Arkitekturen i ét afsnit
Næsten alle AI-briller fungerer på samme måde på systemniveau. Sensorer i stellet – mikrofoner og ofte et kamera – opfanger det, du siger og ser. En lille processor i stangen håndterer vækkeord, lyd og løbende husholdningsopgaver. Den tunge intelligens – talegenkendelse, oversættelse og sprogmodellen – kører hovedsageligt i skyen, som nås via din parrede smartphone eller en direkte forbindelse. Resultaterne kommer tilbage som lyd gennem små højttalere tæt ved dine ører eller som et billede, der projiceres ind i glasset. Brillerne er en sensor- og skærmterminal; hjernen sidder for en stor del et andet sted.
Skærmen: Sådan får man et billede ind i øjet
Det sværeste tekniske problem i kategorien er at gøre en skærm usynlig, indtil der er brug for den. Tre tilgange dominerer.
Bølgelederskærme
En mikroskopisk projektor i stangen sender et billede ind i kanten af en tynd, gennemsigtig plade i glasset. Lyset reflekteres internt gennem pladen, hvorefter strukturer ætset ind i den leder billedet ud mod din pupil. Resultatet er tekst eller grafik, der ser ud til at svæve i omgivelserne, gennem et glas, der ser helt almindeligt ud udefra. Even Realities G2 bruger denne tilgang til sin grønne tekstskærm, og det samme gør skærmen i Rokid AI Glasses Enterprise. Bølgeledere ofrer lysstyrke og farverigdom til fordel for deres næsten usynlige form, og derfor bruger så mange af dem skarp monokrom tekst.
Birdbath-optik
Et mikro-OLED-panel lyser nedad mod et buet, halvgennemsigtigt spejl inde i glasset, som reflekterer billedet til dit øje. Birdbath-optik giver lyse billeder i fuld farve og høj opløsning, og derfor bruger virtuelle skærmbriller som XREAL One Pro dem, men optikken kræver fysisk dybde, og derfor er skærmbriller synligt mere klodsede end AI-briller af assistenttypen.
Helt uden skærm
En stor del af kategorien springer skærmen helt over og taler i stedet til dig. AI-briller med kun lyd er lettere, billigere og holder længere pr. opladning, og til en ren assistentoplevelse dækker en stemme i øret de fleste behov.
Kameraet: AI'ens øjne
Hvor der er et kamera, tjener det to herrer. For dig optager det fotos og video fra dit eget synspunkt. For AI'en leverer det billeder til analyse: identificere en genstand, læse en etiket, beskrive en scene, oversætte et skilt.
To praktiske forhold er værd at kende. For det første tager visuelle AI-funktioner som regel et billede af et enkelt øjeblik i stedet for at streame kontinuerligt; kontinuerlig videoanalyse dræner batteriet for hurtigt til daglig brug. For det andet signalerer en LED typisk, at der optages, og arbejdspladser eller andre lokaliteter kan begrænse brugen af kameraer – en af grundene til, at kamerafri modeller som Even Realities G2 findes og sælger godt i professionelle miljøer.
Mikrofoner og højttalere: den primære brugerflade
Det er stemmen og ikke skærmen, der er AI-brillernes vigtigste brugerflade. Stellet rummer flere mikrofoner, der er placeret til beamforming: Ved at sammenligne signalet på tværs af mikrofonerne kan brillerne adskille din stemme – eller stemmen fra den person, du vender dig mod – fra den omgivende støj. Det er det, der får liveoversættelse til at fungere i et travlt lokale.
Lyden kommer fra små åbne højttalere i stængerne, som retter lyden mod din øregang. Ved normal lydstyrke er de stille for omkringstående, og de lader dine ører være åbne for omverdenen – en undervurderet fordel for sikkerhed og komfort sammenlignet med earbuds.
Hvor AI'en faktisk kører
Assistenten bag brillerne er en stor sprogmodel, og »stor« skal tages bogstaveligt: De mest avancerede modeller kan ikke køre inde i et par briller. Arbejdsbyrden deles i tre.
På brillerne: registrering af vækkeord, optagelse, lydbehandling og i stigende grad små modeller på selve enheden til hurtige opgaver.
På din telefon: den tilhørende app styrer forbindelse og indstillinger og videresender ofte data mellem brillerne og skyen.
I skyen: talegenkendelse, oversættelse og selve sprogmodellen – de funktioner, der føles intelligente.
Denne opdeling forklarer, hvordan brillerne opfører sig i praksis. Med en stærk forbindelse kommer svarene på cirka et sekund; i et område uden dækning forringes de smarteste funktioner eller holder helt op med at virke. Den forklarer også, hvorfor AI-briller bliver bedre efter købet: Når cloudmodellen bliver bedre, bliver de briller, du allerede ejer, det også.
For virksomheder rejser opdelingen et berettiget spørgsmål: Hvor ender lyden og billederne? Forbrugerprodukter sender dem til leverandørens sky. Virksomhedsplatforme giver et andet svar, og det er en reel differentieringsfaktor: Rokid AI Glasses Enterprise understøtter tilslutning af egne AI-modeller, herunder selvhostede, så en virksomhed kan holde følsomme data på sin egen infrastruktur.
Batteri og strømstyring
Batterierne gemmer sig i stængerne, og kapaciteten er lille, fordi vægten hviler på din næse. Leverandørerne bygger bro mellem små batterier og strømslugende funktioner med aggressiv ingeniørkunst: skærme, der kun gengiver et lille tekstområde, kameraer, der sover, indtil der er brug for dem, og radioer, der læner sig op ad telefonen. I praksis kan den nuværende generation generelt klare en dag med moderat brug af assistenten; timevis af kontinuerlig oversættelse eller optagelse kan den ikke. Professionelle storbrugere bør planlægge med opladningsetuier og ekstrabatterier på samme måde, som de planlægger med telefonopladere.
Forbindelse: den usynlige komponent
De fleste AI-briller parres med en smartphone via Bluetooth, og telefonen leverer internetforbindelsen. Skærmbriller som XREAL-serien bruger i stedet et USB-C-kabel, der overfører både video og strøm – der er slet intet batteri i brillerne. Robuste industrienheder kører ofte selvstændigt på Android med deres eget Wi-Fi, fordi en tekniker ikke kan være afhængig af en personlig telefon. Når du vurderer et par briller, bør du tidligt finde ud af, hvad de skal være forbundet til, for den afhængighed præger den daglige brug mere end nogen specifikation.
Samlet billede: Hvad sker der, når du beder om en oversættelse?
Et konkret eksempel binder delene sammen. Du trykker på stangen og vender dig mod en kollega, der taler tysk. Mikrofonsystemet isolerer kollegaens stemme og streamer komprimeret lyd via din telefon til skyen, hvor talegenkendelse omdanner den til tekst, og en oversættelsesmodel oversætter teksten til engelsk. Den engelske sætning sendes tilbage til brillerne, og bølgelederen tegner den som en undertekst, der svæver under din synslinje, cirka et sekund efter taleren. Alle komponenter i denne artikel var involveret i den sætning, og den eneste, du lagde mærke til, var teksten.
