ARTICLE · 1174898
随身助手,还是随身间谍?AI眼镜全天候助手值得信任吗?
随身助手,还是随身间谍?AI眼镜全天候助手值得信任吗?你有没有过这种经历：和朋友刚聊到某样东西：一个新出的产品、一个想去的地方、一个坊间传闻 ……过一会儿刷手机，相关商品或者内容就推过来了。 几年前有次我和朋友见面，顺便聊起公司的一件陈年八卦，那事情在圈内有一定传播度，但肯定不是一般公众关心的内容。咖啡没喝完，手机上就刷到了估计是某前同事写的相关故事。我们当时都吓了一跳！ 一次可以当巧合。三五次之后，你会开始怀疑一件事：手机是不是在偷听我说话？ 这个担忧相信很多人都有过，原因比较复杂，我们暂且不谈。而现在，一些AI眼镜正在走向另一个方向：让用户主动授权它持续记录自己的生活，希望AI越来越懂自己。 
当我们主动邀请AI记录生活时，我们究竟是在获得一个更聪明的助手，还是在制造一个更了解自己、也更容易越界的观察者？ 
2025 年 7 月，一家仅8人的公司 Bee 被亚马逊宣布收购，团队并入旧金山硬件部门。2026 年 1 月的 CES 上，亚马逊把它的产品Bee Pioneer正式推上台面。 Bee Pioneer 长这样：健身手环大小，双麦克风，无屏幕，无唤醒词。按一下唯一的按键，它就开始把你说的话转写成文字。它做的只有一件事：把你一整天的对话，变成摘要、待办、承诺清单和可检索的记忆。 CES 上发布的能力包括：Actions（把口头表述变成邮件和日历邀请）、Daily Insights（从几周数据里挖你的情绪与行为模式）、Voice Notes、Templates。亚马逊高管在台上把路线说得很清楚：Bee 负责“外出场景”，Alexa 负责“家里”，两条线最终合并成一个“全天候助手”。 这个设备不是“窃听”，而是“被用户授权的记录”。有按键，当然可以选择性地录制用户的语音。但要实现全天候的个人记忆，设备就必须在用户日常生活中持续保持可用，并在适当的时机采集信息。即使用户可以手动暂停，产品的设计目标仍然是尽可能少地遗漏那些用户事后希望记住的内容。 问题也由此而来：当持续采集成为默认体验时，用户究竟还能在多大程度上控制哪些内容被记录？ 多家科技媒体在深度体验后，给出了“有趣但令人不安”的评价。 最大的亮点是价格（49.99美元）和潜力。有评测者认为，它能将零散对话转化为有用的摘要和待办事项，作为“记忆辅助”工具，在记录工作会议等场景下表现合理。其设计低调，且提供了物理静音按钮，隐私保护方面有基本的考量。 媒体评测集中批评了AI的“幻觉”和识别能力。有评测者指出，设备有时会生成“关于她生活的同人小说”，甚至无法区分说话者，会把电视、歌曲的声音也当成用户的对话来处理。此外，尽管有静音按钮，但部分本应关闭时的对话仍出现在摘要中，引发了强烈的隐私焦虑。体验者最终认为，它在敏感私人场景下的使用感更像“窥探” 换句话说，大家认可的点主要是：我想让你记录和整理的内容，可以得到较好的辅助。吐槽的点依然主要和隐私和实用性有关：不该听的别瞎听，听也听不明白，还瞎琢磨。 Bee 这条路，很快得到了 AI 眼镜厂商的欢迎。已经有一些国内厂家推出了以“AI全天候记录”为特点的设备，其他几家也在跃跃欲试，理由很简单： 我想了想假如我佩戴它一天，都会让它听到什么：
