阿里千問上新AI眼鏡!實測用眼睛 “硬控”,2218元起
作者 | 畢偉豪 編輯|李水青 10月13日報道,剛剛,阿里千問發佈了三款全新AI硬件,分別是全能感知旗艦千問AI眼鏡N1 Pro、影像旗艦千問AI眼鏡N1,以及千問AI耳夾式耳機。其中,千問AI眼鏡N1 Pro支持虹膜核身、眼動追蹤以及心率等健康指標檢測,同時,千問AI耳夾式耳機也是千問旗下的首款AI耳機。三款新品今天同步發售,N1售價2218元起,N1 Pro售價2600元起,AI耳夾式耳機售價1099元起。其中,N1系列均搭載5000萬像素傳感器,支持4K超清錄像、實況照片拍攝和全天候環境感知,並具備AI靈感畫集等主動智能能力。
作為全能感知旗艦,N1 Pro進一步整合旗艦影像、全天候環境感知、高精度眼動追蹤、虹膜身份核驗,以及健康監測與守護五大系統,支持虹膜核身、眼動交互和多項體徵監測。另一款新品千問AI耳夾式耳機,則將AI能力延伸至聽覺入口,支持多場景實時翻譯、語音交辦任務、生成會議紀要等功能,並由Bose參與聲音調校。也是早早拿到了設備,並進行了為期一週的深度體驗。N1 Pro的虹膜支付、眼動追蹤等功能給我們帶來了不少新鮮感,但實測中也發現,實況照片記錄延遲等細節仍有待優化。一、5000萬像素傳感器,支持實況照片、4K超清錄像 一副眼鏡給人最直觀的感受,往往第一時間來自外觀和佩戴感受。
在外觀設計上,千問AI眼鏡N1 Pro採用經典波士頓方圓框設計,圓潤中保留了一些線條感。中梁採用鑰匙孔設計,美觀的同時能夠減輕鼻樑壓力,鏡腿寬度約8毫米,首發配色鎏金棕,整體鏡身很有質感。佩戴感受上,前後1:1配重,讓整體AI眼鏡的佩戴感相對舒適,不會有明顯的下墜感。千問AI眼鏡N1 Pro和千問AI眼鏡N1擁有相同的基礎能力和底層設計。在影像層面,N1系列AI眼鏡均搭載了5000萬像素第一視角傳感器,拍照清晰。鏡頭採用1G5P抗溫漂玻塑混合結構,玻璃鏡片用於應對溫度變化造成的焦點漂移,塑料鏡片則有助於控制重量和適應複雜曲面。
此外,鏡頭還採用BG微米級旋塗工藝和ALC超低反射膜,以減少反射光、雜散光對成像的影響。在影像算法上,千問推出超感影像引擎,將眼鏡端、手機端和雲端的處理能力結合起來。現場展示的技術架構中,眼鏡端包括多場景原始光影採集、自研高效RAW壓縮編碼和動態抓拍算法; 手機端承擔RAW數據管理與傳輸、全場景高質量RAW增強算法和智能構圖圖像優化;雲端則提供自研雲端AI ISP增強和AIGC多場景畫質優化。這套方案的重點,是把拍攝、圖像處理和後期優化串聯起來。
通過RAW域增強,系統可以利用更完整的高光、暗部、色彩和細節信息改善成像;暗光環境下,四合一像素融合技術讓相鄰感光單元協同工作,提升進光量和信噪表現 此外,N1系列還支持智能構圖,可以識別畫面主體,自動調整構圖,讓人物更加突出、背景更加舒展。同時,N1系列還可以拍攝實況照片,能夠記錄精彩動態瞬間,不過在實際體驗中,實況照片的動態記錄時間是從拍攝之後開始的,與手機實況略有不同,期待後續能夠通過系統升級進行優化。視頻拍攝方面,N1系列支持4K視頻直出,並提供1080P 60幀和1080P HDR拍攝選項。
針對運動場景,千問還升級了視頻防抖算法,通過EIS自適應裁切、地平線增強等技術,配合日常、運動和自適應三種防抖模式,提升不同拍攝狀態下的畫面穩定性,同時儘可能保留取景範圍。二、全天在線,主動開啟會議記錄、出行提醒,還能生成靈感畫集 影像能力之外,千問還希望讓AI眼鏡不再只是等待用戶指令,而是能夠感知周圍環境,並在合適的時機主動提供服務。為此,N1系列搭載三芯異構計算平臺,將影像處理、日常任務和低功耗視覺感知分配給不同芯片。其中,第一代驍龍AR1負責高性能影像處理和複雜計算,恆玄BES2800處理藍牙、音頻等日常任務,奇景HX6538則負責低功耗視覺理解。
三顆芯片分工協作,讓眼鏡在處理拍攝、音頻等任務的同時,也能持續感知周圍環境。這套硬件架構支撐了N1系列的全天候環境感知能力。通過低功耗視覺芯片和端側視覺模型,眼鏡可以識別特定場景,並結合用戶預先設置的任務,在適當時機觸發服務。例如,用戶設置好會議記錄任務後,眼鏡可以結合視覺信息和環境聲音判斷是否進入會議場景;到達車站後,也能根據場景提供車次、檢票口等出行提醒。用戶主動開啟AI靈感畫集後,眼鏡還可以捕捉早餐、貓咪、日落等生活片段,將這些畫面整理成漫畫風格的圖集。千問還加入了AI療愈功能,根據系統對用戶壓力和情緒狀態的估計生成個性化音樂,並支持通過語音調整雨聲、海浪聲等背景音。
三、眼動追蹤、虹膜支付、健康監測,支持熱插拔換電 相比N1,N1 Pro還具備三大專屬能力,分別是高精度眼動追蹤系統、虹膜核身、健康監測,起售價2600元,超長續航套裝售價2827元起。首先是眼動交互。千問通過縮小攝像頭模組邊緣結構,並配合紅外光源實現眼部動作識別。發佈會稱,這套方案可在0至10萬Lux的光照範圍內工作,中心識別精度在1度以內。用戶可以自定義眨眼快捷操作,比如可以通過眼部動作拍照、切換下一首音樂。這為眼鏡增加了一種不必掏出手機、也不完全依賴語音的操作方式。眼動交互之外,N1 Pro還將虹膜識別延伸至支付場景。
