核心观点 - Wedbush分析师认为，Meta Platforms大规模投资人工智能的计划虽然曾引发投资者不安，但其支出是负责任的，且公司当前的投资周期比四年前更具纪律性和目的性 [1][1] 成本控制与运营纪律 - 公司部分部门的裁员表明，其正在采取一种更具目的性的做法，并且此轮投资周期比四年前的投资理念更有纪律性 [1][1] - 分析师对管理层的成本削减努力感到鼓舞 [1][1] 人工智能投资与效益 - 增加在人工智能方面的资本支出是合理的，因为人工智能能力“已经在带来切实的益处” [1][1] - 这种激进的预期资本支出水平表明，其核心业务拥有健康的内在需求，同时也体现了公司对长期战略目标的承诺 [1][1]

股价表现 - Meta Platforms Inc 股票在过去五个交易日下跌了3.76% [1] - 在此之前的五个交易日，该股票曾上涨0.32% [1]

元宇宙业务战略收缩与裁员 - 公司正在调整其元宇宙业务，对Reality Labs部门进行大规模裁员，涉及超过1000个工作岗位，约占该部门员工的10% [2][5] - 公司已确认削减对元宇宙的资源投入，此次裁员是具体实践，节省的资源将被重新分配到AI硬件和可穿戴设备等新兴领域 [3] - 公司正式关闭了三家重要的VR游戏工作室：Twisted Pixel、Sanzaru Games和Armature Studio，并暂停了VR健身应用Supernatural的新内容开发 [11][12] 业务模式与组织架构调整 - VR内容策略发生根本变化，投资重心将从重度自研全面转向生态合作，未来将依赖第三方开发者和合作伙伴来支撑平台内容，以降低成本和分散风险 [12] - VR硬件部门得以保留，但运营逻辑彻底改变，将改组为通过更精简、扁平的组织架构运行，不再追求激进的扩张性投入 [13][14] - 曾被视作元宇宙专属领地的Horizon软件团队和开发资源，将几乎完全转移至移动端，不再固守VR头显 [17] 战略调整的财务与市场动因 - 自2021年全力押注元宇宙以来，Reality Labs部门已累计亏损超过700亿美元，始终未能建立覆盖巨额研发成本的营收模型，财务压力是此次调整的首要根源 [18][19] - 行业预想的“技术军备竞赛”并未成型，主要竞争对手如微软和迪士尼已收缩或退出相关业务，导致公司陷入“独木难支”的境地，独自承担市场教育成本与技术探索风险 [22][23][24] - 生成式AI浪潮的爆发，促使公司将资源从回报遥遥无期的元宇宙，转向具备即时商业价值和技术爆发力的AI及移动端业务 [26] 资源重新分配与AI战略转向 - 裁员节省的资金将明确用于高增长领域，鉴于Ray-Ban Meta智能眼镜市场表现超出预期，公司计划激进扩大产能，目标是在2026年底前将年产能提升至2000万台以上 [15] - 公司战略核心从元宇宙优先转向全面押注AI，明确将AGI（通用人工智能）作为未来核心目标，并新成立了“Meta计算”部门以统筹基础设施建设 [29] - 生成式AI技术正被深度整合进核心应用，以提升广告系统效率，为算力设施和硬件长期投入提供现金流支持 [30] 硬件与交互逻辑的重新定义 - 硬件的定位发生根本变化，智能眼镜被重新定义为AI助手的“感官”，旨在利用现有轻量化设备快速占领用户面部关键位置 [32] - 交互方式正在更新，逐步放弃以手柄操作和虚拟空间漫游为主的逻辑，转而确立以“视觉识别加语音指令”为核心的新标准，目标是打造可全天候佩戴、通过自然语言调用的随身智能助理 [33][34] - 公司当前的重心是确保智能技术渗透进各个业务环节，让AI成为推动未来发展的核心动力 [36][37]

