从 Snap 的 SPECS 智能眼镜，到 Meta 不断扩展的可穿戴产品组合（包括其雷朋智能眼镜和 Muse Charm），新一代设备正致力于让 AI 更具个人化、更贴合情境，并在全天使用中更易于触达。
人们将不再只是拿起智能手机、打开应用或输入提示词，而是越来越多地通过自然对话、手势，以及更理解周围环境的设备与 AI 交互。
但要把这些体验变为现实，存在一个根本性的计算挑战：在足够小巧、轻便且高效、可全天佩戴的设备上提供复杂 AI。这正是安谋能发挥重要作用的地方。
AI正在改变可穿戴计算体验
智能眼镜是 AI 如何重塑个人计算最清晰的例子之一。
其目标是在人们全天佩戴的设备中提供有用的智能。这些智能体验可以包括理解用户正在看什么、翻译对话、提供情境信息，或帮助他们更自然地与周围世界交互。
AI 驱动的智能眼镜可将情境信息、导航和日常辅助直接呈现在佩戴者视野中。
在这些体验背后，是多种计算负载的复杂组合。例如，智能眼镜必须处理传感器信息、理解语音指令、解析视觉场景、运行 AI 模型、渲染图形，并与互联设备通信。所有这些都必须在极其严格的功耗、散热、电池、重量和尺寸限制下完成。
与智能手机或笔记本电脑不同，智能眼镜几乎没有空间容纳更大电池或额外散热。提高计算性能可以带来更复杂的体验，但也可能增加发热、重量，并缩短电池续航。对可穿戴设备而言，能效不只是技术指标，它直接决定设备能有多实用、多舒适和多强大。
把合适的计算放在合适的位置
提供全天 AI 体验还需要从根本上重新思考智能应在何处运行。一些负载适合直接在可穿戴设备上运行，因为处理传感器数据、跟踪运动、识别手势和解析周围环境都需要即时响应。本地处理还能降低延迟、提升隐私，并使某些能力在网络连接受限时仍可继续使用。
Everysight 的智能眼镜展示了这种端侧 AI 方案。这些眼镜采用搭载安谋 Ethos-U85 NPU 的 Alif E4 平台，支持本地眼动追踪推理，减少将原始传感器数据传输到已连接智能手机的需要，同时满足设备严格的功耗和外形尺寸要求。
其他负载，例如更复杂的推理或信息检索，可能更适合利用已连接智能手机或云基础设施更强的处理能力。机会在于把这些环境整合起来。
这意味着可穿戴设备、智能手机和云基础设施正越来越多地通过混合智能作为一个系统运行，AI 负载会在能最佳平衡性能、响应速度、隐私和能效的地方运行。安谋计算平台覆盖云端到边缘，使 AI 负载能够运行在最能平衡性能、响应速度和能效的位置，从而实现智能可穿戴体验。
安谋是AI优先可穿戴设备的基础
据估计，安谋技术已经为99%的智能眼镜提供计算基础，反映出其在可穿戴生态系统中的稳固地位。
安谋 CPU 可在多种性能需求下提供高效处理，而安谋 Mali GPU 支持图形和显示体验。安谋 Ethos-U NPU 支持高效的端侧 AI 能力，包括目标检测、语音和手势识别，以及情境感知。
除这些技术外，安谋的通用架构和软件生态还帮助芯片和设备厂商开发差异化产品，同时受益于成熟的开发工具和软件经验。
重要的是，安谋架构不仅限于可穿戴设备，还覆盖数十亿智能手机和互联设备、不断扩展的 PC 生态系统，以及云基础设施。
随着 AI 变得更加分布式，这一通用计算基础让合作伙伴在不同设备和计算环境之间构建互联体验时拥有更大灵活性。
让全天智能可穿戴设备成为现实
AI 优先可穿戴设备的发展仍处于早期，但智能眼镜和新兴形态设备中的创新速度，已经清楚显示出个人计算的发展方向。
这一机会不仅是在智能眼镜、耳机或其他可穿戴设备中加入更多 AI，而是要让智能成为日常生活的一部分：响应足够快，让人感觉即时；能效足够高，可以支持全天使用；用途足够强，能够变得不可或缺。
安谋正在提供高效、可扩展且安全的计算基础，帮助实现这一未来。
阅读全文，请访问：https://newsroom.arm.com/blog/ai-wearables-smart-glasses-arm
来源: 海外媒体
登录后即可参与讨论
立即登录