可穿戴(dai)(dai)設備近幾年發展勢頭十分(fen)迅猛，已(yi)經(jing)從原來較為單一(yi)的(de)產(chan)品形態延伸到(dao)各個細分(fen)穿戴(dai)(dai)領域(yu)，并已(yi)經(jing)深度融入人們的(de)日常生(sheng)活，通過無(wu)縫(feng)連接互(hu)聯網與各類應用，實(shi)現了人們日常健康監測(ce)、運動追蹤到(dao)社交娛樂、便捷支付的(de)全(quan)方位覆(fu)蓋。
根(gen)據IDC的(de)(de)《全(quan)球可穿(chuan)戴(dai)設備市(shi)場(chang)季度跟蹤(zong)報告》，去年前三季度全(quan)球腕(wan)戴(dai)設備（智能(neng)手(shou)表和手(shou)環）市(shi)場(chang)出(chu)貨1.4億臺，其(qi)中(zhong)，中(zhong)國市(shi)場(chang)出(chu)貨量(liang)同比增長20.1%，已經(jing)成為全(quan)球最大腕(wan)帶(dai)設備出(chu)貨市(shi)場(chang)。此外(wai)，智能(neng)眼鏡、智能(neng)服裝、智能(neng)戒(jie)指等(deng)品類也(ye)展現出(chu)巨大的(de)(de)市(shi)場(chang)潛力，可穿(chuan)戴(dai)設備正在從(cong)單(dan)一功能(neng)向多元(yuan)化應(ying)用拓展，并深入(ru)每一個消費者的(de)(de)日常生活(huo)。
這些智能產品早前的智能技術尚顯單一，不過隨著AI算法的優化和硬件性能的提升，特別是自從生成式AI展現出驚人的應用潛力后，各類不同終端的廠商就開始探索如何利用本地側AI來提升終端產品附加值，將(jiang)產(chan)品的(de)智能化程(cheng)度提升到新的(de)高度。
現在這一方向又有了更強大的助力——DeepSeek，DeepSeek其中一項價值，在于它直接點亮了終端側AI的發展前景，端側智能不再只需要堆疊算力，可穿戴AI設備將會受益良多。不管是大模型云端協同還是靠DeepSeek大模型蒸餾出來的小模型，都在推進一個現實：模型能力在向C端下沉，AI在向終端普及。
可穿戴設備繼續向AI靠攏
目前可穿戴設備門類可謂五花八門，按照目前常見的品類有智能手表、智能手環、智能眼鏡、智能耳機、智能戒指、智能服裝、智能鞋、AR/VR頭顯、智能首飾、智能頭盔、智能腰帶等等。隨著AI技術以及硬件設施的進步，智能可穿戴設備不僅(jin)限于(yu)健康監測和跨終端(duan)交互聯動(dong)，更逐(zhu)漸滲透(tou)到個(ge)性化(hua)健康顧(gu)問(wen)、虛擬現實交互乃(nai)至(zhi)日常生活的方(fang)方(fang)面面。
智能手表(biao)和手環是相當成熟(shu)的(de)(de)可穿戴細分市(shi)(shi)場，普及率很高。根據調研機構(gou)的(de)(de)數據，僅去年前三季度全球(qiu)智能手表(biao)出貨量(liang)就(jiu)達到1.1億臺(tai)。雖然同(tong)比來看出貨量(liang)下(xia)降(jiang)了3.8%，但(dan)成熟(shu)的(de)(de)智能手表(biao)市(shi)(shi)場略有降(jiang)幅也(ye)是正(zheng)常(chang)的(de)(de)。中國(guo)智能手表(biao)市(shi)(shi)場仍舊(jiu)強(qiang)勁，出貨量(liang)達到3286萬臺(tai)，同(tong)比增長(chang)了23.3%。
國(guo)內(nei)市場的高增長和(he)國(guo)內(nei)品牌(pai)在產品創新、健康管理功能以(yi)及(ji)生態系統建(jian)設上的不斷突(tu)破有(you)著直接關系。像HUAWEI WATCH D2、小米Watch S4 Sport、OPPO Watch X等(deng)都是去年非(fei)常具有(you)代表(biao)性的手表(biao)產品。