对于工作信息的私密性，你可能会说：“这有啥可怕，现在会议纪要很多都是由企业办公平台总结了”。但会议纪要的位置不一样：它依托的是企微、钉钉这些合规可信的大厂平台，背后已经有企业邮件、IM、内部系统这些核心信息打底。而且，面对面的、非正式的沟通是不包含在内的。把这些信息都交给一个初创互联网公司，你放心吗？ 生活上的信息可能更加敏感，若干大佬、明星因为饭局闲谈而塌房的故事大家都听说过。而且，人前风光的你，不会想把回家跪搓板的事情都告诉AI吧…… 至于环境中的他人对话、电视节目等，都是干扰因素，反而会影响判断。一位测试者看了Netflix的《林肯律师》，Bee 就把背景播放的剧情当成了他说的话，推断他是法律从业者。 在排除干扰的情况下，全天候采集依然会有三重错位 先说一件我在很多宣传里看到的话术：“我们只转写文字，不保留原始录音。” 不保存原始录音，确实可以降低部分风险，但不能据此认定隐私问题已经解决。 转写后的文本，敏感度和录音区别不大。你担心的不仅是“别人听到我的声音”，而是“别人知道我说了什么”。把音频变成文字，只是改变了信息的存储形式，并没有自动消除其敏感性。 麦克风的隐私问题是“隐身”的，这比摄像头更难防。摄像头的争议之所以大，恰恰因为它可见，所以我们发明了快门声、指示灯。麦克风没有这个可见性。你能看到对面的人戴着眼镜，但看不出麦克风开着。摘掉摄像头解决的不是隐私问题，是把争议从可见处挪到了不可见处。 “设备端脱敏”这个说法值得追问。脱敏脱掉的是什么？大概率是姓名、电话、账号。那么“客户那个负责人”、“我上次说的那个方案” 这些指代脱敏了吗？而在一段完整的上下文里，这些指代的可辨识度极高。脱敏之后剩下的那份文本，仍然是一份能还原大部分事实的记录。 音频侵权更难被察觉，也更难被追认。照片流传出去，你还能认出自己；录音你很可能永远不知道。这意味着侵权是隐形的。 最关键的一点：录的不只是你。把“用户本人及周围人的对话”转写保存。这些周围人没有同意，也无法知情。这就是争议的真正所在：全天候音频采集不是摄像头的替代方案，而是把同一个问题换了一个更隐蔽的载体。 某AI眼镜的宣传里有一句很关键的话：“多组麦克风，可区分多人对话。” 先说要肯定的一点：设备可以知道哪句是你说的。某些设备可以利用骨传导或接触式拾音等技术，更清晰地采集佩戴者自己的声音。区分“我说的”和“别人说的”，这一层是能做到的。 但“别人”之间的区分，是另一个量级的问题。系统需要结合声纹特征、声学线索等信息，判断不同的话分别来自谁。在会议、饭局、闲聊等多人交谈、甚至同时说话的场景中，这种判断仍然可能出错。更麻烦的是，即使系统能够区分说话人 A、B、C，也不意味着它知道这些人分别是谁。要把声音与现实中的具体身份对应起来，还需要额外的信息。而最值得警惕的是：这类错误可能是静默发生的。生成的文本读起来依然通顺，但一句话可能被错误地归给某个人。你未必能从文字本身发现问题。 一个记忆系统的错误，比一个记忆系统的缺失更糟糕，因为你要信任它。 这是我最在意的一点，也是最容易被忽略的一点。 前面说的隐私和归属，都还是工程问题：也许某天能修好。但这一条是方向性的。 全天候音频采集，采集的是“已经出口的那部分”。 而出口的话，是被场景和听众塑造过的。你在会上说的那句“我觉得这个方案可以”，是说给同事听的；你在饭桌上说的“最近挺好的”，是说给朋友听的；你回客户那句“我们再考虑一下”，是说给甲方听的。这些是社交接口的输出，不是你的思维。 你心里在同一时刻想的是什么？是“这会出问题，但我也没有更好的建议”、是“好什么好，我最近烦死了”、是“太欺负人了，我根本不会考虑”。这些话一句都没出口，设备一句都听不到。 人一天里有大量思维活动从未变成声音：权衡、忍耐、改主意、推翻自己、在心里反复担忧，或者突然闪回的记忆。