Google進攻AI眼鏡！兩款新品2026上市：攜手Gentle Monster變帥潮配件，有望打趴Meta？|數位時代 BusinessNext

顯示型 AI 眼鏡：由 Gemini 驅動，提供單目與雙目版本

據《彭博社》報導，旗下記者在 Google 紐約辦公室試戴多款內建顯示的原型眼鏡（包含單目與雙目兩種）。

在 AI 眼鏡體驗方面，整體佩戴感更貼近日常眼鏡；由於多數運算改由手機負責，機身更輕、負擔更低，過去在 Google Glass 時期的違和與電力焦慮明顯改善。具顯示器的原型包含右側單眼顯示的 Monocular（單目）與雙眼顯示的 Binocular（雙目）兩款設計，兩者皆可提供 Google 地圖與 Google Meet 的 AR 視覺疊層。

整體而言，單目版本更輕巧、日常感較強；雙目版本則提供更大的虛擬畫面與更完整的 AR 疊層（如地圖、Meet），取捨在沉浸度與重量之間。

互動方面，透過 Gemini 可即時處理內容，包括食材辨識生成食譜、音樂播放、即時翻譯等任務；翻譯可在字幕顯示與僅音訊間切換，因應不同場景需求。地圖體驗不僅有導航箭頭，低頭可看更大的俯視地圖與羅盤，定位與朝向更直覺。

有線 XR 眼鏡：在家輕鬆佩戴，但需插電

Google 同步披露，其 Android XR 作業系統與 Samsung（三星）最近推出的 Galaxy XR 頭戴式裝置共享基礎，並已與 Warby Parker、Gentle Monster 等眼鏡品牌展開硬體合作。

此外，Google 與 Xreal 共同開發、代號 Project Aura 的有線 XR 眼鏡，外觀近似 Xreal 既有產品（如 One Pro），但以 Android XR 運作，並維持外接電池供電的設計。

官方指出，Aura 具備 70 度視野，並採用與 Galaxy XR 相同的手勢追蹤（但鏡頭較少），在導航與交互邏輯上更貼近既有 XR 使用習慣。

據《彭博社》報導，Project Aura 的手勢操作接近 Galaxy XR；但需全程外接電池，機動性受限。影像處理方面，拍照後可調用 Nano Banana Pro 生成式強化，直接在鏡片上預覽結果，減少掏手機確認的頻次。

報導指出，Aura 的硬體限制主要集中在兩點：其一是形態選擇與重量的拉鋸。雙眼顯示更沉浸，但更重且外觀負擔較高；其二是算力與電源的依賴。多數原型仰賴手機處理 AI 運算，因此手機電量與連線品質將直接影響穩定度，且 Aura 需全程外接電池，機動性受限。

Galaxy XR 更新：新增三項功能

因應使用者與評測回饋，Google 與 Samsung 為 Galaxy XR 推出多項更新。

首先是旅行模式（Travel Mode），讓混合實境介面在車輛或機艙移動時維持穩定，避免視窗相對座位高速漂移，改善長途影音與工作體驗。

其次是電腦同步連結（PC Connect），現已提供 Windows 連線，支援筆電畫面鏡像與遊戲，擴大頭戴式裝置的工作與娛樂用途；macOS 版本正在開發中。

最後，Google 推出更擬真的化身（Likeness），使用者可透過手機掃描臉部，生成可於視訊通話中同步表情與手勢的虛擬人形象。

官方強調，以上功能皆以 Beta（測試版）形式於本週上線。

本文初稿為AI編撰，整理．編輯/ 李先泰

1973 年，良興從台北光華商場一間 50 坪的電子零件行起家，半個世紀後蛻變為年營收破十億、毛利率 18% 的全通路 3C 品牌。不過，伴隨規模擴張帶來的不只是成長，還有日益加劇的管理摩擦。門市遍布全台、品項高達近萬筆，加上跨部門協作頻繁，行政耗損與知識傳承的缺口，成為這家老字號邁向下一階段的隱形天花板。

良興總經理賴志達回顧，從電子零件跨入電商、從線下擴張到 OMO 全通路、再到會員深度經營，作為 3C 零售業者，良興每一波轉型都走在同業前面。「現在輪到 AI 了。如何做到人機協作、AI 賦能，就是良興第五波轉型的核心命題。」

AI 自動化，從行政細節釋放組織戰力

轉型需要夥伴，而賴志達評估合作夥伴的標準很明確：技術能力是基本，產業知識（Domain Know-how）的深度是關鍵，回饋速度更是最終決定因素。2025 年的未來商務展上，良興選擇攜手 Data-DI，看重的正是其「策略諮詢 + AI 產品 + 落地陪跑」三軌並行的實施能力。

