「AI眼镜即将引发新商业革命，谁将率先实现突破？」
《科创板日报》1月15日讯（记者黄修眉）在CES2025展会上，AI眼镜成为了焦点，吸引了众多厂商参与，掀起了一场激烈的“百镜大赛”。国内多家电商平台上架的AI眼镜很快就被抢购一空，再次印证了这一领域的热度。
因此，随着AI眼镜等可穿戴设备的商业化步伐加快，这一领域正逐渐成为市场的新焦点。这些设备不仅代表了科技的进步，也预示着生活方式的变革。它们在提高效率和便利性方面展现出了巨大的潜力，但同时也引发了对隐私保护和数据安全性的担忧。如何平衡技术创新与用户隐私将是未来发展的关键。 这种趋势表明，消费者对于融合先进技术于日常生活的接受度正在增加。然而，企业需要更加重视用户的隐私权和数据安全，以确保这些设备能够持续获得市场的认可和支持。
《科创板日报》记者从多方了解得知，业内普遍认为，当前可穿戴设备在交互体验方面受限的一个关键因素是端侧算力不足。这也成为了阻碍其大规模商业化的核心问题之一。为了解决这一难题，行业正在探索高性能低功耗的集成芯片、大小模型协同处理的混合AI技术，以及提高设备续航能力等方法。
业内正部署端侧AI芯片及相关硬件
据产业链内部人士向《科创板日报》透露，当前全球领先企业已着手研究端侧AI的应用部署，这将成为未来可穿戴设备、智能玩具以及AI办公设备等领域的主流趋势之一。
例如：高通在CES 2025上，推出了骁龙X平台，搭载算力达45TOPS的NPU，能够更高效地运行AI应用。而国内上市公司中，也不少龙头厂商研发出具备端侧AI能力的芯片。
瑞芯微证券部人士向《科创板日报》记者表示，该公司已有多个领域的客户基于瑞芯微主控芯片，研发在端侧支持AI大模型的新硬件，如：AI学习机、桌面机器人、算力终端、会议主机等产品。目前该公司的多个芯片型号也集成了在AI算法上具有优势的NPU（神经网络处理器）。
瑞芯微的RK3588和RK3576芯片集成了6TOPs NPU处理单元，可支持端侧常见的0.5B到3B参数量的模型部署。
晶晨股份在2024年下半年推出了业界首款集成了4K和AI功能的6nm商用芯片。该芯片新增了端侧AI功能，能够高效地在本地执行推理任务，支持本地字幕翻译、实时翻译、实时会议记录、手势识别以及体态识别等功能。
晶晨股份相关方面表示，已有多家全球知名运营商决定基于这款端侧AI功能芯片，推出其下一代旗舰产品。目前该公司已有超15款芯片带NPU算力，算力范围1T-5T。
中科蓝讯的讯龙三代BT895x芯片采用了CPUDSPNPU的多核架构，具备高性能和低功耗的特点，能够满足AI耳机在端侧对语音处理及高速音频传输等方面的需求。据该公司内部人员透露，“现阶段，我们仅此款讯龙三代芯片拥有NPU功能，下游客户的具体需求还需进一步确认。”
恒玄科技的BES2800芯片采用6nm FinFET工艺，单芯片集成了多核CPU/GPU、NPU、大容量存储、低功耗Wi-Fi和双模蓝牙等功能。先进的工艺使得芯片能够在相同的尺寸下集成更大的内存，从而支持更复杂的AI语音算法和传感器检测算法。目前，已知使用该芯片的产品包括三星Galaxy Buds Pro3和腾讯会议天籁实验室的相关设备。
高性能SoC芯片支撑端侧处理能力
“提高端侧算力需要从内置芯片与算法模型两个方面来考虑。芯片提供硬件能力、模型提供软件能力。”中航证券科技电子分析师刘牧野在接受《科创板日报》记者采访时表示，目前各大芯片厂商的SoC芯片，都支持视频、音频、蓝牙等功能，但要进一步提高芯片性能，就要从考虑提高芯片的先进制程或内部集成NPU。”
我们一致认为，边缘计算能力是可穿戴设备发展中的关键挑战之一。AI眼镜需要在轻巧的设计中具备复杂的AI处理功能，这给硬件性能、算法效率以及功耗管理带来了更高的要求。影目科技的相关人员向《科创板日报》记者表达了他的看法。
