban Meta的拆解显示，整机BOM成本149美元，加上ODM\u002FOEM费用后的综合硬件成本为164美元；全套芯片合计85.6美元，占综合硬件成本的52.2%，其中高通一家的器件（SoC、Wi-Fi蓝牙、电源管理）就有58.9美元，占比35.91%。而小米AI眼镜只算主控加协处理两颗主芯片，占整机BOM的37%。一个是全套芯片、分母为综合硬件成本，一个是两颗主芯片、分母为纯BOM，两个数字的统计口径完全不同，不能直接拿来对比。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>带显示的产品就更不能套用这个比例。光学模组占四到五成，主控占两到三成，两块加起来就吃掉了七成成本，剩下的电池、结构、外围再分剩下的份额，和无屏款的成本结构几乎没有可比性。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>四个未解开的死结，和芯片厂商的方向\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>AI眼镜的出货量在涨，但行业的核心问题并没有完全解决。四个现实的约束，横在产品普及的路上。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>第一个是重量。行业里反复被引用的舒适分界线是50克，超过这个重量，长时间佩戴的压感会非常明显。2026年的新品已经把40克及以下做成了主流，占比接近七成。三星这次做到41克，一个重要手段是采用分体式计算——把一部分运算任务甩给配对的手机，以此减轻眼镜端的算力负载和硬件体积。代价也很直接：当配对的手机不在身边，依赖手机计算的那部分功能就无法使用。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>第二个是续航。263mAh的电池塞进镜腿，已经是当前结构下的极限，持续录像只有45分钟。芯片工艺再优化，功耗再降低，也不可能在现有电池技术下做出十倍的续航提升。续航焦虑，是所有穿戴设备的共同难题，AI眼镜也不例外。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>第三个是价格。国内的智能穿戴国补政策，按扣除各环节优惠后最终售价的15%补贴，单件补贴封顶500元，且仅限单价6000元以内的产品，3000元档的产品补完后价格在2550元左右。而千元档位能不能成立，核心就是展锐W517那10美元的主控成本——没有这颗高性价比的芯片，千元AI眼镜的价格根本打不下来。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>第四个是最根本的需求。IDC的数据显示，2026年二季度中国智能眼镜出货61.1万台，同比下降8.0%，这是这个品类第一次出现单季度负增长。全年整体还在高增长的区间里，突然掉出一个负增长的季度，说明尝鲜的用户买过一轮之后，真正的刚需还没出现——大多数人还没找到非戴不可的理由。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>现在的芯片厂商，发力点非常集中：一件事是把存储进一步集成到主控上，靠堆叠省面积；另一件事是把协处理芯片做小、做低功耗，靠分工省待机电流。前者决定镜腿能做多细、整机能有多轻，后者决定眼镜能撑多久、不用天天充电。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>在41克的镜框里，空间和功耗都是硬约束。谁能把外围器件减到最少，把算力和功耗的平衡做到最优，谁就能被更多终端厂商选进方案里。AI眼镜的竞争，最终还是会落到芯片这方寸之间的打磨上。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>",{"id":101,"operator":5,"creator":82,"createTime":102,"updater":82,"updateTime":102,"title":103,"cover":104,"releaseTime":102,"releaseTimeStr":5,"tagDTOList":5,"content":105,"top":87,"operatorName":5,"frontNewsId":5,"nextNewsId":5},1729,"2026-11-16T16:18:54","人工智能的下一幕：主角从模型变成了组织","https:\u002F\u002Fprod-mrglasses-oss.qiuguojihua.com\u002Fglass_pc\u002Ffile\u002F20261116\u002F4874\u002Fcommon\u002F3562a8047ffc468fbeb891aa1bc864f0_32424121.png","\u003Cp>2026年的当下，几乎所有企业都在谈AI落地，但一个尖锐的问题正摆在越来越多一把手面前：Token账单逐月走高，团队人人都在用AI工具，公司的收入和利润却没出现预期的增长。在11月12日北京举办的百度世界2026大会上，李彦宏给出了他的判断：问题不出在模型能力本身，而出在企业的组织形态——我们只是给旧工厂换了一台AI新电机，却没有重新设计整个厂房。\u003C\u002Fp>\u003Cp style=\"text-align: center;\">\u003Cimg src=\"https:\u002F\u002Fprod-mrglasses-oss.qiuguojihua.com\u002Fglass_pc\u002Ffile\u002F20261116\u002F4874\u002FcustomEditor\u002F3562a8047ffc468fbeb891aa1bc864f0_32424121.png\" alt=\"32424121.png\" data-href=\"\" width=\"\" height=\"\" style=\"\">\u003C\u002Fp>\u003Cp>过去十年，是人工智能形成独立技术栈的十年。从2016年到2026年，底层芯片、云计算、基础大模型、上层应用终端逐步构成了“芯云模体”四层架构，AI作为一种新的生产要素，完成了从实验室到产业的初步渗透。如果把\u003Ca href=\"https:\u002F\u002Fwww.qiuguojihua.com\" target=\"_blank\">AI\u003C\u002Fa>技术的上游视作工业时代的电力能源，那么下游承接生产力的载体是什么？李彦宏的答案是组织能力——一种区别于传统科层制的AI原生组织体系，他将其定义为“智能组织”。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这不是一个抽象的概念，而是对产业现状的精准回应。工业革命的历史已经印证了同一个规律：新动力不会自动带来新生产力。瓦特改良蒸汽机后，最早的工厂只是把蒸汽机搬进旧作坊，效率提升有限；直到流水线、标准化厂房、新的分工体系出现，工业生产的潜力才真正释放。今天的AI正处在相似的节点：多数企业把AI定位成员工个人的提效工具，写文案、做表格、查资料，看似全员在用，实则没有触及业务流程的本质。岗位边界还是原来的边界，审批流程还是原来的流程，知识沉淀还是依赖老员工的个人经验——相当于电机换了，传动带、车间布局、生产工序全没变，效益自然难以体现在财报上。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>在李彦宏的判断里，人工智能的下一幕，核心主角不再是模型，而是组织。如果说AI是新电能，智能组织就是AI时代的新厂房，是生产力真正落地的物理空间。只有当组织形态适配了AI的能力特性，技术的乘数效应才能释放出来，最终转化为全要素生产率的提升和经济增长。这也意味着，企业的AI竞争，正在从“拼模型参数”转向“拼组织能力”。没有一家公司，会因为用了几个AI工具就一夜之间建立竞争优势；只有围绕AI能力重构组织，才能抓住这个时代的核心机会。新生产力，只能从AI流水线里长出来，从智能组织里长出来。换电机只是起点，重新设计厂房，才是真正的分水岭。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>组织进化的三个核心方向\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>智能组织不是对传统组织的修修补补，而是底层逻辑的重构。李彦宏在演讲中提出了三条组织进化原则，分别对应组织的协作结构、能力内核和迭代机制。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>如果说打破岗位边界是重构了智能组织的协作骨架，那么沉淀隐性知识，就是在构建智能组织的核心大脑——真正的组织智能。工业时代的流水线催生了精细化的岗位分工，每个人固定在一个工位上，负责单一环节，岗位是组织的最小单元。但在智能时代，标准化的流程性工作将大量由智能体承接，组织的核心单元会从“岗位”转向“任务”。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>岗位不会彻底消失，但会逐步收敛为两类核心角色：一类是负责创造新事物、定义新规则的Builder，另一类是负责连接内外部、推进人与人协作的Seller。剩下的执行性、重复性工作，将由人和Agent共同组成的任务网络完成。未来的组织不再是层层传导的金字塔，而是一张以任务为核心的协作网络，人和智能体根据任务需求动态组合，任务结束则协作解散，下一个任务再重新匹配资源。这种模式下，组织的灵活性会大幅提升，人力不再是业务扩张的刚性瓶颈。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>很多企业都有过类似的困境：核心员工离职，带走的不仅是人脉，还有大量没写进文档的经验——怎么搞定难缠的客户，怎么快速排查某个系统的故障，怎么在跨部门协调中推动项目落地。这些只可意会、依赖个人经验的隐性知识，是企业最宝贵也最脆弱的资产。个体能力再强，也是分散的、可流失的；而组织智能的核心，就是让这些隐性知识显性化，沉淀到公司的公共平台上，持续累积、随时调用、全员可用。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>当顶尖员工的经验变成可复用的数字资产，封装成智能体模块在全公司部署，新员工不需要再花几年时间踩坑成长，团队能力的下限会被整体拉高。更重要的是，不同领域的经验沉淀后可以相互碰撞、融会贯通，最终形成的集体智能，会远超任何一个个体天才的能力边界。这种经过自身业务淬炼的知识体系，叠加企业独有的上下文、文化与决策逻辑，才是真正难以被复制的竞争护城河。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>有了骨架和大脑，智能组织还需要一套自我迭代的机制，这就是第三条进化原则：设计流程闭环，推动组织自主进化。传统组织的优化，往往是阶段性的、自上而下的——年底做复盘，年初定改革，调整一次架构可能要管一两年。但智能组织的进化是持续的、分布式的，李彦宏将其总结为一个公式：可衡量+Looping=持续进化。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这里的Looping，指的是人和AI围绕具体任务形成的闭环迭代：任务启动后，AI负责执行、数据采集和初步复盘，人负责判断、校准和规则调整，每完成一次循环，任务的执行效率和效果就提升一点。一家公司最终会变成由无数个这样的小闭环组成的系统，每个环节都在自动迭代、自我优化，整个组织高度自动化运营，同时保持持续学习的能力。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>模型技术的迭代速度还在加快，2026年前九个月几乎每天都有新模型发布，有时一天甚至多款齐发；但组织如果没有闭环迭代的能力，再新的模型也无法转化为自身的竞争力。只有把技术迭代的速度，内化成组织自身的进化速度，企业才能跟上技术的节奏。\u003C\u002Fp>\u003Cp style=\"text-align: center;\">\u003Cimg src=\"https:\u002F\u002Fprod-mrglasses-oss.qiuguojihua.com\u002Fglass_pc\u002Ffile\u002F20261116\u002F4874\u002FcustomEditor\u002F10b963dcbde68e1bcfd611392fcf1932_32424122.png\" alt=\"32424122.png\" data-href=\"\" width=\"\" height=\"\" style=\"\">\u003C\u002Fp>\u003Cp>产业基础设施：支撑智能组织落地的底层支柱\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>技术的落地从来不是单一环节的事，智能组织的构建，也需要完善的产业基础设施支撑。针对当前大模型应用落地的一个核心痛点，百度在本次大会上推出了大模型交易平台“词元所”。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这个产品的出现，直指当前行业的一个现实乱象：随着模型数量爆发式增长，市场上出现了大量词元中转站，它们既不对模型效果负责，也不保障服务稳定性和响应速度，甚至连模型的真实性都无法验证。企业选型时踩坑、调用时出故障、数据安全存隐患，已经成为AI规模化落地的阻碍。词元所的定位是大模型的交易所，核心是建立可信的交易标准：汇聚经过验证的优质模型和服务商，让企业和个人可以便捷地找到、购买和使用可靠的模型Token。本质上，这是在降低AI能力的获取门槛，让企业不用把精力耗在筛选模型、对接接口上，而是专注于用AI重构自身业务和组织。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>李彦宏判断，当前大模型产业正在沿着两条路径并行发展：一条是向上突破，不断推高智能的技术上限；另一条是向实扎根，深度融入产业场景释放价值。百度在两条线上同时投入：一方面持续研发下一代基础大模型，探索技术前沿；另一方面坚持“模体并行、协同进化”的思路，让大模型针对具体应用场景做定向优化。文心闪电模型、文心微表情大模型，都是这一思路下的产物——技术不再追求单纯的参数堆砌，而是面向具体场景的效率、成本与体验做适配。这种方向的调整，本身也和智能组织的需求高度契合：企业需要的不是最强大的通用模型，而是最适配自身业务场景、能真正嵌入流程的模型能力。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>算力侧的格局也在发生同步变化。过去AI算力需求主要集中在训练阶段，企业集中资源训出一个大模型，就能支撑很长一段时间的应用。但现在，训练与推理并重的格局已经形成，尤其是智能体应用的规模化落地，直接带动了推理计算需求的爆发。在李彦宏看来，推理将成为AI芯片长期持续增长的核心推动力。