文章核心观点 - AI数据中心建设规模空前，但其巨额融资通过复杂的表外金融结构（如SPV）实现，将风险转移至以养老金等为代表的长期资本，而建设和运营的实际成本（如能源、环境、社区影响）则由项目所在地的公众承担，形成了一种“风险转移与成本社会化”的模式 [6][7][10] AI数据中心的规模与影响 - 马斯克旗下xAI在孟菲斯建设的超算集群Colossus，初期用电负荷达150兆瓦，远期规划总容量突破1.2吉瓦，接近孟菲斯市峰值用电需求的四成 [6] - OpenAI规划的算力总价值高达1.4万亿美元 [6] - 数据中心建设为当地带来短暂繁荣，如创造数千建筑岗位和增加税收，但运营后导致电价上涨、水资源紧张及环境污染等持久问题 [7] - 2025年田纳西州居民平均电价为每度13.88美分，较上年上涨约12%，数据中心密集区域的批发电价出现数倍波动 [7] 数据中心作为金融产品的融资模式 - 科技公司通过设立特殊目的实体（SPV）进行表外融资，将数据中心资产装入SPV，由外部资本（主要是私人信贷市场）提供资金，再通过长期租赁或算力合同回售给母公司使用 [7][12] - 该模式吸引了寻求安全、长期、稳定回报的养老金、保险公司和年金基金等资本 [7] - 截至目前，Meta、xAI、甲骨文和CoreWeave等公司已通过此类复杂融资交易筹集超过1200亿美元的数据中心资金 [12] - 融资结构通常包含债务与股权组合，例如Meta的路易斯安那州Hyperion数据中心项目融资300亿美元，其中债务270亿美元，股权30亿美元 [12] - SPV机制保证贷款人在违约时只能对数据中心资产追索，而非向科技母公司追索 [12] - 截至2025年底，科技公司从私人基金借款约4500亿美元，同比增长约1000亿美元，其中约1250亿美元流入长期项目融资交易 [13] - 为实现当前的AI计划，科技公司估计需要约15万亿美元的外部融资 [13] 表外融资的历史与风险 - 表外融资的目的并非使项目更安全，而是让风险在账面上隐形，历史上有安然事件和2000年互联网泡沫作为前车之鉴 [15] - 安然通过SPV将高风险资产置于表外，营造低负债假象，最终风险爆发 [15] - 2000年互联网泡沫破裂时，纳斯达克指数从约5000点暴跌，超过5万亿美元市值蒸发，其机制与当前AI数据中心融资类似，都是资金追逐表象增长而风险由大众承担 [15] - 当技术扩张建立在“看不见的债务”和“被假定的长期需求”上，问题在于最终后果的承担者 [15] AI数据中心选址的社区影响 - AI数据中心倾向于建在电价低、土地充裕、财政依赖外来投资的小城镇，而非硅谷 [17] - 社区需要承担数据中心带来的长期成本：电网升级导致居民电价上涨，冷却系统抽取地下水导致水质下降和水压降低，备用天然气涡轮机产生噪音、热污染和氮氧化物排放，甚至与当地哮喘急诊病例上升相关 [7][17] - 当地居民同时作为养老金持有人和保单缴费者，既是AI数据中心融资的间接资金来源，也是其负面影响的直接承压者 [10][17]

文章核心观点 - 2025年人工智能领域的技术发展标志着“暴力美学”时代的终结，行业从单纯依赖堆砌参数转向深化基础研究，以突破通用人工智能的瓶颈 [5] - 技术进步主要集中在流体推理、长期记忆、空间智能和元学习四大领域，旨在解决模型在即时推理、长期记忆和视觉处理等方面的能力偏科问题 [6] - 通过测试时计算、新型记忆架构、世界模型和元学习等方向的突破，行业在“补短板”方面取得了显著成功，为模型能力的整体提升和未来演进奠定了基础 [7] 流体推理的进化 - **测试时计算的范式革新**：智能被重新定义为不仅是参数的函数，也是时间的函数，以OpenAI o1和DeepSeek R1为代表的模型通过在推理阶段投入更多计算资源进行“慢思考”，实现了推理能力从0到8的质变 [11][12][13] - **强化学习工程优化**：强化学习在提升推理能力中扮演关键角色，其工程可拆分为探索策略、评分系统和参数更新算法三部分，2025年后两部分有明显发展 [15] - **评分系统革新**：基于可验证奖励的强化学习和稀疏奖励指标全面崛起，通过给予模型对错结论作为奖励信号，使其能自发探索推理过程，大幅提升了在数学、代码等领域的能力 [16][17] - **参数更新算法革新**：GPRO算法流行，它通过让模型生成一组答案并计算平均分来替代传统的评论家模型，节省了50%的显存，成为国内各家公司在2025年延展的基础框架 [19] - **强化学习存在天花板**：研究发现强化学习的性能增长符合S型曲线而非幂律，存在性能天花板，但其工程实践（如使用长思维链和大批量大小）已变得更加精确和可预测 [21][23] 记忆与学习 - **记忆能力是短板**：长期记忆存储是通往通用人工智能得分中仍为0的能力分支，缺乏记忆导致模型无法在现实中自我学习，且个性化体验难以实现 [25][26] - **Titans架构突破**：这是一个深度的神经长期记忆模块，能在推理时实时更新自身参数，根据输入信息的“惊奇度”决定存储内容，并引入遗忘机制，从根本上挑战了Transformer的无状态假设 [28][29][30][31] - **Nested Learning架构**：将模型参数按低、中、高频率分层更新，使整个模型参数非冻结，能够持续学习和保有长期记忆，其成本低于传统的监督微调和强化学习方法 [31][33] - **RAG的模型化演进**：检索增强生成系统从静态资料库演变为具备反思与进化能力的系统，例如ReMem引入了“行动-思考-记忆-优化”的全链路处理，能对记忆进行修剪、重组和清理，实现经验复用 [35][36][38] - **克服灾难性遗忘**：通过稀疏记忆微调等方法，模型在注入新知识时仅更新部分参数槽位，在TriviaQA任务中仅导致11%的旧知识遗忘，远优于全量微调的89% [39][40] - **策略蒸馏进步**：在策略蒸馏结合了强化学习的采样和监督微调的密集反馈，让学生模型在自己的“犯错分布”中学习，提供了一种低成本且避免遗忘的参数更新方式 [42] 空间智能与世界模型 - **视觉处理能力提升**：在Sora 2、Veo 3等视频生成模型爆发的推动下，视觉处理能力从2024年的0分提升至2025年的5分，模型开始展现出对物理规律的掌握 [45] - **自监督生成模型的缩放定律**：视觉自回归模型和扩散Transformer被证实遵循特定的缩放定律，例如DiT模型对批量大小和学习率高度敏感，但遵循特定定律后能力可大幅提升 [46][47] - **原生多模态的优势**：研究发现，尽管训练效率较低，但原生多模态架构在参数利用率上可能比晚期融合架构有更高的性能上限 [49] - **VAE的替代方案**：SVG模型通过直接用图像理解模型代替变分自编码器，统一了语义空间，据称训练效率提升6200%，并在多项指标上击败了扩散Transformer和SDXL [50] - **符号主义的世界构建**：以李飞飞团队Marble平台为代表，其基于3D高斯泼溅等技术，从多模态输入生成可探索的3D空间表示，追求更稳定和可控的生成效果 [53][55][56] - **预测即理解的路径**：Meta的V-JEPA 2通过预测被遮挡的视觉内容来学习物理规则的表征，在使用超100万小时视频训练后，模型展现出了反事实预测的能力 [57][58][59] 元学习 - **元学习的核心价值**：赋予模型“学习如何学习”的能力，使其能通过少量样本快速适应新问题，是实现低成本快速适应和应对未知世界的关键 [62][63] - **对上下文学习的重新审视**：有研究认为上下文学习可能只是激活了预训练知识而非真正学习，这与元学习理念不同，但2025年出现了利用改进的上下文框架进行元学习的新尝试 [64][65] - **测试时计算催生隐式元学习**：研究证明模型在推理时的长思维链探索本质上是寻找最优路径，通过优化探索策略（如最小化累积遗憾）可以引导模型学会如何分配算力进行有效思考 [66][69] - **显式元学习系统的探索**：例如DiscoRL系统，通过内外双层循环让AI自主发现学习算法，其发现的Disco57算法在雅达利基准上击败了人类设计的顶级算法，并展现出强大的泛化能力 [70][72] - **中训练路径**：介于预训练和强化学习之间，让智能体通过自主探索产生后果并反思，以建立因果模型，在复杂环境中的成功率平均提升9.6% [72][73] 其他关键技术进展 - **对抗数据与算力瓶颈**：行业通过混合专家模型、合成数据与强化学习结合来突破瓶颈，例如利用DeepSeek-R1生成的长思维链数据对小模型微调，效果优于人类专家编写的数据 [81][82] - **数据质量重于数量**：研究表明数据达到一定规模后存在冗余，筛选前10%最长、最复杂的推理路径样本进行训练，其效果可匹配甚至超越全量数据集 [83] - **合成数据与模型崩溃**：大规模使用合成数据可能导致模型崩溃，但通过自我验证机制过滤（如设定置信度阈值）或使用另一个模型作为裁判进行清洗，可以有效缓解此问题 [85][86] - **小模型能力的飞跃**：蒸馏技术的进步是关键，包括针对混合专家模型的特化蒸馏方案（学习所有专家的“暗知识”）以及思维融合蒸馏（提取多个教师模型的稳健推理逻辑） [88][90][92] - **注意力机制演进**：多头潜在注意力及其变体普及，用于降低显存占用；线性注意力通过混合架构（如Kimi Linear的3:1设计）在性能上首次全面超越全注意力，并在1M上下文解码时吞吐量达到全注意力的6.3倍 [94][96] - **连续空间建模**：大型概念模型和连续自回归语言模型等尝试打破离散词元的限制，通过预测连续概念向量来提升语义带宽和推理速度 [97][100] 2026年可能的技术方向 - **记忆工程化实践**：记忆技术预计将在2026年迎来大规模工程化落地，涉及架构层革新或现有RAG、监督微调技术的精修，以实现持续学习和个性化智能体 [103][104] - **标准架构变革**：模型架构可能向分区、分层、增加功能层（如记忆层）的混合架构演进，以更贴近人脑运作模式，补齐能力短板 [105][106] - **自进化AI的探索**：在记忆、合成数据和元学习等技术完善的基础上，能够让AI进行自我对弈、自我算法优化的自进化研究将在2026年产生更多可能性 [107][112]

文章核心观点 - 人工智能竞赛加速导致电力供应成为制约AI扩张的最大瓶颈 促使科技巨头大举招募能源专家并开始向能源公司转型 [1] - 科技行业能源相关岗位招聘在2024年同比激增34% 招聘规模比2022年ChatGPT发布前高出30% [1] - 科技公司不仅自建能源供应体系 还纷纷申请成为电力交易商以向电网出售多余电力 标志着其业务模式的根本性转变 [1][4][5] 人才招聘与竞争态势 - 2024年科技行业能源相关岗位招聘同比激增34% 招聘规模仍比2022年ChatGPT发布前水平高出30% [1] - 微软自2022年以来新增超过570名能源相关员工 亚马逊新增605名（包括AWS） 谷歌新增340名 [1][2] - 科技公司提供的高薪正在吸引能源基础设施领域的资深人才转行 能源战略、电力采购协议和电网连接等专业人才供不应求 [1][3] - 科技巨头通过收购扩充实力 例如Alphabet计划以47.5亿美元现金收购数据中心公司Intersect [2] - 项目和建设经理以及土地收购岗位需求激增 但科技公司更倾向于通过临时合同来完成基础设施初期建设 [2] 业务模式转型与能源布局 - 为满足AI数据中心的巨大能耗 科技公司不仅自建能源供应体系 还纷纷申请成为电力交易商 Meta、亚马逊、谷歌和微软均已获批或申请向电网出售多余电力 [1][4] - 能源岗位需求从传统的可持续发展岗位转向能源采购、市场、电网接口和战略等运营核心岗位 [3] - 有科技公司正在转变为能源公司 愿意拥有、资助和运营能源项目 但目前仅供自用 未来可能将额外能源出售给邻近用户或电网 [3][5] - Meta与小型模块化反应堆公司Oklo、Vistra和Terrapower签署电力采购协议 消息公布后Oklo和Vistra股价均飙升超17% [5] 行业影响与市场动态 - 数据中心在2024年占全球电力消费的约1.5% 过去五年年均增长12% [1] - 科技公司的深厚财力和高薪对传统公用事业和能源公司构成人才竞争挑战 [1][3] - 能源需求增长也为公用事业公司及其员工提供了巨大机会 因为科技公司会向它们寻求支持而非进行收购 [5] - 提高数据中心能源效率被视为第二阶段可能带来更多永久性岗位 但目前因电力紧缺而非优先事项 [3]

