2025年，一颗比小指甲盖还小的芯片，正在悄悄改变AI眼镜的游戏规则。
这颗芯片来自江波龙，尺寸只有7.2mm×7.2mm，重量0.1克，却能存储一副AI眼镜运行所需的全部”记忆”——操作系统、AI模型、用户数据、实时拍摄的影像。
然而半年前，当这款产品的设计方案第一次被摆上评审桌，团队内部的反应是：这能做出来吗？
面积要比上一代再缩小30%，逼近封装工艺的物理边界；功耗要压到微瓦级别，因为眼镜里根本塞不下大电池；厚度只有0.6毫米，比两张A4纸摞在一起还薄；同时还要在-40℃到105℃的宽温域下稳定工作，扛住用户跑步、骑行、出汗带来的各种极端环境……
每一项参数单拎出来，都是对现有工艺的挑战。把它们叠加在一起，再加上客户给出的紧迫交付周期，几乎是一道”不可能的命题”。
但也正是这样一颗芯片，撕开了AI眼镜产业链的一道口子。
过去一年，从Meta的Ray-Ban系列累计卖出超过200万副，到华为、小米、字节纷纷入局，这个曾经被视为”极客玩具”的品类，正在变成消费电子的下一个主战场。IDC数据显示，2025年上半年全球智能眼镜出货量达到406.5万台，同比增长64.2%；Counterpoint的数据更为激进，显示同比增长高达110%。IDC预测，到2029年，全球智能眼镜出货量将突破4000万台。
而当所有人都在讨论芯片算力、光学显示、AI大模型的时候，一个更底层的问题浮出水面：
这副眼镜的”记忆”，从哪里来？
十年等一回：AI眼镜为什么是”现在”？
故事要从一副失败的眼镜说起。
2012年4月，谷歌发布了智能眼镜Project Glass项目计划。2013年，Google Glass以1500美元的单价发售，迅速激发了科技爱好者的兴趣。这款眼镜集智能手机、GPS、相机于一身，在用户眼前展现实时信息，利用眼镜和声音即可控制拍照上传、收发短信、查询天气路况。《时代》杂志把它评为”年度最佳发明”。
然后呢？两年后，谷歌宣布停售。理由很多：1500美元的价格太贵、电池平均只能持续约3小时、隐私争议太大……但最核心的问题是：它不够聪明。
那个年代的智能眼镜，本质上是一个”戴在脸上的手机屏幕”。它能显示信息，但不能理解你；能拍照片，但不知道你在拍什么。所有复杂的运算都要传回云端，网络稍有延迟，体验就会崩塌。
十年后的今天，情况变了。
第一个变化，是AI”下沉”了。
大模型技术的进步，让原本需要数据中心才能跑动的AI能力，逐渐可以压缩到手机、甚至更小的设备上。芯原股份创始人戴伟民有一句话说得很形象：“AI本来放在云上，现在可以放在PC、放在手机，甚至可以放在眼镜上——这是一个很大的变化。”
当AI可以在本地运行，眼镜就不再只是一个”显示器”，而是一个能听、能看、能理解、能回应的”助手”。
第二个变化，是消费者”准备好”了。
过去十年，智能手表教会了用户”看手腕”——2024年国内腕戴设备出货量达到6116万台，同比增长19.3%；TWS耳机教会了用户”听耳朵”——2024年全球出货量达到3.32亿台，同比增长13%。戴一副智能眼镜出门，不再是什么惊世骇俗的事情。尤其当它看起来就像一副普通的雷朋墨镜——谁会拒绝呢？
更重要的是，全球每年有超过15亿副传统眼镜售出，中国近视人群接近7亿。这是一个庞大的存量市场，等待被智能化改造。
第三个变化，是供应链”成熟”了。
一位AI眼镜创业者曾说过：“这个行业有一个共识，但凡你要把成本降下来，最后必须放在亚洲，而中国一定是最好的选择。”
根据美银证券的报告，全球智能眼镜供应链中，超过80%的厂商来自中国。从光学镜片到芯片封装，从精密结构件到电池管理，中国制造的毛细血管，已经渗透进这副眼镜的每一个角落。