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这也是百度十多年持续投入昆仑芯的价值所在。作为百度自研的AI芯片，昆仑芯经过多代迭代，商业价值正在获得越来越广泛的认可。而百度的优势不止于芯片，从昆仑芯到云服务，再到文心大模型和萝卜快跑等终端应用，“芯云模体”四层技术栈全部自主可控，层与层之间可以联合优化、垂直整合。这种全栈能力，最终会体现在产品的成本、性能和落地速度上。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这种全栈技术优势，在无人驾驶领域体现得最为明显。李彦宏在演讲中提到，今天的具身智能，发展阶段大致相当于2016年前后的无人驾驶——技术已经跑通原型，但距离规模化商用还有一段路要走。而百度的萝卜快跑，已经在无人驾驶这条路上走了十几年，跑出了实实在在的运营规模。截至目前，萝卜快跑已经覆盖全球28座城市，自动驾驶总里程突破3.5亿公里，其中全无人驾驶里程超过2.4亿公里。更值得关注的是场景创新：萝卜快跑和神州租车合作，把传统自驾游和无人驾驶结合起来，推出了全球独有的无人车“自驾游”服务模式。从技术验证到商业化运营，再到场景创新，无人驾驶的落地路径，其实也为整个AI产业提供了参照：技术全栈能力是基础，最终的价值要在具体场景里、在组织和商业模式的重构中释放。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>智能组织带来的三大确定性机会\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>当企业真正完成向智能组织的转型，三个层面的机会会随之打开。这不是抽象的概念，而是能直接体现在经营结果上的变化。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>第一个机会，是真正实现轻资产运营。传统企业的扩张，本质上是人力的扩张——要做新业务，就得先招团队、搭班子、建流程，人力成本和管理成本同步上升，业务规模越大，组织越笨重，试错成本越高。但在智能组织里，少量的人可以带领一群智能体完成复杂任务，人力资源不再是业务扩张的刚性瓶颈。同一个方向，企业可以同时启动多个小型实验，每个实验由极少的人搭配不同的Agent方案推进，快速验证、快速淘汰，而不是把所有资源押注在一个团队、一套方案上。组织可以轻装上阵，灵活捕捉增长机会，试错成本大幅降低，迭代速度却能成倍提升。对中小企业而言，这意味着不用再靠堆人头和大厂拼资源，靠更灵活的组织模式和更精准的场景切入，也能跑出自己的增长空间。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>第二个机会，是构建更深、更难复制的新护城河。过去企业的护城河，可能是技术专利、渠道资源、规模效应，但这些壁垒在AI时代都有可能被快速打破。而智能组织沉淀下来的组织智能，是真正的内生性壁垒。企业把顶尖员工的隐性经验转化为可复用的数字资产，封装成智能体模块后，可以在全球范围内毫秒级部署，7×24小时不间断运行，能力不会因为人员流动而流失。更关键的是，这些知识是基于企业自身的业务数据、决策逻辑和文化理念沉淀下来的，是行业通用模型学不走的。同行可以买到同款模型、挖到核心员工，但抄不走一整套经过无数次业务闭环淬炼的组织智能体系。当不同领域的知识在平台上相互融合，集体智能的上限会不断被推高，这种壁垒的厚度，会远超过单一技术或单一产品带来的优势。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>第三个机会，是更高效地创造和发现新市场。传统企业的创新，高度依赖少数核心人物或者专门的创新部门，灵感是随机的，验证是缓慢的，新业务的成功率很低。但智能组织是一个能够自我进化的闭环系统，它可以持续感知市场变化、快速启动试验、从结果中学习、把验证成功的模式快速规模化。创新不再是某个部门的职责，而是全组织分布式的并发探索：前端的销售智能体能捕捉客户的新需求，运营智能体能发现流程里的新机会，研发智能体能快速验证新的产品方向。无数个小闭环同时运转，总会有一些试验跑出意料之外的结果，而这些结果，往往就是新市场的入口。企业的增长曲线，不再是靠一次战略赌对，而是靠全组织持续的探索自然生长出来，增长的可持续性会大幅增强。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>回到最初那个问题：为什么AI投入越来越多，效益却没显现？答案其实很简单——技术革命的下半场，从来都是组织革命。过去十年，我们解决了AI“有没有”的问题；接下来的十年，要解决的是AI“怎么用出价值”的问题。只换电机不改厂房，永远跑不出新的生产力。智能组织不是遥远的概念，而是正在发生的现实。谁先完成组织层面的重构，谁就能在AI时代拿到真正的入场券。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>",{"id":107,"operator":5,"creator":82,"createTime":108,"updater":82,"updateTime":108,"title":109,"cover":110,"releaseTime":108,"releaseTimeStr":5,"tagDTOList":5,"content":111,"top":87,"operatorName":5,"frontNewsId":5,"nextNewsId":5},1728,"2026-11-13T15:37:50","为什么说AI眼镜，从来不是一家公司能做成的？","https:\u002F\u002Fprod-mrglasses-oss.qiuguojihua.com\u002Fglass_pc\u002Ffile\u002F20261113\u002F4874\u002Fcommon\u002F52f0dd9653511421d2aa40f600c8a707_2341231231.png","\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>但很少有人会意识到，一副看起来平平无奇的眼镜，背后同时站着六家分属不同领域的产业链企业：有的主攻光波导镜片，有的提供超薄存储芯片，有的负责核心计算与显示驱动，还有的专攻轻量化材料与整机结构协同。没有一家能独立把产品做出来，也没有一个环节可以被单独拎出来定义成败。\u003C\u002Fp>\u003Cp style=\"text-align: center;\">\u003Cimg src=\"https:\u002F\u002Fprod-mrglasses-oss.qiuguojihua.com\u002Fglass_pc\u002Ffile\u002F20261113\u002F4874\u002FcustomEditor\u002F52f0dd9653511421d2aa40f600c8a707_2341231231.png\" alt=\"2341231231.png\" data-href=\"\" width=\"\" height=\"\" style=\"\">\u003C\u002Fp>\u003Cp>这恰恰戳中了当前AI硬件竞争中最容易被忽略的事实：当赛道从概念演示走向消费级落地，决定产品能不能走进普通人生活的，从来都不是某一项惊艳的单点技术，而是整条产业链能不能协同起来，把复杂的技术问题，揉进一副足够轻、足够稳、足够便宜的眼镜里。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>“轻几克”的背后，是一整套互相牵制的产业难题\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>对所有\u003Ca href=\"https:\u002F\u002Fwww.qiuguojihua.com\u002FwigainFlow\" target=\"_blank\">AI眼镜\u003C\u002Fa>厂商来说，“轻”都是一道绕不过去的生死线。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>用户的容忍阈值其实非常苛刻：镜框重量多几克，鼻梁的压迫感就会成倍上升；镜腿宽出几毫米，佩戴的违和感就会大幅增加；连续佩戴半小时后如果镜腿发热明显，再炫酷的功能也挡不住用户把它摘下来的冲动。很多早期AR产品没能打开消费市场，不是功能不够强，而是佩戴体验过不了关——用户连“愿意一直戴”都做不到，再强的AI能力也没有用武之地。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>但“减轻几克”从来不是换一种更轻的材料这么简单。它是一道牵一发而动全身的系统工程，每一个部件的调整，都会倒逼其他环节重新平衡。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>比如这次方案中用到的超薄存储芯片，厚度只有约0.5毫米。为了塞进宽度仅1厘米左右的镜腿，它不能像传统主板一样平铺摆放，必须和主芯片堆叠焊接，靠立体布局省出横向空间。但芯片堆叠不是把两片芯片粘在一起就完事：堆叠后的散热路径会变长，局部热密度会上升，既要保证信号传输稳定，又要控制焊接良率，还要兼顾结构抗摔性能，任何一个环节没处理好，都会变成产品的短板。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>另一边的光波导镜片同样如此。它负责把微型投影的画面精准引导到人眼，既要保证足够的亮度、色彩准确度和视野范围，又要控制镜片厚度，还要维持普通眼镜的透光率和外观。如果一味追求显示效果把光波导做厚，整机重量会直接超标；如果为了轻薄牺牲光学参数，用户在户外看不清画面，产品同样失去实用价值。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>更难的是所有参数之间的强耦合关系：芯片性能提上去，功耗和散热压力会同步增加；散热结构占了空间，电池容量就要缩水；电池做大一点保证续航，重量和体积又会反弹；镜腿做细提升佩戴感，留给元器件的布局空间会进一步压缩。用户感受到的只是“这副眼镜轻了一点”，但产业链要解决的，是一组彼此矛盾、必须反复取舍的系统问题。没有哪一家企业能靠单点突破解决所有问题，也没有哪一个参数可以脱离整体约束单独拉满。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>从实验室样品到百万级量产，中间隔着整条制造能力\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>光波导不是什么新鲜概念。早在十几年前，行业里就已经能做出实验室级别的光波导样品，实现基础的图像显示效果。但直到今天，消费级市场上真正成熟的光波导产品依然不多，核心瓶颈从来不是“能不能做出来”，而是“能不能稳定量产”。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>实验室和量产线，完全是两套评价体系。\u003C\u002Fp>\u003Cp>实验室里做样品，可以为一片镜片反复调试参数，花几天时间打磨一件成品，良率哪怕只有百分之一也没关系，只要有一片能亮，就算技术验证成功。但面向消费市场的量产，要求的是每一批、每一片产品的亮度、色彩、透光率都保持高度一致，要经得起高低温、跌落、长时间使用的可靠性测试，同时还要把良率提上来、把成本打下去。差几个百分点的良率，对应的就是成倍的成本差异；工艺稳定性差一点，终端产品的故障率就会高到用户无法接受。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>今年6月国内首条光波导晶圆光刻、刻蚀生产线正式投产，这件事的意义远不止“生产速度变快”这么简单。它标志着国内光波导制造开始从传统的单件加工模式，转向效率更高、一致性更强的晶圆级制造。当工艺逐步标准化，产能爬坡、良率提升、成本下降才会进入正向循环——只有当一片光波导镜片的成本降到消费者可接受的区间，同时品质足够稳定，它才有可能从高端尝鲜的小众产品，走进更广泛的日常消费场景。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这也是所有AI硬件都要面对的现实：实验室里的“首次实现”“技术突破”固然重要，但真正决定市场规模的，永远是生产线上能不能稳定完成第一万次、第一百万次复制。很多技术在实验室里看起来前途无量，倒在了量产的门槛前，不是原理不对，而是制造工艺、良率控制、成本控制跟不上。AI硬件的竞争，早晚会从技术参数的比拼，落到制造能力的硬碰硬上。\u003C\u002Fp>\u003Cp style=\"text-align: center;\">\u003Cimg src=\"https:\u002F\u002Fprod-mrglasses-oss.qiuguojihua.com\u002Fglass_pc\u002Ffile\u002F20261113\u002F4874\u002FcustomEditor\u002Fd9127d8451785be042df56ba0d13a58a_2341231232.png\" alt=\"2341231232.png\" data-href=\"\" width=\"\" height=\"\" style=\"\">\u003C\u002Fp>\u003Cp>不再是零件简单相加：产业链从“按图供货”走向“共同定义”\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>过去谈消费电子产业链，大家习惯的模式是整机厂做产品定义，出详细的设计图纸，供应商按要求供货，彼此边界清晰。你给我参数，我交你零件，各司其职。但到了AI眼镜这个品类，这套玩法已经走不通了。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>原因还是前面提到的系统耦合性太强。如果芯片厂商只盯着自己的性能指标，把算力做上去却压不住功耗，送到整机厂手里，根本塞不进纤细的镜腿；如果光学厂商只追求极致的显示效果，把镜片做厚、功耗做高，整机的重量和续航会直接崩盘；如果材料厂商只考虑轻量化，忽略了结构强度和散热能力，产品的可靠性又过不了关。任何一个环节闭门造车做出来的最优解，放到整机系统里都可能变成灾难。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>所以AI硬件走到今天，需要的早已不是简单的供应关系，而是从产品定义阶段就启动的深度协同设计。光学企业要提前知道整机的重量预算、外观约束和显示目标，在边界内做光学方案的最优解；芯片企业要理解真实的使用场景，在性能和功耗之间找到最贴合用户需求的平衡点；结构与材料企业要提前介入，和上下游一起打磨重量、散热、可靠性的综合方案。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这次进博会上六家企业共同推出一套方案，反映的正是这种产业变化。它不是六家供应商把各自的零件凑在一起拼成成品，而是从项目初期就站在同一张桌子前，一起定指标、一起做取舍、一起调方案。