在苍茫的夜空下 ，一个小脑袋从黑暗中小心翼翼地钻了出来 ，安装在脖子上的小马达发出轻微的吱吱声，小脑袋调整着方向 ，眨巴着大眼睛好奇地打量着这个世界 。
哦 ，不好意思，图放错了 ，重来！
这是10月15日 ，荣耀在Magic 8系列新品发布会上首次展示了一款名为ROBOT PHONE的全新概念终端产品 。不过，现在市场上还见不到真机，据官方透露 ，这台设备预计会在2026年的巴塞罗那世界移动通信大会（MWC, Mobile World Congress）上正式发布。
说真的 ，这东西仅凭一张照片，就已经惊到我了 。因为 ，现在的一块屏幕走天下的智能手机已经称霸太久了 ，我们迫切需要一次突破 。这个能够竖起脖子，转动脑袋四处看的摄像头设计 ，很可能在人工智能时代成为里程碑式的存在。
由于还没有见到产品 ，我们很难猜测这个叫做机器人手机的设计到底能做什么，不过我们不妨大胆想象一下 ，如果荣耀明年再世界移动通信大会上发布的产品真的具备下面所说的功能 ，那么荣耀，毫无疑问会被载入史册 。
你可能会说 ，一个能四处旋转的摄像头真的有用吗？我拍照的时候 ，难道不会把摄像头朝向我想要拍照的方向吗？如果你有这样的想法，那你就格局太小了 。因为这个拖着摄像头，能够四处转动的脖子并不是让你来操纵的 ，它不是一个支撑摄像头的工具 ，它是机器人的脖子，它压根儿就不归你使用。
你以为控制这种摄像头的方向是通过语音告诉它：向左边转一点点 ，再转一点点……
而实际上 ，遇到好看的东西时，你会说：“快看 ，飞机！是胖妞 ，你拍到了吗？ ”而它会回答：“是啊，我拍到了。 ”然后把这张照片给你 。
它不是一个有云台的摄像头 ，它是你的手机小伙伴身上长着的 ，可以东张西望的眼睛 。
这是一个真正的创举，它让我们注意到了那头房间里的大象。这么多年过去了 ，我们手机上的摄像头竟然不会自主调焦 ，不会自己构图，甚至不会自主看向我们想让它看的方向 。你的手机摄像头只能拍摄与屏幕垂直的方向，你的扫地机器人视角只能对着前进的方向 ，这太夸张了 ，就像要求一个人永远不能扭头一样 。
我们为什么能接受这样的设计这么多年？因为我们潜意识里觉得摄像头就该是固定的。这种思维定式就像当年人们觉得手机必须有键盘一样可笑 。直到iPhone出现，我们才恍然大悟：原来屏幕可以直接当键盘用！直到ROBOT PHONE出现 ，我们才知道 ，原来手机可以有一双四处乱看的眼睛 。
也许你觉得我有点儿夸张了，一个能四处转的摄像头会成为里程碑似的存在吗？那我告诉你 ，这个设计不仅仅是手机的革命 ，它还会是家用机器人领域的里程碑。
说起家用机器人，你可能会想到宇树科技的武术家 。
但实际上 ，这东西根本就不是机器人 ，它们目前只是人形的机器 。
反而现在充当聊天助手的大语言模型，更接近人们心中的机器人。你有什么事情都可以找它 ，它会尽量为你排忧解难 ，而且它随时都在 。
你有没有想过，为什么我们现在的大语言模型（LLM）已经能写诗作画 、编代码 、陪聊天，甚至帮忙做PPT ，但我们仍然很难把它当作一个"人"来看待？它能滔滔不绝地跟你讨论哲学 ，却看不见你递到眼前的咖啡；它能写出感人的情书，却认不出你女朋友新换的发色；它能帮你规划旅行 ，却不知道你家冰箱里只剩最后一盒牛奶 。
这个看似微小的差别——实时视觉感知能力的缺失 ，可能正是阻碍人工智能真正"人格化"的最后一道门槛。
现在的大预言模型就像一个超级图书馆管理员——它拥有几乎无限的知识储备，能快速检索和组合信息 ，给出令人惊叹的回答。但就像那个永远坐在柜台后的图书管理员一样 ，它只能被动响应你提出的问题，无法主动观察周围环境的变化 。
你跟它说"今天天气怎么样"的时候 ，它最多能调取最新的本地天气预报数据 ，但却永远做不到像人类那样，直接走到窗前 ，观察云层厚度、阳光角度 。这种对实时物理世界的感知缺失 ，让我们始终觉得AI停留在工具层面，难以产生真正的共情。
