副题：哪种传感器，配当 AI 助理的学习信号？
延续《信号决定论》《程序化广告 × LLM》《奖励与下一个词》的同一把尺子——把"学习信号六维度"从领域命运横切到 AI 硬件形态之争，回答三个问题：为什么 XR 眼镜没有成为下一代终端？为什么 AI 时代手机地位被增强而非替代？数据融合后的 AI 助理，价值阶梯在哪里？
2026 年 10 月 13 日，上海。阶跃星辰发布首款大模型原生智能体手机 STEPX Neo，定价 3999 元。发布会全程几乎不谈芯片性能、不谈影像规格，把全部笔墨花在一件事上：六颗麦克风、一颗低功耗音频感知芯片、一套拾音算法——官方称之为"智能体听觉增强系统"，复杂环境耳语级识别，全天候待机仅耗电 1.2%。
一个月前，9 月 16 日，被称为"豆包手机"的努比亚 NaviX Ultra 开售，预约量超 36 万台。它上一代产品（M153）最激进的尝试是让 AI 读取屏幕、模拟点击——上线次日即遭微信、淘宝、支付宝、美团集体风控封杀，被迫下线金融操作能力。
再往前，2025 年 12 月，Meta 收购了做全天候录音吊坠的 Limitless——一家官方留存率高达 99.6% 的公司，却撑了仅仅 15 个月。同年 7 月，Amazon 收购了同类产品 Bee。两个验证了"消费者愿意佩戴聆听设备并付费订阅"的创业公司，在约七个月内被两大巨头收编完毕。
而在更早的 2021—2022 年，全行业曾经坚信：人获取信息 90% 以上依赖视觉，所以 XR 眼镜是毫无疑问的下一代计算终端。五年过去，眼镜依然是配件。
同一个行业，为什么曾经的"视觉第一性原理"没有兑现，而"拾音"反而成了 AI 原生硬件的第一个主战场？
本报告的答案，延续信号三部曲的核心命题：决定一个方向命运的，不是模型能力，不是传感器带宽，而是学习信号的质量。把《信号决定论》里那把丈量"领域命运的尺子"，横切到 AI 硬件形态之争上，推演结果与行业的直觉正好相反——
| # | 问题 | 对应章节 |
|---|---|---|
| 一 | 为什么 XR 眼镜没有成为下一代终端，而手机反而在 AI 时代被增强？ | 第二章、第三章 |
| 二 | 24 小时拾音会成为智能手机标配吗？独立 AI 硬件还有活路吗？ | 第四章、第五章 |
| 三 | 数据融合后的 AI 助理价值在哪里？投资上怎么布局？ | 第七章、第八章、第九章 |
熟悉信号三部曲的读者可直接从第二章读起；只需要投资结论的读者，可直接跳第九章。本报告涉及的公司数据均标注口径——"公司口径"指企业自报未经独立审计，"行业转述"指从业者公开转述的调研数据。
《信号决定论》给出了那把尺子：学习信号质量的六个可测量维度——①信号是什么 ②密度多高 ③反馈多快 ④是否有偏 ⑤能否模拟 ⑥信噪比多少。前四个决定"能不能学到"，后两个决定"能学到什么程度"。语言之所以率先涌现，是因为"预测下一个词"是一种能自我标注的信号：免费、稠密、即时、无偏，供给近似无限。
这一章只做一件事：把尺子从"领域"迁移到"个人"。
AI 助理的真正瓶颈，不是模型不够聪明，而是它不够懂你。模型每一次对话都从零开始，用户被迫反复解释自己是谁、偏好什么、正在做什么——业内称之为"上下文税"。要让 AI 真正成为助理，它必须持续获得一类特殊的数据：关于你的、带意图标注的信号。你说了什么、打了什么、点了什么、买了什么——这些信号的对错不需要人工标注，你的行为本身就是标签。
于是问题从"哪种传感器带宽最大"变成了"哪种物理信号，能成为个人模型的学习信号"。候选者有四个：
用六维度逐一丈量，结论在后两章展开。但先给出总表——它是本报告全部推演的骨架：
| 六维度 | 手机/PC 数字行为 | 对话语音 | 物理视觉 | 语音生物信号 |
|---|---|---|---|---|
| ①信号是什么 | 行为即意图标签（自我标注） | 半自标注（语言自带语义） | 原始像素流（无标注） | 生理状态输出（有医学金标准） |