产业链的角色正在发生微妙的变化：从过去“你设计、我制造”的按图供货，慢慢走向“一起定义、一起研发”的深度绑定。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这种变化也在重构产业链的价值分配。过去话语权更多集中在终端品牌手里，供应商的可替代性强，议价空间有限。但在AI硬件时代，有核心技术能力、又能深度参与前端协同的供应商，会在产品定义阶段就掌握更多话语权，也会分到更多的产业价值。未来的AI硬件竞争，也不再是单个品牌之间的比拼，而是一条条产业链生态的整体较量。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>把复杂留给产业链，把简单交给用户\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>消费者永远不会为技术本身买单。他们不会因为一副眼镜用了多少层光波导、堆叠了多少颗芯片、采用了什么新材料，就心甘情愿地掏钱。用户最终评判产品的标准，永远是最朴素的几个问题：戴着舒不舒服？能不能用一整天？户外阳光下看不看得清？系统稳不稳定？价格贵不贵？\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这就意味着，所有的技术复杂度，所有的工程难题，所有的取舍平衡，都必须藏在用户看不见的地方。产业链要做的，就是把复杂留给自己，把简单、自然、无感的体验交到用户手上。用户感知不到技术的存在，只觉得“这副眼镜很好用”，才是产品真正的成功。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>从这个角度看，AI眼镜带来的产业机会，从来都不只属于终端品牌商。上游的光学器件、微显示方案、存储芯片、先进封装技术、轻量化材料，中游的系统集成、整机制造，每个环节都能在新的产业格局里找到自己的位置。过去在传统消费电子产业链里偏中上游的企业，只要有足够的技术积累和协同能力，都有可能在AI硬件的浪潮里拿到新的入场券。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>但机会从来不等于确定性。AI眼镜想要形成真正的大规模消费市场，前面还横着好几道关卡：续航能不能跟上日常使用的强度？佩戴舒适度能不能达到普通眼镜的水平？耐用性和维修成本能不能被用户接受？隐私安全问题能不能得到妥善解决？内容和服务生态能不能跟上硬件的普及速度？最终的售价能不能降到大众消费的区间？这些问题，都不是靠某一项技术突破就能解决的，需要整条产业链一步步往前拱。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>对产业链上的企业来说，最忌讳的就是盲目追逐概念热度。蹭上AI眼镜的概念很容易，拿出能落地、能量产、能经得起用户检验的方案很难。既要保持对新需求的敏感度，提前布局技术和产能，也要沉得住气，在工艺、良率、协同能力上扎硬寨，不能总想着靠一个概念就吃到红利。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>正如行业人士奥斯汀所观察到的，AI硬件的竞争正在进入一个全新的阶段。单点技术创新依然重要，但决定一款产品能走多远、一个赛道能做多大的，将越来越取决于产业链的协同效率、系统的工程整合能力，以及大规模的稳定制造能力。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>一副眼镜背后站着六家企业，这不是产品不够成熟的表现。恰恰相反，它说明AI终端正在从过去的概念展示、Demo演示，慢慢走向需要被认真制造、反复验证、长期交付的真实消费品。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>过去很长一段时间里，大家讨论AI硬件，总喜欢聊“下一个颠覆性功能”“下一代革命性技术”。但越往后走越会发现，功能只是浮在水面上的冰山一角，水面之下的产业链能力，才是真正托住整个行业的底盘。对中国的消费电子产业来说，我们从来不缺单点技术的突破能力，也不缺快速跟进的执行力，真正的考验在于，能不能把整条链的力量拧到一起，用最快的协同速度、最强的制造能力，把一项项前沿技术，真正变成普通人戴得住、用得起、愿意长期用的产品。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这件事，从来不是一家企业的战斗。\u003C\u002Fp>",{"id":113,"operator":5,"creator":82,"createTime":114,"updater":82,"updateTime":114,"title":115,"cover":116,"releaseTime":114,"releaseTimeStr":5,"tagDTOList":5,"content":117,"top":87,"operatorName":5,"frontNewsId":5,"nextNewsId":5},1727,"2026-11-13T15:18:01","黄仁勋突然卸任：英伟达的坎，还是AI行业的坎？","https:\u002F\u002Fprod-mrglasses-oss.qiuguojihua.com\u002Fglass_pc\u002Ffile\u002F20261113\u002F4874\u002Fcommon\u002Fdd4e74fdeab6e634ce635b2dae01b83b_56354211231.png","\u003Cp>11月12日盘前，英伟达的一则简短公告，直接搅动了全球科技资本市场的情绪。\u003C\u002Fp>\u003Cp style=\"text-align: center;\">\u003Cimg src=\"https:\u002F\u002Fprod-mrglasses-oss.qiuguojihua.com\u002Fglass_pc\u002Ffile\u002F20261113\u002F4874\u002FcustomEditor\u002Fdd4e74fdeab6e634ce635b2dae01b83b_56354211231.png\" alt=\"56354211231.png\" data-href=\"\" width=\"\" height=\"\" style=\"\">\u003C\u002Fp>\u003Cp>公告内容没有多余修饰：公司创始人黄仁勋辞去总裁、首席执行官及董事职务，首席财务官科莱特·克雷斯（Colette Kress）出任临时首席执行官，董事会正式启动正式CEO的全球遴选程序。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>消息放出后，英伟达盘前股价快速跳水，开盘后跌幅一度扩大至14.35%，千亿级市值在数小时内蒸发。但午后市场情绪逐步平复，抄底资金开始回流，最终收盘报166.19美元，全天跌幅收窄至4.34%。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>比跌幅本身更值得琢磨的，是当天整个算力板块的分化走势：AMD收涨5.9%，博通收涨5.5%，两家英伟达的直接竞争对手，反而借着这次事件走出了独立上涨行情。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这不是一次全行业的系统性抛售，更像是一场筹码的快速再分配。市场没有否定AI算力的长期逻辑，只是在重新评估英伟达这家公司的风险定价，以及整个算力赛道的竞争格局。但眼下很多讨论，都把“黄仁勋离任”和“调查结论”“\u003Ca href=\"https:\u002F\u002Fwww.qiuguojihua.com\" target=\"_blank\">AI\u003C\u002Fa>见顶”“国产替代全面爆发”简单划上了等号。这些非黑即白的判断，大多忽略了事件本身的多层性质，也混淆了短期情绪和中长期基本面的边界。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>一、先拆清事件的三层性质：离任不等于调查结论\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>要理清这件事的长远影响，首先得把时间线里三层不同性质的问题拆开，不能混在一起谈。\u003C\u002Fp>\u003Cp>整件事的起点是11月8日。当天黄仁勋在内部员工信中承认存在婚外情并公开致歉，几乎同一时间，英伟达董事会宣布，针对有关“黄仁勋成为外国情报活动目标”的媒体报道，将启动独立调查。两天后，公司公布了外部调查团队的聘任安排。到11月12日黄仁勋正式离任，前后不过四天时间，速度之快超出了大多数人的预期。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>但这里必须划清一个边界：离任是公司治理层面的人事决定，不等于调查已经得出了最终结论。董事会在此前的表态中提到，“目前没有理由相信国家安全或公司商业秘密受到了损害”，但这句话的前缀是“截至目前”，而非调查终结后的最终定论。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>也就是说，现在落地的只是人事变动，背后的调查还在推进。个人私德问题、公司治理合规问题、国家安全层面的指控，这是三个完全不同维度的事件，对应的后果和影响半径天差地别。把离任直接等同于“实锤了安全问题”，或者反过来认为“人走了这事就翻篇了”，都是过于简单的判断。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>后续调查的结论，依然是悬在英伟达头上的不确定因素。只是从当前阶段看，市场首先定价的，是“创始人离场”带来的经营不确定性，而非调查本身的最坏结果。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>二、创始人离任，到底哪些会变，哪些不会立刻变\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>很多人说黄仁勋是英伟达的灵魂，这句话很对，但太笼统。一家由创始人掌舵33年的科技巨头，当核心人物突然离开，到底哪些东西会动摇，哪些东西依然稳固？\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>不会立刻失效的，是存量的技术积累、产品生态和已有的订单交付。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>英伟达今天在AI算力领域的壁垒，不是靠某一个人的个人光环撑起来的，而是过去十几年持续投入搭建的CUDA软件生态、一代代迭代的GPU架构、已经部署到全球各大云厂商和科技公司的算力基础设施，以及深度绑定的客户合作关系。这些都是实打实的产业资产，不会因为CEO换人就在一夜之间崩塌。董事会在公告里也明确提到，预计公司日常运营、对客户的承诺以及现有产品路线图，都将继续推进，不会出现中断。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这不是场面话。芯片行业的产品规划都是按3-5年的周期往前推进的，下一代架构的研发、流片、验证，早就在按流程走。短期之内，交付节奏、已签订单的执行，不会出现大的波动。\u003C\u002Fp>\u003Cp>真正会产生变数的，是增量的战略选择、顶层的客户关系和长期的资源投入决心。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>黄仁勋对英伟达的意义，不止是一个管理者，更是公司战略的最终拍板人。从早年咬牙坚持做通用计算，到all in AI，再到大手笔布局生态投资，每一次关键的、高风险的长期决策，都是由他推动落地的。这种创始人式的、敢于为长期战略牺牲短期利润的魄力，是职业经理人很难完全复刻的。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>比如和微软、谷歌、Meta这些顶级客户的战略合作，很多核心条款是黄仁勋亲自参与谈判敲定的。换帅之后，这些顶层合作的沟通效率、战略互信会不会打折扣，新的合作项目会不会延期，都需要时间验证。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>更关键的是长期投入的定力。AI算力的竞争，拼的是每一代架构的领先性，需要持续不断地砸钱做研发、做生态。如果新的管理层更偏向短期财务表现，收缩前沿领域的高风险投入，英伟达的技术领先优势，可能会在两三代产品之后逐步收窄。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这才是市场真正担心的问题——不是现在的产品卖不动，而是未来三五年，这家公司还能不能保持过去那种激进的、碾压式的领先节奏。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>三、容易被忽略的传导链：生态投资收紧的连锁反应\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>除了直接的产品和战略，还有一条更容易被忽略的传导路径：英伟达对AI生态的投资与融资支持，会不会随着管理层换届而收紧。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>很多人对英伟达的认知还停留在“卖芯片的公司”，但实际上，近几年英伟达已经把“芯片销售+生态投资+融资支持”绑成了一套完整的打法。它不仅向下游客户卖GPU，还会通过投资、提供融资便利等方式，扶持AI创业公司、算力基础设施项目，本质上是用金融手段撬动下游的算力需求，提前锁定芯片订单。\u003C\u002Fp>\u003Cp>\u003Cimg src=\"https:\u002F\u002Fprod-mrglasses-oss.qiuguojihua.com\u002Fglass_pc\u002Ffile\u002F20261113\u002F4874\u002FcustomEditor\u002F3f02c5236348cc2de7773d1ec5a8d403_56354211232.png\" alt=\"56354211232.png\" data-href=\"\" width=\"\" height=\"\" style=\"\"\u002F>\u003C\u002Fp>\u003Cp>这套打法的好处是能快速做大生态、拉动需求，但也意味着英伟达要承担一部分下游扩张的风险，很多投资和融资安排回收期长、不确定性高。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>而即将接任临时CEO的克雷斯，是CFO出身，风格偏向审慎和财务纪律。据路透社此前的报道，她对公司部分大型融资安排，就曾提出过不同意见。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这就带来了一个很现实的风险情景：如果新管理层上台后，提高生态投资的门槛，收紧融资支持的尺度，那些高度依赖外部资金、靠烧钱扩张算力的项目，很可能会放慢扩张节奏，进而推迟或减少芯片采购计划。