移动端应用是什么？
简单来说，它指智能手机、平板上的 App，但不仅限于此。AR 眼镜、车机、电视以及人形机器人等基于移动开发系统的设备，都搭载了各式各样的移动端应用。
跨平台应用如 Flutter、React Native、Harmony、KMP 等，通过抽象层 + 适配层，将 UI、系统能力、线程/IO、事件、渲染等在框架里统一，再映射到不同平台的 Native 实现。
功能上，输入和连接、传输是关键。设备像'手脚'，App 像'遥控器'，云端像'大脑'。在 AR 眼镜端负责执行和显示；移动端 App 负责连接、控制、同步；云端负责数据存储与分析。
移动端应用在做什么事儿？
光学设计研发方面，光学信息从 AR 眼镜传递到人眼视网膜，视神经传递到大脑，进而感知 AR 呈现的光学信息。
应用层研发重点主要在两方面：一是 AR 眼镜上的应用研发，如大桌面（开机主界面）、设置应用、3DoF 拍照、提词器、AI 助手等特性应用；二是与 AR 眼镜配套的手机应用研发，目前主要包含 Android 和 iOS 手机端。
当前 AR 眼镜依赖于手机端 App 提供一部分算力以及应用场景的扩展，帮助其更好实现市场化。AR 眼镜要想单独作为一款独立智能设备终端，还需要一定时间。
为什么需要移动端应用层？
显示（EyeBox 相对较小、颜色是单绿色）、交互、算力等因素决定了现状。
角色定位上，当前主流 AR 眼镜（特别是分体式、伴侣式 AR 眼镜）的技术架构是——手机作为计算核心，AR 眼镜作为显示和交互终端。
新架构优点在于由模块化到组件化，高内聚、低耦合，遵循 SOLID 设计原则。
移动端应用未来做什么？
在这个行业，几乎人人都在聊 AI。做分享不聊一聊 AI，好像自己都跟不上时代的波涛汹涌。目前主流思路是两点：关注 AI 发展、使用 AI 工具。
AI 使用分阶段，初级与中高级使用者提升的效率也是不一样。同时要注意 AI 幻觉，需要使用者具有判断能力。
AI 时代的码农是人机协同：选择和判断、定义问题和识别方向、调教和沟通。
开发中使用到的 AI 工具小结
以 ChatGPT 上线 3 年来为例，Gemini CLI、Cursor CLI 等被做成命令行编程工具。原因有二：一是可以随意嵌入到任何现有的 IDE 当中搭配着使用，不需员工放弃原本熟悉的工具；二是未来你并不需要关心代码是怎么写的，只需要在命令行窗口里给 AI 提需求就可以了，图形界面的 IDE 将会变得不再重要。
但这能提高编程效率但不提高编程能力。Cursor 不支持 AS，且代码质量暂时无法把控。Vibe Coding 理念提倡只写提示词，不写一行代码来编写程序。
AI 工具传统风险点与企业级 MCP 架构
风险包括：人工把代码/日志直接复制进 ChatGPT 导致数据外泄；IDE 插件可能会自动上传项目文件；外部 AI 工具不清楚上传数据范围。
企业级 MCP 架构要求 MCP Server 部署在企业内网或本机，模型永远不直接读取企业文件内容。模型看到的所有内容，必须经过 MCP Server 的规则过滤：
- 只允许访问指定目录
- 自动脱敏（如替换 API Key、手机号、userId）
- 只允许读取片段，而不是整个仓库
- 允许'diff 模式'而非全文模式
- 只允许工具执行结果摘要（如 lint、构建日志）
即使模型无意或误操作，也被 Server 层完全隔离。
AI 竞争 VS 电力竞争
首先，都带 AI 功能；其次，与自己生态结合；最后，流量入口争夺。
AI 眼镜元年、AI 硬件元年，AI 的最佳载体，手机可能是随身携带的端侧算力中心！
百镜争鸣时代，我们的核心竞争力是否需要迁移？AI 的最佳载体真的是眼镜吗？AR 眼镜什么时候能成为独立一款智能设备终端？AR 眼镜能代替手机吗？