数据是最直接的证明：2024年，全球智能眼镜出货量同比增长210%，首次突破200万台大关；中国市场2025年上半年出货量合计达115.8万台，预计全年将突破275万台。京东平台智能眼镜成交量同比增长超过10倍。
这不是一个”会不会来”的问题，而是”什么时候爆发”的问题。
一副眼镜的记忆从哪来？
聊AI眼镜，大家的注意力往往在三个地方：芯片够不够快？显示够不够清？电池够不够久？
但有一个环节，藏在聚光灯照不到的地方，却决定了上面三个问题能不能同时被解决。
这个环节，叫存储。
你可以把AI眼镜想象成一个”微型电脑”。它需要一个地方存放操作系统，存放AI模型，存放你拍的照片和视频，存放实时翻译时的语音缓存。没有存储，这副眼镜就是一块塑料。
问题在于，AI眼镜对存储芯片的要求，几乎是”既要又要还要”的极致版本：
要小。 眼镜的镜腿有多细？普通款大约8-10毫米，高端款要做到7毫米以下。在这根”筷子”里，要塞进电池、扬声器、麦克风、主芯片……留给存储的空间，可能只有几十立方毫米。传统的存储方案，根本塞不进去。
要省电。 眼镜里能放多大的电池？通常只有几百毫安时，大约是智能手机的十分之一。还记得Google Glass的3小时续航吗？如果存储芯片功耗太高，用户可能戴两个小时就要回家充电。这样的产品，没人会买单。
要稳。 眼镜会跟着用户跑步、骑车、滑雪，会经历夏天的暴晒和冬天的严寒。温度在-20℃到50℃之间剧烈波动，存储芯片不能出任何差错——毕竟没人想在跑马拉松的时候，眼镜突然”失忆”。
把这三个要求叠加在一起，就形成了一道隐形的技术门槛。
有行业人士透露，一副带显示功能的高端AI眼镜，物料成本中光学占了七成，主芯片占了两成多，存储看起来占比不高——但如果存储方案选错了，前面两项再强也白搭。
存储不是决定AI眼镜”好不好”的因素，但它决定了AI眼镜”能不能做出来”。
江波龙的”小型化”突围
在这条少有人关注的赛道上，一家深圳公司已经布局了好几年。
江波龙，成立于1999年，2022年在创业板上市，是国内规模最大的独立存储器厂商。根据灼识咨询的数据，按2024年收入计算，江波龙是全球第二大独立存储器企业，也是中国最大的独立存储器企业。它的主营业务包括嵌入式存储、固态硬盘、移动存储、内存条，覆盖从手机、电脑到汽车、服务器的广泛场景。
2024年，公司实现营业收入174.64亿元，同比增长72.48%；净利润4.99亿元，同比增长160.24%，大幅扭亏——要知道，2023年它还亏损了8.28亿元。其中，嵌入式存储业务贡献收入84.25亿元，占总营收的48.24%，同比增长90.49%。
但在过去两年，这家公司做了一件不太引人注意的事情：把存储芯片，做到”物理极限”。
两颗”极限”芯片
第一颗，是7.2mm×7.2mm的超小eMMC。
eMMC是一种常见的嵌入式存储方案，广泛用于手机、平板、智能设备。但江波龙这颗eMMC的尺寸，比行业主流方案缩小了近三分之一，面积比标准eMMC减少约65%，几乎只够放下一颗黄豆。
更难的是，在如此小的封装里，它保持了完整的性能和容量，还加入了低功耗设计。工程师们开玩笑说：“留给走线的空间，得用放大镜才能看清。”
第二颗，是0.6mm超薄ePOP。
ePOP是一种”叠叠乐”式的封装方案——把存储芯片直接堆叠在处理器上方，让两颗芯片共享同一块PCB面积。这种方案特别适合空间极度紧张的穿戴设备。
0.6毫米有多薄？大约相当于六张A4纸的厚度，是传统ePOP厚度的50%。在这个空间里，集成了eMMC5.1闪存与LPDDR4x内存两种存储单元，既能存数据，又能跑程序。
这两颗芯片的封装测试，主要在江波龙2023年收购的元成苏州完成。这家工厂原属于全球封测巨头力成科技，被收购后成为江波龙布局高端封测的核心基地。2024年，元成苏州实现营收3.82亿元，净利润3795万元。