以前的智能手表芯片在短(duan)時(shi)間內能(neng)(neng)(neng)(neng)夠處理(li)的(de)數據(ju)有限(xian)，算法迭代慢，在功(gong)(gong)(gong)能(neng)(neng)(neng)(neng)性上(shang)取(qu)得突破進展緩慢。AI的(de)引入(ru)讓智能(neng)(neng)(neng)(neng)手表在創新功(gong)(gong)(gong)能(neng)(neng)(neng)(neng)挖掘和原有功(gong)(gong)(gong)能(neng)(neng)(neng)(neng)升級上(shang)開(kai)始突飛(fei)猛進。最直觀的(de)例子是健(jian)康(kang)監(jian)測功(gong)(gong)(gong)能(neng)(neng)(neng)(neng)，在AI模型幫助下(xia)，設備(bei)運動記(ji)(ji)錄(lu)和心肺監(jian)測功(gong)(gong)(gong)能(neng)(neng)(neng)(neng)變得更加完善且人性化(hua)。從只(zhi)能(neng)(neng)(neng)(neng)記(ji)(ji)錄(lu)心率、睡(shui)眠時(shi)長、運動時(shi)長等簡單數據(ju)進化(hua)到(dao)能(neng)(neng)(neng)(neng)夠監(jian)測血氧(yang)濃度、睡(shui)眠質量甚至是血壓(ya)數值，并(bing)根據(ju)數據(ju)設備(bei)會(hui)為(wei)用(yong)戶提供(gong)更為(wei)精準(zhun)的(de)健(jian)康(kang)管(guan)理(li)和運動指導。
云端模型以及越來越多本地端側模型的加入，進一步提升了設備的理解能力以及在端側快速處理數據的能力，智能化功能直接在本地近乎無時延地為用戶帶來智能決策。
另(ling)一個賽道上(shang)，自2025年(nian)開(kai)年(nian)智能(neng)眼(yan)鏡(jing)的增長勢頭便十分強勁，IDC預測到(dao)2029年(nian)，全(quan)球(qiu)智能(neng)眼(yan)鏡(jing)年(nian)銷(xiao)量有望達(da)到(dao)5500萬(wan)副，市場規(gui)模將達(da)到(dao)1067.78億元。李未可、雷鳥創(chuang)新、莫界科(ke)技、Gyges Labs、閃(shan)極科(ke)技、Rokid、XREAL、影(ying)目(mu)科(ke)技等企業近期均有亮相(xiang)創(chuang)新產品。
從智(zhi)能眼鏡(jing)新品的(de)(de)功能演(yan)進來(lai)看，避不開的(de)(de)關(guan)鍵詞仍(reng)舊(jiu)是AI。雷鳥(niao)創(chuang)新與阿里通義合(he)作(zuo)打造智(zhi)能眼鏡(jing)專用AI意圖識別模(mo)型(xing)；閃極科(ke)技(ji)云天(tian)勵飛深度合(he)作(zuo)，還將接入訊飛星火、通義千問、Kimi等十余家主流(liu)模(mo)型(xing)；李未可面向(xiang)智(zhi)能眼鏡(jing)自研的(de)(de)WAKE-AI的(de)(de)多模(mo)態AI模(mo)型(xing)平臺也是獨(du)樹一(yi)幟……
不少分析認為智能眼鏡有望成為端側AI率先落地的場景之一，主要(yao)原因(yin)在于智(zhi)能(neng)眼(yan)鏡(jing)相比其他可(ke)穿(chuan)戴硬件有著獨特(te)的硬件特(te)性，以及它與多(duo)模(mo)態AI功(gong)能(neng)更多(duo)結(jie)合的可(ke)能(neng)。
目前(qian)智能(neng)眼鏡已經展現出集成視覺、聽覺、觸(chu)覺等多模態(tai)AI功能(neng)的能(neng)力，能(neng)夠(gou)更自然直觀的交互。利用攝(she)像(xiang)頭捕(bu)捉圖(tu)像(xiang)、麥克風識別語音，并(bing)結合AR技術呈現虛實(shi)交融體(ti)驗(yan)，再加上(shang)端(duan)側AI的本地智能(neng)，智能(neng)眼鏡的確是(shi)具有想(xiang)象空間的個人AI Agent理(li)想(xiang)形態(tai)。
除了上述的終端設備，其他可穿戴設備的發展也都遵循著一條主線，終端廠商在可穿戴＋AI這條賽道上尋求突破的趨勢十分明確。尤其是今年終端側AI軟硬件條件已經成熟，今年的智能穿戴新品肯定會有更多本地側AI功能引入。
產業鏈群雄逐鹿智能可穿戴端側戰場
可穿戴設備的(de)(de)(de)硬(ying)件產(chan)業(ye)(ye)鏈涵(han)蓋了(le)光學、聲學、顯(xian)示、芯片、傳(chuan)感器(qi)等核心技術領域，在(zai)智能可穿戴產(chan)業(ye)(ye)鏈中(zhong)，SoC是成(cheng)本占比最高的(de)(de)(de)一環。在(zai)端側AI＋可穿戴的(de)(de)(de)加速(su)發展下，為端側AI硬(ying)件打造的(de)(de)(de)SoC成(cheng)為芯片原廠的(de)(de)(de)爭奪(duo)重點(dian)。
