Arkitekturen i ett avsnitt
Nesten alle AI-briller fungerer på samme måte på systemnivå. Sensorer i innfatningen – mikrofoner og ofte et kamera – fanger opp det du sier og ser. En liten prosessor i brillestangen håndterer aktiveringsord, lyd og løpende vedlikeholdsoppgaver. Den tunge intelligensen – talegjenkjenning, oversettelse og språkmodellen – kjører hovedsakelig i skyen og nås via den sammenkoblede smarttelefonen din eller en direkte tilkobling. Resultatene kommer tilbake som lyd gjennom små høyttalere nær ørene, eller som et bilde projisert inn i brilleglasset. Brillene er en terminal for sensorer og skjerm; hjernen sitter i stor grad et annet sted.
Skjermen: slik kommer bildet inn i øyet
Det vanskeligste tekniske problemet i kategorien er å gjøre en skjerm usynlig helt til den trengs. Tre tilnærminger dominerer.
Bølgelederskjermer
En mikroskopisk projektor i brillestangen sender et bilde inn i kanten av en tynn, gjennomsiktig plate i glasset. Lyset reflekteres internt gjennom platen, og deretter leder strukturer etset inn i den bildet ut mot pupillen din. Resultatet er tekst eller grafikk som ser ut til å sveve i omgivelsene, gjennom et glass som ser helt vanlig ut fra utsiden. Even Realities G2 bruker denne tilnærmingen til sin grønne tekstskjerm, og det samme gjør skjermen i Rokid AI Glasses Enterprise. Bølgeledere ofrer lysstyrke og fargerikdom for sin nesten usynlige utforming, og det er derfor så mange bruker skarp monokrom tekst.
Birdbath-optikk
Et mikro-OLED-panel lyser nedover mot et buet, halvgjennomsiktig speil inne i glasset, som reflekterer bildet til øyet ditt. Birdbath-optikk gir klare, høyoppløselige bilder i full farge, og derfor brukes den i virtuelle skjermbriller som XREAL One Pro, men optikken krever fysisk dybde, og det er derfor skjermbriller er synlig mer klumpete enn AI-briller av assistenttypen.
Ingen skjerm i det hele tatt
En stor del av kategorien dropper skjermen helt og snakker til deg i stedet. AI-briller med bare lyd er lettere, billigere og varer lenger per lading, og for en ren assistentopplevelse dekker en stemme i øret de fleste behov.
Kameraet: øyne for AI-en
Der det finnes, tjener kameraet to herrer. For deg tar det bilder og video fra ditt perspektiv. For AI-en leverer det bilder å analysere: identifisere en gjenstand, lese en etikett, beskrive en scene, oversette et skilt.
To praktiske realiteter er verdt å kjenne til. For det første tar visuelle AI-funksjoner vanligvis et bilde av et øyeblikk i stedet for å strømme kontinuerlig; kontinuerlig videoanalyse tapper batteriet for raskt til hverdagsbruk. For det andre signaliserer en LED-lampe vanligvis opptak, og arbeidsplasser eller lokaler kan begrense kamerabruk – én grunn til at kamerafrie modeller som Even Realities G2 finnes og selger godt i profesjonelle miljøer.
Mikrofoner og høyttalere: det primære grensesnittet
Det er stemmen, ikke skjermen, som er hovedgrensesnittet i AI-briller. Innfatningen har flere mikrofoner plassert for stråleforming: Ved å sammenligne signalet på tvers av mikrofonene kan brillene skille stemmen din, eller stemmen til personen du står vendt mot, fra omgivelsesstøy. Det er dette som får direkteoversettelse til å fungere i et travelt rom.
Lyden kommer fra små åpne høyttalere i brillestengene som retter lyden mot øregangen. Ved normalt volum er de stille for folk rundt deg, og de lar ørene være åpne mot omverdenen – en undervurdert sikkerhets- og komfortfordel sammenlignet med ørepropper.
Hvor AI-en faktisk kjører
Assistenten bak brillene er en stor språkmodell, og «stor» er bokstavelig ment: De mest avanserte modellene kan ikke kjøre inne i briller. Arbeidsmengden fordeles på tre steder.
På brillene: deteksjon av aktiveringsord, opptak, lydbehandling og i økende grad små lokale modeller for raske oppgaver.
På telefonen: følgeappen håndterer tilkobling og innstillinger og videreformidler ofte data mellom brillene og skyen.
I skyen: talegjenkjenning, oversettelse og selve språkmodellen – funksjonene som oppleves intelligente.
Denne fordelingen forklarer hvordan brillene oppfører seg i praksis. Med god tilkobling kommer svarene på omtrent ett sekund; i et område uten dekning blir de smarteste funksjonene dårligere eller slutter å virke. Den forklarer også hvorfor AI-briller blir bedre etter kjøpet: Når skymodellen blir bedre, blir også brillene du allerede eier, det.
For bedrifter reiser denne fordelingen et legitimt spørsmål: Hvor havner lyden og bildene? Forbrukerprodukter sender dem til leverandørens sky. Bedriftsplattformer svarer annerledes, og dette er en reell forskjell: Rokid AI Glasses Enterprise støtter tilkobling av egne AI-modeller, også selvhostede, slik at en virksomhet kan beholde sensitive data på sin egen infrastruktur.
Batteri og strømstyring
Batteriene er skjult i brillestengene, og kapasiteten er liten fordi vekten hviler på nesen din. Leverandørene håndterer gapet mellom små batterier og strømkrevende funksjoner gjennom offensiv ingeniørkunst: skjermer som bare viser et lite tekstfelt, kameraer som sover til de blir kalt på, radioer som lener seg på telefonen. I praksis er en dag med moderat assistentbruk oppnåelig med dagens generasjon; timer med kontinuerlig oversettelse eller opptak er det ikke. Profesjonelle storbrukere bør planlegge med ladeetuier og tilbehør med ekstrabatterier på samme måte som de planlegger med telefonladere.
Tilkobling: den usynlige komponenten
De fleste AI-briller kobles til en smarttelefon via Bluetooth, og telefonen sørger for internett. Skjermbriller som XREAL-serien bruker i stedet en USB-C-kabel som overfører både video og strøm – uten noe batteri i brillene i det hele tatt. Robuste industrienheter kjører ofte frittstående Android med eget Wi-Fi, fordi en tekniker ikke kan være avhengig av en privat telefon. Når du vurderer et par briller, bør du tidlig finne ut hva de må være koblet til, fordi den avhengigheten former den daglige bruken mer enn noen spesifikasjon.
Slik henger det sammen: dette skjer når du ber om en oversettelse
Et konkret eksempel binder delene sammen. Du trykker på brillestangen og vender deg mot en kollega som snakker tysk. Mikrofonoppsettet isolerer kollegaens stemme og strømmer komprimert lyd via telefonen din til skyen, der talegjenkjenning gjør den om til tekst og en oversettelsesmodell oversetter teksten til engelsk. Den engelske setningen sendes tilbake til brillene, og bølgelederen tegner den som en undertekst som svever under synslinjen din, omtrent ett sekund etter taleren. Hver eneste komponent i denne artikkelen var innom den setningen, og den eneste du la merke til, var teksten.