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>但这里也要说清楚，这只是一种潜在的风险，并不是已经确定的政策转向。而且从另一个角度看，更严格的投资纪律，也可能挤掉行业里的低效投入和泡沫，让资源向更优质的项目集中，未必全是坏事。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>不能一看到换帅，就直接得出“投资全撤、订单全砍”的结论。实际的调整力度，还要等新管理层正式履职后，通过具体的项目和财报数据来验证。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>另一条独立的风险线，是监管政策的变化。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>据公开信息，已有美国参议员向相关政府部门提出要求，希望保留涉及先进芯片出口管制以及本次相关调查的所有记录。这意味着，本次事件很可能会被卷入美国国内的政治议程，成为进一步收紧芯片出口政策的抓手。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>但同样需要明确边界：政治表态和议员提案，不等于新的禁令已经生效。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>过去几年，美国的先进芯片出口管制已经经历了多轮升级，对英伟达的产品销售范围、客户群体都产生了实质性影响。但每一轮政策落地，都有完整的流程和周期，不会因为一次人事事件就立刻出台新的限制措施。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>目前这个阶段，监管更多是“预期中的风险”，而不是“已经落地的冲击”。市场会提前给这种风险定价，但如果后续没有实质性的政策出台，这部分的情绪影响会逐步消化。真正需要警惕的，是后续如果调查出现新的进展，叠加政治压力，推动出台更严格的出口管制、客户审查或者执法措施。到那个时候，影响就不再局限于英伟达一家公司，而是会波及整个全球算力产业链的供给和需求。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>四、对A股算力链：别被两种极端判断带偏\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>事件发酵之后，A股市场最流行的两种说法，一种是“海外算力链全崩了，光模块服务器都要跌”，另一种是“英伟达不行了，国产算力要全面起飞”。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这两种判断，都是典型的线性外推，把复杂的产业问题简化成了非此即彼的零和游戏，和实际的产业逻辑差得很远。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>先看海外算力相关的产业链，比如光模块、服务器、PCB、液冷这些环节。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这些公司的基本面，从来不是绑定“英伟达概念”，而是绑定具体的客户和具体的项目。它们的业绩会不会受影响，不取决于英伟达的股价跌了多少，而取决于它们的客户——也就是云厂商、算力运营商、AI公司——会不会调整资本开支，会不会推迟项目建设，会不会变更采购计划，以及后续的交付和回款会不会出问题。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>英伟达股价的短期波动，反映的是资本市场的情绪，不等于下游客户的订单已经减少。只要客户的资本开支计划没变，项目还在正常推进，交付和回款都正常，那相关供应商的盈利逻辑就没有发生根本变化。反过来，如果后续真的出现客户大范围推迟采购、缩减资本开支的情况，那就算英伟达股价涨回去，产业链公司的业绩也会承压。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>所以，跟踪海外算力链，核心是盯订单、盯交付、盯客户的资本开支动向，而不是跟着英伟达的股价每天做情绪交易。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>再看国产算力这条线。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>英伟达出现管理层动荡，客观上确实会让更多客户开始考虑供应链分散的问题，给国产算力厂商带来更多的关注和验证机会。但关注度不等于订单，机会也不等于收入和利润。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>客户选择算力芯片，考量的维度非常现实：性能能不能达标，软件生态能不能适配，大规模集群部署稳不稳定，交付能力跟不跟得上，综合使用成本划不划算。这些都需要长时间的验证和打磨，不是靠对手出一次负面事件就能自动解决的。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>国产替代是一个长期的、渐进的过程，需要产品力一步一步往上追，客户一个一个去突破，项目一个一个去落地。把一次海外厂商的人事变动，当成国产算力全面崛起的信号，本质上还是炒概念的思维，不符合产业发展的基本规律。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>所以这件事对A股科技板块的真正影响，大概率不是整体的涨跌，而是内部的分化会进一步加剧。那些高度依赖单一海外客户、订单集中度高、业绩兑现能力弱的公司，会面临更大的估值压力；而客户结构分散、订单落地扎实、能持续兑现业绩的公司，受情绪的影响会小很多。至于国产算力方向，也会从之前的普涨行情，转向真正有产品、有落地、有收入的公司走出独立行情，纯概念炒作的标的会逐步被市场抛弃。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>五、下一个验证窗口：财报比新闻更有说服力\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>所有的猜测和分歧，最终都要落到业绩上验证。而最近的一个验证窗口，就在几天之后。\u003C\u002Fp>\u003Cp>按照原定安排，英伟达将于美国时间11月17日盘后，也就是北京时间11月18日早间，公布2027财年第三季度的业绩报告。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>对于这次财报，三季度的收入和利润数据其实已经不那么重要了——毕竟整个季度的销售和交付，都是在事件发生之前完成的，基本符合市场此前的预期。真正值得关注的，是几个更前瞻的信号：\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>第一，下一季度的业绩指引会不会调整。这是最直接的信号，如果指引没有明显下调，说明公司判断短期需求和交付都没有受到事件的冲击；如果指引大幅下调，那就意味着客户已经开始出现观望或者推迟采购的情况，基本面的影响就实锤了。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>第二，管理层在电话会上对产品交付、客户需求的表态。包括现有订单的执行情况，大客户的采购计划有没有变化，未来几个季度的交付节奏能不能保证。这些信息，比单纯的财务数字更能反映真实的经营状态。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>第三，关于生态投资和融资政策的表述。新管理层会不会调整之前的投资策略，会不会收紧融资支持的力度，这关系到下游算力扩张的整体节奏，也会影响整个产业链的需求预期。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>第四，对出口管制相关问题的回应。管理层如何评估当前的政策环境，对后续的监管风险有什么判断，会不会对公司的销售区域和产品结构做出调整。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>不同的财报结果，对应着完全不同的影响等级。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>如果财报数据稳健，指引保持稳定，交付和需求都没有异常，那么这次事件的冲击，就主要体现在公司治理风险上升，市场愿意给英伟达的估值中枢会有所下降，但产业层面的影响有限，产业链的情绪也会很快平复。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>如果财报指引下调，或者管理层透露客户采购推迟、投资收紧、监管压力加大等信号，那么影响就会从信心层面真正传导到经营层面，顺着芯片、服务器、光模块这个链条一步步往下传，对整个AI算力板块的影响也会更深、更久。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>回头来看，黄仁勋的突然离任，无疑是英伟达发展史上一个标志性的转折点。一家由创始人掌舵33年、深深打上了个人烙印的科技巨头，正式进入了后创始人时代的过渡期。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这个过渡期必然会伴随着不确定性。战略的调整、管理层的磨合、客户关系的重新对接、监管环境的变化，每一项都可能给公司带来波动，也会给整个AI产业链带来连锁反应。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>但同样需要明确的是，目前我们能确认的，也只有“英伟达面临管理层与治理层面的重大考验”这一件事。AI产业的底层需求、技术迭代的节奏、全球算力建设的长期趋势，都还没有因为这次人事变动出现根本性的逆转。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>市场短期的波动，大多是情绪和预期的博弈。而真正决定产业走向的，永远是产品、交付、需求这些实打实的基本面。接下来的一段时间，少听一些非黑即白的极端判断，多盯几个关键的验证节点——财报的指引、客户的订单、政策的落地、调查的进展。等这些实锤信号一个个落地，我们才能更准确地判断，这次事件到底只是英伟达一家的坎，还是整个AI产业周期的转折点。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>",{"id":119,"operator":5,"creator":82,"createTime":120,"updater":82,"updateTime":120,"title":121,"cover":122,"releaseTime":120,"releaseTimeStr":5,"tagDTOList":5,"content":123,"top":87,"operatorName":5,"frontNewsId":5,"nextNewsId":5},1726,"2026-11-12T15:36:42","AI真正改变的从来不是效率，是企业本身","https:\u002F\u002Fprod-mrglasses-oss.qiuguojihua.com\u002Fglass_pc\u002Ffile\u002F20261112\u002F4874\u002Fcommon\u002F5a62916dc37d53208bb984d63d50fd9f_131231312132.png","\u003Cp>企业界对“技术革命”这个说法，早已有了审美疲劳。\u003C\u002Fp>\u003Cp style=\"text-align: center;\">\u003Cimg src=\"https:\u002F\u002Fprod-mrglasses-oss.qiuguojihua.com\u002Fglass_pc\u002Ffile\u002F20261112\u002F4874\u002FcustomEditor\u002F211e422dba138a77ab8fea129552bc21_131231312131.png\" alt=\"131231312131.png\" data-href=\"\" width=\"\" height=\"\" style=\"\">\u003C\u002Fp>\u003Cp>过去四十年，从PC替代纸笔，到ERP统管全链路资源，从CRM沉淀客户资产，到移动互联网重构营销与渠道体系，再到云计算把IT基础设施彻底弹性化，每一轮信息技术浪潮袭来，都不乏“颠覆企业经营”的论断。但潮水退去后不难发现，这些技术始终没有跳出“工具”的定位：它们把人预先定义好的流程跑得更快，把明确的规则执行得更准，降低的是重复劳动的成本，从未真正触碰商业活动中只能由人完成的核心环节。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>直到生成式AI出现，这条延续了几十年的人机边界，第一次被实质性击穿。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>和所有过往的软件升级都不同，这一轮\u003Ca href=\"https:\u002F\u002Fwww.qiuguojihua.com\u002F\" target=\"_blank\">AI\u003C\u002Fa>正在进入那些原本专属于人的能力领域：理解非结构化信息、分析复杂语境、做出模糊判断、生成表达内容、制定行动规划，甚至在清晰边界内自主执行任务。它不再只是一套等待人下达指令的程序，而开始具备某种“智能劳动”的属性，成为一种全新的生产要素嵌入企业经营。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>当这种要素渗透到业务的各个环节，被改变的就远不止“效率”这一个维度。真正发生重构的，是企业本身的组织逻辑、能力边界与竞争底座。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>一、从执行流程到定义流程：AI跨越了传统软件的核心边界\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>要理解AI的特殊性，首先要划清它和传统企业软件的本质界限。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>传统商业软件的底层逻辑非常清晰：人先把业务规则拆解到极致明确，再交给机器批量执行。财务软件能自动记账，前提是会计科目、记账规则、对账逻辑全部由人提前编码完成；CRM能提醒销售跟进客户，背后是公司预设好的客户分层、阶段定义和触发规则；ERP能调度生产、库存和采购，本质是把整套供应链逻辑写成了系统可识别的指令。