| ②密度 | 每次交互一个标签，日均千级 | 每句一个语义单元 | 每帧无标签，决策占比极低 | 持续但有效信号低频 |
| ③反馈速度 | 秒级闭环 | 小时级（记录→摘要→执行） | 无闭环 | 天/月级（临床周期） |
| ④是否有偏 | 低 | 低 | 低但无标签 | 无偏（生理指标不可收买） |
| ⑤能否模拟 | 高（历史可回放） | 中 | 低（算力+隐私双锁） | 中（合成语音有限） |
| ⑥信噪比（对"懂你"） | 高 | 高 | 极低 | 高（对健康任务） |
先回到那个曾经的行业共识。它的推理链是：人获取信息 90% 以上依赖视觉 → 眼睛是人的第一传感器 → 第一视角视觉设备是下一代信息输入终端 → XR 眼镜是手机之后的下一个智能平台。
这条推理链有一个几乎无人质疑的隐含假设：AI 助理需要的输入 ≈ 人类需要的输入。
这个假设不成立。人用视觉是为了生存——避障、识人、觅食，视觉必须覆盖物理世界的全部带宽。而 AI 助理要建模的对象不是物理世界，是你：你的意图、承诺、关系、偏好、日程、习惯。这些决策相关信息，90% 不存在于你的视野里，而存在于你说的话和你打的字里。
一个量化的直觉：一个人一天看 16 个小时，第一视角视频里对"理解这个人"有用的内容不足 3 分钟；而同一个人一天发出的两百条微信、几十次点击、几笔订单，几乎每一条都是意图的自我标注样本。视觉是高带宽、低语义密度；语言与数字行为是低带宽、高决策密度。带宽是人类的约束，不是模型的约束——模型从不嫌信号少，只嫌信号贵。
在这个视角下，手机的地位需要被重新理解：手机不是"一块屏幕"，而是个人尺度上唯一信号供给近似无限的设备。你在它上面的每一次交互都是自我标注的学习信号——点击是偏好标签，搜索是意图标签，购买是决策标签，回复是关系标签。这和"预测下一个词"是同一个信号结构：数据在你使用的过程中自动产生，标注成本趋近于零，反馈以秒计。
Scaling Law 的隐藏前提——信号供给近似无限——在个人尺度上，只在手机上成立。
这不是推演，是巨头们用真金白银投出来的共识：
四家公司的产品哲学、技术路线、隐私立场各不相同，但底层动作完全一致：把终端上的数字行为，变成 AI 的学习信号。
于是"AI 会不会颠覆手机"这个问题有了信号论意义上的答案：AI 不是手机的掘墓人，而是手机垄断地位的最大受益者。智能手机攒了十五年的数字行为数据，在功能机时代是死库存，在大模型时代突然变成了学习信号的富矿。换机动力第一次不再来自硬件参数，而来自"我的助理在我的手机里懂我，换机即失忆"——这是比任何芯片升级都锋利的锁定。
还有一个佐证来自大盘的反差：2026 年全球智能手机出货预计 10.8 亿部，同比下降约 13.9%，创 2013 年以来新低——而驱动萎缩的正是信号基础设施的成本：2026 年二季度智能手机存储价格环比上涨超 80%，存储成本已占中端机型物料成本的约 40%，DRAM 在部分旗舰机型中已超过处理器、成为成本最高的单项零部件。但结构性数据是，换机的人几乎都在换 AI 手机：中国 AI 手机渗透率 2026 年一季度已达 53%，出货同比暴涨 320%（Canalys）；IDC 预测 2026 年中国 AI 手机出货 1.47 亿台，占比过半。大盘在萎缩，AI 手机在独立行情——驱动换机的不是参数，是信号入口。
XR 眼镜没能成为下一代终端，行业通行的解释是"智能手机过于强大"——生态、应用、供应链、用户习惯，护城河太多。这个解释是对的，但它只解释了"为什么难赢"，没解释"为什么输掉的是视觉"。
信号论的解释更彻底：第一视角视觉流，对"理解你"这个任务而言，是一种六维度全面落后的稀疏信号。
逐项过尺子：视觉流的信噪比极低——16 小时录像，99% 是无语义的画面噪声；它没有自我标注结构——视频里不存在"下一帧即答案"的监督信号，模型无法从原始像素流中免费获得"你想要什么"的标签；它没有反馈闭环——你看了一面墙，之后既不点击也不购买，这个视觉事件永远没有对错；它的采集还叠加了所有信号源中最高的合规成本——镜头拍到的从来不只是你，还有每一个路人。
