越来越热的 AI 眼镜
文/VR 陀螺 ZJ
当 AI 眼镜开始从能拍照、语音问答的轻量设备逐渐走向带显示、带端侧 AI、带多传感器融合的下一代智能终端时，散热这个过去并不显眼的问题，正变得越来越关键。
不久前，Meta 一项 AI 眼镜散热专利曝光，该专利试图通过微型热管改善高负载运行时设备的局部温升。乍看之下，这只是一个硬件工程细节，但随着显示模组、传感器、端侧芯片等组件不断被压缩进小小一副镜框中，AI 眼镜的功耗持续上升，热量压力也随之增加。
散热由此从隐藏在产品内部的工程问题，逐渐成为影响性能释放、佩戴舒适度和长时间使用体验的重要环节。对于正在走向日常佩戴的 AI 眼镜来说，如何在不明显增加重量、厚度和功耗的前提下控制温升，已经成为一道必须跨过的硬件门槛。
01
AI 眼镜为什么越来越热？
AI 眼镜的发热，首先来自功能升级。
早期音频眼镜的主要任务是蓝牙连接、扬声器播放、通话降噪和简单语音交互，整体负载相对有限。但随着图像识别、实时翻译、AI 问答和多模态交互加入，SoC、摄像头、电池和音频系统被更频繁地调用，热源数量随之增加。
带显示的 AI 眼镜又进一步增加了散热压力。除了摄像头和芯片，产品还需要集成光机、显示驱动等组件。为了保证户外可见性，显示系统还要维持较高亮度，功耗和发热也随之上升。
还有一个值得关注的点是，端侧 AI 也在改变智能眼镜的功耗结构。过去许多 AI 任务可以依赖手机和云端完成，眼镜只负责采集和播放结果。但如果未来的 AI 眼镜希望具备更强的实时理解能力，端侧芯片就必须承担更多工作。
端侧任务增加后，眼镜的持续功耗和热设计压力都会上升。当 AR 显示和 AI 能力成为核心卖点时，散热能力将直接决定高负载任务能够以多大强度运行，以及能够持续多久。
这正是 AI 眼镜与手机、手表等传统设备最大的不同。手机可以用更大的机身、更高容量电池和更复杂的散热结构换取性能，而手表虽然贴身，但显示和摄像能力有限。AI 眼镜则同时面临体积小、贴近用户面部、强感知、高频交互和长时间佩戴几重约束。
因此，AI 眼镜发热并不是某一代产品的短期问题，而是这个品类向更高阶 AI 终端演进过程中必然遇到的系统瓶颈。
02
从石墨片到固态风扇，AI 眼镜有哪些散热选择？
现阶段，消费级 AI 眼镜的散热方案仍以被动散热为主。最常见的做法，是通过诸如石墨片、导热胶、铜箔、金属支架等材料，将 SoC、电池、摄像头或显示模组附近的热量沿镜腿方向扩散，避免热量集中在某一个点。这类方案成熟、轻薄、无噪音，成本也相对可控，适合当前大多数无显示 AI 眼镜和轻量智能眼镜。
但被动散热存在明显上限。眼镜没有足够大的散热面积，也不能简单把热量导向外壳，因为镜腿和鼻托都可能直接接触皮肤。如果导热效率过高但热量释放位置不合理，用户反而会更快感到发烫。因此，AI 眼镜散热的核心是把热导向用户不敏感、空气接触更充分、又不影响其他模块的位置。
这也是 Meta 微型热管专利值得关注的地方。
图源：Meta 专利
Meta 在专利中展示的热管为直径约 1 至 2 毫米的管状结构，可沿镜腿内部延伸。热源位于镜腿前部的 PCB 和 SoC 附近，热管将这一位置产生的热量传向温度相对较低的镜腿后部，降低局部温升对佩戴舒适度和芯片持续性能的影响。
其核心设计是设置在管体内部的两层同心编织金属丝结构。外层和内层分别由多股金属丝编织而成，二者在线束数量、金属丝直径、交叉密度和孔隙大小上有所差异，由此形成工作流体与蒸汽的传输通道。
图源：Meta 专利
工作时，管壁附近的液体吸收芯片热量并蒸发，蒸汽沿中央腔体向温度较低的区域移动，冷凝后再通过编织结构中的孔隙回流至热源附近。通过调节两层金属丝的编织方式，Meta 希望在 1 至 2 毫米的小尺寸热管内兼顾液体回流和蒸汽传输能力。
专利还在镜腿靠近用户面部的一侧设置隔热层，减少热量向太阳穴传递。Meta 在文件中指出，仅依赖石墨材料很难充分处理镜腿内处理器产生的热量，而热管可以将热量沿镜腿方向重新分布。
测试结果显示，在加入热管后，镜腿中部测点的温度下降约 11℃；相比仅采用石墨材料的结构，整体散热表现改善约 47%。在 600mW、1000mW 和 1600mW 三档功率测试中，1 毫米和 2 毫米热管均降低了镜腿前后区域之间的温差，其中 2 毫米热管在多数测试条件下表现更好。
虽然专利并不代表技术已经进入量产产品，但它反映了 Meta 对下一代眼镜功耗的判断，当显示、连续拍摄和本地 AI 开始同时运行，仅靠石墨片扩散热量可能已经不够，镜腿内部还需要效率更高的传热通道。
Snap 的相关专利也体现了相似方向。其在一份名为“可穿戴设备热传导路径”的专利中提出，可将眼镜前框内电子元件产生的热量，通过热沉或热管传至镜框其他区域，再经由铰链、螺钉和镜腿中的金属芯线继续传导和扩散。
图源：Snap 专利
普通眼镜镜腿内的金属芯线主要用于支撑结构和调节弯曲度。在 Snap 的设计中，这根芯线还可以兼任散热件。铰链也不再只是机械连接结构，而成为前框与镜腿之间的热传导节点。
