作者：电子创新网张国斌
近年来，随着端侧AI算力的不断增强和低功耗设计的日益成熟，AI眼镜这一品类逐步从概念走向市场。特别是在DeepSeek等先进模型的引领下，AI眼镜被赋予了更多的想象空间，成为空间计算新时代的重要入口。在芯原可穿戴专题技术研讨会上芯原股份高级设计总监郝鹏鹏围绕AI眼镜芯片的设计思路、技术路径与产品实践，提供了行业发展的一线视角。
一、AI眼镜芯片发展历程：从“探索”走向“落地”
郝鹏鹏认为AI眼镜的发展可以分为三个阶段：
萌芽期：以Google Glass为代表，开启了可穿戴视觉计算的先河，但由于算力、功耗与生态问题未能规模化落地；
低潮期：早期厂商纷纷退场，市场一度沉寂；
爆发期及AI Plus时代：2019年后，AI技术进步与硬件革新推动产品复苏，进入“AI+”的新阶段。
当前，以DeepSeek等轻量级模型为代表的端侧AI能力成为关键突破口，催生出一批新兴AI眼镜方案，加速了产品的商品化进程。
二、当前芯片方案三种主流模式
郝鹏鹏将现有AI眼镜芯片方案分为三类：
大而全型SoC：如某些高集成平台，拥有强大的CPU、GPU、NPU及ISP等功能单元，可覆盖多种计算与显示需求。但成本高、功耗大，不适合轻量、全天候佩戴场景。
小而精型SoC：功能聚焦如音频处理，价格低、成熟度高，适用于单一场景，如语音助手。但扩展能力有限，难以支持复合型AI体验。
平衡型方案：在成本、功能、功耗间取平衡，适合中端AI眼镜，但AI算力仍有限，拓展性受限。
三、芯原AI眼镜芯片技术方案：平衡“性能-功耗-成本”
他表示芯原的AI眼镜芯片方案核心思路是：面向定制化、强调可扩展性、突出低功耗AI能力。其设计哲学聚焦于“性能、续航、成本”的三角权衡，核心包括以下几点：
1. 多核异构设计与电源域划分
采用多核架构，根据不同任务分配功耗资源；
超过20个电源域的划分，实现动态功耗控制；
RTS待机模式功耗低至5μW，常规待机功耗仅3.8mW，满足全天候佩戴需求。
2. 轻量显示与AI结合的灵活策略
初期以无显示或轻显示（如1080P）为主，减少功耗压力；
AI超分辨率技术用于低分辨率输入，通过芯原GPU和显示控制器进行图像质量提升；
显示路径整体数据通路保持低带宽，最后阶段动态插值提升显示效果。
3. 端侧AI处理能力强化
支持独立AI处理模块，可实现两核或四核DSP架构；
集成FLEXA技术（无DDR架构）和New Break算法硬化技术，实现专用AI处理通路；
实现Token化输出，提升数据传输效率与隐私保护能力。
4. 通讯模块采用外挂策略
避免SoC内冗余设计，增强通信模块可裁剪性；
外挂蓝牙、Cat-1等低功耗通信芯片，可按需关闭以节省能耗。
5. 操作系统适配轻量化平台
大任务适配Linux Lite；
小型实时任务运行FreeRTOS；
支持RISC-V或ARM Cortex-M内核，灵活选型，提升成本控制能力。
四、AI眼镜芯片演进路线展望
他表示从芯原的实践与观察来看，AI眼镜芯片未来发展将沿着以下路径逐步演进：
演进阶段 核心特征
初级阶段 轻量级AI模型，无显示或轻显示，低功耗单芯片主导
中级阶段 较强AI能力 + 超分显示，支持摄像头/语音识别，轻交互体验
高级阶段 重AI任务（如图像生成、多模态分析）、AR显示与空间感知融合
泛在阶段 与IoT融合、全时联网、高度个性化定制芯片架构
他分享了两个设计实例：
AIoT智能摄像头：依靠2节AA电池可连续使用2年，体现极致低功耗设计能力；
AI眼镜芯片：高度电源域划分、无需DDR、Token生成支持、多核AI处理，完美契合全天候轻量佩戴场景。
AI眼镜芯片的设计正在经历从“通用SoC适配”向“专用定制优化”转变。芯原通过其IP积累、多核异构SoC平台与完整的软硬件协同能力，为AI眼镜的快速商用化探索了一条具备现实可行性和技术前瞻性的路径。
未来，AI眼镜将不再是一个小众实验产品，而可能成为真正的“下一代移动终端”，而芯片作为其“神经中枢”，其架构设计能力将成为决定产品成败的核心。
注：本文为原创文章，未经作者授权严禁转载或部分摘录切割使用，否则我们将保留侵权追诉的权利