从 Ray-Ban Meta、PLAUD、Amazon Bee，到 Rabbit R1、机器狗和人形机器人：AI 正在一件一件地给自己补齐"器官"。
如果过去两年 AI 的主流产品是 ChatGPT、Claude、Cursor，那么 2026 年让我觉得最有意思的变化，是 AI 开始从屏幕里"搬家"。
它住进了眼镜、胸针、耳机、小盒子、机器狗和人形机器人。
有的给 AI 一双眼睛，有的给它一双耳朵，有的给它记忆，有的给它显示器，有的甚至开始给它手和腿。
所以我越来越觉得，“AI 在寻找物理外壳"并不是一个比喻。
但这里的"外壳"不一定意味着人形机器人。它可能是一副眼镜、一枚胸针、一条腕带、一台机器狗，也可能最终是一台真正能够在现实世界里行动的人形机器人。它们其实都在尝试解决同一个问题：AI 如何从"理解世界”，变成"存在于世界"。
我是一个做世界模型方向的工程师，日常和 MuJoCo、DreamerV3 打交道。但最近半年越来越关注 AI 硬件——因为我做的世界模型、仿真训练和 sim-to-real，最终面对的一个重要问题，就是如何让 AI 从"理解世界"走向"作用于世界"。而这些 AI，迟早需要某种物理载体。
这篇文章不是技术综述，更像是一个"AI 硬件逛展式观察"。我想按一个有意思的角度来聊：AI 正在按器官逐一获得物理形态——从感知到交互再到行动，逐步构建完整的身体。当然，“器官"在这里是一个比喻，更准确地说，是 AI 正在获得不同的物理接口。
AI 的眼睛：Ray-Ban Meta
我第一个想聊的不是机器人，而是一副眼镜。
2025 年 9 月发布的 Ray-Ban Meta Gen 2，到 2026 年，它已经成为 AI 眼镜里最成熟、也最接近大众消费电子的一种产品形态。它有意思的地方恰恰在于：它看起来不像 AI 产品。没有大屏幕，没有科幻造型。它就是一副普通眼镜，但里面塞了摄像头、麦克风、扬声器和 AI。
它真正有意思的能力不是"可以问 ChatGPT”。而是：
AI 可以看到你正在看的东西。
“这是什么植物？““帮我翻译这个菜单。““这个零件叫什么？"——AI 获得了一个非常特殊的输入：佩戴者的第一视角。
我觉得它成功的关键之一，是它首先是一副正常的眼镜，然后才是一台 AI 设备。
AI 的眼睛 + 输出：Meta Ray-Ban Display
如果 Ray-Ban Meta 给 AI 装上了眼睛，那么 Meta Ray-Ban Display 开始给它增加一种真正的视觉输出。
这是 Ray-Ban AI 眼镜产品线首次加入显示屏的产品，售价从 $799 起。AI 的回答不再只通过耳机传给你，而是直接出现在你眼前。
它把字幕、消息、翻译以及部分 AI 信息，开始带进你的视野。以前是 AI → 耳机 → 你听。现在变成 AI → 眼镜 → 你看。
更酷的是配套的 Neural Band：一个腕带，通过腕部肌电信号捕捉手部微小动作，让你不用说话、只靠手指动作就能无声控制眼镜。这大概是 2026 年最有"未来感"的交互方式。
AI 的眼睛 + 显示：RayNeo X3 Pro
除了 Meta，还有一家中国公司值得关注。RayNeo X3 Pro 是真正的双目全彩 MicroLED AI+AR 眼镜：640×480 MicroLED 显示、12MP 摄像头、Snapdragon AR1 芯片、集成 Gemini AI。
它代表的是另一条更激进的路线：把 AI 眼镜直接做成带视觉输出的 AR 设备。AI 不再只有视觉输入，也开始拥有面向佩戴者的视觉输出。
这类产品让我感兴趣的不是"AR 看电影”。而是：当 AI 拥有视觉输入的同时又拥有视觉输出，我觉得这时候它就不再只是一个问答工具了——它开始成为你视野中的一层"智能界面”。