高(gao)通(tong)的(de)驍(xiao)龍AR1旗(qi)艦級芯片(pian)在(zai)可穿戴特別是(shi)智能(neng)眼(yan)鏡領域備(bei)受青睞，集(ji)成(cheng)HexagonTM NPU提供強大(da)算力支持，還具備(bei)雙ISP高(gao)速圖像信號處理功能(neng)，很(hen)多智能(neng)眼(yan)鏡均選(xuan)用(yong)該SoC。不久前的(de)財報會議上高(gao)通(tong)公(gong)司高(gao)管(guan)表示，公(gong)司已(yi)經(jing)在(zai)裝(zhuang)有(you)驍(xiao)龍芯片(pian)的(de)終端(duan)適配了(le)DeepSeek，將持續(xu)發力端(duan)側AI應用(yong)。
作(zuo)為國內(nei)AIoT SoC芯(xin)片(pian)的(de)(de)(de)代(dai)表(biao)廠商，瑞(rui)芯(xin)微正在打造(zao)以旗艦芯(xin)片(pian)RK3588為核(he)心，建(jian)成(cheng)AIoT芯(xin)片(pian)方陣。瑞(rui)芯(xin)微的(de)(de)(de)RK3588、RK3576均帶有6TOPSNPU處理(li)單元，能夠支持端側(ce)主(zhu)流(liu)模型部署。后續還會推(tui)出更(geng)高性能的(de)(de)(de)旗艦芯(xin)片(pian)，預計于2025年問世的(de)(de)(de)RK3688將會集(ji)成(cheng)算力高達16TOPS的(de)(de)(de)NPU內(nei)核(he)，為端側(ce)設備提供更(geng)強大的(de)(de)(de)底層平臺。
全志科(ke)技亦(yi)在加大芯(xin)片(pian)新產(chan)品開發(fa)及AI端(duan)側(ce)(ce)應用(yong)解決方案上的(de)(de)研發(fa)投入，針對(dui)端(duan)側(ce)(ce)AI視覺推(tui)出(chu)了V853系列，針對(dui)VR應用(yong)推(tui)出(chu)了VR9虛擬現實專用(yong)芯(xin)片(pian)，還有12nm旗艦AI芯(xin)片(pian)A733和(he)A736。偏(pian)硬(ying)件(jian)化，偏(pian)場(chang)景(jing)、偏(pian)模塊的(de)(de)AIPU是全志科(ke)技后續規劃的(de)(de)重點，會(hui)考慮面向不(bu)同場(chang)景(jing)特別優化。
在(zai)更(geng)(geng)細分一點的音頻SoC上(shang)，近年(nian)來在(zai)端(duan)側AI上(shang)做的突破(po)也(ye)是不少(shao)。像(xiang)炬芯科技在(zai)去年(nian)年(nian)末發布了首顆端(duan)側AI音頻芯片ATS323X，采用AI-NPU架構，相較于(yu)(yu)DSP HiFi5，實際(ji)應(ying)用算(suan)力和(he)能效(xiao)比更(geng)(geng)高，功(gong)(gong)耗(hao)更(geng)(geng)低。恒玄科技的智能音視頻SoC芯片通過添加嵌入(ru)式AI協處(chu)理(li)(li)器，能夠和(he)主CPU核心配合(he)工作，完成基于(yu)(yu)神(shen)經網絡AI算(suan)法的音頻處(chu)理(li)(li)，同(tong)時保持較低功(gong)(gong)耗(hao)水準。
國(guo)內海(hai)思、紫(zi)光展銳、物(wu)奇微、全志科(ke)技(ji)、恒(heng)玄科(ke)技(ji)、晶晨股(gu)份、樂鑫科(ke)技(ji)、中科(ke)藍訊、星宸科(ke)技(ji)、泰(tai)凌(ling)微等廠商也都在(zai)加速布局。
端側算力(li)需(xu)求需(xu)要(yao)從內置芯片(pian)與算法(fa)模(mo)(mo)型兩(liang)個(ge)方面來解決(jue)，算法(fa)模(mo)(mo)型上DeepSeek指明了一條(tiao)低功耗低成本的(de)(de)路(lu)線，硬(ying)件層面的(de)(de)算力(li)仍舊是最大的(de)(de)限制(zhi)。
