端侧AI重新定义可穿戴设备从附加功能到价值重构

可穿戴设备近年来的发展势头，大家有目共睹。从最初相对单一的产品形态，逐步向各个细分穿戴领域延伸，如今已深入人们的日常生活。无论是健康监测、运动追踪，还是社交娱乐、便捷支付，这些设备通过无缝连接互联网与各类应用，实现了全方位的场景覆盖。

先来看一组数据。根据IDC的《全球可穿戴设备市场季度跟踪报告》，去年前三季度全球腕戴设备（智能手表和手环）市场出货量达到1.4亿台。其中，中国市场的表现尤其亮眼，出货量同比增长了20.1%，已成为全球最大的腕戴设备出货市场。不仅如此，智能眼镜、智能服装、智能戒指等品类也展现出巨大的市场潜力。一个明显的趋势是，可穿戴设备正从单一功能向多元化应用拓展，并逐步渗透进每一位消费者的日常生活。

回顾一下，早前的智能产品在技术层面确实略显单薄。不过，随着AI算法不断优化和硬件性能持续提升，尤其是生成式AI展现出惊人的应用潜力后，各类不同终端的厂商都开始探索同一方向：如何利用本地侧AI提升终端产品的附加值，将产品的智能化程度推向新高度。

这一方向如今又迎来了一位强有力的助推者——DeepSeek。DeepSeek的一项核心价值，在于它直接点燃了终端侧AI的发展前景。这意味着，端侧智能不再单纯依赖算力堆叠，可穿戴AI设备将因此受益良多。无论是云端大模型协同，还是通过DeepSeek蒸馏出的小模型，都在共同推进一个现实：模型能力正逐步向C端下沉，AI正加速向终端普及。

可穿戴设备加速向AI靠拢

目前，可穿戴设备的品类可谓五花八门。常见的有智能手表、智能手环、智能眼镜、智能耳机、智能戒指、智能服装、智能鞋，以及AR/VR头显、智能首饰、智能头盔、智能腰带等。随着AI技术和硬件设施的进步，智能可穿戴设备早已不仅局限于健康监测和跨终端交互联动，而是逐渐渗透到个性化健康顾问、虚拟现实交互乃至日常生活的方方面面。

智能手表和手环是相当成熟的可穿戴细分市场，普及率很高。根据调研机构数据，仅去年前三季度，全球智能手表出货量就达到了1.1亿台。虽然出货量同比小幅下降3.8%，但对于一个成熟的市场来说，这种波动属于正常范畴。反观中国智能手表市场，依旧保持强劲增长势头，出货量达到3286万台，同比增长了23.3%。

国内市场的快速增长，与本土品牌在产品创新、健康管理功能以及生态体系建设上的持续突破息息相关。例如HUAWEI WATCH D2、小米Watch S4 Sport、OPPO Watch X等，都是去年极具代表性的手表产品。

此前的智能手表，受限于芯片处理能力有限和算法迭代缓慢，在功能突破上困难重重。AI的引入，使智能手表在创新功能挖掘和原有功能升级上开始突飞猛进。最直观的例子便是健康监测功能。在AI模型帮助下，设备的运动记录和心肺监测功能变得更加完善且人性化。从最初只能记录心率、睡眠时长、运动时长等简单数据，进化到能够监测血氧浓度、睡眠质量甚至血压数值，并且设备还能根据这些数据为用户提供更精准的健康管理和运动指导。

云端模型以及越来越多本地端侧模型的加入，进一步提升了设备的理解能力与在终端侧快速处理数据的能力。智能化功能在本地近乎无时延地为用户带来智能决策体验。

在另一条赛道上，自2025年以来，智能眼镜的增长势头十分强劲。IDC预测，到2029年，全球智能眼镜年销量有望达到5500万副，市场规模将达到1067.78亿元。李未可、雷鸟创新、莫界科技、Gyges Labs、闪极科技、Rokid、XREAL、影目科技等企业，近期均有亮眼新品亮相。

从智能眼镜新品的功能演进来看，核心关键词依然是AI。雷鸟创新与阿里通义合作，打造了智能眼镜专用的AI意图识别模型；闪极科技与云天励飞深度合作，还将接入讯飞星火、通义千问、Kimi等十余家主流模型；李未可面向智能眼镜自研的WAKE-AI多模态AI模型平台，也独树一帜。

不少行业分析认为，智能眼镜有望成为端侧AI率先落地的场景之一。主要原因在于，智能眼镜相比其他可穿戴硬件拥有独特的硬件特性，并且与多模态AI功能有更多结合可能。

目前，智能眼镜已展现出集成视觉、听觉、触觉等多模态AI功能的能力，能够实现更自然、更直观的交互。利用摄像头捕捉图像，麦克风识别语音，再结合AR技术呈现虚实交融的体验，加上端侧AI的本地智能，智能眼镜无疑是一种极具想象空间的个人AI Agent理想形态。

除上述终端设备外，其他可穿戴设备的发展也都遵循一条主线：终端厂商在“可穿戴+AI”赛道上寻求突破的趋势十分明确。尤其今年，终端侧AI的软硬件条件已经成熟，可以预见，智能穿戴新品中将有更多本地侧AI功能的引入。

