文章核心观点 - 下一代AI计算终端的竞争焦点在于交互形态，光帆科技提出了一个反直觉的解决方案：将摄像头集成在单耳仅11克重的AI耳机上，并与手表联动，形成多设备组合，以规避当前智能眼镜在重量、续航、显示等方面的技术瓶颈，为用户提供更低门槛、更务实的全能AI助理体验 [1][4][10][12] - AI硬件的交互逻辑正从手机时代的被动、工具化的图形界面，转向主动、代理式的意图感知，其核心是让机器适应人，AI操作系统需要以调度大模型和多模态传感器为核心，而非传统的图形渲染 [27][28][30] - 通用AI硬件的价值大于专用硬件，因为它需要接入海量应用和服务，成为一个具备感知、记忆和决策能力的“智能体”，这必须由操作系统来统筹，光帆自研的“云端+端侧”操作系统旨在服务于未来所有以语音交互为主的AI品类 [53][54] - 为了解决AI设备普遍存在的“吃灰”问题，光帆选择在成熟的耳机和手表品类上叠加AI能力，通过高频使用场景（如听歌、消息提醒）带动低频刚需场景（如博物馆讲解），确保设备持续佩戴，为AI服务创造触发机会 [57][59] 一、为什么是耳机，而非眼镜 - 智能眼镜面临重量、光机显示效果、续航、对妆容影响等短期内难以解决的技术挑战，且新品类需要用户付出新的佩戴成本 [4] - 耳机已是成熟的可穿戴大品类，用户的佩戴成本已被听音乐、打电话等功能解决，在此基础叠加AI能力，可显著降低用户的购买决策和使用成本，策略类似当年iPhone在手机品类上叠加智能化 [4][6] - 摄像头需位于头部与眼睛齐平的位置，以实现“你看什么，就想让它看什么”的直觉感知，耳机天然占据离嘴巴和耳朵最近的位置，是语音交互的第一界面，符合扎克伯格关于AI硬件交互第一界面应是音频的判断 [6] - 采用“耳机+手表”的多设备联动方案，将功能拆解：耳机负责听、说、看（摄像头）；手表负责屏幕显示、触控交互、GPS定位和生物传感，并用多设备组合替代单一设备的工程难题，是当前更务实的全能AI助理落地方案 [10][12] 二、从图形界面到意图感知 - 手机交互是被动、工具化的，需要用户一步步点击操作以适应机器；AI交互是主动、代理式的，用户只需表达最终需求，由AI在后台理解意图、拆解步骤并调用服务，是机器适应人 [30] - 以打车为例，AI系统可主动触发：综合机票信息、GPS位置、实时路况，在耳边提醒用户出发并询问是否叫车，确认后自动完成叫车并在手表显示上车点与车牌号，此过程调度了多应用数据与多器件，将手机所需的十几次点击简化为无缝体验 [33] - AI操作系统（AI OS）的核心是调度大模型和传感器，而非传统手机操作系统（OS）的图形渲染，光帆自研的操作系统采用“云端+端侧”双层架构：云端运行核心OS负责调度大模型与任务编排；端侧运行实时OS负责传感器管理与即时反馈 [27][28] - 光帆团队因操作系统开发的软硬结合基因，以及对交互逻辑的敏感性，更早构思并动手，从而率先推出全球首款具备视觉感知能力的AI耳机，并获得了宁德时代、韶音、兆易创新等产业链头部公司的投资 [21][22] 三、主动智能：越用越懂你 - 摄像头采用事件性触发（用户明确指令）和预判性触发（如先判断用户是否忙碌再决定是否播报消息），并非常开，以平衡功耗与体验 [37][38] - 光帆构建了基于四类记忆来源的用户画像体系：传感器记录（位置、所见）、对话内容、行为记录（交易）、主动托付（用户明确指令），记忆会进行权重处理并存储在云端，使得AI能提供差异化服务（如为故宫新手或发烧友提供不同讲解）并形成用户迁移成本 [43][44] - 