TCL实(shi)业首席技能官孙力说：TCL衡量AI投入是不是成立的尺度，就(jiu)是用(yong)户体验是不是真(zhen)的与(yu)过去拉(la)开了差异，和(he)“新体验减去旧体验”的差值，是不是足以覆盖为之支付的本钱。

TCL1981年成立于广东惠州，通过TCL实(shi)业与(yu)TCL科技两个家当集(ji)团，2025年实(shi)现(xian)年营收超过3500亿元。半导体显示、新能源(yuan)光伏(fu)与(yu)半导体材料等2B业务(wu)主要在TCL科技，智能终端等2C业务(wu)主要在TCL实(shi)业。

01 业务(wu)推着技能走

作为TCL AI计谋(mou)的主要制定者(zhe)，TCL科技首席技能官、TCL工(gong)业研究院院长闫(yan)晓林博士的AI热(re)情点燃于2012年。当年10月，杰弗里·辛顿团队发表关(guan)于深度学习的论文，激发轰动，冲击(ji)波也击(ji)中了闫(yan)晓林。很快，他就(jiu)带领工(gong)研院团队成立了野生智能技能兴趣小组，每周六下午聚在一起交流讨论AI学术论文。13年如一日的“科研沙龙”，让闫(yan)晓林累计浏览了两三千篇AI论文，也使得工(gong)研院团队连结着对最新技能的敏感度。“每一个礼拜六风雨无阻(zu)，这是技能职员最幸福的时候。”闫(yan)晓林说。

粘稠(chou)的科研空(kong)气背(bei)后，是TCL大手笔的研发投入。李东生泄漏(lou)，过去六年，TCL的研发投入超过600亿元，2025年的研发投入达150亿元。

2017年6月，谷歌关(guan)于Transformer架构深度学习模型的论文发表，开启(qi)了AI大模型期间。闫(yan)晓林向李东生建议加大野生智能偏向投入，并推动工(gong)研院同(tong)时聚焦显示技能和(he)AI技能。技能的枢纽是人材，闫(yan)晓林再次建议设立外洋研发基地，李东生欣然同(tong)意，TCL随后在波兰华沙设立了新的野生智能研发中心(xin)。由此(ci)，华沙中心(xin)与(yu)武汉、西安、中国香港等地的工(gong)研院形成了多层次、环球(qiu)化的研发网(wang)络。

现(xian)在，TCL的AI研发已形成基础研究与(yu)家当落地“双轮驱(qu)动”：各(ge)地工(gong)业研究院专注前沿技能贮备和(he)基础算法研发，工(gong)业智能平台格创东智专攻工(gong)业软件和(he)装备侧AI落地，各(ge)家当集(ji)团聚焦产品端的研发。

“算法工(gong)程师一最先是没有习惯进工(gong)场的。”格创东智CEO何军对《财经》回想。TCL工(gong)业研究院主攻底层技能研究，同(tong)时能间接对接工(gong)场，这让算法工(gong)程师们(men)无机会在真(zhen)实(shi)产线(xian)中理解制作流程，成为既懂算法又懂产线(xian)的复合型人材。这种架构巩固了构造间的研发闭环：工(gong)研院输出的AI算法经过格创东智产品化，在华星等业务(wu)单元落地，再将数据(ju)和(he)需求反应给研究团队持续(xu)优化。

在TCL的AI研发中，星智大模型是旗(qi)舰项(xiang)目(mu)。大模型犹如大脑(nao)，大脑(nao)指(zhi)挥手足。比年来通用(yong)大模型进步飞快，尤(you)其是国产开源(yuan)通用(yong)模型，其性价比之高，让各(ge)行各(ge)业都掀起了适配下游AI应用(yong)的高潮。

在实(shi)业界，TCL的大模型研发起步较早，2022年11月ChatGPT发布后，TCL就(jiu)最先基于通用(yong)大模型研发本身的垂域(yu)大模型。2023年11月，星智大模型1.0发布，2024年12月上线(xian)2.0版。2025年4月底，阿里云发布通用(yong)大模型千问(wen)（Qwen）3.0版并宣布开源(yuan)，TCL决定与(yu)阿里云睁开深度合作。

5月，双方宣布配合打造显示领域(yu)的专家级大模型。由于半导体显示涉及大批敏感工(gong)艺数据(ju)，星智X-Intelligence被(bei)定位为私(si)有化部署的垂直模型，阿里云派出资深研发力量加入联(lian)合项(xiang)目(mu)组。星智项(xiang)目(mu)负责人、TCL武汉工(gong)研院总经理刘阳兴向《财经》介绍，阿里云为星智项(xiang)目(mu)配备了覆盖预(yu)训练、后训练、多模态等偏向的专家，双方建立了每周例会和(he)即时沟通机制，共享履历并解决训练过程中的问(wen)题。

