当前AI眼镜市场主流芯片方案，大致分为三类典型路线：“大而全”、“小而精” 、中间型……
AI眼镜从开始出现到现在，经历了几轮起伏。从 1968 年“达摩克利斯之剑”概念的提出，到 2012 年 Google Glass 引发的消费级探索，再到 2019 年后 Meta Quest、微软Hololens 2 等产品带动的技术爆发期。随着近些年低功耗技术和AI技术的发展演进，AI眼镜也迎来了新的发展阶段。
“鉴于当前市场上还没有一款完全针对轻量级AI眼镜的高集成度并且满足AI眼镜全天候使用的解决方案，芯原经过市场调研，推出了AI眼镜的参考设计方案。” 在2025 年 4 月 16 日举办的可穿戴专题技术论坛上，芯原股份SoC 设计高级总监郝鹏鹏在题为《芯原 AI 眼镜芯片设计方案》的演讲中说道。
芯原股份SoC 设计高级总监郝鹏鹏
AI 眼镜从技术试水到 “AI Plus” 阶段
郝鹏鹏深度解析了 AI 眼镜芯片设计的技术痛点与创新路径，并指出，“现在这个阶段更多是因为端侧 AI 的突破，随着DeepSeek等AI技术的突破，我们对眼镜在 AI 方面的能力有了更多期待，所以我可以把它认为是一个‘AI Plus’阶段。”
端侧 AI 技术的成熟，让AI 眼镜正从概念期、萌芽期、低潮期逐步进入 “AI Plus” 爆发期，而芯原基于自研 IP 与量产经验推出的参考设计方案，通过多核异构架构与精细化功耗管理，为轻量级 AI 眼镜的全天候使用提供了系统性解决方案。
从市场竞争格局看，当前既有 Meta、微软、谷歌等国际巨头布局，也有百度、雷鸟创新、 Rokid 等国内厂商加入。郝鹏鹏特别提到成本构成数据：“从公开资料的成本分析来看，SoC 芯片部分仍然是占总成本的大头（近30%），远超结构件、摄像头等其他模块，这也是芯原作为芯片设计厂商的聚焦点。”
现有芯片方案痛点短板解析
针对市场主流芯片方案，郝鹏鹏总结出三类典型路线。
首先是“大而全” 方案，代表产品集成 CPU/GPU/NPU/ISP/ 显示控制器等全功能模块，性能强大且扩展性高，但存在 “成本高、续航短、功耗难优化、技术支持与供货问题”。
第二是“小而精” 方案，以音频处理为核心，优势是价格低、方案成熟，但其功能单一，“AI 能力有缺陷，需搭配其他芯片拓展”。
最后是中间型方案，功能和价格处于中游，试图平衡性能与成本，但 “AI 能力不足，可拓展性受限”，仍需外部芯片补充功能。
郝鹏鹏认为，现有方案在性能、功耗和成本之间难以实现平衡，技术支持和供货问题也需考量，这需要厂商在生态与供应链上具备深厚积累。”而轻量级AI眼镜需要一种高集成度、低功耗的芯片解决方案。
芯原方案三大核心：定制化架构破解三角悖论
针对 “性能、续航、成本互相依存” 的行业难题，芯原提出 “端云协同 + 硬件定制” 的差异化路径：
1. 定位与目标：轻量级场景优先，定义 “全天候佩戴” 标准
郝鹏鹏强调，芯原方案初期聚焦无显示或轻量级显示场景，目标实现 “大于 8 小时综合使用时间” 与 “约 30g 重量”，并集成端侧小模型处理能力，满足 1080P 图像处理需求：“用户不希望在正常工作时间频繁充电，轻量化设计是佩戴舒适性的核心。”
2. 架构创新：多核异构 + 层次化设计，精准分配算力
- 多核 AI 算力单元：支持单核独立或多核协同，可灵活适配端侧小模型与边缘大模型处理需求，避免算力浪费。
- AI-integrated 处理模块：在视频图像处理中嵌入 AI-PIPE，通过硬件加速实现低功耗算法运行；显示处理采用 “超分辨率技术”，输入 720P 数据经Token Generation技术提取关键信息，输出高清画面，节省带宽与存储功耗。
- 通讯与OS处理策略：采用 “主芯片 + 外挂协处理器” 模式，利用芯原 DSP 核心实现蓝牙、LTE Cat-4 等无线通讯，既控制成本又便于按需关闭高功耗模块。操作系统层面，轻量级设备可选用LinuxLite或FreeRTOS，高性能场景则适配Android。
3. 功耗优化：20 + 电源域划分，打造极致能效
通过细致的电源域划分（单芯片超 20 个电源域），芯原方案实现待机功耗 3.8mW、RTC 模式功耗低至 5μW，且支持 “DDR-Less” 技术，在 504×378P 低帧率处理时无需外部 DDR，从硬件层降低能耗。另外，RISC-V在轻量级应用中潜力巨大，其开源特性与能效比优势明显。
从 IP 储备到量产生态的全链条支撑落地
芯原的竞争力源自其 “硬件 IP + 软件栈 + 量产平台” 的全栈能力。
首先在IP 矩阵方面，涵盖 GPU、ISP、AI-DSP、显示控制器等核心模块，支持 2.5D/3D 图形处理与定制化算法硬化。
在系统协同上，提供从 FreeRTOS、Linux Lite 到 Android 的多操作系统支持，适配轻量级与复杂场景需求，多核 CPU 可灵活选择 ARM 或 RISC-V 架构。
最后是定制服务，基于客户差异化需求（如高性能导向或长续航导向），在硬件底层进行针对性设计，例如调整算力分配、优化电源链路。、
郝鹏鹏还分享了两个设计实例，比如AIoT智能摄像头案例中，在2节AA电池供电的情况下，可连续使用2年，展示了芯原在低功耗设计上的优势。在AI眼镜实例中，全芯片电源域超过20个，待机功耗极低，小幅面低帧率处理无需DDR，显著节省功耗。
展望未来，郝鹏鹏认为 AI 眼镜将成为 “端云协同” 的关键入口：“随着端侧算力提升与低功耗技术进步，眼镜不再是单一显示设备，而是具备自主 AI 处理能力的智能终端。芯原的方案不仅解决当前痛点，更致力于构建可扩展的硬件平台，让客户能快速响应市场变化。”
您可能感兴趣