系統通過實時視頻流進行多幀虹膜特徵融合,並結合雙眼空間姿態校正提升識別能力。發佈會公佈的誤識率低於百萬分之一,相關能力由千問與螞蟻集團GPASS共同研發,並結合高通提供的芯片級生物識別安全能力,為支付場景提供身份核驗支持。第三項新增能力是健康監測。N1 Pro在鼻託處配置PPG傳感器,並在鼻樑位置設置非接觸式溫度傳感器,可提供心率、血氧、皮膚溫度等體徵數據。千問還能通過AI洞察報告幫助用戶理解數據,經用戶授權後,健康大模型可以結合長期體徵趨勢、活動和運動習慣進行解讀。續航與供電方面,N1 Pro還支持熱插拔換電。
用戶可以直接更換右側鏡腿電池,無需摘下眼鏡,設備服務也不會中斷; 配合700mAh便攜電池盒,可進一步延長使用時間。官方公佈N1 Pro的綜合續航為8小時。四、AI耳機與技能廣場,千問繼續擴展硬件入口 除AI眼鏡外,千問還發布了AI耳夾式耳機,售價1099元起。耳機採用開放式耳夾設計,單耳重5.5克,在佩戴形態之外,也對聲學結構和語音拾取進行了針對性設計。音質方面,耳機採用12磁鐵雙環聚磁結構、11毫米發聲單元和碳纖維振膜,並通過專利環側貼合技術,將等效振動面積提升至13毫米級,最大振幅達到0.8毫米,以改善開放式耳機的低頻表現。產品支持LHDC 5.
0高清解碼、Hi-Res Wireless認證和頭部追蹤空間音頻,並提供與Bose團隊共同調校的音效。針對AI交互中的語音輸入,耳機採用雙耳6麥克風陣列和2顆骨傳導語音拾取單元,結合語音增強、回聲消除技術,提升地鐵、街頭等嘈雜環境中的拾音表現。續航方面,單次充電聽歌超過9小時,配合充電盒總續航約40小時,並支持雙設備連接、無線充電和IP55防塵防水。由於採用開放式設計,產品不支持主動降噪。配色上,這款耳機首發提供星光色、極光紫和深空藍三種配色。現場,演員鍾楚曦作為千問AI耳機明星體驗官出場,現場佩戴了極光紫顏色的耳機。在此基礎上,千問還為耳機增加了聽記、實時翻譯、口語陪練和任務助理等能力。
用戶還可以通過語音設置定時任務、辦公任務和事件關注任務,並在穿戴App中查看執行記錄和相關文件。硬件之外,千問同步推出AI硬件技能廣場,面向普通用戶提供內容娛樂、生活服務、辦公效率、出行、運動健康和學習六大類技能。用戶添加技能後即可通過語音調用,無需單獨下載應用或安裝插件。結語:千問AI硬件再落子,讓智能離生活更近一些 從AI眼鏡到耳夾式耳機,再到面向用戶的技能廣場,千問此次發佈的重點,已不只是提升單款硬件的影像、音頻或交互能力,更是讓AI能夠感知現實場景,並進一步調用服務、執行任務。不過,硬件擁有更多傳感器、接入更多技能,並不意味著它就能成為真正的個人智能助手。
主動感知能否足夠準確,任務執行能否穩定可靠,支付和健康數據等敏感信息能否得到妥善保護,都將影響用戶是否願意長期使用。同時,硬件設備的基礎素質過硬與否,也是用戶是否選擇這些AI硬件的關鍵。對這次發佈的產品進行體驗過後,發現仍存在實況照片不“標準”、耳機面對面翻譯延遲等問題。但總體上來看,這次千問所發佈的AI硬件不論是在硬件還是在AI功能上,都可圈可點,也讓我們看到了更多AI穿戴的價值——讓AI離生活更近一點。
Related
相關文章
Google 開源 Harness²:遞迴代理程式框架,無需新模型也能提升效能
Google Cloud AI Research 開源了 Harness²,這是一個遞迴代理程式框架,透過改良凍結模型周圍的程式碼與檔案來增強效能。對開發者而言,重點很簡單:你的代理程式無需更強大的模型也能進步。重點摘要:規模為框架而非模型,訓練參數為0,包含8個可編輯的框架元件,版本0.1.0。執行環境為Linux、Python 3.12或3.13搭配uv,模型呼叫則透過Vertex AI。GPU需求未公開。效能方面:一次改良步驟即可在3個基準測試中,提升所有4個模型與框架組合的表現。最佳成果:GLM-5搭配OpenCode在WorkBuddy-Bench上從64.2提升至75.7(+11.5點);最差表現:GLM-5搭配Codex在JobBench上僅提升1.2點(23.6至24.8)。什麼是Harness²?它是Google研究推出的即插即用框架。
如何利用NVIDIA結構化資料模型進行零訓練表格預測
In this tutorial, we implement Structured Data Models, NVIDIA’s new library that puts several pretrained foundation models for tables behind one PyTorch interface, and use it to make predictions without training.
