AI-NATIVE 系列 · 可穿戴 AI · 《可穿戴阶梯》第一集（三集之一）

头戴式计算机共折戟 23 次——19 次因资金问题，而非技术故障

作者：Paul Jialiang Wu · agentic-portfolio-lovat.vercel.app · 2026-09-30 · 15 分钟阅读

本集聚焦的核心问题到底是什么原因让 2023 年前上市的头戴式计算机纷纷夭折？

本文并不回答今天的眼镜到底能做什么—— 那是第二集，记录功能面和预注册的实地路测——或者说，眼镜要替代桌面前还需要哪些条件成立，那是第三集，预测账本.

这段头戴式计算机史讲了什么，适合哪些读者

这是《可穿戴阶梯》的第一集可穿戴阶梯，这是一个关于 AI 眼镜的三部曲：过去、现在，以及带时间戳的未来预测。本集聚焦于过去。我尽可能梳理了所有真正上市销售的头戴式计算机——不是展品，也不是原型机——从 1989 年的 Private Eye 到 2025 年 1 月下架的 Quest Pro。眼镜和头显都纳入统计，因为问题的本质是“把电脑戴在脸上”，如果只看眼镜会漏掉一半证据。需要区分时，我会单独列出眼镜的数据。

这篇文章写给三类人：一是正考虑要不要在眼镜上开发的工程师；二是判断现在是不是入场时机的创始人和投资人；三是今年刚买了智能眼镜、在琢磨自己脸上的玩意会不会步 Google Glass 后尘的用户。这里的每个数字都由脚本自动从数据文件算出来，如果你对某个归因有异议，改一行数据就能看到标题数字随之变化。

整个系列都会用到同一张图，所以我先介绍一下它。

一张图贯穿全系列：拳手的职业轨迹

拳手的职业生涯很少是被一记重拳击倒终结的。外行最容易误会的就是这个。大多数拳手退役，是因为奖金已经无法覆盖训练营开销：八周的教练、陪练、理疗和伙食花费超过了比赛奖金，总有一天账算不过来就得收手。少数人是被打败了退役，还有的被观众嘘下场。几乎没人是因为体能耗尽而退役——大家都担心体能，但这其实很少真成致命伤。

把这个比喻套用到你脸上的电脑，几乎每一项都能一一对应，下面这些环节全都至关重要：

终结原因总览表

方法全公开，方便你复查。每款产品我都记录了厂商、上市年份、首发价格、电池官方续航、最终结局，以及每项数据的来源。只有真正卖到用户手里、且有明确失败记录（比如停产、关停、资产减记，或被后继者取代的失败产品），才算一次终结。正常的产品迭代不算终结——Epson 的 Moverio 系列和 Vuzix 的后续产品都在表里，但不计入终结数。两款从未上市的产品（Sutherland 1968 年的显示器和 Intel 的 Vaunt）完全排除在统计之外。全表共34行；32款上市；23款有据可查地终结。

每一次终结都只归因于五个主因之一：资金、计算机本身、社会反弹、显示，或电池与过热。如果有明确的次要原因，会单独列在secondary_cause这一列中，但不会计入主标题。每一行的归因理由都写在文件的coding_rationale字段里，所以分歧只需争论一句话，而不是各说各的感觉。

有两点值得特别注意，因为它们和大多数人的直觉正好相反。

没有任何产品是因为电池或发热问题而退出市场的。 0 个主因。几乎每款设备的评测都吐槽过电池——比如 Recon Jet 在某位测评者手里只能坚持两个半小时，目标是四小时——这些吐槽都被记作次要原因2次。但从来没有哪款产品真的是因为这个原因被淘汰。就像大家都说某拳手体能不行，结果他却从没输在体能上。

社会反弹真正导致终结的，只有一例。 Google Glass Explorer Edition，也是大家唯一记得的那款，所以才会觉得这就是行业定律。「Glasshole」的故事对 Glass 是真的，但放在整个品类上就不成立了。

三起典型案例，细说来龙去脉

Magic Leap One（2018）：本想包下体育馆，结果只卖出校体育馆的票。 首发价 $2,295。 CEO 原计划第一年卖出至少一百万台，实际六个月只卖了 6,000 台。 相差约 167 倍。公司裁掉了一半员工，2020 年转向企业市场。虽然“视场窄”几乎被所有人吐槽，但我查到的资料里，没有哪一条把销量不佳归因于它，所以只算作次要原因。主要原因还是资金问题。

Snap Spectacles（2016）：最便宜的那款，最终也因资金问题而收场。 它的售价仅为129.99美元，是表中最便宜的产品，这个反例很有代表性：所谓“死于钱”，并不只是因为“太贵”。Snap因滞销库存和未用零件，在2017年计提了约4000万美元的损失，原因是对市场需求判断失误。注意它其实已经做了不少取舍：没有显示屏，价格低得像玩具。它已经尽量“瘦身”，但依然卖不动。减重能让你进组别，但票房还是上不去。

