Die Schwachstellen, die Lingguang bei der Entwicklung des Personal Agent aufweist, wollen Xiaohongshu und Rokid gemeinsam beheben.

Seit Muse populär wurde, haben große Internetkonzerne, Großmodellunternehmen und KI-Unternehmer eifrig ihre eigenen persönlichen Agents auf den Markt gebracht. Derzeit haben Produkte wie Qianwen Go, WeChat Xiaowei, Lingguang 2.0 und Today AI die größte öffentliche Aufmerksamkeit auf dem inländischen Markt.

Nach der jüngsten allgegenwärtigen Werbekampagne für Lingguang glaubte man fast, dass das chinesische Muse endlich da sei und Alibaba sowie ByteDance weichen müssten – doch die praktische Prüfung ergab ein enttäuschendes Ergebnis.

Lingguang 2.0 kann sich in Systeme und Drittanbieterdienste wie Kalender, Wecker, Baidu Netdisk und QQ-E-Mail einbinden, aber Autorisierungsschnittstellen für hochfrequente Lebensszenarien wie WeChat, Douyin, Xiaohongshu und Meituan sind fast nicht geöffnet. Bei den eigenen Apps der Alibaba-Gruppe wurden nur Alipay und DingTalk angebunden. Die Richtung ist richtig, aber die unzureichenden Berechtigungen machen das Angebot offensichtlich wenig attraktiv.

Das App-Ökosystem des chinesischen Internets ist durch Mauern gekennzeichnet. Der mobile Assistent Doubao stieß einst auf den Widerstand einer großen Anzahl von Anwendungen, und die national beliebten Anwendungen, mit denen Lingguang tief verbunden werden kann, sind ebenfalls begrenzt. Lingguang hat die „Erstellung von Anwendungen“ als Ansatzpunkt gewählt, stößt aber letztendlich auf die bestehenden Grenzen der Anwendungsverteilung und des Handels mit digitalen Diensten.

In diesem Sinne steht Lingguang vor einem Mangel, der nicht durch eine einzelne Produktiteration behoben werden kann. Es stellt die gemeinsame Obergrenze des Pfades dar, „einen intelligenteren Agenten im mobilen Dialogfeld zu entwickeln“. Der Agent kann Absichten verstehen, ist aber schwer in der Lage, die reale Welt, auf die sich die Absicht bezieht, stabil zu erreichen.

Die Berechtigungen liegen in den Händen anderer, die Szenarien in den Händen anderer und die Daten ebenfalls in den Händen anderer. Wenn alle Aktionen durch Schichten von Anwendungshindernissen hindurch ausgeführt werden müssen, wird die „persönliche“ Eigenschaft des Personal Agent zu einer begrenzten Vertretung verwässert, die an die Plattformgenehmigungen gebunden ist.

Die kürzliche Zusammenarbeit von Xiaohongshu und Rokid zur Schaffung von „Xiaohongshu Mianshu“ bietet keine andere Lösung für dasselbe Problem, sondern verlagert die Fragestellung an eine andere Stelle.

01

Was Siri nicht geschafft hat, erledigen jetzt KI-Brillen

In den letzten Monaten wurde Personal Agent wiederholt als die „nächste Station“ des verbrauchernahen KI-Bereichs beschrieben. Er sollte die Vorlieben einer Person langfristig merken, aktiv Bedürfnisse erkennen, wenn niemand darauf achtet, und die Dinge innerhalb des Genehmigungsbereichs erledigen – diese Vision ist nicht neu.

Von Siri bis Alexa haben Sprachassistenten einst eine ähnliche Rolle versprochen, blieben aber letztendlich größtenteils auf der Ebene von „Fragen und Antworten“ und „Befehlen“ stehen. Die technischen Bedingungen reichten nicht aus, um einen wirklich zuverlässigen aktiven Assistenten zu unterstützen, und die Plattformen fehlte es auch an Motivation, Berechtigungen freizugeben.

Der eigentliche Engpass liegt nicht in der Fähigkeit des Modells, sondern in der „Wahrnehmungsposition“. Das Handy ist derzeit der wichtigste Träger von Personal Agent, aber es ist im Wesentlichen ein Gerät, das man nehmen, betrachten und bedienen muss.

