100万像素的摄像头，为什么是苹果AI最重要的零件？

事件概述

MacRumors 从 macOS Tahoe 26.7 RC 中挖出苹果制作的宣传视频，展示用户戴着 AirPods 拿起一本书，Visual Intelligence 识别书名并让 Siri 保存。该产品代号为 B790，按 Mark Gurman 说法原本在苹果 2026 年产品路线图上，量产版本 B798 预计 2027 年登场。最新系统代码显示，AirPods 上的摄像头只有 100 万像素。

核心信息

• 摄像头存在两种工作状态：主动模式下采集 640×640 图像，处理后最高输出 1024×1024；被动模式下采集 320×320，输出 320×320 或 512×512。
• 左右两只 AirPods 可同步获取 RGB 静态图像，通过相同 Frame ID 对齐两个视角，按一定频率持续采集，交给 Visual Intelligence 处理。
• 系统会同时处理环境语音、声音变化、姿态和头部旋转信息；两颗摄像头之间、摄像头与运动传感器之间需要标定。头部运动过于剧烈或镜头被遮挡时，对应画面会被舍弃。
• AccessorySensorManager 中出现“peripheral inference”相关代码，可在设备侧判断画面中是否存在人物。

设计逻辑

对 AI 而言，320×320 像素已足够识别“桌上有一本书”“前面是餐厅”等场景信息。降低分辨率可减少数据量、处理与传输负担，对电池容量有限的耳机设备至关重要。AI 摄像头服务于机器而非人，拍下的画面不需要保存，机器“看懂”后即可删除。

同类尝试包括今年上市的光帆 AI 全感耳机——同样在左右耳机中塞入两颗 200 万像素定焦摄像头用于场景 AI 识别，并在耳机盒中加入 4G eSIM 和 GPS 以减少对手机的依赖；Humane AI Pin 也曾用摄像头为 AI 补上视觉，但需要用户额外佩戴新设备。苹果的优势在于很多人本来就每天佩戴 AirPods，无需重新发明 AI 硬件。

传感器组合与上下文

两只 AirPods 已构成一套传感器组合：摄像头观察眼前场景，陀螺仪记录头部朝向，麦克风收集声音，位置和运动传感器补充位置与动作。例如走进书店拿起一本书问 Siri“这本值得买吗”，AirPods 看到封面、头部朝向书、iPhone 判断你在书店，Siri 才能理解“这本”的指代。若系统掌握你过去的阅读记录，还能给出个人化答案。

这种变化的核心在于：今天使用 AI 需要不断向模型解释“我是谁、我在哪、看到了什么”，而设备传感器正在逐渐省掉这些人工补充的上下文。摄像头 AirPods 提供的正是“属于个人的上下文”。

隐私与提醒

系统代码显示每只 AirPod 似乎都能控制硬件指示灯（开关和亮度）。如果这对应摄像头工作状态，那么 AirPods 获取环境图像时，周围的人可能通过灯光得到提醒，符合苹果一贯的隐私保护策略。

2027 年与苹果 AI 战略

2027 年是 iPhone 发布二十周年，据爆料苹果将推出大幅改变设计的 iPhone，摄像头 AirPods 也可能同期登场。此外，苹果还在推进智能眼镜、可夹在衣服上或作为项链佩戴的 AI 挂饰，以及配备摄像头的 Apple Watch。单独看这些设备彼此独立，但若聚焦传感器，它们分别掌握人的不同切面：手表知道睡眠与运动，手机知道位置与行程，AirPods 贴着耳朵知道正在面对什么，Mac 知道工作内容。协同后即可形成对一个人的全景式了解。

苹果与创业公司的差别在于：行业仍在寻找“AI 时代的 iPhone”，而苹果已经拥有手机、手表、耳机、电脑、平板、头显和家庭设备。下一步是让这些设备获得丰富感知能力，并把不同设备的信息组织起来，构建围绕个人信息的 AI 硬件生态。大模型会持续进步且可替换，但一个人的上下文——过去五年去过哪里、读过什么、身体变化、喜好与习惯——无法通过下载模型获得，只能日积月累。这也让端侧计算、Secure Enclave 和 Private Cloud Compute 变得更重要，回答“谁拥有这些上下文”的问题。如果路线成立，苹果最终建立的将不只是 AI 设备，而是跨越手机、耳机、手表、眼镜和电脑的感知网络。