CES 2025上，AI眼镜动态备受关注，众多厂商在此集结，上演一场声势浩大的“百镜大赛”。国内电商平台多款AI眼镜上架即售罄的情况，再度证明该领域的火爆程度。
因此，包括AI眼镜在内的可穿戴设备的大规模商业化进程，成为市场关注的又一重点。
《科创板日报》记者通过多方采访了解到，业内纷纷表示，端侧算力是目前限制可穿戴设备交互体验感，制约其大规模商业化的核心要素之一。而更高性能更低能耗的集成芯片、大小模型协同处理的混合AI，以及提升设备的续航能力，成为解决端侧算力限制的主要方式。
业内正部署端侧AI芯片及相关硬件
有相关产业链人士向《科创板日报》记者表示，目前全球龙头厂商已在研究端侧AI的部署，这成为未来可穿戴设备、AI玩具、AI办公用具等主要趋势之一。
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。
（图：高通《通过NPU和异构计算开启终端侧生成式AI》白皮书中提到的集成芯片示例）
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、RK3576带有6TOPs NPU处理单元，能够支持端侧主流的0.5B-3B参数级别的模型部署。
晶晨股份在2024年下半年发布了业界首款集成4K和AI功能的6nm商用芯片，这款芯片加入了端侧AI功能，擅长在本地执行推理任务，能实现本地字幕翻译、实时翻译、实时会议记录、手势识别、体态识别等。
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CPU+DSP+NPU的多核架构，高算力、低功耗，可满足AI耳机端侧对语音处理、高速音频传输等的需求。该公司相关人士表示，“目前公司只有这款讯龙三代芯片具备NPU能力，下游客户需求还需要进一步明确。”
恒玄科技的BES2800芯片基于6nmFinFET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，先进工艺可让芯片在相同尺寸上可集成更大内存，以支持更大模型的AI语音算法和传感器检测算法。目前已知的使用该款芯片的品牌包括三星Galaxy Buds Pro 3、腾讯会议天籁实验室。
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。
“我们也认同，端侧算力是可穿戴设备发展的核心挑战之一。AI眼镜需要在轻量化设计中实现复杂的AI处理能力，这对硬件性能、算法效率和功耗控制提出了更高的要求。”影目科技相关人士向《科创板日报》记者表示。
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。
“其实AI眼镜的端侧算力并不是一成不变的。”该影目科技人士进一步称，因为可以使用智能功耗管理技术，根据不同使用场景动态分配算力，确保性能与续航的平衡，提升设备的整体能效比。
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。
（图：高通《混合AI是AI的未来》白皮书）
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CTO周闻钧表示，端侧小模型有着非常具体的应用需求。“许多企业，尤其是行业客户，由于合规、隐私和安全方面的考虑，非常需要在物理边界内控制属于自己的模型，所以端侧小模型的需求是切实存在的。”
中航证券科技电子分析师刘牧野亦认为，混合AI是未来端侧AI的重要趋势。但对于可穿戴设备品牌商来说，部署端侧AI会大大提高制造成本，因此品牌商是否部署终端AI，也是其综合考量与市场需求平衡的结果。“目前国内的端侧小模型产业还处于初期阶段，暂没有听说哪个小模型特别‘出圈’。”
值得注意的是，所有电子设备都绕不开电池续航能力问题。影目科技相关人士也提到，受制于电池技术的物理瓶颈，如何在保证续航的同时减小电池体积是行业面临的核心挑战。
该人士表示，目前业内主流的解决方案包括高密度锂电池和智能功耗管理技术，通过优化算力分配和降低硬件能耗来提升续航能力。部分前沿企业也在探索超快充电技术、新型固态电池以及太阳能辅助供电等创新路径。