TCL把100多万(wan)篇显示领域(yu)论文及数十年沉(chen)淀(dian)的10万(wan)篇内部技能文档(dang)投喂给模型，以加强星智对专业问(wen)题的理解和(he)推理能力。阿里云提(ti)供了本身最先进的开源(yuan)大模型，赞助TCL找到了一套“通用(yong)+垂直”数据(ju)优化方案(an)，使模型既能拥有显示领域(yu)的专业解答和(he)复杂推理能力，又能具备生成文本、编写代码等基础能力。

7月，星智大模型3.0版发布。刘阳兴泄漏(lou)，星智3.0在半导体显示相干问(wen)答、诊断分析等任务(wu)上的表现(xian)已领先行业。

星智3.0发布的同(tong)时，一个更宏大的框架浮出水面(mian)：TCL华星提(ti)出“1湖(hu)1模3平台”的“五(wu)星AI架构”。“一湖(hu)”即星湖(hu)数据(ju)湖(hu)，汇聚了显示家当链各(ge)环节(jie)的海量高质量数据(ju)；“一模”指(zhi)星智垂直大模型，将具备强大的推理和(he)多模态能力，是华星工(gong)业AI的大脑(nao)；“三平台”则是驱(qu)动AI落地的引擎：星云为算力云平台提(ti)供底层算力调理，星舟提(ti)供算子库(ku)和(he)模型库(ku)工(gong)具箱，星域(yu)利用(yong)AI Agent将能力落地到具体场景(jing)。有了这一套架构，华星基本构建起从数据(ju)、算法到应用(yong)的全栈能力。

星智的出色表现(xian)，让TCL领导层决定没有让其范(fan)围在华星利用(yong)，而是将其进级为全部TCL的底座大模型。将来，星智将办事于TCL各(ge)家当集(ji)团的更多业务(wu)场景(jing)，从研发设计、临盆优化到运营决策(ce)，成为各(ge)业务(wu)板块创新的智能底座。

技能遍及带来了观念转变。在TCL，AI应用(yong)最后是从上至下推动，如今(jin)是业务(wu)部分主动拥抱(bao)。TCL华星数字化转型中心(xin)中心(xin)长佘必海向《财经》介绍，TCL会定期举行AI应用(yong)赛事，鼓励各(ge)部分出现(xian)的金点子同(tong)台竞技，胜(sheng)出者(zhe)会获得响应激励，这对推动AI落地效果(guo)显著。迄今(jin)，公司员工(gong)基于星域(yu)平台已开发了近3000个Agent（智能体），AI已成为进步工(gong)作效率的一把利器，每一个愿意实(shi)验的人都能从中受益。

佘必海说，“许多企业是数字化部分推着业务(wu)用(yong)新工(gong)具，而在TCL华星，更多是业务(wu)侧主动提(ti)出改进需求，反过来要求技能团队加强能力、优化工(gong)具。”

TCL科技数字化转型总经理、TCL工(gong)研院副院长李冰向《财经》介绍，TCL的AI项(xiang)目(mu)要有清楚的ROI（投资报答率），能算出省下了多少人力、进步了多少良率。正因(yin)为如此(ci)，TCL当前大部分重点AI项(xiang)目(mu)都由业务(wu)部分主导，以解决经营痛点为导向，而没有是由技能部分立项(xiang)。

这种由需求牵引供给的模式(shi)，令AI融入业务(wu)的速(su)度大大加快。

02 制作业的AI拐点

牢牢盯着上万(wan)张面(mian)板照片，努力区分几十种没有同(tong)类(lei)型的缺点，并将每张缺点图挂上响应的代码。这曾是梁林萍每天的工(gong)作。

2016年，梁林萍还(hai)是TCL华星面(mian)板厂的一名质检员，同(tong)事们(men)都喊她“梁工(gong)”。那时的缺点检测端赖肉(rou)眼，每一个质检员一天需要经手上万(wan)张照片。梁林萍是其中的佼佼者(zhe)，判图精确率总是名列前茅。2017年，当公司筹办引入AI系(xi)统辅(fu)助质检时，梁林萍被(bei)组长点名调入AI质检项(xiang)目(mu)组，成了第(di)一批“吃螃蟹”的人。

彼时华星正在用(yong)AI视觉识别技能开发一套自动缺点分类(lei)系(xi)统（ADC，Auto Defect Classification），方针是用(yong)机器取代野生目(mu)检。梁林萍的任务(wu)是利用(yong)本身多年积存的判图履历，批量对缺点照片进行分类(lei)和(he)标注，提(ti)供给算法团队作为训练素材。