由于智能眼镜必须支持镜腿折叠，所以跨铰链导热比固定设备更复杂。Snap 的专利考虑了眼镜展开和折叠两种状态，希望热传导路径不会随着镜腿转动而完全中断。这类设计的价值在于提高现有结构的利用率。镜框、铰链和芯线原本已经存在，赋予它们导热功能，能够减少额外零件对重量和内部空间的占用。
除了微型热管，行业也在探索更激进的主动散热方案。像 xMEMS 就在尝试将主动散热做成可供眼镜厂商直接集成的零部件。
2025 年，xMEMS 推出厚度约 1 毫米的 XMC-2400 固态散热芯片。该产品没有传统风扇的转子和轴承，而是通过压电 MEMS 结构振动推动空气。其功耗约 30mW，空气流量可达每秒 35 立方厘米，并具备 IP58 级防尘防水能力。
图源：xMEMS
在 2026 年 MWC 大会的展示中，xMEMS 将 XMC-2400 安装到一副功耗约 1W 的智能眼镜原型上。开启散热后，原型机温度在一分钟内下降超过 20℃。该产品目前已经进入量产出货阶段，xMEMS 称其正在支持首批眼镜项目，首款采用这一方案的消费产品预计于 2026 年底出现。
今年 7 月，xMEMS 又发布了尺寸更小的 XMC-1200。XMC-1200 面积仅 46 平方毫米，可以靠近处理器、摄像头或光机放置，进行定点散热。配合 Astra2 驱动芯片后，典型功耗约 70mW，在 1W 热负载下可实现最高 10℃温降。工程样品已向部分 AR、XR 和智能眼镜客户开放，目标于 2027 年第四季度达到量产就绪状态。
图源：xMEMS
两款产品承担的角色有所不同。XMC-2400 更适合功耗较高的处理器，并已经进入商业化阶段。XMC-1200 则进一步压缩面积，更容易装进纤细镜腿，并靠近具体热源。
国内供应链也在推进面向智能眼镜终端的微型主动散热方案。瑞声科技今年 5 月宣布，基于 MEMS 压电薄膜技术开发的 CoolFan 系列主动散热芯片已完成研发试制，并进入小批量试产阶段。按照公司规划，该产品预计于 2027 年初实现大批量出货。
CoolFan 也采用了 MEMS 压电驱动结构，厚度约 1 毫米，可通过芯片级封装和 SMT 表面贴装方式直接集成到设备内部。其定向气流能够靠近处理器等核心热源进行局部散热，更适合内部空间有限的轻薄终端。
图源：瑞声科技
根据瑞声科技公布的数据，CoolFan 风量可达 3L/min，背压超过 500Pa，功耗约 100mW，运行噪声约 30dB。较高背压意味着气流在狭窄风道和高阻力结构中仍具备一定输送能力，这对镜腿、前框等内部空间受限的智能眼镜尤为重要。
不过，单个散热芯片的参数并不能直接等同于整机表现。将主动散热应用到 AI 眼镜后，厂商仍需解决进出风口、气流路径、防尘防水、噪声控制和额外功耗等问题。散热芯片能否发挥作用，最终仍取决于其与镜框结构、热源布局及软件温控策略的配合。
从 Meta、Snap 到 xMEMS、瑞声科技的例子来看，行业的共通思路已经逐渐清晰，眼镜散热不能依赖单一材料，还需要同时管理热源、传热路径和最终散热区域。
03
散热能力正成为 AI 眼镜的隐形分水岭
散热不会像摄像头像素、AI 功能数量、屏幕亮度那样直接让用户快速感知到，但它会在真实体验中决定产品上限。
如果散热能力不足，AI 眼镜可能出现连续录像时间受限、显示亮度下降、处理器降频、语音或视觉识别延迟，甚至在高温环境下触发保护策略等问题。用户看到的是体验不稳定，厂商面对的则是整机热设计能力不足。
总体来看，优秀的热设计需要回答几个问题，热从哪里产生，通过什么路径转移，最后释放到哪里。但对 AI 眼镜而言，这三个环节都受到有限空间和佩戴形态的约束。
镜腿后端通常距离核心电子元件较远，空气接触面积也更大，因而常被选为冷凝或散热区域。但这里可能还放置着电池、扬声器和配重结构。前框面积较大，却与额头、鼻梁距离更近。金属框体导热较快，又可能影响无线模组和整机重量。
主动散热同样如此。固态风扇可以提升持续性能，却会额外消耗电量，也需要为气流留出空间。机身开孔增加后，防尘防水难度上升，风道处理不当，还可能影响开放式扬声器与麦克风。
因此，AI 眼镜的散热能力最终取决于芯片、光学、结构、电池、声学和软件调度之间的协同。单个散热组件只能解决局部问题，整机层面的热管理才真正决定产品能够稳定释放多少性能。
不同产品也可能会由此走向分化。无显示 AI 眼镜功耗相对可控，低功耗芯片、分布式布局和被动散热仍是更合适的选择。加入单色显示后，厂商可能引入局部热管或更高效的导热结构。具备全彩显示、空间感知和端侧计算能力的 AR 眼镜，则更有可能率先采用超薄热管、VC 与主动散热组合。
未来评价一副 AI 眼镜的硬件能力，除了重量和续航，或许还要看它能在可接受的表面温度下维持多少持续功耗。这项指标不会像算力一类的数据那样亮眼，却更接近真实体验。
推荐阅读