对于如何提高AI眼镜的体验感，上述影目科技相关人士表示，可以从硬件、软件两个方面入手。在硬件技术上，不断优化显示技术、端侧算力及低功耗管理方案；在软件算法上，专注于为用户提供更智能、更流畅的交互体验。通过软硬件协同优化提升计算效率。
实际上，AI眼镜的边缘计算能力并非固定不变。通过采用智能功耗管理技术，可以根据不同的应用场景灵活调整算力，从而在性能和续航之间找到最佳平衡点，进而提高设备的整体能效比。 这种技术的应用不仅使得AI眼镜在不同场景下都能发挥出最优性能，同时也大大延长了设备的电池寿命。这样的创新无疑为可穿戴设备的发展开辟了一条新的路径，使得设备更加智能化和实用化。未来，我们或许可以看到更多类似的技术应用于各类智能设备中，以实现更高效能的运行方式。
利用混合AI协作处理提高算力支撑
“目前市面上销售的AI眼镜为通过与手机相联后，使用云端大模型算力。”瑞芯微证券部人士进一步向《科创板日报》记者表示，“芯片商提供能支撑端侧AI的产品，最终取决于品牌是否需要在设备上部署端侧AI。”
“在设备上部署端侧AI，能让眼镜及时作出互动反应，例如让眼镜开启拍照功能等，因为模型是在本地运行的，也可以避免用户隐私问题。”该证券部人士称，“但与此同时，端侧模型的算力能力始终有限，需要大量联网查询的互动问题，就只能通过联网云端大模型才能做到。”
那么，如何通过算法模型提升端侧算力？
高通在《混合AI是AI的未来》白皮书中表示，云端和边缘终端（如智能手机、汽车、个人电脑和物联网终端）协同工作，能够实现更强大、更高效且更普及的AI应用。高通畅想的未来是，在以终端为中心的混合AI架构中，云端仅用于处理终端侧无法充分运行的AI任务。
天使投资人、资深人工智能专家郭涛向《科创板日报》记者表示，目前产业内用于端侧的小模型主要有两种类型：一种是预训练模型，另一种是微调模型。预训练模型是在大规模的数据集上进行训练的，可以提供通用的特征表示；微调模型则是针对特定的任务或领域进行优化的。
智用人工智能应用研究院的首席技术官周闻钧指出，边缘设备上的小型模型具有明确的应用需求。“很多企业，特别是行业的客户，因为合规性、隐私保护和安全性等方面的考量，迫切需要在自己的物理范围内掌控属于自己的模型。因此，在边缘设备上部署小型模型的需求是真实存在的。”
中航证券科技电子分析师刘牧野指出，混合AI将是未来端侧AI的一个重要发展方向。然而，对于可穿戴设备品牌商而言，引入端侧AI技术将显著增加生产成本。因此，品牌商是否采用端侧AI，将取决于他们如何权衡制造成本与市场需求。目前，国内的小模型端侧AI产业仍处于起步阶段，尚未出现特别突出的产品。 这段新闻反映了当前技术发展与商业应用之间的平衡问题。混合AI技术的潜力已经得到认可，但在实际应用中，成本控制依然是一个关键因素。此外，小模型端侧AI产业的发展需要更多创新和突破，以满足市场的需求并实现商业上的成功。
值得注意的是，所有电子设备都难以摆脱电池续航能力的问题。影目科技的相关人士也表示，受限于电池技术的物理限制，如何在确保续航时间的同时减少电池体积已成为业界面临的重大挑战。 这一问题不仅反映了当前电池技术发展的局限性，还凸显了未来电子产品设计与制造所面临的复杂性和挑战。随着消费者对便携性和使用时间的要求不断提高，找到一种既能延长电池寿命又能减小其体积的解决方案显得尤为重要。这需要科研人员和工程师们不断探索新的材料和技术，以突破现有的技术瓶颈。
该人士表示，目前业内的主流解决方案主要集中在高密度锂电池和智能功耗管理技术上，这些技术通过优化算力分配和降低硬件能耗来提升设备的续航能力。一些前沿企业正在积极探索超快充电技术、新型固态电池以及太阳能辅助供电等创新路径。 在我看来，这些技术创新不仅反映了行业对延长电子设备使用时间的需求，也展示了企业在推动可持续发展方面所做出的努力。特别是太阳能辅助供电技术的应用，为减少碳排放和实现能源自给自足提供了新的可能。未来，随着这些技术的不断进步和成熟，我们有理由期待它们在更多领域得到广泛应用，并为用户带来更加便捷和环保的产品体验。
页面执行时间0.015679秒