© Sophie Park for The New York Times
当我看完了理想 AI 眼镜 Livis 的所有产品细节，我不得不承认一个略显荒诞的事实：
目前市面上完成度最高、最值得买的智能眼镜，来自一家造车的公司。
就在刚刚，理想正式揭晓了这款产品的价格，Livis 的起售价定在了 1999 元，而在 12 月 31 日前下单的用户，还可以享受 15% 的限时补贴，到手价仅需 1699 元。
为什么我们会对这个产品给予这么高的评价，原因其实很简单。理想把那个被科技厂商搞砸了的逻辑给顺过来了。理想很明白，在成为一个无所不能的 AI 终端之前，Livis 首先得是一副让你愿意戴出门、且戴得舒服的眼镜。
理想汽车产品部高级副总裁范皓宇在发布会上说：
我们并不想仓促的做一款产品去赚快钱，蹭个热点，而是实打实的想做一个高可用，不给用户带来额外负担，能够陪伴用户很长时间的产品，能够让用户真正的体会到工作生活。因为它而变得更好了一点
绝大多数智能眼镜最终沦为电子垃圾，不是因为它们不够聪明，而是因为作为一副眼镜，它们的存在感实在太强了。
理想显然研究过那些躺在抽屉里的竞品，在 Livis 上做了一个很极端的取舍，先做减法，再做加法。
整机 36g 的重量，是一个非常有杀伤力的数据。作为参考，海外好评度很高的 Ray-Ban Meta 重量超过了 49g，小米的同类产品也在 40g 左右。在鼻梁这个对重量极其敏感的部位，每一克的负担在长时间佩戴后都会被指数级放大。
为了把重量抠到极致，理想使用了瑞士 EMS 的 TR90 医疗级材料，并且针对亚洲人的头型做了微调。镜腿间距被设定在 137mm，转轴处预留了 15° 的外翻空间。这不仅是为了佩戴稳固，更是为了避免欧美品牌眼镜那种恼人的夹头感。
解决完「重」的问题，还得解决「看不清」的问题。理想这次拉来了蔡司作为战略合作伙伴，不仅保证了光学的基本素质，更关键的是打通了服务链路。
在镜片成本上，理想这次没玩套路。1999 元的起售价直接标配了蔡司防蓝光树脂镜片；如果你需要户外墨镜或者更高级的蔡司感光变色镜片，只需要再加几百元就能升级。即便是复杂的近视/散光定制，官方也号称最快当天就能完成配镜并发货。
总之，你不需要拿着验光单去线下眼镜店折腾，在下单的同时就能解决屈光度定制问题。
在把眼镜这个属性立住之后，理想才开始往里面塞东西。
首先是声音。理想把这个功能形象地称为「理想 Livis 头枕音响」。Livis 并没有用骨传导，而是配备了一套开放式的双磁路三明治扬声器。
在实际听感上，这种结构带来的声音厚度要优于一般的骨传导耳机。针对开放式耳机最尴尬的漏音问题，理想加入了逆声场抵消技术，在电梯或办公室这种安静环境下，能在很大程度上保护隐私。
与此同时，依靠 4 麦克风阵列，当你录制视频时，它能记录下全景声的空间音频。当你回看视频时，声音是有方位的。这样的沉浸感，其他智能眼镜难以提供。
至于拍摄，镜腿前方那颗 1200 万像素的摄像头，支持 0.7 秒快拍和 Live Photo 实况照片，当然也支持视频的拍摄。
我们必须坦诚地说，它的画质并不适合去和旗舰手机的主摄硬碰硬，其核心价值在于第一人称视角和快。当你双手都在开车，或者正在抱着孩子的时候，这种所见即所得的记录方式，是手机无法替代的。
为了支撑这些功能，理想在这个尺寸下做到了混合续航 18.7 小时。按照理想的测试模型，这个时间包含了 1.5 小时的听歌、1.5 小时的电话、2.5 小时的录音以及数十次的 AI 问答和拍照。如果只用来听歌，可以连续听 7 个多小时，纯待机状态可以达到 78 小时。
Livis 还标配了一个内置 1700mAh 电池的眼镜盒。这个盒子的设计非常巧妙，既是收纳盒也是充电宝，而且它自己还支持无线充电。这就形成了一个非常顺畅的补能闭环——不用的时候随手放进盒子里，盒子随手扔在车上的无线充面板上，基本告别了电量焦虑。
在硬件之上，MindGPT-4o 多模态大模型构成了它的软件灵魂。相比于百科问答，Livis 更偏向于私人助理。
但在聊它有多「聪明」之前，首先得聊聊「快」。毕竟对于语音交互来说，快是自然的前提。为了实现这种跟真人一样的沟通节奏，Livis 使用了一套流式智能语音框架。
传统的语音助手往往是线性的，它得等你彻底把话说完，把语音转成文本，再扔给 AI 去思考，最后再把答案传回来，这中间要消耗很多时间。而流式交互改变了这个流程，就像人和人聊天一样，在你说话的过程中，它其实已经在听、在思考了。这种「边听边想」的能力，配合端侧算力的优化，让它的对话响应速度达到了 800 毫秒，几乎感觉不到延迟。