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>在这套逻辑里，人和机器的分工是绝对的：机器负责执行确定性流程，人负责理解真实世界的不确定性。软件永远不会超出人写死的规则边界，遇到规则外的问题，最终还是要回到人这里。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>生成式AI第一次模糊了这条边界。今天的AI已经可以处理大量从未被明确编码的问题：一段零散的客户聊天记录，它能读出客户未说出口的顾虑；几十页体例不一的行业报告，它能提炼出影响业务的核心变量；一场冗长的跨部门会议，它能梳理出共识、分歧和待办任务，同步更新到业务系统；堆积如山的内部文档、制度、案例，它能通过一句自然语言提问，精准定位到对应的知识；生产设备出现异常告警，它能结合实时数据和历史技术文档，给工程师提供排查方向。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>换句话说，过去我们交给软件的是“确定的流程”，今天我们开始交给AI部分“不确定的问题”。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这一步看似不大，却踩中了企业成本结构里最核心的痛点。一家公司里最昂贵的工作，从来不是点击按钮、录入数据这类机械操作，而是理解信息、判断信息、传递信息，以及基于信息做出决策——这些过去只能由人承担的认知劳动，恰恰是AI开始渗透的领域。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>二、击穿信息传导链条：AI正在拉低知识工作的成本\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>每一次技术革命，本质上都是对某一类成本的颠覆性下降。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>工业革命把体力劳动的成本打了下来，计算机革命把计算和信息存储的成本降到了可以忽略不计，互联网革命彻底拉低了信息传播和连接的成本。而这一轮生成式AI，正在冲击的是另一项长期居高不下的成本：复杂信息的处理成本。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>任何一家成规模的企业，每天都在产生海量信息：客户沟通记录、销售数据、会议纪要、合同文本、财务报表、生产日志、用户反馈、行业政策、竞品动态……绝大多数企业的问题从来不是“没有信息”，而是信息太多，有能力消化、提炼、转化这些信息的人太少。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这就形成了传统企业最熟悉的信息传导链条：基层员工收集原始信息，主管做初步整理，经理层汇总分析，管理层形成正式报告，最终关键信息才能抵达决策层。公司规模越大，中间层级越多，信息传递的损耗就越严重——每经过一层过滤，就多一分理解偏差，多一层时间延迟，多一次细节丢失。等最终结论送到决策者面前，往往已经滞后了几周，甚至丢失了最关键的现场信息。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>AI真正的价值，恰恰是击穿这套层层传递的信息架构。如果一套智能系统能够持续接入企业的业务数据、沟通记录、会议内容、财务状况和市场动态，信息就不再需要经过层层汇报才能转化为经营判断。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>过去老板看经营数据，问的是“这个月销售额是多少”，得到的是一个确定的数字。未来决策者可以直接问：“华东区连续三周利润下滑，核心原因是什么？”AI会自动拆解到具体的渠道、SKU、客户群体，对比同期竞品动作、团队人员变动、原材料成本波动，最终给出几个最可能的结论，以及支撑结论的全部数据证据。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>到这一步，AI就已经脱离了“聊天机器人”的范畴，它开始成为企业的一层经营智能系统——不是替人做决策，而是把人从繁重的信息加工里解放出来，直接站在结论和证据的基础上做判断。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>三、摩根士丹利的启示：AI重构的是整条工作链，不是单个环节\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>金融行业是观察这场变化最清晰的样本，摩根士丹利的实践尤其有参考价值。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>作为头部投行，摩根士丹利拥有极其庞大的内部知识体系：海量研究报告、市场观点、产品说明、历史案例、合规要求，仅公开可查的内部文档就超过十万份。对财富管理顾问来说，服务高净值客户的核心前提是掌握足够的信息，但问题恰恰出在这里：公司的知识不是太少，而是太多了。在需要的时候精准找到对应资料，本身就是一件极其耗时的工作。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>接入生成式AI之后，摩根士丹利推出了内部助手AI @ Morgan Stanley Assistant，核心功能不是写文案、做PPT，而是帮顾问在庞大的内部知识库中精准检索、解答业务问题。公开数据显示，目前其财富管理条线超过98%的顾问都在使用这套系统，它已经成为顾问日常工作的基础工具。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>之后摩根士丹利又推出了Debrief功能：在客户授权的前提下，系统可以自动处理会议内容，生成纪要、拆解行动事项、撰写后续沟通草稿，并自动把相关记录同步到CRM系统。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>很多人看到这个案例，第一反应是“AI帮员工省了写邮件的时间”，但这只是最表层的变化。真正值得关注的，是整个工作链条的重构。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>过去一名顾问的工作流是：和客户开会→人工记笔记→会后整理纪要→手动录入CRM→撰写跟进邮件→查找相关资料→准备下一次沟通。整个流程里，超过一半的时间耗在了信息整理、转录、同步这类事务性工作上，真正留给深度客户沟通和专业判断的时间反而被挤压。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>接入AI之后，流程逐渐变成：和客户沟通→AI自动理解会议内容→结构化拆解信息→自动同步业务系统→生成行动建议和沟通草稿→顾问审核调整→专注于高价值的客户沟通与信任建立。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这里发生了一个非常关键的变化：人的价值开始向“判断、关系、信任”这些机器无法替代的环节集中，而信息加工、流程同步、资料检索这类认知类事务，逐渐由机器承接。AI不是在简单消灭某一个岗位，而是在重新划分人机边界——什么工作该交给机器，什么责任必须由人承担。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>更值得注意的是摩根士丹利的克制。它没有因为AI能力强，就直接让系统对接客户、自动回复。相反，公司建立了完整的评估测试机制，所有面向客户的输出，都必须由顾问审核确认。这恰恰是企业级AI成熟的标志：真正的AI化，从来不是追求“完全无人”，而是清晰地知道哪里可以自动化提效，哪里必须有人兜底负责。\u003C\u002Fp>\u003Cp style=\"text-align: center;\">\u003Cimg src=\"https:\u002F\u002Fprod-mrglasses-oss.qiuguojihua.com\u002Fglass_pc\u002Ffile\u002F20261112\u002F4874\u002FcustomEditor\u002F5a62916dc37d53208bb984d63d50fd9f_131231312132.png\" alt=\"131231312132.png\" data-href=\"\" width=\"\" height=\"\" style=\"\">\u003C\u002Fp>\u003Cp>四、从个人经验到组织资产：AI解决了企业知识沉淀的老问题\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>企业经营中有一个长期无解的痛点：最有价值的知识，往往不在系统里，而在人的脑子里。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>一个做了十五年的资深销售，知道面对不同类型的客户该怎么切入，知道哪句话是成交信号，哪句话是拒绝的托词；一个经验丰富的设备工程师，听一声异响就知道故障大概出在哪个模块；一个优秀的采购负责人，能凭经验预判原材料价格的波动风险；一个掌舵多年的管理者，扫一眼三张报表，就能感觉到公司哪里藏着问题。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这些都是企业最珍贵的资产，但它们无法被写成标准流程，没法录进传统系统。它们是经验、是直觉、是隐性知识，附着在具体的人身上。于是所有公司都会面临同样的困境：核心员工离职，能力跟着带走；老师傅退休，经验跟着失传；公司规模扩张，新人永远要从头踩一遍坑，培养成本高、周期长。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>AI让这个问题第一次出现了系统性的解决方案。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>如果企业能持续把日常经营中的文档、案例、会议记录、解决方案、客户沟通细节、操作经验、历史决策过程沉淀下来，喂给专属的智能系统，AI就有可能成为企业知识的全新载体。它不会替代人的经验，但可以把少数人的经验，变成整个组织都能随时调用的能力。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>过去，一个高手只能带几个徒弟，只能让身边几个人变强；未来，一个高手沉淀下来的经验和判断，可以通过AI系统被全公司几千上万人反复调用、反复复用。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这也是为什么企业自身的数据和知识体系会越来越重要。未来所有企业都能买到能力相近的通用大模型，模型本身不会成为核心壁垒。真正拉开差距的，是你让AI学到了什么——是你这家公司独有的业务数据、行业积累、决策逻辑和组织经验。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>五、西门子的工业实践：AI正在从办公室走向物理世界\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>如果说金融行业证明了AI可以重构知识工作，那么工业领域的实践则展示了更重要的可能性：AI正在从办公室走向物理世界，直接触达生产环节。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>西门子和微软合作推出的Industrial Copilot，把生成式AI嵌入了工业工程、自动化设计和生产现场的全流程。它的核心价值不是帮工程师写邮件、做汇报，而是辅助工程师生成工业自动化代码、完成工程配置、解读设备故障，深度融入工业工作流。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>根据西门子公开的数据，目前已有超过100家欧美企业在使用这款工业Copilot；在部分工程任务中，过去需要几小时完成的面板可视化配置，现在30秒左右就能生成；AI生成的代码，仅需约20%的人工调整即可投入使用。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>在西门子德国埃尔朗根的电子工厂，AI还被用来辅助操作人员处理焊接设备的复杂故障。过去遇到设备报错，年轻工程师要翻阅大量技术手册、历史维修记录，甚至要找资深工程师请教，排查过程动辄几小时。现在AI可以结合设备实时运行数据，以及内部近600份相关技术文档，快速解释错误信息的含义，并给出可能的排查路径和解决方案。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>2026年，西门子进一步把AI Copilot延伸到产品生命周期管理、制造运营、合规管控等更多工业软件环节，覆盖了从设计到生产的全链条。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这个案例真正的意义，不在于某一项任务效率提升了多少，而在于工业知识的调用方式被彻底改变了。过去一名工程师面对复杂问题，首先要想“去哪里找资料、找谁请教”；未来他可能只需要问一句“这台设备为什么停机了”，背后调用的就是设备数据、维修记录、工程图纸、控制程序和全公司积累的故障处理经验。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>AI正在成为人和复杂工业系统之间的新接口。这件事的长期影响，远比AI生成图片、撰写文案要深远得多——它意味着智能开始直接作用于物理世界的生产活动，而不只是停留在办公和内容领域。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>六、增长逻辑的松动：业务规模不再与员工数量强绑定\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>传统企业的增长有一个逃不开的规律：业务规模翻倍，员工数量基本也要跟着翻倍。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>订单多了，要加销售；客户多了，要加客服；业务复杂了，要加财务和运营；公司变大了，要加中层管理。组织规模随着业务膨胀，是过去几十年商业世界的默认逻辑。很多公司做到最后，规模上去了，人效却下来了，管理成本吃掉了增长的利润。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>AI正在松动这条绑定了几十年的增长逻辑。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>当AI可以承接越来越多的信息整理、客户跟进、数据分析、内容生成、内部咨询、会议处理、代码编写、运营执行类工作，一个问题就摆在了所有企业面前：业务规模的增长，还必须和员工数量同比增长吗？\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>答案显然是否定的。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这并不意味着未来企业不需要人，相反，优秀的人才会变得比过去更重要。