可(ke)穿戴(dai)設(she)備需(xu)要在輕量化設(she)計中(zhong)實現復雜的AI處理(li)能(neng)力(li)，這對SoC硬件(jian)性(xing)(xing)能(neng)、算(suan)法效率和(he)(he)功耗控制(zhi)提出了更(geng)高(gao)的要求。為了克服這些挑戰，各廠商正不斷優化SoC設(she)計，提高(gao)集成度(du)和(he)(he)處理(li)效率。未(wei)來，隨著(zhu)更(geng)多高(gao)性(xing)(xing)能(neng)、低功耗芯片的推出，以(yi)及更(geng)小、更(geng)高(gao)效、更(geng)定制(zhi)化的端側模型的融合，可(ke)穿戴(dai)設(she)備將能(neng)夠執行更(geng)加復雜的本地智(zhi)能(neng)應(ying)用(yong)，同(tong)時(shi)保持體(ti)積輕巧和(he)(he)電池續(xu)航力(li)強，滿足(zu)用(yong)戶(hu)對可(ke)穿戴(dai)設(she)備輕量化和(he)(he)智(zhi)能(neng)化的雙重(zhong)需(xu)求。
可穿戴設備的智能，從“功能附加”轉向“核心能力重構”
其實(shi)在以(yi)往可(ke)穿戴設(she)(she)備的功(gong)(gong)能(neng)上，我(wo)們可(ke)以(yi)看(kan)到可(ke)穿戴設(she)(she)備除了產品本身的使(shi)用屬性不同，會有(you)一(yi)個功(gong)(gong)能(neng)趨同現(xian)象，例如(ru)計步、心率(lv)監測等功(gong)(gong)能(neng)，有(you)些千篇一(yi)律。甚至有(you)些設(she)(she)備使(shi)用起來體驗會有(you)些割裂，例如(ru)因為設(she)(she)備算力不足，功(gong)(gong)能(neng)運(yun)行卡頓或(huo)被(bei)迫關閉，這其實(shi)是AI功(gong)(gong)能(neng)與硬(ying)件性能(neng)脫節(jie)的直(zhi)接結果。
此外功(gong)能間缺乏協同(tong)，如(ru)監測(ce)與決(jue)策指導分屬不(bu)同(tong)模(mo)塊，也是因(yin)為設(she)備各模(mo)塊沒有深度(du)整(zheng)合通過(guo)AI動態關聯起(qi)來(lai)，自然也就不(bu)能實現自動智能的決(jue)策調整(zheng)。
這是此前AI作為額外功能被加入設備的必然，軟硬件在可穿戴設備里長期受制于算力－功耗－成本的平衡難題，AI更多地以“插件”形式植入終端設備，通過“功能附加”與設備松耦合。這些功能有用，但(dan)只是錦上添花，不改變設備的(de)本質。
而隨著端側基礎軟硬(ying)(ying)件更加(jia)(jia)成熟，可穿戴設備開始(shi)以AI為核(he)心價(jia)值，重(zhong)新設計架構與(yu)功能(neng)體(ti)系。硬(ying)(ying)件層面上算(suan)(suan)力(li)(li)與(yu)本地數據處(chu)理(li)完成閉環(huan)，可穿戴設備功能(neng)下限逐漸提(ti)升(sheng)。軟件層面上采(cai)用TinyML、知(zhi)識蒸餾等技(ji)術縮小(xiao)模型體(ti)積實(shi)現(xian)的(de)端側模型（特別是未來DeepSeek等優(you)質(zhi)模型蒸餾出來低成本低功耗高(gao)效率的(de)小(xiao)/端側模型），能(neng)夠在資源受(shou)限的(de)可穿戴設備硬(ying)(ying)件底(di)座上高(gao)效運行，平衡算(suan)(suan)力(li)(li)與(yu)能(neng)效，將AI從(cong)“附加(jia)(jia)功能(neng)”推(tui)向“核(he)心能(neng)力(li)(li)”，決(jue)定終端設備的(de)智能(neng)上限。
在可穿戴設備的未來演進方向上，本地AI帶來的核心能力重構將帶領端側設備從“感知智能”逐步升級到“認知智能”，即設(she)備(bei)不僅能通過傳(chuan)感器采集物理信號并利(li)用(yong)AI算(suan)法進行初(chu)步處理與(yu)分析，還能結合多元信息進行推理與(yu)決策(ce)，提供更高階(jie)智能的服務。便攜輕(qing)量化(hua)的可穿(chuan)戴設(she)備(bei)在(zai)這一階(jie)段(duan)將(jiang)快速成為人類與(yu)數字世界無縫交互的核心入口。
端側軟硬件配套設備的支持，加之硬件－算法協同設計的優化、AI功能范式的升級以及AI引領的設備價值重心轉移，端側AI正在成為終端設備定義者。
寫在最后
在端側(ce)AI浪潮中，可(ke)穿(chuan)戴設備將(jiang)進入新(xin)的發展周期(qi)，逐步完成AI從“功能附加”到“核(he)心能力重構(gou)”的轉變。這(zhe)一轉變將(jiang)持續依賴(lai)硬(ying)件創新(xin)、端側(ce)算法(fa)模型優化(hua)與場(chang)景落(luo)地的協(xie)同，缺(que)一不可(ke)。