核心应用场景包括：1）博物馆讲解，结合GPS与视觉识别，用户看着展品并在手表息屏触摸即可触发，无需说话；2）旅游场景，基于地理位置触发讲解或通过视觉扫描推荐餐厅；3）实时翻译；4）灵感记录，通过敲击耳机口述，由AI后续整理 [47][48][50][51] - 主动服务的理想体验是让用户忘掉硬件存在，在后台悄无声息处理琐碎意图，仅在必要时打扰，关键在于掌握主动服务的分寸感 [35][39] 四、通用硬件的价值一定大于专用硬件 - 专用AI硬件（如MP3）功能单一，只需薄层系统；通用AI硬件要成为智能体，需接入海量应用与服务，必须依靠操作系统来统筹云端大脑、端侧感官及服务生态 [53][54] - 光帆自研操作系统的设计具有普适性，目标是为未来所有以语音交互为主的AI品类提供支持，类似iOS和Android从手机扩展到其他图形设备 [54] - 通过选择耳机和手表这两个用户本就天天佩戴的成熟品类，确保设备基础实用价值，解决“吃灰”问题，让AI功能有机会在合适场景被高频使用唤醒，并通过操作系统降低应用开发成本，平衡刚需低频与高频场景 [57][59][60]

核心观点 - 为终端用户设计基于大型语言模型（LLM）的工具时，必须进行严格的用户研究，不能假设用户对AI的认知和态度与开发者一致，否则产品可能失败 [1][7] - 生成式人工智能（如LLM）因其非确定性、不可理解性和日益增强的自主性，从根本上改变了用户与技术互动的方式，对产品设计提出了独特挑战 [8][9][10][11] - 成功的AI产品设计应基于对多样化用户画像的理解，并据此规划产品功能、沟通策略和推广方式，同时尊重用户选择，避免强制使用 [13][14] 用户类别与画像 - **无意识使用者**：不思考AI，认为其与自身生活无关，对底层技术了解有限且缺乏好奇心 [2] - **回避型用户**：对AI整体持负面看法，高度怀疑和不信任，AI产品可能对其品牌关系产生不利影响 [3] - **人工智能爱好者**：对AI抱有很高且可能不切实际的期望，例如希望AI接管所有繁琐工作或完美回答问题 [4] - **知情的人工智能用户**：具有现实视角和较高信息素养，采用“信任但核实”策略，只在AI对特定任务有用时调用它 [5] 用户对LLM的潜在认知偏差 - 用户可能对LLM的工作原理一无所知 [6] - 用户可能没有意识到正在使用的工具已由LLM支撑 [6] - 用户可能因有过强大功能代理的体验而对LLM能力抱有不切实际的期望 [6] - 用户可能对LLM技术抱有不信任或敌意 [6] - 用户对LLM输出内容的信任度可能因过去的特定经验而不同 [6] - 用户可能期待确定性的结果，尽管LLM本质上是非确定性的 [6] 生成式AI的独特挑战 - **非确定性**：相同的输入可能产生不同且意外的输出，打破了传统计算的可重复性契约，可能破坏用户的信任 [9] - **不可理解性（黑匣子）**：神经网络过于复杂，无法完全解释模型为何产生特定输出，必须接受一定程度的不可知性 [10] - **自治权**：推动AI作为半自主智能体运行，在减少监督的同时，因其非确定性和不可理解性可能引发安全焦虑；同时，AI可能在幕后运行而用户毫无察觉 [11] 对产品设计与开发的启示 - **进行严格的用户调研**：了解目标用户群中不同画像的分布，并据此规划产品如何容纳这些用户 [13] - **针对不同用户制定策略**：若有相当一部分回避型用户，需规划信息策略促进采用并考虑缓慢推广；若有很多爱好者用户，需明确工具的能力范围以管理期望 [13] - **以用户研究驱动产品构建**：用户调研应深刻影响AI产品的外观、体验、实际构建和功能，工程任务应基于证据了解产品所需能力及用户可能的行为方式 [13] - **优先考虑用户培训**：必须主动培训用户了解所提供的解决方案，现实地设定期望，并提前回答怀疑受众可能的问题 [13] - **不要强求用户使用**：应尊重可能因批评情绪、安全法规或缺乏兴趣而拒绝使用AI工具的用户群体，强制使用无济于事，维护用户关系和品牌声誉更为重要 [14]