行业动态与市场数据 - Meta Platforms与EssilorLuxottica正商讨在2026年底前将AI眼镜产能翻一番[1][11] - Meta已宣布裁减Reality Labs部门1000多个工作岗位，以将资源重新分配到AI可穿戴设备和手机功能[1][11] - 2025年第三季度，Meta凭借Ray-Ban Meta二代等新品占据全球智能眼镜市场份额的75.7%[2][12] - 小米、雷鸟、XREAL和Viture四家中国厂商入围全球智能眼镜市场前五名[2][12] - 2025年第三季度，中国智能眼镜市场中，端侧支持AI的产品占比达35.7%，接入大模型的产品占比达53.9%[6][16] - IDC预测，2026年中国智能眼镜市场出货量将达450.8万台，同比增长77.7%[9][19] - 其中，音频和音频拍摄眼镜出货量预计343.4万台，同比增长68.1%；AR/VR设备出货量预计107.3万台，同比增长62.1%[9][19] 产业链公司布局 - **显示领域**：芯瑞达正联合高校攻关MicroLED微显示全彩化技术与核心光机，样机验证有序展开[4][14]；宝明科技的LED背光源及Mini LED背光源产品已应用于AI眼镜[4][14] - **零部件领域**：博硕科技供应AR/VR眼镜制程设备及VR复合膜产品[4][15]；顺络电子的电感、LTCC、天线等产品已覆盖头部大客户并持续供应[4][15]；美芯晟的光学传感器可提供环境光感知与交互，产品已导入AR/AI眼镜终端品牌[4][15]；利元亨的智能AI眼镜电池装备业务在2025年已实现高速增长，预计未来三到五年产线产能将持续扩大[4][15] - **芯片与存储领域**：润欣科技聚焦于端侧计算芯片、音视频交互等技术的芯片分销与系统集成[5][15]；佰维存储的AI端侧存储产品用于AI眼镜，预计2025年归母净利润为8.5亿元至10亿元[5][15] - **组装与制造领域**：领益智造为头部客户提供智能穿戴设备的核心组件和整机组装[5][16]；龙旗科技已承接国内头部客户AI眼镜项目，该业务是公司业绩增长的重要推动力[6][16]；海信视像已发布Vidda G11智能眼镜产品[6][16] - **具体合作案例**：芯海科技的压力触控产品已应用于夸克AI眼镜[6][16]；闪极AI眼镜搭载了云天励飞自研大模型“云天天书”[6][16] 产品与市场展望 - 2026年多款重磅AI眼镜产品计划面市，包括谷歌的Project Aura和GeminiAI眼镜、苹果的AI眼镜、亚马逊的AR眼镜以及豆包AI眼镜[7][17] - 政策支持为市场增添动力，2026年大规模设备更新政策新增对智能眼镜的补贴，按产品销售价格的15%给予补贴，每件补贴不超过500元[7][17] - 线下渠道观察显示，消费者可通过云闪付App申领政府补贴享受15%消费减免，当前客群主要为数码博主和用于会议记录、移动办公的商务人士[7][17] - 国内智能眼镜品牌的线下体验渠道主要集中于博士眼镜、吴良材等专业眼镜连锁店，以及京东之家、品牌手机店等数码渠道[9][19] 资本市场反应 - 受相关消息影响，1月14日多家AI眼镜概念公司股价上涨[2][12] - 截至发稿，博士眼镜涨幅15.09%，品茗科技涨幅14.22%，雷神科技涨幅12.10%，力鼎光电涨幅10.01%[3][13]

中美AI产业发展路径与投资逻辑分化 - 当前中美在AI产业的投资逻辑存在显著差异，美国投资重点集中于通往通用人工智能（AGI）的核心技术领域，如大语言模型（LLM）与GPU等底层硬件及基础模型研发，遵循“拓展律”（Scaling Law）[1][2] - 中国AI发展更聚焦应用层面，通过技术落地触达消费者以构建清晰商业模型，在自动驾驶、机器人、具身智能等细分赛道表现出色[1][2] - 分化根源在于产业基础与发展路径差异：美国受算力投入与模型性能领先优势推动，加码底层算力建设；中国则凭借庞大的AI人才储备与广阔市场空间，从应用端实现突破[3] 美国AI投资现状与趋势 - 美国四大云服务商（微软、亚马逊、谷歌、Meta）在2024年整体服务器支出中，GPU占比约40-55%[6] - 美国GPU资本开支正处于指数增长期，市场预计其2024-2026年复合增长率超50%[8] - 英伟达预测，2028年全球数据中心资本支出将达1万亿美元，其中GPU相关占比超50%[8] 市场焦点从AGI转向物理AI - 