给牙刷装上摄像头，戴森想干什么？

2026年9月，戴森发布了一款不太像戴森的产品，CameraJet™可视成像牙刷。一支牙刷，内置1mm、10万像素的微距摄像头，每秒扫描28张实时图像，AI牙缝光学定位算法识别到牙缝后，最快100毫秒触发锥形水流喷射。

为了这把牙刷，戴森投入了661名工程师和六年时间，用超过47万张口腔图像训练算法。售价3899元，9月1日已在中国率先上市。同时发布的还有旗舰款R3 Nurovi扫拖机器人，将AI视觉与UV紫外光、绿光探测结合，可识别近200种家庭常见脏污与物体，并依据污渍程度自主规划往复清洁。

30000Pa马达吸力较前代提升65%，12点释水系统可释放70℃热水溶解顽固油渍。戴森首席工程师Jake Dyson说了一句话：“我们正从纯粹的机械设备，迈向能够看见、思考并作出响应的智能产品。”

01、AI正在长出眼睛？

过去两年，我们习惯的AI是能说会道的，聊天、写作、翻译、画图啥都可以做到。但2026年秋天，一批新产品释放了同一个信号，AI正在从云端下沉到物理世界，开始看东西。戴森的牙刷和扫拖机器人只是其中一例。

柏林、上海、深圳，几乎同一时间，多家公司发布了搭载视觉系统的终端产品。之所以有这个趋势，是因为语音交互已经不够了，机器需要看见才能做出更精准的判断。一把牙刷要知道水该喷向哪里，一台扫地机要知道污渍是酱油还是猫粮，靠的不是猜，是看。

为什么是现在？是因为三个条件同时成熟了。

第一，传感器变便宜了。第二，1mm级别的微距摄像头、多光谱传感器、UV探测模块，成本已经降到可以塞进消费级产品。戴森那把牙刷里的摄像头，像素只有10万，但配合AI算法，足够识别牙缝位置。

第二，端侧算力够用了。过去视觉AI必须上传云端处理，延迟高、隐私风险大。现在手机芯片的NPU算力已经能本地跑视觉模型，牙刷、扫地机这类小设备也搭载了专用AI芯片，可以在毫秒级完成图像识别和决策。

第三，大模型让看懂变得容易。以前训练一个识别牙缝或酱油渍的模型，需要大量标注数据。现在借助预训练视觉大模型，少量数据就能微调出可用的专用模型。戴森用47万张口腔图像训练算法，这个量级在五年前是不可想象的。

02、这对普通人意味着什么？

对于普通人来说，最直接的变化是你家里的电器，正在从听指令变成看情况。牙刷会根据你刷到哪里自动调整水流，扫地机会看到地上的污渍决定多拖两遍还是直接绕开，空气净化器能识别是烟味还是油烟再决定用多大风量。你不需要告诉它们这里脏了、那里没刷到，它们自己能看到。

另一个变化是隐私。视觉数据比语音数据敏感得多，摄像头对着你的嘴、对着你家的地板，这些图像如果上传云端，风险不小。所以端侧处理是必然选择，数据不上传，在本地完成识别和决策。黄仁勋最近在高盛科技峰会上预测，网络安全将成为AI的下一个大应用场景。

这个判断和AI长出眼睛的逻辑是相通的。当机器能看见异常行为、异常流量、异常代码，防御才能从被动响应变成主动拦截。戴森那把3899元的牙刷值不值得买，是另一个问题。但它背后的信号值得留意，AI正在从屏幕里走出来，进入你嘴里、你家地板上、你每天用的每一件东西里。下一次你发现家里的电器变聪明了，可能不是因为它听到了什么，而是因为它看到了什么。

#物理AI #智能家居