自研主控：从”组装厂”到”技术厂”
除了封装层面的突破，江波龙还在做一件更难的事情：自研主控芯片。
主控芯片是存储器产品的”大脑”，决定了数据读写的速度、稳定性和功耗表现。过去，国内大多数存储模组厂商依赖外购主控，产品同质化严重。江波龙从2019年开始组建芯片设计团队，目前已推出WM6000（eMMC主控）、WM5000（SSD主控）、WM7400（UFS 4.1主控）等多款自研芯片。
其中，搭载WM7400主控的UFS 4.1产品，顺序读取速度达到4350MB/s，随机写入速度达到750K IOPS，均优于市场主流产品。截至2025年7月底，公司主控芯片全系列产品累计实现超过8000万颗的批量部署。
这意味着什么？当AI眼镜需要实时处理高清视频、运行本地AI模型时，存储芯片的读写速度直接决定了用户体验。一颗性能不够的主控，可能让你的眼镜在关键时刻”卡顿”三秒——而三秒，足以毁掉一次翻译、一张抓拍、一个导航指令。
已经落地的客户
做出产品是一回事，卖给谁是另一回事。
根据公司2025年半年报披露，江波龙的超小尺寸eMMC及ePOP产品，已规模应用于阿里、XREAL、小天才、佳明(Garmin)等国内国际一线厂商的智能眼镜、智能手表等可穿戴设备。
小天才是国内儿童手表的头部品牌，连续多年市场份额第一；佳明是全球运动手表的标杆，以严苛的品控著称。它们对供应商的要求极其苛刻：产品要稳定、交付要准时、良率要过硬。能进入这两家的供应链，本身就是一种背书。
更重要的是，江波龙的ePOP产品已经通过高通、展锐等主流穿戴芯片厂商的认证。这意味着什么？当AI眼镜厂商选择高通骁龙AR1或展锐的芯片方案时，江波龙的存储可以”即插即用”，不需要额外做适配开发。
在技术验证和客户拓展上，江波龙已经走完了”从0到1”的阶段。
据公司在投资者交流中披露，目前已与部分AI眼镜领域的头部厂商开展深入交流，正在积极开拓市场。具体合作进展，仍有待后续公告。
一个不一样的商业模式
除了产品本身，江波龙近年来力推的一种商业模式，可能同样值得关注。
传统存储厂商的做法是”卖目录”——我有什么规格的芯片，你从里面挑一个最接近的。但AI眼镜这样的新品类，需求往往是非标的，目录里的产品很难完全匹配。
江波龙的做法是”卖服务”——他们称之为PTM模式（存储产品技术制造）。从芯片设计、固件开发、封装工艺，到测试验证、生产制造，根据客户的具体需求全流程定制。
用公司自己的话说：“不是卖标准品，而是帮客户’画’一颗芯片。”
这种模式的好处是差异化和黏性。一旦客户完成了定制开发，切换供应商的成本会非常高。当然，缺点是前期投入大、周期长，对公司的研发和交付能力是考验。2024年，江波龙研发投入达到9.10亿元，同比增长53.34%，研发投入占营收比达5.21%。
硬币的另一面
写到这里，似乎是一个很”顺”的故事：行业在爆发、公司有布局、产品有落地。
但故事讲得再顺，也需要直面一些现实问题。关于江波龙在AI眼镜领域的前景，有三个问题值得冷静思考：
市场到底有多大？
坦率说，AI眼镜存储芯片目前是一个很小的市场。有机构测算，2024年全球AI眼镜存储芯片的市场规模大约只有500万美元级别。即使按照年复合增长14%的预测，到2031年也不过1200万美元。这个体量，对于一家年收入超过170亿元的公司来说，短期内很难产生实质性影响。
但换一个视角：AI眼镜只是智能穿戴的一个切片。儿童手表、运动手表、TWS耳机、智能戒指、甚至AR头显……这些产品对”小型化存储”的需求是相通的。2024年，全球可穿戴设备总出货量达到5.38亿台；其中TWS耳机3.32亿台，智能手表/手环约1.5亿台。江波龙在AI眼镜上的技术积累，可以复用到整个穿戴市场。