梁林萍面(mian)临的是全然目(mu)生的领域(yu)。每天，她和(he)算法工(gong)程师们(men)坐在同(tong)一个办公室，当模型效果(guo)没有理想时，工(gong)程师们(men)会请她分析是哪些种别殽杂或漏(lou)标而至。跟着系(xi)统渐渐成熟，技能职员将复杂的建模过程拆解并固化下来：从数据(ju)网(wang)络、标注，到模型训练、上线(xian)发布，最终形成了一条尺度化流程（SOP）。

最后的一年多，梁林萍都在给AI“喂数据(ju)”。她在实(shi)践中疾(ji)速(su)上手，到2020年，已可以独立完成一个新模型的训练和(he)上线(xian)，全程几乎(hu)没有用(yong)写一行代码。“现(xian)在数据(ju)我(wo)能处置惩罚，模型我(wo)也能训，训练好后一键发布到平台，就(jiu)能在产线(xian)上线(xian)运行。”她笑着对《财经》说。就(jiu)这样，这位原本与(yu)AI毫没有相干的一线(xian)员工(gong)，转身为厂里的“AI训模师”。

如今(jin)每座华星工(gong)场都至少配备了一两名梁林萍这样的训模师。他们(men)既是AI模型的训练师，也是产线(xian)和(he)算法团队之间的桥梁。一旦(dan)某条产线(xian)出现(xian)AI判断没有了的新型缺点，首先由他们(men)分析、实(shi)验优化模型，解决没有了的再反应给算法工(gong)程师。在梁林萍看来，本身的工(gong)作本质上还(hai)是和(he)之前一样，都是与(yu)数据(ju)打交道，只是利用(yong)的工(gong)具更智能了。“越做越发现(xian)，AI并没有那么神奇(qi)，它背(bei)后还(hai)是离没有开人”。

TCL华星ADC系(xi)一致(zhi)经上线(xian)，立刻展现(xian)出惊人的效率提(ti)升(sheng)：产线(xian)检测速(su)度提(ti)升(sheng)近一倍，人均产出提(ti)升(sheng)近十倍。在华星面(mian)板厂，过去至少需要一百(bai)名质检员同(tong)时作业，现(xian)在只需六小我(wo)私(si)家。

ADC还(hai)让面(mian)板厂的良品率显著进步。这套系(xi)统没有仅能判断有无瑕疵，还(hai)建立了非常归因(yin)机制。佘必海向《财经》介绍，华星已通过ADC将缺点成因(yin)细(xi)化为1000多类(lei)。在产线(xian)上，如果(guo)有几片玻璃在相同(tong)位置出现(xian)异样瑕疵，AI可以或许实(shi)时监控出非常，半小时内定位问(wen)题泉源(yuan)呼叫工(gong)程师检查(cha)响应装备。而野生模式(shi)下，往往要四五(wu)个小时才(cai)能察觉非常。

面(mian)板制作过程中，针对某些特定瑕疵，可以通过修补工(gong)序来进步良品率。这一步此(ci)前依(yi)赖履历丰富的工(gong)人手动操纵修补机，属(shu)于独立岗亭(ting)。2021年前后，华星启(qi)动了ADR（Automatic Defect Repair）项(xiang)目(mu)，让AI接管修补工(gong)作。当ADC判断某块面(mian)板存在可修复的缺点时，产品流转到修补站，装备会读取ADC提(ti)供的缺点坐标信息，再由旁边(bian)的工(gong)控机调用(yong)训练好的模型执行修补操纵。修补完成后，面(mian)板继承流转至后续(xu)工(gong)序，全部过程无需野生干涉干与(yu)。

TCL华星是环球(qiu)第(di)二大显示面(mian)板临盆商，良率的提(ti)升(sheng)相当重要。TCL华星深惠基地总经理张才(cai)力向《财经》介绍，在深圳工(gong)场，面(mian)板临盆的良率进步1个百(bai)分点，每一年就(jiu)能有几亿元的本钱低落。除了深圳，TCL华星还(hai)在广州、苏州、武汉拥有临盆基地。在武汉t4工(gong)场，TCL华星2024年下半年上线(xian)了自动消弭面(mian)板色彩或亮度没有均匀的Auto Demura系(xi)统，这是一种AI视觉识别+算法调优的技能。到2025年12月初，该项(xiang)目(mu)通过良率提(ti)升(sheng)产生了至少2.48亿元效益。闫(yan)晓林强调，“这是经过TCL华星财政(zheng)审核的扎实(shi)数据(ju)。”