此前备受关注的AGI（人工通用智能）概念热度消退，近几个月市场焦点已转向物理AI（Physical AI）[4] - 物理AI属于人工窄智能（ANI），核心应用场景包括机器人、机械臂、自动驾驶车辆等，这些领域与中国当前的产业优势高度契合[4][5] - 物理AI的核心应用场景正是中国当前重点发展的机器人与自动驾驶领域[5] 全球AI产业长期趋同于物理AI - 从长期来看，全球AI产业最终将向物理AI（Physical AI）趋同[1] - 随着时间推移，全球AI产业都将向物理AI领域聚焦，这与全球AI产业从基础研发向实体应用渗透的大趋势相契合[8] - 中国在应用端的先发优势有望在长期竞争中进一步凸显[8] 美国在物理AI领域的投入与布局 - 美国在具身智能领域投入力度扩大，并获得政策战略性扶持，重点开发人形机器人、多模态感知融合、智能工厂、自动驾驶等Physical AI实际应用领域[9] - 科技巨头进行巨额投入：特斯拉已在Optimus人形机器人项目投入超40亿美元，目标2027年商业化；英伟达投入超100亿美元构建Physical AI全栈平台；谷歌旗下DeepMind投入50亿美元用于机器人研发[9] - 市场预计，2025-2026年美国在物理AI领域的总投入将在500亿美元以上[9]

行情表现 - 1月14日AI眼镜板块早盘集体走强，多只个股涨停或大涨，其中翰博高新（+20.01%）、比依股份（+9.99%）、博士眼镜（+19.99%）涨停，明月镜片（+13.37%）、天娱数科（+9.95%）等亦大幅上涨 [1] - 翰博高新作为MR/AR终端厂的上游供应商，提供背光源或显示模组核心零部件 [2] - 比依股份的参股子公司上海理湃光晶是国内AR眼镜光波导模组生产规模最大的供应商，已投产10万级规模生产线并启动投建100万级生产产能 [2] - 博士眼镜在智能眼镜领域主要承接验配和产品交付服务，已与星纪魅族、雷鸟创新、XREAL等多个品牌开展合作 [2] - 天娱数科高度关注VR/AR/MR产业布局，已在申请苹果Vision Pro开发套件，并开发了MR&AR软件解决方案MetaSurfingMR [2] - 明月镜片目前售卖的智能眼镜sasky具备语音助手、接打电话、导航及音乐休闲等功能 [2] 行业事件 - 据彭博社报道，因雷朋Meta眼镜销售势头强劲，Meta已建议其合作方EssilorLuxottica SA到2026年底将年产能提升至2000万副或以上，并讨论了建立3000万副以上产能的可能性 [3] - 苹果、谷歌、字节跳动等科技巨头加速布局AI眼镜，苹果计划2026年WWDC公布Apple Glasses，谷歌重启独立AI眼镜项目，字节跳动首款AI眼镜预计2026年一季度发布 [3] 机构观点与行业前景 - 以Meta为代表的AI眼镜产品销量持续攀升，AI眼镜有望成为下一款千万级至亿级销量的终端产品，据WellsennXR预测，到2030年全球AI眼镜销量有望达到9000万副，6年复合年增长率（CAGR）为97.42% [4] - 本轮AI眼镜的核心在于生成式AI驱动的交互革命，AI将眼镜从昂贵配件升级为可自然交互的智能体，降低了使用门槛，随着价格下探至千元级大众消费区间，AI眼镜有望成为AI时代的操作系统入口 [5] - 行业进入快速成长期，技术迭代与需求爆发形成共振，当前主流产品价格下探至1500元左右，AI对话、同传翻译、AR导航等功能渗透率超80% [5] - 产业链上游涉及芯片、光学（如光波导、摄像头模组），中游包括整机制造与算法供应，下游覆盖消费电子、运动健康、工业辅助等场景 [5]

行业动态 - AI眼镜概念在资本市场出现异动拉升行情 [1] - 消息面上 Meta Platforms与依视路陆逊梯卡正讨论在2024年底前将AI智能眼镜的产能提高一倍 [1] - 随着Ray-Ban Meta眼镜销量逐步起量 Meta已建议到2026年底将年产能提升至2000万副或以上 [1] 公司股价表现 - 比依股份直线拉升触及涨停 [1] - 博士眼镜股价涨超10% [1] - 明月镜片股价涨超10% [1] - 雷神科技 纬达光电 天键股份 宇瞳光学等公司股价跟涨 [1]