Um zu verstehen, was der Nutzer gerade tut, sieht und braucht, kann der Agent nur auf die aktive Eingabe des Nutzers oder die im Handy gespeicherten historischen Daten zurückgreifen. Dieses Muster der „nachträglichen Wahrnehmung“ bestimmt, dass die Aktivität des mobilen Agenten immer eine strukturelle Verzögerung aufweist: Er weiß, wonach du gestern gesucht hast, kann aber kaum beurteilen, welches Geschäft sich gegenüber der Straße befindet, auf der du gerade stehst.

KI-Brillen bieten eine andere Möglichkeit: Ihre Kameras und Sensoren richten sich natürlich nach der Sicht, dem Gehör und dem Bewegungszustand des Trägers und erzeugen einen kontinuierlichen Datenstrom aus der ersten Person. Das bedeutet, dass der Agent nun die physischen Voraussetzungen hat, im „Moment“ des Auftretens von Bedürfnissen einzugreifen.

Der Super-Xiaoai, der in die KI-Brille von Xiaomi integriert ist, unterstützt Aufnahmen aus der ersten Perspektive, Objekterkennung, Übersetzung und Scannen von Codes zur Zahlung; Rokid Glasses projiziert Prompter, Navigation und Echtzeitübersetzung vor die Linsen, sodass Informationen im Sichtfeld und nicht in der Hand erscheinen.

Für sich genommen sind diese Funktionen nicht überwältigend, aber zusammen weisen sie in dieselbe Richtung: Der Agent wandelt sich von „du kommst zu mir“ zu „ich bin gerade anwesend“.

Das ist genau das fehlende Glied in der langjährigen Vision des von Lingguang vertretenen Personal Agent. Großmodelle sind gut im Erinnern, Planen und Ausführen von Aufgaben, aber ohne ein ständig anwesendes Wahrnehmungsterminal kann selbst die stärkste Planungsfähigkeit nur auf der Grundlage der „Angaben“ des Nutzers aufbauen. Die Brille ergänzt den Wahrnehmungseingang, der bereits arbeitet, bevor der Nutzer überhaupt spricht.

Was Rokid tut, beantwortet im Wesentlichen die Frage „Wo wohnt der Agent“. Das im Juni 2026 veröffentlichte YodaOS ist ein Betriebssystem, das auf intelligente Agenten ausgerichtet ist und die traditionelle App-Architektur entfernt. Seine Bedeutung liegt nicht darin, dass es ein weiteres Betriebssystem gibt, sondern darin, dass die Brille von „Hardware zum Ausführen von Anwendungen“ zu einer „Plattform zum Tragen intelligenter Agenten“ umgewandelt wird.

Das zugehörige KIUI Studio senkt die Entwicklungsschwelle weiter: Design, Debugging und Veröffentlichung von intelligenten Agenten können im Browser abgeschlossen werden, und Entwickler können sogar die Laufzeitumgebung simulieren, ohne über ein physisches Gerät zu verfügen.

Bis zur zweiten Hälfte des Jahres 2026 hat die Entwickler-Community etwa 35.000 registrierte Mitglieder, und mehr als 500 intelligente Agenten wurden im Agent Store veröffentlicht. Diese Zahlen sind nicht überwältigend, aber in einer noch nicht ausgereiften Hardware-Kategorie bedeutet dies, dass sich eine ökologische Vorform bildet: Es gibt Menschen, die bereit sind, „Fähigkeiten“ für diese Brille zu schreiben, anstatt nur darauf zu warten, dass der Hersteller die Funktionen selbst iteriert.

Xiaohongshu ergänzt das andere Ende: Sein Agent „Mianshu“ blieb bisher auf die Rolle eines Assistenten innerhalb der Plattform beschränkt und reagierte erst, wenn der Nutzer suchte oder Fragen stellte. Die Kombination mit der Rokid-Brille ändert eine Schlüsselvariable: Der Agent muss nicht mehr warten, bis der Nutzer die reale Szene in eine Textbeschreibung „übersetzt“, sondern die Kamera und die Sensoren der Brille können „den Ort und den Moment“ direkt in die Entscheidungskette einspeisen.