真正的变化在于，单个优秀人才能够撬动的业务规模，会变得越来越大。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>过去的生产单位是“一个员工”，一个人对应一份产出；未来的基本生产单位会变成“一个员工 × 配套AI能力”——人负责定义目标、制定规则、把控质量、承担责任，多个AI系统负责执行不同的具体任务，处理大量事务性和基础认知工作。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>相应地，衡量企业能力的指标也会发生变化。过去我们看人效，看人均产出；未来还要看一个新的指标：组织的智能密度。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>同样是100人的公司，一家还停留在传统软件办公的阶段，所有认知劳动都靠人来完成；另一家的100人背后，运行着数百个AI智能体、完整的企业知识库、大量自动化的业务流程。两家公司的实际生产能力和业务天花板，完全不在一个量级上。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>七、AI转型的误区：买工具不等于完成智能化\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>但必须承认，今天绝大多数企业所谓的“AI转型”，都还停留在非常表层的阶段。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>很多公司的AI实践，无非是给员工开了几个大模型账号，让市场部用AI写文案，给客服装个数字人，做几个演示用的AI应用。这些做法当然有价值，能提升局部效率，但严格来说，这只是“AI工具的使用普及”，距离真正的企业AI化还有很长的距离。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>真正的企业级智能系统，不是买一个大模型接进去就完事了。它至少需要几层能力的叠加：通用模型的基础能力，加上企业专属的业务数据，加上深度嵌入的业务流程，加上分级的权限管控体系，加上内嵌的业务规则与合规要求，再加上清晰的人工监督与责任机制。几层能力叠加在一起，才能形成属于企业自己的、可落地的智能系统。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这也意味着，未来企业之间的AI差距，大概率不会来自谁用了最先进的大模型。通用模型的能力会越来越趋同，获取门槛也会越来越低。真正难以复制的，是一家企业经营几十年沉淀下来的客户数据、行业认知、业务流程、决策方法和组织经验。AI能力越强，这些专属的知识和数据就越值钱——它们才是企业AI能力的真正底座。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>八、竞争底座的迁移：企业护城河新增了一个核心维度\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>过去我们谈论企业的竞争护城河，通常离不开几个维度：品牌、渠道、供应链、技术专利、资金实力、规模效应、人才储备。这些要素在未来依然重要，但AI时代会新增一条核心的竞争能力：把企业知识转化为机器可理解、可调用、可执行的能力。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>如果一家企业能做到：客户沟通数据可以被智能系统深度理解，业务经营数据可以被自动分析，员工的经验可以被持续沉淀，核心流程可以通过自然语言调用，经营异常可以被主动发现，复杂任务可以被自动拆解，市场变化可以被实时反馈——那么AI就不再是员工偶尔点开的一个软件，而会变成企业运行的底层基础设施。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>到了那个阶段，我们今天熟悉的“公司”形态，本身就会开始发生变化。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>中间管理层级会不会大幅缩减？部门的边界会不会变得模糊？一个销售能不能覆盖过去五个人才能服务的客户群体？一个管理者能不能驾驭比今天大十倍的业务盘子？一家十几人的小团队，能不能做出过去几百人公司才能完成的业务体量？\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这些问题现在还没有标准答案，但变化的方向已经越来越清晰。智能要素的注入，会从底层重构组织的形态和能力边界，最终改变商业竞争的基本规则。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>九、决策者真正该思考的四个问题\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>所以对今天的企业决策者来说，“我们要不要用AI”已经是一个不需要讨论的问题。真正值得花时间想清楚的，是另外几个更本质的问题：\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>第一，公司里成本最高、最消耗人力的信息处理环节到底在哪里？是客服应答、合同审核这类基础事务，还是经营分析、行业研究这类深度认知工作？找到最痛的切入点，AI的价值才能最快显现。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>第二，公司最核心的竞争力，现在是沉淀在系统和流程里，还是攥在少数核心员工的脑子里？如果核心经验都附着在人身上，那么把这些经验数字化、结构化，让AI承接下来，就是比买多少工具都重要的事。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>第三，如果未来AI的能力再提升十倍，今天公司的部门设置、审批流程、汇报链条、岗位分工，有多少还能保持原样？提前推演组织形态的变化，才不会在变革来临时被动调整。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>第四，如果竞争对手率先把AI深度接入经营全流程，我们现有的成本结构、响应速度、组织模式，还能不能维持竞争优势？技术变革从来不会等所有人准备好，先一步重构能力的人，会吃掉最大的红利。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这几个问题，比“要不要买一套AI软件”重要得多。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>回头看商业史上的每一次重大技术革命，最终改变的从来都不只是工具本身，而是使用工具的组织形态。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>电力没有取代工厂，但它让流水线取代了手工工坊；汽车没有取代出行，但它重构了城市的空间结构；互联网没有消灭商业，但它重塑了整个交易和流通体系；移动互联网没有换掉企业，但它改变了企业和用户之间的连接方式。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>今天的AI，正在改变企业使用智能的方式。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>过去，一家公司的能力边界，几乎等同于它拥有多少优秀的人才。未来，一家公司的能力上限，取决于它拥有什么样的人，以及这些人能够调动多大规模的机器智能。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>所以AI真正带来的挑战，从来不是“机器会不会替代人”。真正的问题是：当每一家企业都能低成本获得强大的智能能力时，你的公司应该如何重新设计自己的组织、流程和竞争策略？\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这才是AI时代所有企业都要面对的终极命题。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>而关于这个命题，还有一个更现实的问题需要回答：什么样的公司最适合快速推进AI落地？什么样的公司现在反而不用急于大规模投入？毕竟AI再重要，也不意味着所有企业都要用同一种节奏、同一种方式进入这个新时代。这个问题，我们留到下一篇再展开。\u003C\u002Fp>",{"id":125,"operator":5,"creator":82,"createTime":126,"updater":82,"updateTime":127,"title":128,"cover":129,"releaseTime":126,"releaseTimeStr":5,"tagDTOList":5,"content":130,"top":87,"operatorName":5,"frontNewsId":5,"nextNewsId":5},1725,"2026-11-12T15:13:18","2026-11-12T15:13:54","谁在给AI眼镜定价：价值量最高的环节，恰好也是定价权最强的环节","https:\u002F\u002Fprod-mrglasses-oss.qiuguojihua.com\u002Fglass_pc\u002Ffile\u002F20261112\u002F4874\u002Fcommon\u002Fdafe55a14d729c220abb99cb6d5cc3e5_2342431231.png","\u003Ch3>11月10日那天，端侧AI这条线上同时出现了两个信号。\u003C\u002Fh3>\u003Cp style=\"text-align: center;\">\u003Cimg src=\"https:\u002F\u002Fprod-mrglasses-oss.qiuguojihua.com\u002Fglass_pc\u002Ffile\u002F20261112\u002F4874\u002FcustomEditor\u002Fdafe55a14d729c220abb99cb6d5cc3e5_2342431231.png\" alt=\"2342431231.png\" data-href=\"\" width=\"\" height=\"\" style=\"\">\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>一个在芯片侧，端侧SoC涨停潮。另一个在更靠后的环节，微显示龙头单日+20%。同一天大盘的背景是这样的：沪指+0.08%，深成指+0.86%，创业板指+1.46%，两市成交1.5万亿，超过4200只个股上涨，93只涨停。资金高度抱团在物理AI和影视传媒两条主线上，AI眼镜作为端侧AI的硬件落点跟着走强。\u003C\u002Fp>\u003Cp>把这两个信号放在一起看，会发现一个不太舒服的错位：SoC在\u003Ca href=\"https:\u002F\u002Fwww.qiuguojihua.com\u002FwigainFlow\" target=\"_blank\">AI眼镜\u003C\u002Fa>的BOM里只占5%—12%，光学显示——微显示、光波导、光学镜片——占40%—55%。市场花了一年时间，把价值量最小的那个环节定价得相当充分；价值量最大的那一块，刚刚进入视野。\u003C\u002Fp>\u003Cp>这个错位就是本文要算的账。\u003C\u002Fp>\u003Ch3>为什么是现在，为什么是光学显示\u003C\u002Fh3>\u003Cp>四个催化因素确实在同一个月内叠加出现。\u003C\u002Fp>\u003Cp>端侧AI的新品周期进入了密集落地期。OpenAI、Meta、Anthropic相继推出个人Agent，苹果、三星、Meta同步推进AI眼镜新品，终端形态正在从“能用AI”往“戴在脸上的AI”迁移。这是需求侧的催化。\u003C\u002Fp>\u003Cp>国内端侧AI主题在11月10日由点火升级至发酵。当天的端侧SoC涨停潮，加上苹果智能备案从iPhone扩至iPad、Mac的消息，构成了1到2阶段发酵的确认。这是情绪侧的催化。\u003C\u002Fp>\u003Cp>同一天，板块辨识度被一个纯正标的点燃：国内硅基OLED微显示龙头2026年在科创板上市，把“AI眼镜最贵的那块屏”第一次摆到了A股投资者面前。题材从“模糊的端侧概念”变成了“可以拆BOM的硬件环节”。这是认知侧的催化。\u003C\u002Fp>\u003Cp>三件事叠加之后，问题就变成了一个很具体的选择：芯片侧的业绩兑现已经被反复定价，而价值量更高、更卡脖子的光学显示环节还没有。资金顺着价值量走，这个方向不难判断。\u003C\u002Fp>\u003Ch3>一、先把钱的分布定下来\u003C\u002Fh3>\u003Cp>一副中高配AI眼镜的硬件成本大约在800—1800元区间。