“野生智能技能已渗透到TCL华星各(ge)个业务(wu)的毛细(xi)血管中”，闫(yan)晓林说。

光伏(fu)是TCL继家电(dian)和(he)显示面(mian)板以后的第(di)三增长曲线(xian)。在TCL中环的光伏(fu)硅片临盆线(xian)上，AI重塑了核心(xin)的拉(la)晶(jing)工(gong)艺。所谓“拉(la)晶(jing)”，是指(zhi)将低温(wen)熔融的硅料冷却结晶(jing)为单晶(jing)硅棒，硅棒质量决定切割出的硅片质量，硅片质量决定电(dian)池片的质量。拉(la)晶(jing)工(gong)序过去依(yi)赖人的履历传承，难以尺度化复制。当制作规模扩张时，企业可以没有停地添置单晶(jing)炉，却无法复制出等量的老徒弟。

2025年，TCL中环实(shi)验让AI把老徒弟的履历尺度化。通过对温(wen)度、拉(la)速(su)、电(dian)流等拉(la)晶(jing)时序数据(ju)进行高频建模，AI从海量数据(ju)中提(ti)炼隐藏的规律，将拉(la)晶(jing)诀(jue)窍拆解为可解释的数字模型，然后针对每台单晶(jing)炉自动生成SOP并持续(xu)自我(wo)迭代，实(shi)现(xian)“一炉一策(ce)”。 据(ju)TCL中环介绍，系(xi)统投入利用(yong)后，单一操纵员管理的单晶(jing)炉数量从十几台提(ti)升(sheng)到300多台，开炉本钱较2024年底低落约21%，整体休(xiu)息临盆率提(ti)升(sheng)300%。

03 AI家电(dian)解决了甚么真(zhen)问(wen)题？

TCL科技和(he)TCL实(shi)业的营收，可大致(zhi)作为其B端、C端业务(wu)比重的参考。2025年上半年，二者(zhe)的比例是55.1%和(he)44.9%。虽(sui)然2B业务(wu)的营收早已超过2C业务(wu)，但在多半公众眼里，TCL还(hai)是家电(dian)公司，家电(dian)业务(wu)也仍然是TCL的基本盘。

在孙力看来， AI是一种“短(duan)时间没有能神化，长时间没有能低估(gu)其倾覆能力”的技能。他对《财经》说，互联(lian)网(wang)解决的是毗邻问(wen)题，AI能自立决策(ce)，这是人类(lei)历史上第(di)一次，细(xi)思极恐，从前都是人类(lei)把程序写好机器去执行。

孙力卒业于上海交通大学，野生智能与(yu)图像处置惩罚硕士，2019年起担(dan)任TCL实(shi)业CTO。他认为过去六年的技能枢纽词是：毗邻、单体智能、群体智能、大模型驱(qu)动的群体智能。大模型会催生大批新型智能硬件、机器人、智能眼镜等。

然则，家庭空(kong)间中的电(dian)视、空(kong)调、冰箱和(he)洗衣机没有会因(yin)为机器人或其他新装备的出现(xian)而消失，它们(men)依(yi)然是用(yong)户每天高频接触的装备。

孙力说，家电(dian)产品的AI创新空(kong)间非常大，但必须基于各(ge)自的第(di)一性原理。电(dian)视的第(di)一性原理是要懂画质和(he)音质，空(kong)调的第(di)一性原理是懂空(kong)气，洗衣机的第(di)一性原理是懂衣服，冰箱的第(di)一性原理是懂食物。

在各(ge)种传统家电(dian)里，孙力认为电(dian)视是AI提(ti)升(sheng)用(yong)户体验效果(guo)最明显的终端。电(dian)视和(he)手机没有同(tong)，它的遥控器没有触控屏，效率有限，而电(dian)视观看场景(jing)多发生在相对私(si)密(mi)、放松的家庭环境中，语音在这里天然是更高效的选择，场景(jing)与(yu)技能高度婚配。

TCL在2013年就(jiu)最先实(shi)验语音电(dian)视，但当时的技能没有行，没办法与(yu)用(yong)户顺畅交互。直到2022年底大模型技能成熟后，变化才(cai)真(zhen)正发生——电(dian)视第(di)一次可以或许理解诸如“这个演(yan)员是谁(shui)”“他还(hai)演(yan)过甚么”“最近有甚么类(lei)似风格的剧”这类(lei)开放式(shi)的连续(xu)问(wen)题。