媒介推广行业变革趋势 - 行业正从传统大规模广告投放模式转向精准触达模式 传统模式成本高昂且效果难以保证 数据技术成熟和用户行为深度分析驱动变革 [1] 用户画像构建策略 - 用户画像构建已深入到兴趣偏好、消费习惯、社交行为等多维度 通过整合网站浏览记录、社交媒体互动、购买历史等多渠道数据 [3] - 运动品牌案例显示目标用户除基础 demographics 外还包括热爱马拉松、关注健康饮食、特定社群活跃群体 [3] 渠道选择策略 - 社交媒体渠道如抖音、小红书适合年轻用户 通过短视频、直播、KOL种草等形式传递信息 [3] - 搜索引擎渠道通过SEM和SEO精准拦截主动搜索需求 特别适用于教育、医疗等行业 [3] - 垂直社区渠道如宝宝树服务母婴用户 知乎服务科技爱好者 通过专业内容建立信任 [3] - 线下场景渠道包括便利店促销、车展试驾等实体触达方式 [4] 内容定制策略 - 电商平台通过算法分析浏览历史实现个性化商品推荐 提升转化率 [5] - 旅游品牌针对家庭游、情侣度假、solo旅行等不同需求设计差异化套餐 [5] - 保险品牌通过讲述真实故事引发情感共鸣 而非单纯强调产品功能 [5] 数据驱动优化机制 - 通过实时监测点击率、转化率、用户停留时间等关键指标快速识别问题 [6] - A/B测试用于对比广告创意、落地页设计或投放时间效果 [7] - 归因分析追踪用户从接触到转化的完整路径 明确各渠道贡献度 [7] - 预测模型利用机器学习预测用户行为 提前调整库存预警和促销时机 [7] 美妆品牌实践案例 - 某新兴美妆品牌聚焦18-25岁关注"成分党"和"国潮"标签的女性用户 [8] - 采用小红书内容种草+抖音短视频挑战赛+私域社群会员福利的渠道组合 [8] - 联合美妆博主发布成分解析视频 发起国风妆容挑战赛 [8] - 根据点击率动态调整广告素材 预算向高转化渠道倾斜 [8] - 最终实现3个月内销售额增长200% 用户复购率提升35% [9] 行业转型核心逻辑 - 精准触达是技术升级和营销思维转变的共同结果 从以品牌为中心转向以用户为中心 [10] - 通过深度理解用户需求、匹配场景化渠道、定制个性化内容实现最小成本最大效能 [10]

Perplexity公司的浏览器战略 - Perplexity计划开发自有浏览器"彗星"，以追踪用户在线行为数据，用于销售"超个性化"广告 [1] - 浏览器将收集用户在应用外的行为数据，包括商品购买、酒店选择、餐厅光顾等，以构建更精准的用户画像 [1][2] - 公司CEO认为用户会接受追踪行为，因为广告相关性将提高 [3][4] 市场竞争与合作 - Perplexity与摩托罗拉达成合作，其应用将预装在Razr系列手机上，用户可通过Moto AI访问服务 [6] - 公司正与三星洽谈合作，可能进一步扩大移动端覆盖 [6] - 行业普遍采用用户追踪技术：Meta通过Pixels收集数据，苹果也在部分应用中默认追踪用户位置 [7] 行业监管环境 - 谷歌因垄断行为面临美国司法部诉讼，可能被要求剥离Chrome浏览器业务 [10] - OpenAI和Perplexity均表示有意收购Chrome业务，如果谷歌被迫出售 [11] - 用户数据追踪行为已引发欧美多国对科技公司的不信任 [8] 产品进展 - "彗星"浏览器虽遇挫折，但仍计划于五月发布 [5] - 公司CEO公开解释浏览器战略，承认其与谷歌商业模式相似 [9]