Ray-Ban Stories（2021）：唯一被归因于“电脑”问题的眼镜类产品，以及后来是怎么被修正的。 Meta和EssilorLuxottica的首款产品卖出了大约30万副，但月活用户只有约2.7万，据《华尔街日报》披露的一份内部文件显示。退货率高达13%，用户反馈“连接、续航、导入拍摄内容等问题”。编码者认为这些主要是软件层面的短板，电池问题排在第二，因此它成为仅有的2几个被归因于“电脑”问题的死亡案例之一，也是眼镜类唯一的一个。而它的继任者则成了整张表里最值得关注的一行。

2023年发生了什么变化：选手“瘦身”了

Ray-Ban Meta于2023年上市，成为第一款真正以商品身份、而非演示品身份大规模售出的智能眼镜：EssilorLuxottica报告称，2025年卖出了700万副Ray-Ban和Oakley智能眼镜，是前一年的三倍多。

看看它没有做什么。它没有加显示屏——这是账单里最贵、最容易出问题的部件，也是Glass、Focals、Magic Leap和HoloLens都曾背负的包袱。它保留了摄像头、扬声器、麦克风，以及更好用的助手，修复了唯一一行死于“电脑”的问题。它用Ray-Ban的镜框，通过全球最大的眼镜公司渠道销售，定价就是一副太阳镜的水平。

用拳手的说法：它“瘦身”去打了有奖金的级别，还签了已经垄断场馆的推广公司。奖金终于能覆盖训练营了。但要注意，这里的教训是：去掉显示屏只是必要条件，不是充分条件。Spectacles、Bose Frames和Ray-Ban Stories都没有显示屏，依然没能活下来。唯一活下来的那款，还拿下了眼镜渠道——既瘦身，又签了垄断场馆的推广公司。

五问到底：从“它死了”追到根源

1. 头戴式计算机为什么总是走到终点？ 因为厂商停止了销售或支持。所有23 最终都以停售、关停、资产减记或被后继产品取代收场；没有哪一款是因召回或被禁售而退出市场。 证据：ending_incident 列，见 content/series/wearable-ladder/deaths.yml.
2. 制造商为什么会停产？ 因为实际销量远低于预期——Magic Leap 只卖出了 6,000 台，原本希望能卖到一百万台；Snap 因 Spectacles 积压和零部件损失计提了约 4,000 万美元。 证据：Magic Leap 的销量报告和 Snap 的减记，详见上文“三场死亡案例，讲明白”中的链接。
3. 为什么销量这么低？ 对大多数产品来说，是因为定价被硬件成本绑死，而不是根据真实买家的支付意愿来定：Glass 卖 1,500 美元，Magic Leap 卖 2,295 美元，HoloLens 2 卖 3,500 美元，DAQRI 卖 5,000 美元。但也有例外：有四款因资金问题而终结的产品其实很便宜——Gear VR、Daydream View、Spectacles 和 Bose Frames 都不超过 199 美元——它们倒在了需求不足，而不是硬件成本。 证据：price_usd 列，其中标签为 FETCHED。
4. 为什么硬件成本这么高？ 因为每台设备都配了显示屏和光学元件——这是整机里最贵、最不成熟的部分——但这些功能其实大多数买家日常根本用不上。 证据：除了 Spectacles、Bose Frames 和 Ray-Ban Stories 之外，所有被统计为“终结”的产品都把显示屏放在了眼前（Gear VR 和 Daydream 用的是手机屏）——而那些便宜、没有显示屏的产品也一样没活下来，所以根本原因其实是产品到底为谁而造；form 还有 ending_incident 数据中的
5. 那为什么还要装显示屏？ 因为这些产品一开始就被当作 戴在脸上的电脑，而不是 “顺便能算点东西的眼镜”：定价像电脑，卖给的却是想买眼镜的人。这才是根本原因。 唯一卖出几百万的那一款，正是把这点反过来了——没有显示屏，用的是眼镜厂商的镜架和销售渠道。 证据：2025 年 Ray-Ban 和 Oakley Meta 智能眼镜销量 700 万，详见上文“2023 年发生了什么”中的链接。

运作方式——这张表是动态的

这不是文章里的静态清单，而是构建流程直接读取的数据文件。它的运作流程如下：

content/series/wearable-ladder/deaths.yml     # one row per product, one primary cause each
node scripts/check-wearable-ladder.mjs --metrics   # recompute every number on this page
node scripts/check-wearable-ladder.mjs             # fail if any printed number disagrees
python3 scripts/build-wearable-ladder.py           # rebuild the page, the cover and the timeline