Wenn der Nutzer ein Restaurant sieht und fragt „Wie ist dieses?“, gibt Mianshu ein Urteil ab, indem es das aufgenommene Bild mit den Community-Notizen kombiniert; beim Durchblättern der Speisekarte erkennt es kontinuierlich neue Gerichte und gibt Kombinationsvorschläge in Kombination mit der Anzahl der Personen und den Geschmackspräferenzen.

Xiaohongshu nennt dieses Muster „progressive Wahrnehmung“, der Kern liegt darin, dass der Zeitpunkt, zu dem der Agent Informationen erhält, von der „aktiven Meldung durch den Nutzer“ zum „natürlichen Auftauchen der Szene“ wechselt.

Für eine Community-Plattform, die seit langem dafür kritisiert wird, „Daten zu Konsumtransaktionen zu fehlen“, ist der strategische Wert dieser Fähigkeit zur Offline-Wahrnehmung wichtiger als die kurzfristig verkaufte Anzahl von Brillen: Sie verbindet die Community-Inhalte zum ersten Mal physisch mit dem unmittelbaren Entscheidungsszenario des Nutzers.

02

Das Aufbauen eines Ökosystems ist mühsam, der Hardware-Wettbewerb ist hart – nur Plattformen erzeugen Netzeffekte

Zwischen dem erfolgreichen Test und dem Erfolg im großen Maßstab liegen immer noch mehrere schwer zu überwindende Einschränkungen.

Rokid muss beweisen, dass die Brille nicht nur eine Sammlung von Funktionen wie „Fotografieren, Übersetzen und Navigieren“ ist, sondern eine Plattform, die intelligente Agenten von Drittanbietern tragen kann – sonst wird die Hardware unweigerlich in den Preiswettbewerb abrutschen. Xiaohongshu muss die seit über einem Jahrzehnt angesammelten Lebenserfahrungen aus der App herausführen und in Momenten bringen, in denen der Nutzer keine Zeit hat, das Handy zu öffnen.

Die eine Seite fehlt an „Tiefe der Szenarien“, die andere Seite fehlt an „physischem Anknüpfungspunkt“. Diese Komplementarität ist näher am echten Pfad des Personal Agent von der Demonstration zum täglichen Gebrauch als einseitige Produktparameter.

Die Reife der Endgerät-Leistung ist eine Grundvoraussetzung. Die hybride KI-Architektur wird zunehmend zum Branchenkonsens: Auf der Endgerät-Seite laufen effiziente vertikale Modelle, die für Echtzeitwahrnehmung und schnelle Reaktionen zuständig sind; die Cloud übernimmt schwerere Inferenzaufgaben und langfristige Speicherung.

Die Brille muss nicht alle Berechnungen lokal ausführen, sie muss nur das Glied in der Wahrnehmungskette sein, das dem Menschen am nächsten ist. Qualcomm fasst diesen Trend als „Übergang von Smartphone-zentriertem zu Agent-zentriertem Computing“ zusammen: Die Verteilung der Rechenleistung ändert sich, und die Definition des Eingangspunkts ändert sich ebenfalls.

Aber die Verlagerung des Eingangspunkts hängt nie nur von der Technik ab. Die Quark-KI-Brille verbindet den Qianwen-Assistenten mit den Ökoszenarien von Alipay, Amap, Taobao und Fliggy und versucht, die Brille zu einem „tragbaren Arm“ des Alibaba-Dienstsystems zu machen, während Xiaomi den Super-Xiaoai in das bestehende System der Zusammenarbeit von Smart-Home-Geräten und Handys einbettet.

Der gemeinsame Punkt beider Ansätze ist, dass die Brille selbst keine Dienste erzeugt, sondern den Zeitpunkt erzeugt, zu dem Dienste aufgerufen werden. Wer diesen Zeitpunkt beherrscht, nimmt eine vordere Position im Prozess der Dienststeuerung durch den Agenten ein.

Das erklärt auch die aktuelle Differenzierung im Personal Agent-Bereich.

Große Konzerne haben bei der Entwicklung von Agenten Vorteile durch fertige Konten, Zahlungsfunktionen und Ökosysteme: Sie müssen nicht von Null an neue Nutzer gewinnen und keine zusätzlichen Kanäle anbinden. Startups, die Agenten entwickeln, müssen sich einer engeren Nische stellen: Entweder sie erreichen eine Tiefe in vertikalen Szenarien, die große Konzerne nicht bereit sind zu erreichen, oder sie halten den Wahrnehmungseingang in ihren eigenen Händen durch ein integriertes Konzept aus Software und Hardware.