在解决了「快」之后，理想才引入了更多深度的能力，比如 Deep Research。
你可以给它一个复杂的指令，比如「梳理一下 2025 年自动驾驶芯片的市场格局」，眼镜会在后台进行长时间的检索和整理，随后在手机 App 端生成一份详尽的报告。此外它还具备了记忆能力，能记住你提到的生活琐事，比如家人的生日或喜欢的餐厅，并在合适的时机提醒你。
当然，与车的联动才是理想的老本行。理想把 Livis 和理想汽车的连接体验比作 「iPhone 和 AirPods 的关系」。
连接之后，交互体验是非常直觉的。依靠免唤醒和意图识别，你可以在任何地方直接说打开后备箱、查询胎压或者打开座椅加热，完全不需要掏出手机。
而在车内，为了防止车内语音交互打架，理想做了一套很细节的唤醒抑制逻辑。在车内环境下，喊理想同学会默认唤醒车机，只有当你发出帮我拍照、开始录像这类眼镜专属指令时，眼镜才会接管语音流。
An iPod, a phone, and an internet communicator
2007 年的 Macworld 大会上，乔布斯在舞台上反复念叨着这三个词。
这也是科技史上最经典的时刻之一。当台下的观众以为苹果要一口气发布三款新硬件时，他才揭晓了谜底。这三样东西不是三个独立的设备，而是一个设备，那就是 iPhone。
如果我们借用这个逻辑来拆解 Livis，你会发现理想的产品定义其实也是完全一样的路数。
你可以把它看作是四款产品的集合体。
首先它是一副佩戴舒适的光学眼镜。36g 的重量和蔡司的加入，保证了它作为「眼镜」的基础属性。考虑到现在市面上蔡司镜片的价格，分分钟比 Livis 更贵，买它简直相当于「买镜片送智能眼镜」
其次它是一副音质极佳的开放式耳机。如果你平时就有佩戴耳机的习惯，那 Livis 的价值就更大了，从我们的实际体验来看，它的双磁路扬声器效果能媲美，甚至超越两千元档位的耳夹式耳机。
再者它是一个随身的 AI 智能助理。相比于 Humane Pin 或者 Rabbit R1 那些试图取代手机却最终沦为笑柄的新物种，眼镜的形态明显要自然得多。它听得见、看得见、能说话，而且永远在线。
最后才是属于理想汽车的车控终端。
这个逻辑理顺了，你就会发现理想的小算盘打得有多精。对于理想车主，这最后一点或许是下单的直接动力。但对于非理想车主，前三点的组合依然具备相当的说服力，毕竟一副带 AI 和好音质的轻便眼镜，本身就是一个完整的产品。
这其实也解释了另一个更有意思的问题，为什么是眼镜而不是手机。、
同样是造车新势力，蔚来选择了造手机。他们的逻辑很硬核——为了更好的车手互联，为了把车钥匙做得更极致。但在手机这个极度成熟、竞争简直可以用惨烈来形容的红海市场，车企想要做出差异化太难了。
但智能眼镜不一样，这是一片还没被巨头瓜分殆尽的蓝海，在这个空窗期，理想带着它在汽车上积累的技术杀进来，其实是非常聪明的。
而且眼镜这种形态，天然就比手机更适合 AI。
手机的交互逻辑是「低头」，你需要掏出来、解锁、点击屏幕。而眼镜的逻辑是「抬头」，它就在你的视野里，在你耳边。当你习惯了用语音让车机放歌、导航，那么在走路、骑车或者工作时，用语音让眼镜帮你记事、查资料，也是一件顺理成章的事情。
就像范皓宇在发布会上说的那样：
眼镜其实是一个日常，佩戴时间非常长，存在感很低，对舒适的要求非常高的终端形态。它的语音非常近，而且稳定性很好，也不需要用户改变什么已有的习惯。所以它成为我们智能体验带出车内的最佳载体。
从更深层的角度看，Livis 其实是理想 AI 能力的一次溢出。
仔细想想，现在的理想汽车本质上就是一个巨大的 AI 机器人。它有视觉、有听觉、有大脑。现在理想只是把这套感知系统小型化了，从车上拆下来，戴到了你的脸上。
通过 Livis，理想正在试图把触角伸向我们生活的每一个角落。从车内的「移动的家」，延伸到车外的「随身智能」。对于用户来说，这可能是一次低门槛的尝鲜，千把块钱就能体验到理想的 AI 和服务。而对于理想来说，这可能也是一次极其成功的品牌推广。
至于它能不能成为你的生活标配，答案或许不在发布会上，而在你把它架到鼻梁上的那一刻。
#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。
Gemini 3 发布之后这些日子里，我逐渐感到疑惑：为什么总让 AI 写网站写 PPT，Gemini 都发到第三代了，不能干点更有意思的事吗？