按行业公开测算，拆开是这样的：\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Ctable style=\"width: 582px;table-layout: fixed;height:305.328125px\">\u003Ccolgroup contentEditable=\"false\">\u003Ccol width=90>\u003Ccol width=300>\u003Ccol width=90>\u003Ccol width=102>\u003C\u002Fcolgroup>\u003Ctbody>\u003Ctr>\u003Cth colSpan=\"1\" rowSpan=\"1\" width=\"auto\">\u003Cp>环节\u003C\u002Fp>\u003C\u002Fth>\u003Cth colSpan=\"1\" rowSpan=\"1\" width=\"auto\">\u003Cp>主要器件\u003C\u002Fp>\u003C\u002Fth>\u003Cth colSpan=\"1\" rowSpan=\"1\" width=\"auto\">\u003Cp>单副价值量（元）\u003C\u002Fp>\u003C\u002Fth>\u003Cth colSpan=\"1\" rowSpan=\"1\" width=\"auto\">\u003Cp>占BOM比重\u003C\u002Fp>\u003C\u002Fth>\u003C\u002Ftr>\u003Ctr>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>微显示\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>硅基OLED、Micro-LED显示屏\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>150—400（单目）\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>25%—40%\u003C\u002Fp>\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>光波导、光学镜片\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>衍射或几何光波导、准直镜、棱镜、非球面镜\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>100—300\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>15%—25%\u003C\u002Fp>\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>主控SoC\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>带NPU的端侧AI芯片\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>40—100\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>5%—12%\u003C\u002Fp>\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>摄像头\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>CIS图像传感器、镜头\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>50—120\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>6%—12%\u003C\u002Fp>\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>声学\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>扬声器2—4只、麦克风阵列\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>30—80\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>4%—8%\u003C\u002Fp>\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>电池、结构件\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>电池、镜框、铰链、散热\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>50—100\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>6%—10%\u003C\u002Fp>\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>其他及组装\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>IMU、连接器、PCB、整机组装\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>50—100\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>6%—10%\u003C\u002Fp>\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>把前三行加起来：光学显示合计350—800元，占BOM的40%—55%，是整机里最大的一块价值量，显著高于主控芯片。\u003C\u002Fp>\u003Cp>这个结论带来的实际后果是：任何关于AI眼镜降本的讨论，只要不落在微显示和光波导的单价曲线上，基本都是空谈。反过来说，任何关于AI眼镜价值量的讨论，如果只盯着SoC，就会一直陷在一个只占一成价值的环节里。\u003C\u002Fp>\u003Ch4>微显示：那块屏为什么贵\u003C\u002Fh4>\u003Cp>微显示是AI眼镜、AR、VR的成像核心。它和手机OLED屏最根本的差别在基底：手机屏用玻璃基板，微显示用单晶硅晶圆做背板，所以叫硅基OLED（OLEDoS、Micro-OLED）。硅基的意义在于，单晶硅上可以用极高密度的CMOS驱动电路把像素做到微米级，在0.2—0.5英寸这样小的尺寸上实现数千PPI。\u003C\u002Fp>\u003Cp>它的制造流程直接决定了成本结构和壁垒。第一步，在8英寸或12英寸硅晶圆上，用28nm到130nm的成熟制程做像素驱动电路，这是纯半导体环节。第二步，在硅基背板上蒸镀OLED有机发光材料，三基色或白光加彩膜，这是面板环节。第三步，贴彩膜、盖板封装，出显示模组。\u003C\u002Fp>\u003Cp>成本大致分三块：驱动背板的晶圆代工占30%—40%，有机材料与蒸镀占20%—30%，彩膜与封装占20%—30%，剩下是测试与损耗。所以硅基OLED本质上是个杂交品种，半导体和面板两头都要卡位，壁垒天然比普通面板高一层。\u003C\u002Fp>\u003Cp>价格变化更值得看。随着8英寸线良率爬坡和产能释放，单颗价格已经从2024年的300—500元降到2026年的150—300元区间，降幅40%—50%。越便宜越能放量，越放量越便宜，这个正循环已经转起来了。\u003C\u002Fp>\u003Cp>需要说清的一点是：这次降价的来源主要是良率，而不是结构性的成本重构。晶圆代工那三到四成成本，随产能利用率波动，但下降空间有限；真正压下来的是良率和材料损耗。再往下走一步，可能得等12英寸线的产能跟上，而这条线目前还处在规划阶段。\u003C\u002Fp>\u003Ch4>光波导：真正的门槛在良率，不在产能\u003C\u002Fh4>\u003Cp>光波导要解决的问题很朴素：把微显示的画面弯折90度，再投射到眼前。三条主流路线各有各的麻烦。\u003C\u002Fp>\u003Cp>几何光波导用反射式阵列，在镜片里埋半透半反的反射镜阵列，工艺相对成熟，代价是层数多、厚度和重量都偏高。衍射光波导走的是表面浮雕光栅（SRG）路线，在镜片表面刻蚀纳米周期光栅，最薄、最接近普通眼镜形态，也是公认的终极方案，但纳米结构的制造难度极高，量产良率长期只有30%左右，是行业里绕不过去的卡脖子点。体全息光波导（VHG）理论性能好，材料和量产的成熟度最差。\u003C\u002Fp>\u003Cp>30%这个数字是行业共识区间的量级，不同厂商、不同规格口径会有出入，但结论不变：光波导的竞争是良率竞争，而非产能竞争。谁先把衍射光波导的良率从30%推到60%以上，成本就能减半，下一代方案的订单也就基本归谁。\u003C\u002Fp>\u003Ch3>二、能放多大量：三个变量，一个结论\u003C\u002Fh3>\u003Cp>测算逻辑只有两个变量相乘：出货量，乘以单副光学显示价值量。\u003C\u002Fp>\u003Cp>出货量假设：2026年全球AI眼镜出货量在500万副量级，行业预测区间是500万—1000万副；2027年在海外大厂新品密集落地的假设下，有望跃升到1500万—2500万副；2030年乐观情形下走向5000万—1亿副。\u003C\u002Fp>\u003Cp>单副价值量假设：当前400—600元，假设到2030年随良率提升降到300—450元。\u003C\u002Fp>\u003Cp>按中性口径计算，2026年500万副乘500元约25亿元；2027年2000万副乘500元约100亿元；2030年6000万副乘400元约240亿元。仅光学显示一个环节，2027年到百亿级，2030年到240亿级。再把VR、MR、车载HUD、AR头显的需求算进去，空间会更大。\u003C\u002Fp>\u003Cp>分三档情景看：\u003C\u002Fp>\u003Ctable style=\"width: 360px;table-layout: fixed;height:131.65625px\">\u003Ccolgroup contentEditable=\"false\">\u003Ccol width=90>\u003Ccol width=90>\u003Ccol width=90>\u003Ccol width=90>\u003C\u002Fcolgroup>\u003Ctbody>\u003Ctr>\u003Cth colSpan=\"1\" rowSpan=\"1\" width=\"auto\">\u003Cp>情景\u003C\u002Fp>\u003C\u002Fth>\u003Cth colSpan=\"1\" rowSpan=\"1\" width=\"auto\">\u003Cp>2027年出货量\u003C\u002Fp>\u003C\u002Fth>\u003Cth colSpan=\"1\" rowSpan=\"1\" width=\"auto\">\u003Cp>单副价值量\u003C\u002Fp>\u003C\u002Fth>\u003Cth colSpan=\"1\" rowSpan=\"1\" width=\"auto\">\u003Cp>光学显示环节市场\u003C\u002Fp>\u003C\u002Fth>\u003C\u002Ftr>\u003Ctr>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>悲观\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>1000万副\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>400元\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>40亿元\u003C\u002Fp>\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>中性\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>2000万副\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>500元\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>100亿元\u003C\u002Fp>\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>乐观\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>3000万副\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>550元\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>165亿元\u003C\u002Fp>\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这个测算里最经不起推敲的假设，其实是单副价值量的下降斜率。价格既是放量的原因，也是测算的分母，两件事方向相反。悲观情景里出货量比2026年翻了一倍，市场只涨了六成，差额就是被单价吃掉的。这也是后续最需要跟踪的变量：如果2027年单副价值量掉到400元以下而出货量没超预期，百亿这个数就要往下修。\u003C\u002Fp>\u003Cp>从渗透率角度看，结论反而更明确。2025年全球AI眼镜出货量约数百万副，对应全球眼镜年出货量20亿副，渗透率不足1%。假设2027年出货升到2000万副，渗透率仍只有约1%。到2030年出货5000万至1亿副，渗透率也就2.5%—5%。\u003C\u002Fp>\u003Cp>也就是说，AI眼镜还处在一个渗透率极低的早期阶段，光学显示环节的天花板远没触及。渗透率和价值量同时向上的阶段，是这条链最有吸引力的窗口，但它同时也意味着现在的所有测算，误差都会很大。\u003C\u002Fp>\u003Ch3>三、谁的弹性最大\u003C\u002Fh3>\u003Ctable style=\"width: 769px;table-layout: fixed;height:214.65625px\">\u003Ccolgroup contentEditable=\"false\">\u003Ccol width=158>\u003Ccol width=142>\u003Ccol width=90>\u003Ccol width=90>\u003Ccol width=289>\u003C\u002Fcolgroup>\u003Ctbody>\u003Ctr>\u003Cth colSpan=\"1\" rowSpan=\"1\" width=\"auto\">\u003Cp>环节\u003C\u002Fp>\u003C\u002Fth>\u003Cth colSpan=\"1\" rowSpan=\"1\" width=\"auto\">\u003Cp>代表方向\u003C\u002Fp>\u003C\u002Fth>\u003Cth colSpan=\"1\" rowSpan=\"1\" width=\"auto\">\u003Cp>价值量\u003C\u002Fp>\u003C\u002Fth>\u003Cth colSpan=\"1\" rowSpan=\"1\" width=\"auto\">\u003Cp>利润弹性\u003C\u002Fp>\u003C\u002Fth>\u003Cth