眼镜上的数据怎么走？从拍摄到回传的链路

戴上 AI 眼镜问一句「这是什么展品」，两秒后耳边就有答案。这几秒里，一张刚拍下的照片已经完成了一场旅行：从镜头出发，在本机被压缩、筛拣，再通过无线网络爬上云端，由大模型认出内容，把结果送回耳畔。这条从拍摄到回传的链路，是 AI 眼镜一切聪明表现的地基，也是隐私问题最集中的地段。这篇按数据流动的顺序把链路拆开，看每一段发生什么、什么数据留在机内、什么数据必须出门，以及边界画在哪里；旁人被拍到的视角边界另见AI 眼镜隐私一篇，这里聚焦数据自身的行程。

端侧第一站：镜头到芯片

数据链路的第一段发生在机内。按下拍摄键，图像传感器把光信号转成像素，先在本地完成两件预处理：一是压缩打包，原始照片动辄十几兆，直传又慢又费电，先按任务需要裁剪压缩，识别场景往往几百 KB 就够；二是端侧初筛，低功耗芯片先判断这一帧值不值得处理——画面模糊、没有新信息的帧直接丢弃，省下上传与算力。一些轻量的活也在这一站就地办掉：辨色、查日期、简单文字识别，不必出机就能回话，设备里的芯片怎么分工、哪类运算交给哪个单元，摄像头 AI 能力一篇可对照。端侧这一站的存在，决定了链路的第一个隐私底线：并非所有画面都会出门，先在本机筛过一遍。

第二站：上云识别与回传

端侧接不住的重活才走第二段。压缩后的数据通过无线网络发往云端，多模态大模型对画面做理解——认出展品、读出菜单、翻译路牌——再把结构化结果传回，眼镜用语音念给你听。这段往返的耗时与稳定性，决定了「问一句等几秒」的体感，端侧与云端各干什么、体验差在哪，本地与云端一篇有整体对照。链路设计上普遍的做法是分级上传：简单问题只传文字或低清图，复杂问题才传高清原图；上传完成后，识别任务用的中间数据即刻清理，眼镜本机不留全量底片。断网时这条链路的云端段整体停摆，能活下来的只剩端侧那一站的功能，哪些活可以留在本地，离线识别一篇拆过同样的分工。

隐私边界画在哪

链路上的隐私问题，核心是三个问题：什么数据出门、出门去哪、留多久。第一，上传范围要可控：拍摄是用户主动触发的动作，指示灯同步亮起，明确「正在采集」的状态，摄像头不该在用户无感时持续上传；第二，去向要清楚：数据发往哪个服务、用来完成什么任务、会不会被另作他用，这些应当写在隐私政策里可供核对，事后的核查方法见隐私审计一篇；第三，留存要有期限：用于本次识别的临时数据用完即删，用于改进服务的积累数据应提供开关与删除入口。用户侧也有三件可做的事：关掉用不上的云端功能、优先使用本机能完成的指令、定期查看云端留存的数据清单。边界要靠链路上每个环节的用户开口来共同划出来。

看懂链路再看宣传

把链路走通了一遍，回头看产品宣传就有分辨力了。宣传「本地处理」时，问清是整条链路在本地，还是只做了端侧初筛；宣传「隐私安全」时，对照三个问题看它答不答得上：上传范围、数据去向、留存期限。链路也解释了很多体验差异：同样的提问，有的眼镜秒回，有的转圈几秒，差别常在端侧接住了多少、上传的数据有多大。想让链路有个直观认识，可以让豆包把「拍一张照到听见答案」的全过程按时间轴画出来，再让 DeepSeek 把隐私政策里的数据条款逐条标注，三道边界逐项列成清单——链路走一遍，聪明从哪来、数据去了哪，就都心里有数了。

数据链路速查

• 链路两段走：端侧预处理在上，云端识别回传在下
• 端侧三件事：压缩打包、初筛丢弃、轻活就地办
• 分级上传：简单任务传小图，复杂任务才传原图
• 隐私三问：什么出门、去向哪里、留存多久
• 断网时云端段停摆，端侧功能是最后的可用面

关于数据链路的常见疑问

• 拍下的照片都会存到云端吗？：不会。用于当场识别的照片多为临时上传，任务完成即清理；是否留存、留存多久取决于产品设置，默认应只保留完成任务所需的最小数据。在意留存的话，进设置关掉「改进服务」类的数据积累开关。
• 断网后眼镜还能干什么？：剩下端侧那一站的能力——拍照存本机、简单识别、语音指令这类不出机的功能；凡是要大模型理解画面、查询在线信息的都会停摆。断网试一圈，就是链路分工的直观清点。
• 怎么确认眼镜没有偷偷上传？：看三处——拍摄指示灯与采集是否同步、隐私政策是否写明上传触发条件、云端功能能否关闭。三者齐备再看承诺，缺一项就要多留个心眼。