Rokid wählt den letzteren Weg: Es dringt mit KI+AR-Brillen mit Anzeigefunktion in Geschäfts-, Kultur- und Tourismus- sowie Industrieszenarien ein und behauptet in der globalen Landschaft, in der Meta eine absolute Vorherrschaft hat, den zweiten Platz durch die differenzierte Fähigkeit der „Anzeige“.

Aber das bedeutet nicht, dass die Brille alle Probleme des Personal Agent gelöst hat. Analysten von IDC weisen darauf hin, dass der tatsächliche Nutzwert von intelligenten Brillen noch entdeckt werden muss und die Branche sich noch in der Übergangsphase von der „Neugier“ zum „Werkzeug“ befindet. Die Grenzen des Datenschutzes durch die Wahrnehmung aus der ersten Person, die Interaktionsnormen in öffentlichen Szenarien sowie die physischen Einschränkungen bei Akkulaufzeit und Gewicht sind alles noch nicht abgeschlossene Variablen.

Die Brille ergänzt ein Puzzleteil auf der Wahrnehmungsebene, ist aber nicht die endgültige Antwort.

Laut IDC-Daten wurden im Jahr 2025 weltweit 14,773 Millionen intelligente Brillen ausgeliefert, was einem Anstieg von 44,2 % gegenüber dem Vorjahr entspricht; davon wurden 2,46 Millionen Einheiten auf dem chinesischen Markt ausgeliefert, ein Anstieg von 87,1 % gegenüber dem Vorjahr. Laut Omdia-Statistik steht Xiaomi mit einem inländischen Marktanteil von 31,9 % an erster Stelle, gefolgt von Rokid mit 28,5 %, beide zusammen nehmen mehr als 60 % des Marktes ein.

In der ersten Hälfte des Jahres 2026 lag die Rücklaufquote in der Branche im Bereich von 30 % bis 70 %. Von den über 200 KI-Funktionen, die in den letzten zwei Jahren eingeführt wurden, liegt die langfristige Nutzungsrate bei den Nutzern unter 6 %. Das bedeutet, dass ein beträchtlicher Teil der verkauften Brillen nicht von „Neugeräten zum Ausprobieren“ zu „täglichen Tragegeräten“ umgewandelt wurde.

Das stellt eine implizite Prüfung für die Zusammenarbeit von Rokid und Xiaohongshu dar. Der Wert von Mianshu hängt davon ab, ob die Nutzer bereit sind, in echten Konsumszenarien gewohnheitsmäßig in die Brille zu sprechen und die Brille kontinuierlich wahrnehmen zu lassen.

Wenn die Tragehäufigkeit selbst nicht stabil ist, bricht die Datenkette der progressiven Wahrnehmung häufig, und die Fähigkeit des Agenten, „dich zu verstehen“, wird zu einem zufälligen Demonstrationsmoment.

Derzeit dient die Brille eher als technisches Testfeld: Sie prüft die Anwendbarkeit von Echtzeit-Multimodalität, aktiven Diensten und langfristigem Gedächtnis in der realen Umgebung, anstatt bereits ein ausgereifter Masseneingangspunkt zu sein. Xiaohongshu zeigt in seiner Positionierung Zurückhaltung: Zuerst die Fähigkeiten verbessern, dann über die Skalierung sprechen.

Der größere Hintergrund ist, dass die KI-Brillen-Branche derzeit eine intensive „Krieg der hundert Brillen“ erlebt: Der Einstieg von Spielern wie Xiaomi, Huawei, Alibaba und Li Auto hat den Wettbewerb um Preise und Kanäle in den Vordergrund gerückt. Rokid wählt den schmalen Pfad der Entwicklung von Betriebssystemen, Entwickler-Ökosystemen und einem System von Offline-Filialen. Die Schwelle ist höher, der Amortisationszeitraum länger, aber sobald das Ökosystem intelligenter Agenten Netzeffekte erzeugt, sinkt die Austauschbarkeit der Hardware.

Zhu Mingming hat sich das Ziel gesetzt, vor 2030 einen