很快的，良興與 Data-DI 合作的第一個專案，就落在最耗費人力、卻最常被忽視的環節：會議記錄。「會議如果沒有產值、沒有效果，對企業很傷！」賴志達說，他每天參加許多會議，但跨單位協作的會議記錄長期依賴人工聆聽與逐字整理，常出現人名誤植、決策遺漏、行動項目無人追蹤，讓會議效果大打折扣。

為了解決會議記錄的痛點，Data-DI 業務副總包威棣指出，在導入工具以前，團隊須先釐清三件事：場景是否具備落地價值、哪些流程節點適合 AI 介入，以及以終為始地掌握客戶真正想要的輸出樣貌。這些看似基本的提問，都決定 AI 能否精準落地。

確認方向後，良興與 Data-DI 成功導入 AI 會議記錄自動化系統，透過模糊比對技術校正語音辨識誤差，並將生成的雙版本報告直接回存至既有資料庫，不僅將行政人員從重複性作業中釋放，也為後續的 AI 應用奠定扎實的系統整合基礎。

賴志達分享，現在他去外部開會也會用這個工具，運用 AI 把錄音轉文字、再整理成簡報，很快就能完成，更令外部夥伴驚艷。「我認為這是很成功的案子！也提醒想做 AI 的老闆們，與其急著搞大架構，不如先從小工具讓公司嘗試 AI，建立理解和認同。」

AI 把資深員工大腦轉化為資產

補完行政效率的缺口後，良興接著切入更深層的營運核心：知識傳承。過去，頂尖銷售經驗長期鎖在少數資深員工身上，新人培訓耗時三個月，員工離職即帶走知識資本。與此同時，網路資訊發達，消費者進店前早已掌握基本規格，3C 通路門市人員要如何發揮更多價值？「我要門市的人不是死背規格，而是面對客人時，能用客人能理解的方式對話。」賴志達說。

為此，Data-DI 協助良興建置 AI 門市教育訓練系統。系統透過六大自動化關卡，串接教材生成、審核上架、AI 銷售對練與成績回報，主管僅需在核心節點審核；員工透過手機語音對練，系統依口吻、專業度、回應力等維度自動評分。賴志達表示，目標是將新人培訓期縮短至一個月，讓數十年累積的銷售智慧轉化為可複製、可傳承的企業資產。

然而，要讓這套系統真正運作，得先解決兩個根本問題：資料從哪裡來？以及訓練如何更準確？

「以前大數據時代，講的是資料要大、全、細、實；現在 AI 要做到的是準（準確）、合（合乎場景）。」包威棣說。良興不同廠商提供的素材品質參差不齊，Data-DI 除了整合內部資料，也補充加入外部市場評測內容以填補空缺，再透過人員審核機制過濾雜訊，搭配 agent 架構的多層步驟與知識限定，確保系統能精準提煉對應品類的訓練素材。

賴志達則看得更遠：「這些教育訓練的內容，也將成為公司未來訓練機器人很好的原料。」

Data-DI 陪跑型顧問，帶領企業 AI 轉型

良興與 Data-DI 合作的兩個專案中，雙方共同克服了長提示詞邏輯混亂、AI 幻覺污染知識庫、逐字稿讀取逾時等技術難題。邁向下一步，賴志達表示，公司各部門很早就建置 Power BI 報表，但數據豐富不等於決策清晰。「數據是土壤，如果沒有梳理，就沒有用了。」因此，他的下一個目標是活化數據資本、推動行銷自動流，以精實的人力持續驅動成長。

包威棣則從顧問視角歸納兩個觀察：AI 導入需要高層認同、由上而下推進，像賴志達這樣持續引領良興走在業界前端的決策者，就是不可或缺的推手；而單點工具的價值，終究要累積成組織體質的轉變才算真正落地。「就像會議記錄改變了會議當責的結構，人員訓練改變了知識傳承的方式。從點狀應用走向企業變革，這種決策思路才是 AI 真正深入落地產生價值的關鍵。」

最後，對於仍在觀望AI應用的企業，他則建議：「未來 AI 導致的落差只會愈來愈大，人會變成超級工作者，企業會變成超級企業。開始做就對了，先做一個三個月的小任務，降低落差、再急起追上。」從痛點切入、小步快跑，讓組織在實作中累積對 AI 的理解與信任，這正是 Data-DI 的陪跑哲學。

有關更多 Data-DI 相關資訊，請查詢網站：https://www.data-di.com/