从用(yong)户角度看，这种变化的本质没有是“AI更聪明白”，而是“我(wo)猎取节(jie)目(mu)内容更轻易了”——说完一句话，就(jiu)能获得想要的结果(guo)。对TCL来说，这就(jiu)是衡量AI投入是不是成立的尺度：用(yong)户体验是不是真(zhen)的与(yu)过去拉(la)开了差异。

但体验历来没有是“无本钱”的。对电(dian)视这样的终端产品而言，大模型更像是被(bei)放进机器里的一个“大脑(nao)”——每一次语音哀(ai)求，无论是“换个台”还(hai)是“找一集(ji)小猪佩(pei)奇(qi)”，背(bei)后都会产生真(zhen)实(shi)的算力与(yu)能耗本钱。如果(guo)推理本钱和(he)当地算力需求太高，体验即使再好，也会反映到整机本钱上。

因(yin)此(ci)，模型并没有是越大越好。更现(xian)实(shi)的路径，是围绕(rao)具体利用(yong)处景(jing)，对大模型进行压缩和(he)裁(cai)剪，让它在可控的算力和(he)本钱约束下，提(ti)供“充足好”的体验，而没有是追求实(shi)际上的最优。这也是为甚么在终端侧，AI的工(gong)程工(gong)作往往比模型本身更重。

这种取舍背(bei)后，本质仍然是ROI的推断。没有同(tong)产品、没有同(tong)功能，对应的投入产出比各(ge)没有相同(tong)，最终都要回到商业的基本问(wen)题：用(yong)户体验有无本色改善。这是一种务(wu)实(shi)做法，既没有神化技能，也没有因(yin)循守旧。

孙力介绍，TCL的内部讨论中，高层们(men)反复强调“AI一定要解决真(zhen)问(wen)题”。“新体验减去旧体验”的差值，是不是足以覆盖为之支付的本钱。如果(guo)体验提(ti)升(sheng)很明显，但价格高到超越用(yong)户生理预(yu)期，市场异样没有会接受；技能再炫目(mu)，却没能让用(yong)户在利用(yong)中逼真(zhen)感遭到差异，那就(jiu)是“高射炮打蚊子”。

在一些具体产品的讨论中，孙力指(zhi)出：没有是大模型没有够强，而是产品还(hai)没准备好。

一个典(dian)型例子是空(kong)调。“昨晚有点热(re)，我(wo)没睡好”“以后凌晨(chen)三点调高一度，五(wu)点关(guan)掉”——大模型已能理解自然语言中夹杂着的时间、情绪、身体感觉和(he)隐含义图，但如果(guo)空(kong)调本体的控制系(xi)统、接口和(he)操纵系(xi)统仍停留在上个期间，意图到达硬件后只能被(bei)拆解成零散、僵硬的指(zhi)令，无法将“凌晨(chen)三点”与(yu)人的睡眠阶段之间的关(guan)系(xi)转换为行动。

孙利巴这种状(zhuang)态称为“同(tong)理心(xin)虚耗”，AI硬件产品真(zhen)正的难点是能否把过去几十年形成的软硬件结构砸(za)碎、重组为新的交互方式(shi)。

质变需要很长时间，TCL空(kong)调的策(ce)略是循序渐进。TCL实(shi)业空(kong)调事业部总经理陈(chen)绍林向《财经》介绍，通过没有断理解用(yong)户的需求，构建“感知-认知-决策(ce)-办事”的全链路AI能力，TCL空(kong)调正在实(shi)现(xian)从感知到认知，从“主动响应”到“主动办事”的代价进级。

TCL的工(gong)程师希望用(yong)户意识没有到空(kong)调的存在。人在夜里被(bei)热(re)醒(xing)或者(zhe)冷醒(xing)，总是会伸手找遥控器。TCL的解决方案(an)是在空(kong)调里装置毫米波雷达，用(yong)它来探测人体在床上的“微动量”——翻身、呼吸和(he)位置，然后连系(xi)算法推断睡眠状(zhuang)态，合营AI遗传算法，学习用(yong)户睡眠习惯，定制专属(shu)睡眠温(wen)度曲线(xian)，智能调节(jie)睡眠温(wen)度

这样的空(kong)调必须合营AI系(xi)统，因(yin)为要学习定制用(yong)户专属(shu)的可变睡眠温(wen)度曲线(xian)：入眠前过度降温(wen)，赞助疾(ji)速(su)入眠；深睡阶段连结较低且稳定的温(wen)度；接近清醒(xing)时，温(wen)度缓慢回升(sheng)，让醒(xing)来更舒(shu)适。相比传统空(kong)调在夜间需要用(yong)户手动调温(wen)，新空(kong)调试图替人代劳。数据(ju)采集(ji)当然在当地完成，较量争论过程一部分在当地完成，另外一部分被(bei)送到云端，与(yu)TCL实(shi)业开发的伏(fu)羲空(kong)气大模型联(lian)动，连系(xi)更大范(fan)围的环境数据(ju)，校验后作出调温(wen)或调风决策(ce)。