colSpan=\"1\" rowSpan=\"1\" width=\"auto\">\u003Cp>逻辑\u003C\u002Fp>\u003C\u002Fth>\u003C\u002Ftr>\u003Ctr>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>硅基OLED微显示\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>Micro-OLED面板\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>最高\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>最高\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>单副价值量最高、单价最贵、良率决定盈利\u003C\u002Fp>\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>光波导\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>衍射、几何波导\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>高\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>最高\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>技术壁垒最高、量产良率卡脖子\u003C\u002Fp>\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>光学镜片、棱镜、准直\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>非球面、玻璃棱镜、准直镜\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>中高\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>较高\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>微显示放大成像的必配件，随量放量\u003C\u002Fp>\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>声学器件\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>扬声器、麦克风阵列\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>中\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>中等\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>单价低但用量大、格局稳定\u003C\u002Fp>\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>结构件、电池\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>镜框、铰链、电池\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>中低\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>较低\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>跟量走，无定价权\u003C\u002Fp>\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>整机ODM\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>代工组装\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>低\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>较低\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>量大利薄，看客户结构\u003C\u002Fp>\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>排序的结论不难读出来：微显示和光波导同时具备量价齐升和技术壁垒两种属性，弹性最大。声学与光学镜片次之。结构件和ODM是纯跟量环节，弹性最小。\u003C\u002Fp>\u003Ch3>四、国产化：谁在替代，谁在领先，谁在跟随\u003C\u002Fh3>\u003Cp>微显示是国产替代弹性最大的环节。全球硅基OLED产能长期由索尼、三星主导，国内国产化率从不足20%起步，主要龙头加速扩产，8英寸线已经量产，12英寸线在规划中，判断方向是从不到20%向40%以上提升。单条12英寸线满产月产能可达数万片量级，对应年产能数千万片，这个量级足以覆盖千万级整机出货的屏需求。\u003C\u002Fp>\u003Cp>光波导的情况不一样。海外在这个环节布局本来就少，国内在衍射波导上全球领先，是有领先身位的。Micro-LED同理，海外尚未量产，国内领先。\u003C\u002Fp>\u003Cp>声学器件和光学镜片、棱镜则属于国产基本盘：国内本来就是全球声学主力，镜片棱镜工艺成熟、成本优势明显，只有部分高端产品还在进口。\u003C\u002Fp>\u003Cp>这三类环节的投资含义完全不同：微显示看替代空间，光波导看领先优势能不能守住，声学和镜片看跟随放量的节奏。\u003C\u002Fp>\u003Ch3>五、供需与价格：两个方向相反的信号\u003C\u002Fh3>\u003Cp>需求侧是典型的多点开花。AI眼镜、VR、MR、车载HUD同时要屏，2027年千万级出货对应的是数千万片微显示的供给需求。供给侧，2026到2027年恰好是“国内产能爬坡”和“海外品牌放量”的错配窗口，微显示存在阶段性供不应求叠着国产替代的双击。光波导则不是产能问题，是良率问题——30%的良率意味着投进去的产能有七成是废的，良率提到60%，成本直接减半。\u003C\u002Fp>\u003Cp>价格走势分成两个方向：\u003C\u002Fp>\u003Cp>硅基OLED显示屏下降约40%—50%，驱动是8英寸线良率爬坡和产能释放；衍射光波导下降约30%—50%，驱动是纳米压印工艺成熟；光学镜片与棱镜基本平稳，成熟工艺、竞争充分，小幅波动；开放式声学模组则是上升50%—100%，驱动是从入耳式向开放式形态跃迁。\u003C\u002Fp>\u003Cp>这里有个容易说错的地方需要澄清：说“量增价增双击”并不严谨，整机BOM整体是在降的，涨的只是声学这一个环节的ASP。整机降价、单环节涨价，是这条产业链里同时发生的两件事，不矛盾，但混在一起说就会误导判断。\u003C\u002Fp>\u003Cp>降价的是渗透率催化剂，越便宜越放量；涨价的是形态跃迁受益者，新形态带来新价值量。两个方向分开看，各自的逻辑才站得住。\u003C\u002Fp>\u003Ch3>六、声学与感知：被低估的第二、第三价值量\u003C\u002Fh3>\u003Cp>光学显示之外，还有两个单价不高、但技术形态在发生跃迁的环节。\u003C\u002Fp>\u003Cp>声学是从“入耳”到“开放式”的形态变化。传统TWS用入耳式声学，AI眼镜只能用开放式，不入耳、贴耳或近耳发声——镜腿里塞不下入耳结构，用户也需要同时听到环境音。这带来三个技术难点：定向声学，把声音定向送到耳道、减少泄漏；防漏音，开放式发声天然易漏，得用相位抵消一类的手段压住；以及骨传导与气传导的混合方案。结果是声学模组ASP从传统耳机的几元、十几元，抬到几十元量级，涨幅50%—100%，并且格局在向少数掌握定向声学技术的厂商集中。\u003C\u002Fp>\u003Cp>感知环节是摄像头CIS加眼动追踪加手势识别。AI眼镜要“看懂”世界，离不开摄像头模组，CIS加镜头单副价值量约50—120元。要做自然交互，离不开眼动追踪和手势识别。其中眼动追踪的分量最重，它决定了注视点渲染能不能落地——只高清渲染用户正在看的位置，算力和功耗能大幅下降。从这个角度看，眼动追踪是微显示和SoC之外第三个卡脖子方向，重要性不亚于屏。\u003C\u002Fp>\u003Ch3>七、定价权分布\u003C\u002Fh3>\u003Ctable style=\"width: 501px;table-layout: fixed;height:193.65625px\">\u003Ccolgroup contentEditable=\"false\">\u003Ccol width=142>\u003Ccol width=179>\u003Ccol width=90>\u003Ccol width=90>\u003C\u002Fcolgroup>\u003Ctbody>\u003Ctr>\u003Cth colSpan=\"1\" rowSpan=\"1\" width=\"auto\">\u003Cp>环节\u003C\u002Fp>\u003C\u002Fth>\u003Cth colSpan=\"1\" rowSpan=\"1\" width=\"auto\">\u003Cp>格局特征\u003C\u002Fp>\u003C\u002Fth>\u003Cth colSpan=\"1\" rowSpan=\"1\" width=\"auto\">\u003Cp>集中度\u003C\u002Fp>\u003C\u002Fth>\u003Cth colSpan=\"1\" rowSpan=\"1\" width=\"auto\">\u003Cp>定价权\u003C\u002Fp>\u003C\u002Fth>\u003C\u002Ftr>\u003Ctr>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>硅基OLED微显示\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>海外双寡头加国内追赶\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>高\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>强\u003C\u002Fp>\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>光波导\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>国内领先、技术分叉\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>中高\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>强\u003C\u002Fp>\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>光学镜片、棱镜\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>成熟、竞争充分\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>中\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>弱\u003C\u002Fp>\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>声学器件\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>双寡头格局稳定\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>高\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>中\u003C\u002Fp>\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>摄像头CIS\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>头部集中\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>高\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>中\u003C\u002Fp>\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>整机ODM\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>分散、价格战\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>低\u003C\u002Fp>\u003C\u002Ftd>\u003Ctd colspan=\"1\" rowspan=\"1\" width=\"auto\" style=\"border-style: solid; border-color: rgb(204, 204, 204);\">\u003Cp>弱\u003C\u002Fp>\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这张表里最值得记住的一行是：定价权最强的环节，恰好是价值量最高的环节。AI眼镜的光学显示不是贵在材料，是贵在稀缺的定价权。声学价值量中等，但开放式声学这次形态跃迁，正把它推到一个被市场低估的弹性位置。\u003C\u002Fp>\u003Ch3>八、行情走到哪一步\u003C\u002Fh3>\u003Cp>AI眼镜是端侧AI题材的细分方向。按题材生命周期，端侧AI主题在2026年11月10日由点火升级至发酵，触发条件是当日端侧SoC涨停潮叠加海外终端新品共振。\u003C\u002Fp>\u003Cp>AI眼镜光学显示环节的位置，是发酵阶段内部、且正在经历“从芯片向光学显示扩散”的扩散期。依据有三条：11月10日涨停潮覆盖了微显示、光学、声学、整机多个环节，是主线内部的典型扩散；催化来自海外新品周期，不是纯资金推动；业绩已经出现可验证的分化，情绪和业绩两个驱动在叠加。\u003C\u002Fp>\u003Cp>从11月10日收盘的涨幅结构，能看清扩散的实际状态。微显示龙头单日+20%，周涨约+20%，月涨约+39%。SoC环节周涨幅普遍在+29%—+31%。声学环节周涨幅约+7%—+31%。光学镜片环节周涨幅约+12%—+20%。\u003C\u002Fp>\u003Cp>资金的重心正在从涨幅已经很高的芯片侧，往光学显示和声学这些第二、第三价值量环节迁移。这个迁移才刚开始，节奏不会平滑。\u003C\u002Fp>\u003Cp>关键验证节点只有一个：光学显示环节能不能出现更多业绩兑现的次核心标的。当涨停从纯情绪扩散到有业绩支撑的次核心时，题材才算从发酵走向主升；如果扩散始终停留在情绪层面，那么价量就不会同步。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003Cp>这一轮真正该盯的，是两件具体的事，而非某一天涨停了几家。衍射光波导的良率能不能从30%往上走，这决定供给的天花板；硅基OLED的单副价格能不能在150—300元区间站住，这决定放量的斜率。\u003C\u002Fp>\u003Cp>至于具体标的，这篇一个都不点。以上全部是环节和数字的拆解，不涉及任何买卖判断。\u003C\u002Fp>\u003Cp>\u003Cbr>\u003C\u002Fp>",1654,[],166,1794907950397]