这些内容并不会因为设备持续记录对话，就自动成为 AI 可以读取的信息。。 还有一层次生效应，我认为比漏采更值得警惕。 当你知道有一台设备在全天候地记录，并且这些记录会被总结成“个人画像”“性格分析”“表达习惯”时，你会不自觉地往理想自我的方向说。这就是日常化的观察者效应。 结果是：它不但记不到你的真实想法，还会改变你原本自然的表达。用上一年之后，那份“个人记忆数据库”里装的是你表演作品的合集，它会越来越像一份精心维护的简历，而不是你。 归根结底，这是一个范畴错误：把“对话”当成了“思考”。人有大量非语言的思维：图像、直觉、情绪、体感。语言本身就是对思维的一次压缩，说出口的话又是经过场景、关系和社交规则筛选后的表达。AI 即使完整记录了这些话，也只能获得关于你的部分信息，而不是你的全部内心世界。 所以，如果AI这个“第二大脑”的目标真的是理解你，那么仅靠全天候音频采集，就很难抵达这个目标。它采集的是你表演给世界的版本。 真实世界中，一个聪明的秘书，会察言观色，该听的听，该记的记，不该参与的主动回避。会综合各种信息，理解老板意图，合理安排老板的工作乃至生活。 不太机灵的，听不明白，记不清楚，拿鸡毛当令箭，把老板的隐私当八卦出去乱讲，搞不好还把记事本丢了，泄露公司机密。 更别说别有用心潜伏在老板身边的间谍了。 那么AI助手呢？ 一个聪明的 AI 助手，不只是能听见、能记住，还应该知道什么时候该听、什么时候不该记，以及什么时候应该承认自己没有听懂。 它应该帮助你整理记忆，而不是把未经核实的信息变成看似可靠的事实；应该理解信息的边界，而不是把接触到的一切都当作可以利用的数据。 更重要的是，它应该知道：一个人说出口的话，并不等于他全部的想法。记录得越多，也不一定意味着理解得越深。 真正值得信任的 AI 助手，不应该以知道你的一切为目标，而应该以恰当地帮助你为目标。 所以，在准确性、隐私保护和用户控制能力得到充分验证之前，“全天候”不应该成为值得炫耀的卖点。因为我们真正需要的，不是一个无时无刻都在听的监听者，而是一个知道何时该听、何时该停的助手。
1 关于手机“窃听”的担忧
2 被授权的“全天候记录与分析”
肯定之处
主要问题
3 从手环到AI眼镜
个性化数据能带来服务增值，目前市场上的AI眼镜应用场景有限，同质化严重。如果要让 AI 眼镜真正“更懂你”、成为个性化的智能助理，用户数据就可能成为改善服务的重要基础。相比摄像头带来的视觉隐私争议，语音记录提供了另一种获取个人情境信息的途径。
AI眼镜更适合全天候采集：如果说AR/VR眼镜是任务型设备，AI眼镜的主打方向是全天候佩戴，尤其对于本身需要佩戴处方眼镜的用户，本身就是刚需。
AI眼镜语音采集质量高：眼镜在用户的脸上，离嘴巴最近。对于用户本人语音，比手环采集的质量要高出很多。 
4 全天候采集会采集到什么
语音类型 | 敏感度 | 完整性 | 记忆价值 |
工作相关的讨论，包括自己、同事、客户的对话。这其中包括公司内部信息或者客户敏感信息。 | 高 | 中（佩戴耳机开会只能听到自己） | 高 |
和家人朋友的对话：家长里短、家庭隐私，吐槽八卦、偶尔还有情绪宣泄。 | 高 | 中 | 中 |
电视、播客等等娱乐节目（这可能是最完整而且不间断的对白） | 低 | 高 | 低 |
环境音、周边对话 | 低 | 低 | 低 |
5 关于全天候音频采集的三重错位
第一重错位还是隐私：不保留原始录音，不等于没有保存秘密
第二重错位是正确性：录下来，不等于分得清谁在说
第三重错位是真实性：你说出口的，和你每天想过的，相差很大