视觉信息占据了人类感知的绝大部分 。研究表明，人类大脑约30%的皮层区域都参与视觉处理 ，我们每天获取的信息中超过80%来自视觉 。更关键的是 ，视觉感知让我们能够即时响应环境变化（比如突然看到前方有障碍物），建立情境理解（通过观察周围环境推断发生了什么） ，发展社会认知（通过面部表情 、肢体语言理解他人情绪）。
而当前的大语言模型刚好缺失这种能力 。它不知道你此刻是坐在明亮的办公室还是昏暗的卧室 ，无法感知你说话时的表情变化，更不能理解你指着某个物体时想要表达什么 。这种感知维度的缺失 ，就像一个人永远闭着眼睛生活——知识再渊博 ，也难以真正融入你的世界。
现在，ROBOT PHONE来了 ，事情就会发生质的改变 。
现在的LLM只能基于你输入的文字进行推理 。但如果它能"看到"你家的实际情况 ，比如看到地板上有水渍，它就能主动提醒小心滑倒 ，而不是等你问它：“我摔倒了 ，很疼，需要看医生吗？ ”
它可能注意到你连续几天熬夜工作（通过观察你房间的灯光使用时间），主动建议你好好休息。而不是等你问它：“我好几天没睡好觉了 ，会猝死吗？ ”
它会发现你家的植物很久没浇水了（通过观察叶片色泽和土壤颜色变化） ，提醒你该照顾一下你的绿植了 。而不是等你问它：“我的月季叶子都黄了，怎么救？”
有问必答 ，那只是对客服的要求 ，主动关怀才是真的机器人 。
人类学家发现，婴儿正是通过观察和模仿来学习语言和社交规则的。他们不是先学会语法 ，而是先学会观察大人的表情 、动作 ，然后逐渐理解语言的含义。同样，一个能看的人工智能 ，可能会发展出更接近人类的学习方式：
它们可能会掌握视觉锚定学习 。通过观察具体事物来理解抽象概念 ，比如看到多次下雨和带伞的关联，理解预防的概念 。
它们可能会掌握情境化记忆。比如 ，上次在这个公园散步时聊到了《时间的形状》这本书 。
它们还会掌握非语言交流 。它们可以理解人类的面部表情、肢体动作等非语言线索 ，使交流更加自然。你想让它帮你拍照的时候，可以一边说你的需求，一边用手把重点指给它看 。而它也会一边调整构图 ，一边回应你的想法 。
很多人都吐槽过 ，机器人不会干家务，要它做什么？其实这不是你的真实想法。想想看 ，一个帮你做家务的钟点工 ，和一只会说话的猫，你跟谁更亲？
手机机器人没有脚 ，只有眼睛 ，它会跟着你，看你所看 ，想你所想 。
以前你的手机里的照片是你的资料 ，而以后这些照片则全部是机器人的记忆 。以前你的手机内存满了，整理起来极为痛苦 ，而从此以后 ，你可以问它：去年我过生日的时候，你给我们拍的合影呢？它会马上找出来给你。
我们可能不得不承认，一个能实时观察环境的系统 ，比单纯擅长文字处理的系统更接近"智能"的本质 。就像我们不会认为一个能背诵百科全书却看不见世界的盲人是"完全智能"的一样 。
交互将不再局限于文字输入 ，而是回归到更自然的模式：指向 、注视 、表情和手势。想象一下，你只需要指着一本书说"讲讲这个" ，AI就能理解并开始讲解。从家庭护理（通过观察老人行为变化预警健康问题）、教育（根据学生表情调整教学节奏）、到零售（通过观察顾客视线分析产品吸引力） ，无数现在难以想象的应用将成为可能 。
这回我是真的种了草了 。看了这个产品，我最期待的功能是 ，当我从座位上站起来离开的时候 ，如果把手机忘了，它会主动喊我：“主人 ，求求你 ，不要丢下YOYO不管。”
那你最期待的功能是什么呢？欢迎在评论区聊一聊 。
本文来自作者[张简子斌]投稿，不代表视听号立场，如若转载，请注明出处：https://stddy.com/zheh/202510-52449.html
评论列表（4条）
我是视听号的签约作者“张简子斌”！
希望本篇文章《惊！手机摄像头会 “东张西望”？可能成为改变机器人产业的里程碑》能对你有所帮助！
本站[视听号]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览：在苍茫的夜空下，一个小脑袋从黑暗中小心翼翼地钻了出来，安装在脖子上的小马达发出轻微的吱吱声，小脑袋调整着方向，眨巴着大眼睛好奇地打量着这个世界。哦，不好意思，图放错了，重来！这...