AI 的耳朵：PLAUD NotePin S
如果让我选一个"没有那么酷，但可能比很多机器人更有用"的产品，我会选 PLAUD。
PLAUD NotePin S 做的是 AI 录音设备。听起来一点都不性感：录音 → 转文字 → 总结。
但这其实是一个非常合理的 AI 硬件形态。因为手机的问题是：你需要主动拿出来。而会议、访谈、散步、开车的时候，你根本不想一直拿手机。
PLAUD NotePin S 直接把录音设备变成了可以佩戴的东西，然后交给 AI 做转录、摘要和信息整理。
如果说 Ray-Ban Meta 给 AI 一双眼睛，那么 NotePin S 更像给 AI 增加了一双"耳朵”：
AI 不需要有手。它先有一双耳朵就够了。
AI 的记忆：Amazon Bee
再往前走一步，就出现了一个更有意思的产品形态：不只是录音，而是把方向推向"持续上下文”。
Amazon 在收购 Bee 之后，2026 年继续推进这个 AI wearable。Bee 可以作为夹式设备或者腕带使用，核心能力是记录、转录、总结日常对话，并进一步利用上下文提供提醒和建议。
Bee 有意思的地方，不只是"一直在听”，而是它试图把一次次对话变成长期的个人上下文。
PLAUD 更像一个"AI 录音笔"，Bee 则更接近"AI 生活记忆"。
而这也是 AI wearable 最敏感的地方：当设备开始持续感知，“个人 AI"和"环境监听设备"之间的边界会变得非常模糊。隐私问题也会从"它知道我的什么数据”，进一步变成"它知道我身边其他人的什么数据"。
AI 在尝试获得"数字世界的手"：Rabbit R1
Rabbit R1 到 2026 年仍然在持续迭代，所以我更愿意把它看成一场仍在进行中的 Agent 硬件实验。
它真正值得关注的，不是它有没有成为"手机杀手"，而是它提出了一个问题：
如果 AI Agent 可以替你操作数字世界，用户还需要传统 App 吗？
传统交互：人 → 打开 App → 找功能 → 点击 → 输入。Agent 交互：人 → 告诉 AI 我要什么 → AI 自己操作。
R1 更像一次产品形态实验，而不是一次已经结束的尝试。它最有价值的地方，可能不是它今天到底好不好用，而是它一直在试验：一个专门的 AI Agent 入口，到底有没有必要成为一台独立设备。
从感知到行动：真正的分水岭
前面的 AI 硬件，大多数其实还没有真正"进入物理世界"。眼镜只是看。Pendant 只是听。Display 只是显示。R1 主要操作数字世界。
真正的分水岭，是当 AI 的动作开始改变物理世界。这就是机器人出现的地方。
AI 的腿：Unitree Go2
如果说前面的产品是在给 AI 增加眼睛、耳朵、记忆，那么机器狗开始给 AI 增加：腿。
Unitree Go2 目前官方明确把自己定位为"Embodied AI"平台，配备摄像头、IMU、4D LiDAR 等感知能力。它把感知、定位、运动控制和计算平台装进了一个真正会移动的机器人身体。
这时候 AI 就从"回答问题"变成了：我做一个动作，然后世界发生变化。
这恰恰是我做世界模型之后觉得最有意思的地方。因为强化学习真正面对的问题不是"这个东西是什么？“而是：“如果我现在这么做，下一秒会发生什么？”
AI 的手：灵巧操作
有了腿之后，下一步自然是给 AI 加一双手。
2026 年，灵巧操作（dexterous manipulation）是机器人领域最活跃的方向之一。CMU 的 LEAP Hand、Shadow Dexterous Hand、宇树和智元都在做的灵巧手，目标都是同一件事：让 AI 不只是移动，而是操作。
机械臂只能操作一部分东西，但灵巧手试图让 AI 像人一样抓取、旋转、组装。这恰恰是从"移动机器人"到"真正有用的机器人"之间最关键的一步。