2026 年的行业数据补上了实证：主流 AI 眼镜拍摄功能的周留存仅约 22%（行业转述口径）。请注意这个数字的分量——它不是来自创业公司的失败品，而是来自 Meta：Ray-Ban Meta 2024 年销量超百万副，2026 年下半年出货目标一千万台，分发能力、品牌势能、供应链效率无一短板，但"第一人称随时记录"这个功能本身，五分之四的用户在一周之内就不再使用。分发救不了稀疏信号。
对照本系列第一部里的判例：机器人、医疗、广告——这些领域不是被算法打败的，是被"稀疏、昂贵、延迟"的学习信号锁死的。眼镜的视觉流，是同一个判例在消费硬件上的重演。XR 夙愿的落空，不是工程失败，是信号论判定。
但故事有一个重要的转折：眼镜阵营并非没有活路，只是活路不在"拍下世界"，而在"记录行为"。
注意一个微妙的区分：摄像头记录的是世界的画面，而"你看了什么、看了之后做了什么"是行为。如果眼镜记录的不再是原始画面，而是注视点序列——你注视了橱窗里的哪双鞋三秒、随后是否搜索了它、是否购买了它——那么"注视 + 注视后的动作"就构成了一个自标注信号：注视是候选意图，后续行为是确认标签。视觉一旦行为化，眼镜就第一次拥有了与手机同构的学习信号。
这解释了为什么当前 AI 眼镜集体把重心从"拍摄"转向"语音交互 + 记忆"：李未可 X-AI 记忆眼镜把摄像头做成了可拆卸的磁吸模块——物理拆装本身就是对"视觉信号合规成本过高"的产品化承认；而它的核心卖点变成了 10 小时连续录音和长期记忆系统。眼镜业正在用脚投票，从视觉信号退回语音信号。
手机的学习信号有一个天然的缺口：它记录的是你打出来的语言和点出来的行为，却不记录你说出来的话。而人一天中最携带信息量的语言——会议、面谈、电话、自言自语——大部分不经过键盘。
24 小时拾音，就是给手机补上"嘴巴"的信号入口。这个方向在 2026 年从概念变成了产品竞赛：STEPX Neo 把六麦阵列、低功耗音频芯片和拾音算法做成了核心卖点；豆包手机二代把"存量大扫荡"（读取录音、相册、日历）与"增量随手收"（语音记一条、三指上滑存屏幕）组合成完整的记忆管线；李未可眼镜、飞书与安克的"录音豆"、出门问问的录音耳机手表、AI 戒指——形态在收敛为纽扣、戒指、耳机、眼镜，本质都是同一件事：让"说出来的信号"随身、常开、低成本地被采集。
信号论如何看这个方向？三个判定：
判定一：对话语音是半自标注信号，与数字行为同源，融合成本最低。语言本身携带语义——一段对话经转写后就是文本，可以直接进入语言模型已有的自监督管线；它比数字行为稀疏一级（"说了什么"有标签，"是否导致行动"没有），但比视觉稠密几个量级。把对话信号接进手机，等于把手机的信号版图从"手指"扩展到"嘴巴"，两路信号同源同构，融合不需要新的架构。
判定二：采集成本已经被工程化解决。STEPX Neo 的六麦阵列加低功耗音频芯片，全天候待机耗电 1.2%——这个数字的意义是：常开拾音不再需要用户在"智能"与"续航"之间做选择。采集成本趋零之后，信号供给的上限只剩下合规约束。
判定三：合规约束会把形态推向端侧，而非云端。这是与 App 时代最关键的不同。中国《个人信息保护法》下，声纹属于敏感个人信息，处理需单独同意；秘密录音在司法判例中很可能构成违法；千万级用户的处理者面临强制合规审计。全天候录音若把原始音频上传云端，合规成本将高到无法运营——所以现实中的产品全部收敛到同一个形态：唤醒常开 + 场景触发 + 端侧索引 + 分层授权。苹果、微软、豆包不约而同押注本地推理，不是价值观趋同，是监管约束下的均衡解。李未可把摄像头做成可拆卸模块、把记忆分为"临时/可删/长期"三层、宣称"守护者不拥有守护的东西"——这些设计不是营销话术，是把合规成本转化为产品默认值的工程动作。
App 时代的历史经验——大量应用越权搜集信息，用户为便利让步——在本轮会重演，但重演的形式不是"重演越权"，而是"端侧换信任"：用户让渡的是"被记录"的知情同意，换回的是"数据不出设备"的隐私承诺和助理的贴身服务。这个均衡比 App 时代更稳定，因为它把最敏感的原始数据留在了用户手里。