陈(chen)绍林介绍，在内部测试中发现(xian)，在没有新风条件的密(mi)闭卧室里，清早起床时的二氧化碳浓(nong)度可达到2000ppm左(zuo)右，头昏脑(nao)胀是常见的体感反应，但久居其中的人却难以察觉。因(yin)此(ci)，新风被(bei)纳入与(yu)温(wen)控平等重要的系(xi)统能力，合营传感器实(shi)时监测空(kong)气状(zhuang)态，可以实(shi)现(xian)在必要时自动开启(qi)。

对于空(kong)调这类(lei)高电(dian)耗装备，电(dian)费是大部分消费者(zhe)的痛点。传统空(kong)调的压缩机由电(dian)路板和(he)固化逻辑(ji)控制，只能根据(ju)少量规则启(qi)停。AI的强化学习算法则能根据(ju)实(shi)时功耗、室内外天气和(he)温(wen)度变化来控制压缩机的状(zhuang)态。

TCL的实(shi)验数据(ju)显示，在部分场景(jing)中，通过对压缩机运行频率和(he)室外风机转速(su)的优化，在体感舒(shu)过度几乎(hu)没有变的情况(kuang)下，能耗可下落接近40%。这也是AI在终端产品中，最容易被(bei)用(yong)户感知到的收益。

04 雷鸟眼镜，新范(fan)式(shi)的AI原僵硬件

家电(dian)是一个高度成熟的制作业，产品逻辑(ji)成熟，规模效应明显，因(yin)此(ci)企业的利润率广泛(fan)没有高，本钱约束极强。对家电(dian)产品，任何新技能都很难带来倾覆式(shi)的转变。

孙力说，传统电(dian)器是在既有产品上加上AI，雷鸟眼镜则是为AI而生的新物种，没有AI它就(jiu)没有存在的必要。

孙力说的是TCL雷鸟创新技能（深圳）有限公司临盆的AR眼镜，Augmented Reality（AR，加强现(xian)实(shi)）是一种将虚拟天下与(yu)真(zhen)实(shi)天下相融会的技能。

在生成式(shi)AI2023年爆发之前，TCL雷鸟就(jiu)已押注AR眼镜，现(xian)在这条路线(xian)的逻辑(ji)越发清楚，雷鸟也已成为国内AR眼镜的头部厂商。

放眼环球(qiu)视角，智能眼镜已成为多家科技公司押注“下一代终端”的筹码。TCL雷鸟创新首创人兼CEO李宏伟对《财经》泄漏(lou)表现(xian)，AI和(he)硬件行业正在寻找下一个“iPhone时候”。如果(guo)以AI能力为横轴、AR对现(xian)实(shi)天下的毗邻为纵轴，过去的终端大多停留在左(zuo)下角——AI能力和(he)AR能力都没有行；而真(zhen)正的新平台理应位于右上角——AI与(yu)AR双强，数字天下与(yu)物理天下相互嵌套、深度融会。

李宏伟认为手机虽(sui)然占(zhan)据(ju)了用(yong)户最多时间，但它并不是AI原生装备，对真(zhen)实(shi)环境的感知能力有限。相比之下，AR眼镜天然具备“always-on（随时在场）”的特性，无需刻意唤醒(xing)，一直处于人的视觉与(yu)听觉边(bian)缘(yuan)，覆盖日常生存。这种第(di)一视角的多模态数据(ju)，恰好为当前行业热(re)议的“现(xian)实(shi)天下大模型”提(ti)供了最自然的数据(ju)入口，在这个意义上，AR眼镜没有仅是一个终端产品，还(hai)是AI走向现(xian)实(shi)天下的天然入口。

雷鸟眼镜的技能底座大致(zhi)可以拆分为三大板块：光学显示、面(mian)向人机交互的空(kong)间较量争论算法、运行在眼镜之上的AI系(xi)统。

在光学显示上，雷鸟从一最先就(jiu)把显示系(xi)统理解为软硬件深度耦合的结果(guo)。从光学方案(an)设计到整机制作，雷鸟都选择将枢纽能力握在本身手中，自建工(gong)场，打通整条光学显示链条。

空(kong)间较量争论则更多表现(xian)为算法能力，真(zhen)正落地到眼镜形态时，算法必须与(yu)传感器、算力和(he)功耗紧密(mi)耦合。这使得空(kong)间较量争论异样没有可避免地走向软硬件一体化，集(ji)成到芯片层面(mian)。