AI眼镜本身的存储市场规模有限，但真正的价值在于”卡位”——通过AI眼镜这个最苛刻的应用场景，验证技术能力、积累客户口碑，进而辐射到整个智能穿戴存储市场。这是一笔”小投入、博大局”的账。
竞争对手在哪里？
在智能穿戴存储领域，江波龙并非没有对手。国内的佰维存储，2024年营收约65-70亿元，同比增长超过80%，同样在布局ePOP产品线，其子公司泰来科技推出的超小尺寸eMMC，体积不足传统eMMC的1/3；德明利2024年营收约45-50亿元，同比增长超过150%，嵌入式存储业务实现销售规模8.43亿元，同比暴增1730%。海外的三星、美光、西部数据，更是不可忽视的玩家。
从营收规模看，江波龙（174.64亿元）仍是国内存储模组领域的”老大”，远超佰维存储（66.95亿元）和德明利（47.73亿元）。江波龙的优势在于两点：一是自有封测能力（元成苏州），二是已落地的头部客户（小天才、佳明、阿里、XREAL）。
江波龙的领先更多来自”先发优势”和”客户积累”，而非不可逾越的技术壁垒。能否保持领先，取决于未来2-3年能否在AI眼镜等新兴场景持续拿下标杆客户。
周期性风险
存储是一个强周期行业。产品价格会随着供需关系大幅波动，公司业绩也会跟着坐过山车。
2023年，全球存储行业遭遇了严酷的寒冬。DRAM模组市场营收同比下降28%，NAND Flash市场规模同比下降33.88%。就连三星、SK海力士、美光等国际存储大厂也出现了严重亏损——三星2023年一季度营业利润同比锐减超过95%，SK海力士同期创下3.4万亿韩元的亏损纪录。
江波龙也未能幸免。2023年，公司净亏损8.28亿元。2024年随着行业回暖，公司扭亏为盈，实现净利润4.99亿元。但好景不长，2025年一季度，公司又出现1.52亿元的亏损，直到三季度才重新实现盈利。
另一个值得关注的指标是现金流。2022年至2024年，江波龙经营活动产生的现金流量净额分别为-3.26亿元、-27.98亿元、-11.9亿元，连续三年为负。截至2025年前三季度末，公司存货规模达到85.17亿元。高存货、负现金流，意味着公司对资金的需求较大，这也是其推进港股上市、拟定增募资37亿元的重要原因。
周期性风险是存储行业的”基因”，无法通过单一业务布局来规避。即使AI眼镜业务发展顺利，公司整体业绩仍会随存储周期大幅波动。
结语：在看得见和看不见之间
回到最开始的问题：一副AI眼镜的”记忆”，从哪里来？
答案可能藏在一颗你肉眼几乎看不见的芯片里。
它不像光学模组那样决定画面清不清晰，不像AI芯片那样决定反应快不快，不像电池那样决定能用多久。但如果没有它，上面这些功能都无从谈起。
江波龙正在做的事情，就是把这颗”看不见”的芯片，做得更小、更薄、更省电、更可靠。在大多数人还在讨论”谁能做出最好的AI眼镜”的时候，它已经在回答一个更底层的问题：“怎么让AI眼镜成为可能”。
这是一条不那么性感的赛道。没有发布会上的欢呼，没有社交媒体上的刷屏，只有实验室里的反复验证，和产线上的日夜赶工。
但历史一再证明，消费电子的每一次革命，最终受益的往往不只是那些站在台前的品牌商，还有那些藏在幕后的供应链。
至于AI眼镜能不能真正成为”下一个智能手机”，现在下结论还为时尚早。有人说2027年会是拐点，有人说要等到2030年。在此之前，产业链上的公司更多是在卡位、试错、蓄力。
对于关注这个方向的读者来说，或许不必急于得出结论。
持续跟踪AI眼镜的出货量数据，观察头部厂商的产品节奏，留意江波龙在穿戴客户方面的进展公告——这些具体的、可验证的信息，可能比任何预测都更有价值。
毕竟，好的机会，往往藏在大多数人还没注意到的地方。
免责声明：本文仅为信息分享，不构成任何投资建议。文中数据来源于公开信息，作者不保证其准确性和完整性。投资有风险，决策需谨慎。