至于"所有智能手机都会加入 24 小时拾音"这个判断——方向确定，节奏留有余地。STEPX Neo 证明的是可行性与体验上限，豆包二代 36 万预约证明的是需求强度；但拾音功能的全面标配化，还要等两件事落地：监管对端侧拾音的数据边界给出清晰规则，以及头部厂商（苹果、华为、小米）完成从"被动唤醒"到"主动记忆"的产品代际切换。考虑到 OpenAI 的 AI 手机已在供应链层面启动（分析师郭明錤称其最快 2027 年上半年量产、两年目标 3000 万台），这个代际切换的窗口不会晚于 2027 年。
2024—2025 年，"AI 硬件元年"的叙事催生了一批独立的拾音/记录设备。到 2026 年，它们的分化给出了教科书级的对照实验：
同一品类，为什么 Plaud 活得不错，Limitless 验证了需求却死于商业？信号论的答案分两层。
第一层：独立拾音设备天然患有"信息茧房"。它只能采集对话语音这一种信号——没有你的点击、购买、输入、日程，没有你在手机和电脑上的数字行为。而如第二章所述，"懂你"所需的高密度信号大半在数字行为里。只用对话信号建个人模型，等于只看一个人三分之一的生活。这不是工程缺陷，是设备形态的先天残缺：没有宿主级信号供给的公司做个人 AI，等于无米之炊。
第二层：反馈速度不达标，信号无法闭环。《信号决定论》里，"反馈多快"是决定"能不能学到"的前四维度之一。独立拾音设备的典型价值链是：记录（当下）→ 转写（分钟级）→ 摘要（小时级）→ 用户回看（不确定是否发生）。若用户当天没有回看，这条信号链就没有产生任何反馈——记录发生了，学习没有发生。Limitless 的失败复盘普遍指向这一点：硬件解决了"捕捉"，没有解决"何时值得捕捉"；价值在记录的当下无法兑现。
那 Plaud 为什么活了下来？因为它没有把产品定义成"记录你的生活"，而是定义成"会议纪要工具"——绑定会议、销售、医疗、法律等可交付工作流，录音结束十分钟内纪要进邮箱，价值当天兑现。用信号论的语言说：Plaud 把一个"小时级延迟"的信号，强行压缩进了"分钟级闭环"的工作流。它放弃了对"懂你"的宏大叙事，换回了信号闭环。
而 Limitless 和 Bee 的归宿，则揭示了独立设备的最终命运：它们验证了"消费者愿意佩戴聆听设备并付订阅费"，于是被拥有宿主级信号供给的巨头买走。Meta 买 Limitless，看中的不是吊坠，而是其记忆引擎与同意管理技术（Consent Mode，可识别对话方是否同意被录制），将整合进销量百万副级别的 Ray-Ban 产品线；Amazon 买 Bee，是给 Alexa 补上"出门之后的信号"。创业公司负责验证需求，hyperscaler 负责收割入口——这个品类已完成了退出路径的定价。
把 2024—2026 年巨头在"个人信号"上的动作摆在一张牌桌上，会看到一条罕见的、几乎没有分歧的路线：
| 公司 | 产品/动作 | 信号策略 | 端侧原则 |
|---|---|---|---|
| 微软 | Windows Recall | 定期截屏 + 本地语义索引 | 本地构建、本地存储、可随时删除 |
| OpenAI | Chronicle → 电脑历史记录 | 记录点击/键盘/应用切换（不截屏），本地存摘要 | 摘要本地存储；欧盟/英国暂不开放 |
| 苹果 | CAMPHOR 五智能体架构 | 个人情境 + 设备信息 + 用户感知 + 外部知识 + 任务完成 | 端侧模型 + 本地数据库检索 |
| 字节 | 豆包手机记忆系统 | 存量数据（录音/相册/日历）+ 主动指令 + 随手收 + 个人上下文 | 本地搜索工具，端侧大模型 |
| 腾讯 | WorkBuddy × 李未可眼镜 | 眼镜采集实景对话 → 记忆系统整理 → 智能体执行 | 眼侧采集、云侧执行的分层架构 |