第(di)三个中枢是运行在眼镜上的AI系(xi)统，承载(zai)了主要的人机交互与(yu)场景(jing)能力，更接近一个为眼镜形态定制的操纵系(xi)统。它基于与(yu)阿里通义实(shi)验室的独家合作构建，通义实(shi)验室将旗(qi)下的多个大模型打包，为雷鸟的硬件和(he)场景(jing)做针对性的训练和(he)优化，并叠(die)加了意图识别、记忆(yi)、翻译、第(di)一视角理解等一系(xi)列小模型，办事于“随时在场”的交互需求。

这种从地基最先搭建的技能结构，让雷鸟眼镜可以或许掌控本身的产品偏向，更灵活地调解器件方案(an)和(he)技能路线(xian)，而没有需要依(yi)赖外部供应链。另外一方面(mian)，来自TCL的深度信任，又为其高速(su)探索提(ti)供了稳定支撑。

无论是与(yu)TCL实(shi)业的鸿鹄实(shi)验室在底层AI 能力上的协同(tong)，还(hai)是与(yu)TCL华星在显示技能上的沟通，都让TCL雷鸟得以在研发早期就(jiu)参与(yu)枢纽技能的定义。在制作端，TCL强大的供应链议价能力，也为雷鸟减轻了本钱压力。

硬件一直是最直观的挑战。在一副仅约76克的眼镜中，需要塞入光波导玻璃镜片、电(dian)池、摄像头、传感器与(yu)算力单元；镜腿中有个0.36立方厘米的微型“投影仪”，通过玻璃导光送到面(mian)前，浮现(xian)出相当于43英寸的虚拟屏幕。在光路传输过程中，要连结95%的图像在经过千百(bai)次折射、衍射后依(yi)然没有会变形，且在户外依(yi)然可读。这些约束，使得算法、轻量化、散热(re)、芯片的协同(tong)开发处于极限状(zhuang)态。

应用(yong)层面(mian)，AR眼镜尚未出现(xian)“杀手级”场景(jing)，但交互方式(shi)已发生变化：提(ti)词、实(shi)时翻译、骑行导航等功能，正在从“低头看手机”转向“抬眼即得”。更进一步的偏向，则指(zhi)向空(kong)间算法与(yu)地图、位置办事和(he)第(di)一视角感知的周全打通。

李宏伟形貌(mao)过一个理想中的应用(yong)处景(jing)：站在陌头，问(wen)眼镜助手前方哪一栋楼是要前去的目(mu)的地，或在视野中间接浮现(xian)附(fu)近评(ping)价较高的餐厅与(yu)行进偏向。对人而言，这是自然没有过的提(ti)问(wen)，但对硬件装备来说，可以或许对答就(jiu)需要整合地理位置、实(shi)时视觉、云端数据(ju)与(yu)平台信息。这恰是孙力所说的“砸(za)碎重组”——为了还(hai)原一个自然的交互过程，算法、硬件与(yu)系(xi)统被(bei)重新绑定，形成一种只能在AI原僵硬件中成立的新范(fan)式(shi)。

2026年1月5日，TCL雷鸟宣布完成新一轮超10亿元融资，由中国移动链长基金与(yu)中信金石领投，中国联(lian)通旗(qi)下联(lian)创创新基金等机构参投。次日，雷鸟在美国消费电(dian)子展（CES）上展示首款具备独立通信能力的消费级AR智能眼镜“雷鸟X3 Pro Project eSIM”。该款眼镜无需手机联(lian)网(wang)即可独立完成包含通话、实(shi)时AI对话、实(shi)时翻译、数据(ju)云同(tong)步、在线(xian)流媒体播(bo)放等功能,实(shi)现(xian)了“从手机配件到独立终端”的产品定位进级。

TCL雷鸟创新展示厅一角。马克/摄

05 AI制作的下一步往哪儿走？

只管星智大模型已在TCL多个业务(wu)板块有了落地应用(yong)，但面(mian)向将来，工(gong)研院团队认识到仍有诸多挑战，其中之一就(jiu)是多模态理解能力。多模态指(zhi)的是让模型同(tong)时理解和(he)处置惩罚文本、图像、图表、音频、视频等没有同(tong)形式(shi)的信息，而没有是只读文字。星智大模型现(xian)在虽(sui)然具备一定的图像处置惩罚能力，但它无法间接读懂一份设计图纸、PPT报告，或者(zhe)理解传感器采集(ji)的海量数据(ju)。