产业链群雄逐鹿智能可穿戴端侧战场

可穿戴设备的硬件产业链，涵盖光学、声学、显示、芯片、传感器等核心技术领域。在智能可穿戴产业链中，SoC是成本占比最高的环节。随着“端侧AI+可穿戴”加速发展，专为端侧AI硬件打造的SoC已成为芯片原厂的必争之地。

高通的骁龙AR1旗舰级芯片，在可穿戴设备尤其是智能眼镜领域备受青睐。它集成了Hexagon TM NPU，提供强大算力支持，还具备双ISP高速图像信号处理功能，许多智能眼镜都选用这款SoC。在不久前的财报会议上，高通公司高管表示，公司已在搭载骁龙芯片的终端上适配了DeepSeek，将持续发力端侧AI应用。

作为国内AIoT SoC芯片的代表厂商，瑞芯微正以旗舰芯片RK3588为核心，打造AIoT芯片方阵。瑞芯微的RK3588、RK3576均带有6TOPS的NPU处理单元，可支持端侧主流模型部署。后续还将推出更高性能的旗舰芯片，预计于2025年问世的RK3688，将集成算力高达16TOPS的NPU内核，为端侧设备提供更强大的底层平台。

全志科技也在加大芯片新产品开发及AI端侧应用解决方案的研发投入。针对端侧AI视觉，推出了V853系列；针对VR应用，推出了VR9虚拟现实专用芯片；此外还有12nm的旗舰AI芯片A733和A736。全志科技后续规划的重点是偏硬件化、偏场景、偏模块的AIPU，将针对不同场景进行特别优化。

在更细分的音频SoC领域，近年来在端侧AI方面也取得不少突破。例如炬芯科技在去年年末发布了首颗端侧AI音频芯片ATS323X，采用AI-NPU架构，相较于DSP HiFi5，实际应用算力和能效比更高，功耗更低。恒玄科技的智能音视频SoC芯片，通过添加嵌入式AI协处理器，能够与主CPU核心配合工作，完成基于神经网络AI算法的音频处理，同时保持较低功耗水准。

此外，国内的海思、紫光展锐、物奇微、全志科技、恒玄科技、晶晨股份、乐鑫科技、中科蓝讯、星宸科技、泰凌微等厂商，也均在加速布局。

满足端侧算力需求，需从内置芯片与算法模型两方面入手。在算法模型上，DeepSeek指明了一条低功耗、低成本的路线，但硬件层面的算力，目前仍是最大的限制因素。

可穿戴设备需要在轻量化机身中实现复杂的AI处理能力，这对SoC的硬件性能、算法效率和功耗控制都提出了更高要求。为克服这些挑战，各厂商正不断优化SoC设计，提高集成度和处理效率。未来，随着更多高性能、低功耗芯片的推出，以及更小、更高效、更定制化的端侧模型融合，可穿戴设备将能够执行更复杂的本地智能应用，同时保持体积轻巧和电池长续航，满足用户对轻量化和智能化的双重需求。

可穿戴设备的智能，从“功能附加”转向“核心能力重构”

回顾以往的可穿戴设备，不难发现一个现象：除产品本身使用属性不同外，许多功能存在趋同现象，比如计步、心率监测等，有时让人觉得千篇一律。甚至有些设备使用体验较为割裂，例如因算力不足，功能运行卡顿或被迫关闭。这其实是AI功能与硬件性能脱节的直接结果。

此外，各功能之间也缺乏协同。例如监测与决策指导分属于不同模块，这是因为设备各模块没有通过AI进行深度整合和动态关联，自然无法实现自动智能的决策调整。

这此前是AI作为额外功能被加入设备所带来的必然结果。软硬件在可穿戴设备中长期受制于算力、功耗、成本这三者的平衡难题，AI更多是以“插件”形式植入终端设备，通过“功能附加”实现松耦合。这些功能有用，但更多只是锦上添花，并未改变设备的本质。

而随着端侧基础软硬件日益成熟，这一状况正在改变。可穿戴设备开始以AI为核心价值，重新设计架构与功能体系。在硬件层面，算力与本地数据处理正在形成闭环，可穿戴设备的功能下限逐渐提升。在软件层面，通过采用TinyML、知识蒸馏等技术缩小模型体积实现的端侧模型——特别是未来像DeepSeek这类优质模型蒸馏出的低成本、低功耗、高效率小模型——能够在资源受限的可穿戴设备硬件底座上高效运行，有效平衡算力与能效。这真正将AI从“附加功能”推向“核心能力”，并决定了终端设备的智能上限。

展望可穿戴设备的未来演进方向，本地AI带来的核心能力重构，将推动端侧设备从“感知智能”逐步升级为“认知智能”。也就是说，设备不仅能够通过传感器采集物理信号，并利用AI算法进行初步处理与分析，还能结合多元信息进行推理与决策，提供更高阶的智能服务。便携轻量化的可穿戴设备，在这一阶段将快速成为人类与数字世界无缝交互的核心入口。

端侧软硬件配套设备的支持，加上硬件与算法协同设计的优化、AI功能范式的升级，以及AI引领的设备价值重心转移，这一切都表明：端侧AI正在成为终端设备的定义者。

写在最后

在端侧AI浪潮的推动下，可穿戴设备正进入新的发展周期，逐步完成AI从“功能附加”到“核心能力重构”的转变。这一转变将持续依赖于硬件创新、端侧算法模型优化与场景落地的协同推进，三者缺一不可。