五家公司的产品形态、商业模式、隐私立场差异巨大，但牌桌上的底牌完全相同：数字行为 + 对话语音的融合信号，端侧处理。
牌桌的入场券还在增发：就在 STEPX Neo 发布的同一天（10 月 13 日），OPPO 宣布与智能体平台 Manus 合作，将智能体能力整合进 ColorOS 17 的 AI Mind Pilot；荣耀则宣布与阿里合作推进 Agentic OS 下一代终端操作系统，并筹备"机器人手机"。行业竞争的焦点，已从"谁先接入大模型"转向"谁能定义智能体与下一代操作系统"。
值得注意的是动作的层级差异。微软和 OpenAI 在 PC 端抢"屏幕与操作"；字节在手机端抢"存量数据大扫荡"；苹果做得最系统——CAMPHOR 架构里，"个人情境智能体"和"用户感知智能体"是五个端侧智能体中的两个，等于把"读你的数据"写进了操作系统级架构；腾讯则选择了最"连接器"的路径——不造硬件，通过 WorkBuddy 接入李未可眼镜（记忆采集）和 STEPX Neo（首批接入的腾讯产品包括 WorkBuddy、企业微信、微信读书），让别人的硬件为自己的智能体采集信号。
还有一个容易被忽略的战场在模型本身：端侧模型正在快速逼近"够用"线——旗舰手机 NPU 峰值算力已突破 70 TOPS，可流畅运行百亿参数级的多模态模型；70 亿参数的量化模型仅需约 4GB 内存即可离线运行。端侧算力的军备竞赛，本质是为"个人信号的本地消化"备货：信号在端侧产生，就要求推理在端侧完成，否则隐私均衡不成立。
这张牌桌对二级市场的含义将在第九章展开，这里先给一个定性判断："个人信号入口"的战争已经结束了圈地阶段，进入标准制定阶段。豆包手机大模型 2026 年 7 月完成网信办备案（首批手机端侧生成式 AI 服务），OPPO 与支付宝的智能体互联方案被纳入工信部标准参考，A2A/MCP 协议的调用权之争从应用层蔓延到终端层——接下来的竞争不再是"谁先做"，而是"谁的定义成为行业标准"。
数据融合之后，AI 助理能做什么？这一章按"落地时序 × 价值密度"给出五级阶梯——它同时是创业方向清单和二级市场的主题演化路线图。
对话中最有价值的不是信息，是承诺："下周二给你合同""回头把报价发我""下次见面聊"——这些口语化的承诺散落在对话里，是商务世界的最大漏损。AI 助理的第一级价值是把它们自动捕捉为行动项并执行：李未可眼镜与 WorkBuddy 的分工（眼镜负责记录理解、WorkBuddy 负责生成纪要、排日程、跨系统流转）是目前最完整的落地样板。Plaud 的百万台销量证明：价值当天兑现的工作流，用户愿意付订阅费。
哪类人最先为"懂你的 AI"付费？答案是决策者、管理者与复杂信息处理者——小企业主、中高层管理者、大客户经理、HRBP。他们的共性：主动沟通多于被动接收、人际关系相对稳定且需要长期维护、信息饱和度高、"贵人多忘事"。对这群人，一个记得每个客户偏好、每次承诺节点、每个人情往来余额的助理，直接等价于收入。数字行为 + 对话信号融合后，这一级价值才真正成立——只有对话记录，缺行为数据，关系图谱立不起来。
详见第八章——它是拾音独有的价值，也是本报告认为市场定价最不充分的期权。
会议纪要 → 结构化知识库 → 自然语言检索 → 跨项目复用。这一级的技术门槛最低、竞争最拥挤（所有笔记类、协作类产品都在做），但其战略意义在于数据资产的复利结构：记忆库每多存一年，助理的相对优势就多一年——它是 AI 助理产品里少有的"时间壁垒"型资产。
融合信号的终点形态：AI 助理知道你所有的"想"——说过什么、搜过什么、犹豫过什么、放弃过什么。这是广告产业七十年来的终极梦想，也是 PIPL 语境下最危险的数据资产。它不会以"广告"的名义出现，而会以"助理帮你砍价""助理提醒你复购"的服务形态出现——商业化的终点是"卖结果"而非"卖流量"。这一级的竞争，是平台巨头与监管的主战场，五年内不建议任何新玩家下注。
这是全报告信息密度最高的一章，也是信号三部曲的方法论最漂亮的一次复用。