而这也解释了为什么人形机器人突然变得重要——因为它可能是同时拥有腿和手的最佳载体。
AI 的完整身体：人形机器人
再往前走一步，就是人形机器人。Figure、宇树、智元等都在做。
人形机器人真正有意思的地方，不是"长得像人”，而是它在尝试成为一种通用身体。机械臂只能操作一部分东西，机器狗擅长移动，而人形机器人理论上可以直接进入为人类设计的工厂、仓库、家庭和工具环境。它最大的潜在优势，并不一定是运动能力，而是人类世界已经为人的身体形态建好了大量基础设施——门、楼梯、工具、工作台、货架、汽车、家庭空间。
NVIDIA 的 GR00T、Isaac、Cosmos 等基础设施，则是在尝试把模型、仿真、数据和边缘计算串成一套 Physical AI 技术栈。最终，模型的预测和策略需要通过电机与机械结构真正变成动作。整个系统进入感知 → 思考 → 行动 → 获得反馈 → 再学习的闭环。
值得研究的失败实验
AI 硬件文章如果只有成功产品会很无聊。有两个案例值得单独聊聊。
Humane AI Pin。2025 年 2 月，Humane 宣布停止消费者 AI Pin 服务；2 月 28 日服务正式关闭。其部分 AI 能力、人才和知识产权随后由 HP 以约 1.16 亿美元收购。它试图把 AI 从手机里拿出来：别再盯着屏幕了。听起来非常美。但问题是：手机已经是一个极其成熟的计算平台。你让一个只有摄像头、麦克风、投影和语音交互的小设备替代手机，实际上是在和几十年积累的生态正面竞争。它留下的教训是：AI 能不能做，不等于用户有没有必要买一台新设备。
Limitless Pendant 则是一个很值得研究的案例。它探索过一种非常有意思的方向：AI 不再等你主动打开，而是持续存在于你的生活上下文中。2025 年 12 月，Meta 收购 Limitless，后者随后停止新硬件销售。类似的"ambient AI / continuous context"思路，也出现在 Amazon Bee 这样的产品中。
一张图看全貌
如果把这篇文章讨论的产品放在一起，会发现一个很有意思的递进关系： AI 获得的能力 产品 真正增加了什么 视觉感知 Ray-Ban Meta Gen 2 第一视角摄像头 听觉感知 PLAUD NotePin S 持续音频输入 长期上下文 Amazon Bee 个人生活数据 视觉输出 Meta Ray-Ban Display / RayNeo X3 Pro AR 显示 新型输入 Meta Neural Band 肌电控制 数字行动 Rabbit R1 Agent 入口 物理移动 Unitree Go2 腿 + 环境交互 物理操作 灵巧手 / 人形机器人 手 + 腿 + 身体
“寻找物理外壳"不是突然从手机跳到人形机器人，而是一个逐渐增加感知和行动能力的过程。
小结
也许"AI 硬件"最终不会是一个品类。
眼镜、耳机、胸针、机器人甚至汽车，都可能只是 AI 与现实世界连接的不同接口。有些 AI 只需要一双眼睛，因为它的任务是理解你看到的世界。有些 AI 需要一双耳朵，因为它的任务是记住你说过什么。有些 AI 需要一双腿和一双手，因为它的任务终于变成了改变这个世界。
所以"AI 在寻找物理外壳"真正有意思的地方，不是 AI 最终会长成什么样，而是我们正在第一次看到：一个 AI 系统到底需要怎样的身体，才能真正进入现实世界。
而我做的世界模型、仿真训练和 sim-to-real，恰好处在这条路线的另一端：当 AI 真的拥有了眼睛、耳朵、手和腿之后，它还需要知道"下一步会发生什么”。
这可能才是世界模型真正有意思的地方。AI 有了身体之后，问题就不再只是"你能不能回答我"，而变成：“如果我现在这么做，世界会发生什么？”
物理世界很大，AI 才刚刚走到门口。
评论