要新增一台设备——无论是下一个“出局”的，还是我之前遗漏的——只需加一行，注明来源，选定五个主要终结原因之一，并写一句coding_rationale。标题、封面和时间线都会自动刷新。如果你修改了归因但忘了重建，构建流程会直接报错：本页每个数字都标明了对应的来源指标，npm test 会自动校验。

反馈机制——测量能说明什么，又看不到什么

只要页面上的数字和数据文件不一致、有行缺少来源，或页面宣称的数量数据文件无法支持，校验闸门就会变红。它在算术上绝对诚实，但有四个盲区，你需要带着这四点来解读结果：

• “钱”其实是个兜底项。 厂商很少会说明自己为何停产。记录只写了“停产”的，终结原因就默认归为资金问题。具体短板会在次要原因那一列体现，那里会标明“显示”3 次，“电池或发热”2 次。
• 价格其实是零部件成本的结果。 显示器本身就很贵。所以“不是电脑问题”只说得通表面，较真的读者会说：硬件贵，本质还是技术难题，只是隔了一步。我认同这个观点，这也是“五问到底”里根源落在设计选择而不是芯片本身的原因。
• 目前只有一位编码者。 五分类的归因只由一位研究者独立完成，理由都写在文件里。还没有独立复核过。这是这张表最容易提升的地方，文件结构也为此预留了空间。
• 幸存者看不见。 从未上市的设备，或还没出货就倒闭的初创公司，都不会出现在表里。这张表只统计真正卖到用户手里的产品。

前瞻——我现在就写下的预测警戒线

历史只有能预测未来才有意义。所以这些预测都是在结果揭晓前写下的，系列的校验机制会检查它们的时间戳：

• 如果 Ray-Ban Meta 级别的眼镜退出市场，表格的结论是：主要原因会是资金问题，而不是电脑本身。 具体来说：如果 EssilorLuxottica 报告 Meta 眼镜年销量下滑，首先要排查的就是价格和渠道，而不是产品能力。这条作为预测被追踪，见P7-essilux-20M-year 于 第 3 集的预测账本.
• 带显示器、定价像电脑的眼镜，还会重蹈覆辙。Meta 的 Ray-Ban Display 售价 799 美元，把最贵的那块又搬回了脸上。如果它被停产且没有更便宜的继任者——2027-09-30 对照 Meta 商店页面核查——那就会成为表里的又一行，归因“资金问题”，我会把它补上。
• 如果哪天真有产品的终结被归因于电池或发热，第 3 集里的“体能假设”就得重新审视。第 3 集把“全天续航”视为必须达成的门槛，而不是失败的直接原因。如果真有一次热崩导致产品终结，这条假设就得升级。

本集在整个系列中的定位

同一故事，五种结局

30分钟内快速做一份

• 输入： 你关心的任意品类产品清单（如电子书、智能音箱、扫地机器人等），每项都要有来源。
• 输出： 按原因统计的终结数，以及一句你能自信站住脚的结论。
• 不变原则： 每一次终结必须且只能归因于一个主因，且主因只能从你在编码前设定的封闭列表中选取。 开始编码之前 ，每一行都要有来源和书面理由。
• 停止准则： 当新增一行已经不再影响主因排序时，就可以停止补充。
• 最小结构： name, year_shipped, year_ended, price_usd, cause_of_death, secondary_cause, counted_as_death, coding_rationale, sources.
• CI 阈值： 你展示的任何数字都必须由脚本从数据文件重新计算，否则构建直接报错。
• 有意留白： 缺少第二位、独立的编码者。在你真要用这个结果下注前，记得补上。

5S 自评，附证据

参考文献

1. 完整编码表及每一行的出处：content/series/wearable-ladder/deaths.yml，详见本站仓库。
2. Magic Leap 销量：Engadget，2019 年 12 月 6 日.
3. Snap Spectacles 资产减值：Spectacles（产品），引自 Snap 2017 年第三季度财报。
4. Ray-Ban Stories 使用数据：UploadVR，转引自《华尔街日报》.
5. Ray-Ban Meta 2025 年销量：UploadVR.
6. Oculus Go 的终结，Facebook 官方说法：UploadVR.
7. Google Glass Explorer Edition：Google Glass.
8. North Focals 停产：Voicebot.ai.

相关内容

• 第2集 —— 我的18项笔记本任务，逐条对照官方文档实测：今天的AI眼镜到底被官方文档承诺能做什么，以及即将上路的实地验证。
• 第3集 —— 预测账本：五大前提、八条带时间戳的预测，以及负责自动打分的脚本。
• 假设账本 —— 一条结论的分量，取决于有多少关键假设从未被人真正检验。