刘阳兴坦言，现(xian)在业界无论是通用(yong)还(hai)是垂直领域(yu)，大模型在多模态信息理解与(yu)提(ti)取上都还(hai)没有够强，许多枢纽内容如果(guo)间接丢给模型，可能提(ti)取没有全或理解有误。因(yin)此(ci)现(xian)在的实(shi)现(xian)路径往往是折中式(shi)的，在将数据(ju)交给大模型前，先用(yong)传统算法做结构化解析和(he)明确提(ti)醒(xing)，再让模型发挥其语义理解和(he)推理能力。

闫(yan)晓林泄漏(lou)表现(xian)，垂直领域(yu)多模态大模型是TCL AI研发的四个前瞻性偏向之一，另外三个是数字孪生、新材料发现(xian)和(he)具身智能，但四个偏向没有会均匀用(yong)力。比如具身智能落地依(yi)赖于天下模型（理解物理天下的模型，有别于现(xian)在的支流大语言模型），现(xian)在天下模型还(hai)处于比较早期的阶段，所以TCL的布局是连结关(guan)注，等天下模型获得较大突破，有具体应用(yong)处景(jing)时，再大规模投入。

垂域(yu)多模态大模型则是TCL基础研发团队2026年的发力重点，方针是200B（Billion，10亿）参数的多模态大模型。在大模型方面(mian)的研发预(yu)算也将大幅度提(ti)升(sheng)，团队也会扩张，公司计划再组建约50人的东欧研发团队，落地深圳与(yu)本部协同(tong)攻坚。闫(yan)晓林说，将来显示面(mian)板企业的竞争上限，就(jiu)是垂域(yu)多模态大模型的竞争力。

数字孪生也是发力重点。过去，TCL主要采纳单点仿(fang)真(zhen)连系(xi)野生智能和(he)野生排产的模式(shi)，将来的方针是实(shi)现(xian)数字孪生——从客户需求到产品产出的良率预(yu)测，再到设计环节(jie)，都实(shi)现(xian)端到端的数字孪生。当数字孪生迭代到一定阶段后，再拿到实(shi)体工(gong)场临盆。要做到这一点，垂域(yu)大模型的能力就(jiu)必须充足强。

TCL香港工(gong)研院总经理俞大海将AI的变革路径概括为三个阶段：“从用(yong)AI把事做得更快，到用(yong)AI转变工(gong)作方式(shi)，再到用(yong)AI重塑构造。”他对《财经》泄漏(lou)表现(xian)：第(di)一阶段最直观，将AI作为工(gong)具嵌入现(xian)有流程，在没有转变架构的条件下提(ti)升(sheng)效率。现(xian)在TCL大批AI应用(yong)仍处于这一层次，AI充当人的“临盆力助手”，赞助员工(gong)更快完成资料分析、报表生成、产品检测等工(gong)作。

第(di)二阶段，当AI能力进一步提(ti)升(sheng)，业务(wu)流程就(jiu)会被(bei)AI重组，许多过去串联(lian)多岗亭(ting)、多步骤的任务(wu)可由AI系(xi)一致(zhi)气呵成。AI可以或许高效完成原本分散在各(ge)环节(jie)的工(gong)作，大幅减少职员交接。这一阶段，AI没有再范(fan)围于“锦上添花”，而是最先改造流程。

第(di)三阶段是构造形态的重塑。当AI逐步胜(sheng)任专家级的分析决策(ce)，许多企业枢纽岗亭(ting)的工(gong)作范(fan)式(shi)将被(bei)倾覆。俞大海以TCL华星的质检为例，过去质检AI只是取代人眼找瑕疵，提(ti)升(sheng)检测效率。引入大模型后，AI最先参与(yu)工(gong)艺优化和(he)质量改进，这原来是资深产线(xian)工(gong)程师才(cai)能胜(sheng)任的工(gong)作。到了这个阶段，AI智能体味大批与(yu)人类(lei)员工(gong)协同(tong)工(gong)作，企业的协作逻辑(ji)也会发生质变——决策(ce)根据(ju)越发数据(ju)驱(qu)动，层级扁平化，人与(yu)机器协同(tong)共生。当那一天到来，“你的合作伙伴、交流对象、制定策(ce)略的方式(shi)，许多可能都没有是现(xian)在的样子了。”

对制作业而言，大规模研究AI应用(yong)也就(jiu)是最近两三年的事情，AI带来的想象空(kong)间才(cai)刚刚打开，一场有关(guan)物理天下与(yu)数字智能深度融会的家当变革才(cai)见雏形。作为制作业的AI先行者(zhe)，TCL所描绘的“AI向实(shi)”蓝图，没有只是企业本身的能力跃迁，也是中国制作智能化进级的代表性探索。