《奖励与下一个词》的核心论断：o1 和 R1 没有发明新算法，它们做的是把奖励来源换成"确定性真理"——数学和代码自带验证器，信号突然变得免费、稠密、不可收买，于是推理能力在这个领域率先爆发。验证器，是稀疏信号领域翻盘的唯一武器。
现在把这个判例对准 24 小时拾音。对话语音作为"懂你"的信号是半自标注的（第四章），但它的一个副产品——声纹——正在成为全部个人信号源中唯一自带医学验证器的品类：
用那把尺子过一遍声纹信号：信号是什么——神经与呼吸系统的直接输出；密度——每个人每天说几千句话，采集免费；是否有偏——生理指标不可收买、不可伪造；验证器——每一项关联都有临床金标准可回验（确诊即验证）。这是四类个人信号源中，唯一完整复刻"数学与代码"信号结构的领域。
而它的采集入口，恰恰是 24 小时拾音——不需要任何新增硬件，你每天说的话就是连续的免费体检。AI 助理的竞争终局里，最锋利的用户锁定可能不是效率，而是健康：一个每天听你说话、持续监测你声纹变化、能在帕金森症状出现前数年发出提示的助理，没有人会卸载它。
信号三部曲的投资框架，到本篇收敛为两条筛选标准。所有 AI 原生硬件的标的，先过这两道闸门，再看估值。
Scaling Law 在个人尺度上成立的前提，是信号采集、处理、存储的成本持续下降。凡是站在这个成本下降曲线上的环节，都在向每一次人机交互征收"信号税"——不依赖任何单一整机品牌的胜负：
| 环节 | 逻辑 | 确定性 | 代表方向 |
|---|---|---|---|
| 端侧算力 | 本地推理+本地索引是隐私均衡的代价，NPU 算力需求随拾音标配化持续上修 | 最高 | 手机/穿戴 SoC、NPU IP |
| 存储 | 端侧记忆=本地数据资产，存储涨价已是定价证据；内存带宽是端侧推理第一瓶颈 | 最高 | 内存接口与互连、模组 |
| 声学器件 | 每机 +4—6 颗高性能麦 +1 颗低功耗常开音频芯片，量随渗透率下沉 | 高 | 麦克风阵列、音频 DSP/ADC、MEMS |
| 电池/电源 | 常开=静态功耗敏感，硅碳负极与低功耗管理增量 | 中 | 电源管理、新型电池 |
| 整机品牌 | 参数竞赛转向信号竞赛，毛利战延续 | 低（风险区） | —— |
四类个人信号源中，唯一自带确定性验证器的是语音生物信号（第八章）。按专题六的判例，验证器领域会先于其他领域爆发——因此"语音健康"是 AI 原生硬件叙事中唯一值得给予独立估值溢价的软件/服务方向，其余"懂你"类应用（个人 CRM、第二大脑）按 SaaS 逻辑正常估值即可。
两道闸门联合排除的标的：纯参数竞赛型整机（未过闸门一）；无宿主信号供给、无工作流闭环的独立拾音硬件（第五章已判死刑，只能按并购退出定价）；以"AI 广告"为叙事的数据概念（价值阶梯第五级，监管未落地前均为故事期）。
最后，把本系列的选股逻辑压缩成一句话：不投"更聪明的模型"，投"更便宜的信号"——模型层面的竞争终局是少数巨头的游戏，而信号从采集到验证的每一个成本下降环节，都是可以按订单和报表验证的生意。
本报告把"懂你"的信号源锁定在四类：数字行为、对话语音、物理视觉、语音生物信号。但推演不应止于此——留三个开放问题，作为信号决定论系列的下一程：
其一，注视信号。第三章给出的眼镜翻盘路径（视觉行为化：注视点 + 注视后的操作 = 自标注意图标签）何时具备工程条件？眼动追踪的硬件成本曲线与 AR 眼镜的放量节奏，决定了这是 2028 年后的问题。一旦成立，眼镜将第一次拥有与手机同构的学习信号——"下一代终端"的叙事需要重新评估。
其二，具身信号。机器人的每一次抓取失败都是带天然标签的样本，但试错不可逆、成本高昂——它是四类个人信号之外，唯一可能规模化产生"稠密+即时"信号的物理领域。信号论判定它"能跑通"，剩下的问题只是谁的机器人来付这笔学费。
其三，嗅觉与触觉。电子鼻与电子皮肤的信号密度极低且几乎无自标注结构，信号论给出的预测是：它们在可预见的未来只能是辅助通道，不会成为任何智能终端的主入口。
尺子已经给出答案。剩下的，交给时间验证。