要那种科幻感强的、效果酷炫的、难度系数高的，但小白也能做的。比如这种：
或者这种：
Gemini：手势交互？没问题，包的。
在开始之前，先准备好 Gemini 3，这里是一点点的注意事项
目前有三种方式开启玩耍：Gemini 客户端 Canvas 模式、Google AI studio-Playground 和 Google AI studio-Build。
其中，最不推荐的是客户端，亲测无法有效拉起摄像头，并且，下面都是手势互动项目，举着手机，手自然也是没法做操控的。
后两者中，Build 是直接形成一个 app，你可以分享给其它朋友，缺点是 tokens 有限。而 Playground 会生成一套代码，需要下载到本地再打开，一旦换个电脑就可能运行不了，但优点是几乎没有 tokens 限制，每天一百万，量大管饱。
考虑到交互项目比较消耗 tokens，所以 Playground 更为合适，个别小项目用 Build 也可以，这就看个人情况而定。
Jarvis HUD 面板是在推上超过二十万次浏览的热门爆款，手势操控仪表球，就像钢铁侠操控 Jarvis 那样，酷毙了。
参考 prompt 如下：
create a webapp using vanilla js， html， css， modern threejs， mediapipe. it should be a sci-fi tony stark / iron man / jarvis experience focused on simulating an AR heads up display experience. full screen webcam input shown. add a heads up display that tracks the user’s head (offset to the right)， with live updating metrics. a minimal 3D world globe should be shown on the left center of the screen， that should be able to be rotated / sized by the user hand gestures
在 Build 模式下，亲测完全可以实现一次成型，Gemini 会自动安排任务、编写代码，调用不同的接口，进度条显示完成后，点击 Preview 就能直接打开——记得放行摄像头权限。
Gemini 3 自己就把效果设计安排得明明白白：左手是放大缩小，右边是转动，双手进入摄像头范围后会显示触控点——这些都是 prompt 里没有的，都是它自己的「想」出来的。搭配大屏幕或者投影，真的很有 Jarvis 既视感。
左边的地球建模和右边的面板的内容都是可以改变的，最初 Gemini 3 让右边的面板显示人体体温（显然是凭空编的），后来被我改成了「实时显示左侧地球模型的直径」。反正 vibe coding 一下，想怎么改怎么改。
Jarvis 都有了，惊天魔盗团不也得安排上。
看电影时只有特效，但现在，有 Gemini 3 了。参考 prompt 如下：
用 HTML+JS+ML 模型做个网页应用，通过摄像头检测手势，实现用手势来控制雨滴动画的暂停、静止和升格效果。动画效果保持在雨滴垂直方向，风格参考电影《惊天魔盗团》
这个 prompt 的第一轮表述完全是按照我看电影之后的想法写的，每个细节都可以通过 vibe coding 再调节。根据第一轮 prompt，Gemini 会加入它自己的设计，比如这具体的手势就是它想出来的。
虽然是用 AI 做的，但是在识别手势动作时非常灵敏，包括不同手势之间的切换都能够快速响应。
控制雨滴曾经是非常复杂的特效技术，就在《惊天魔盗团 2》上映之后，有一个饮料公司做了一支广告，通过控制雨滴，实现静态的粒子效果。
那么参考「控雨术」，Gemini 完全可以实现上面这种结合实拍和速度控制才能出现的效果，最接近的就是 3D 粒子。所以我又做了一个 3D 粒子效果的交互案例。
非常酷炫！prompt 参考如下：
用 Three.js 创建一个实时交互的 3D 粒子系统。通过摄像头检测双手张合控制粒子群的缩放与扩散，提供 UI 面板可选择爱心/花朵/土星/佛像/烟花等模型，支持颜色选择器调整粒子颜色，粒子需实时响应手势变化。界面简洁现代，包含全屏控制按钮
一次成型，最后出来的交互非常丝滑，尤其是对于手势的识别很准确又灵敏。