認識 Kyutai REKI:2.4B VLA 模型為機器人操控帶來高效記憶
Kyutai 與 Inria 及 École des Ponts 合作,推出了 REKI——一個用於機器人操控的 2.4B 參數視覺-語言-動作模型(VLA)。該模型僅使用公開數據進行預訓練,並配備了輕量級的近期記憶功能。在三個分佈外基準測試中,僅有規模約為其兩倍的模型能超越它。所有模型權重已於今日在 Hugging Face 上公開。核心資訊:規模:2.4B 參數(2.2B Qwen3.5-2B VLM + 0.2B 流匹配動作專家)。記憶涵蓋最近 3 幀,間隔 1 秒。運行環境:在 1 張 NVIDIA H100 上進行基準測試。從兩個 256×256 攝像頭輸入,編譯後每個動作區塊耗時 21.8 毫秒。權重以 BF16 格式提供,暫無量化版本。性能:在 LIBERO-Plus 和 RoboTwin Clean2Rand 基準測試中,為公開數據預訓練的 VLA 模型中最優;在 LIBERO-Plus 上達到 90.4% 的最高分。
DeepSeek 發布 V4.1-Flash-1017,DeepSWE 得分 77.0,並開放搜尋 API
DeepSeek 剛發布 DeepSeek-V4.1-Flash-1017,這是其 V4.1-Flash 模型的新檢查點,現已在 DeepSeek 網站、應用程式及 API 上線。DeepSeek 宣稱該版本在性能、任務完成速度與輸出簡潔度上均優於 9 月發布的 V4.1-Flash,並稱之為性能與成本的帕累託改進。同時,DeepSeek 也向所有開發者開放了搜尋與擷取 API。對代理建構者而言,這意味著更便宜的編碼模型加上單一 API 金鑰即可使用的第一方網路層。重點摘要:骨架參數 552B,另加 196B 的 Engram 參數;預填充階段每 token 啟用 8B 參數,解碼階段啟用 16B 參數;上下文長度達 1M tokens,最大輸出 384K tokens。運行於 DeepSeek API 的 deepseek-flash 模型。9 月版的 V4.1-Flash 權重(763B 參數,FP8)採 MIT 授權。
2026年20款Jev替代方案:挑戰TypeSafe的決策模型
TypeSafe於2026年9月15日推出Jev,這是一款決策模型而非聊天機器人。使用者可定義允許的答案,Jev將回傳標籤、分數或是否的機率。約4週內,至少20款Jev替代方案相繼問世,來自Cloudflare、OpenAI、Perplexity、Liquid AI、AWS的Strands Labs及獨立開發者。本指南比較各方案在規模、授權、硬體、價格、Jev API相容性及已發布基準測試的表現。重點摘要:規模範圍從287M(GLiNER2.5-multi-Decide)到35B-A3B(Mapika Decider),Jev規模未公開。執行環境:Von和Laya等編碼器可在CPU上運行,4B適配器適用24 GB GPU或32 GB Mac。效能:多數開源模型在困難推理上落後Jev,但在狹窄分類任務上數款與之匹敵或超越。最佳表現:Cloudflare Clef在BANKING7取得94.20分。
長鑫科技市值兩月內跌去1萬億;阿里加碼AI硬件品牌,天貓、速賣通聯動;國行版蘋果AI有望12月上線,百度、阿里參與合作丨雷峰早報
要聞提示1.長鑫科技市值兩月內跌去1萬億2.年內已至少18次故障!DeepSeek發放宕機補償,有人拿到3000元3.阿里加碼AI硬件品牌,天貓、速賣通聯動4.國行版蘋果AI有望12月上線,百度、阿里參與合作5.可靈AI新一代模型Kling 4.