【小技巧】
涉及到颜色、布局、UI 设计等等细节，如果每次都用 vibe coding 的方式来调节，表述起来会很麻烦。并且每一次 vibe code 都存在抽卡的情况，所以有一个非常实用的技巧是：加上自定义模块，尤其是颜色、大小等，这样可以完全自主搭配自己喜欢的配色方案。
由雨滴想到粒子，由粒子想到移动，由移动想到——五子棋！我终于可以做技能五子棋了！！
仔细想想，五子棋不也是一个手势控制、飞来飞去的交互方式吗！飞沙走石移动棋子，力拔山兮移动棋盘，全都安排上！
Prompt 参考如下：
做一个手势互动小游戏「技能五子棋」：主页面为五子棋棋盘，默认已经摆放好棋子。当用户做出「单手甩手」的动作时，棋子会跟随甩动的方向飞出棋盘。当用户做出「双手甩动」的动作时，棋盘会跟随甩动方向飞动
Gemini 自己完成了物理逻辑和手势之间的衔接，我的 prompt 只需要描述效果，而具体的速度向量计算、检测阈值，都不用我管。
它甚至还重新命名了「技能」：万象天引。
这叫飞沙走石啊 Gemini 老师！
综合上面的几个尝试，Gemini 的毋庸置疑，而且回想一下这些技能树：手势识别、色彩变化，这些组合起来，不就是小游戏吗？
于是我尝试了更复杂一点的项目：节奏游戏。
音游玩过很多了，但是零经验小白真要做一个游戏、怎么给 Gemini 形容我想达到的效果，还真是花了一点脑筋 ，后来第一版 prompt 如下：
做一个用手势操控的音乐游戏，主界面为四条音轨，用户上传音乐文件后，四条音轨上按节拍出现光点，用户需要用手势准确拍击出现的光点，背景为复古合成波（Synthwave）风格，背景、音轨和光点的颜色可以自定义调节
这基本上是我能想到的雏形，根据第一版 prompt，Gemini 选择了 Pygame 作为游戏引擎，继续使用 MediaPipe 做手势追踪，并且加入了 Librosa 用来分析音乐。
选择复古合成波风格是因为它有明确的视觉标志——Gemini 也识别出来了——落日、霓虹渐变色、网格和驶向地平线的道路，非常适合节奏音游。
果然做游戏比前面的一些小交互复杂多了……先是只能识别一只手，得调整；然后是无法上传音乐，得调整；到了第三版才稍稍有点样子
但是在体验过中我发现一个比较 bug 的地方：判定线的位置离屏幕边缘太近了，而摄像头的识别范围是有限的，我的手稍微放低一点就无法被识别。
一开始我尝试的方法是，把判定线移动到屏幕居中位置，保证我的手始终能在摄像头捕捉范围内。
但是又出来一个问题：光点出口和判定线之间的距离过短，留给我的反应时间也很短，更别提点击动作还有一点点点的延迟，整个可玩性大大下降。可是放太低就还是会出现手掉出识别范围的情况。
一时之间我还真想不到这个矛盾该怎么办，于是，我直接去问了 Gemini 能怎么解决。
它直接指出了这个问题的症结所在，并且提出了「视觉欺骗」的方式来优化体验，并且加了一个自定义滑块来调节偏移，这样一来无论手在什么位置，都可以通过调节滑块来对齐判定线。
天才。
后来我还指出，感觉光点的出现跟节奏不太一致，为了解决这个问题，Gemini 又加了一个滑块用来调节延迟。虽然我仍然认为它并没有很好地分析节奏型，但是这个滑块的设计还是很有效，尤其是解决了戴着蓝牙耳机导致的延迟。
【一些小技巧】
本质上，只要有 prompt 就有抽卡的情况存在，但抽卡未必就不好。当碰到非常硬伤的 bug，比如始终无法调用摄像头、无法上传文件等等，vibe coding 时反复修改也没效果，不如就直接「新建项目」。核心功能反映在代码上，彼此之间有所牵连，重新跑一遍，让 AI 整体性地补足，远比一点点 vibe coding 要更有效率。当然，能看懂代码就会更有效率，可以针对性地解决。 只不过，对于完全的零码选手来说，还不如直接重新抽卡。
在 AI 之前，做手势交互的应用，得先学点儿 Touch Designer，最好还懂点儿部署。这些都得一点点翻教程，反复研究，在这个过程中搞不好就被劝退了。
有了 AI 之后有多简单，自然不用多说。更关键的是，手势交互原本的门槛远比生图、做 PPT 要更复杂，却又能让小白零码选手快速领略到做应用的乐趣。
唯一留下的，是对审美的挑战。在这些案例里能看到，Gemini 有点审美，但不多，设计、配色等等都是差强人意。代码的「硬」技能它可以掌握，留给我们的，就是对于审美的挑战。
#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。
Login