AI智能眼镜发展现状及处理器解决方案有哪些？

端侧 AI 风起，智能眼镜引发市场广泛关注。

随着全球数据量的迅猛增长及物联网设备的 激增，传统云端计算模式难以满足大量数据实时处理的需求。同时，终端对数据响应延 迟和隐私安全的要求日益严格，促使算力向边缘/端侧发展。近两年来，海内外企业相继 推出多款先锋产品，如 AI 手机、AI PC 及 AI 眼镜等，其中 AI 眼镜凭借其便携性和即时 可用性的优势，引发了市场的高度关注：1）智能眼镜具备极强的便携性，可实现全天候 佩戴且不会给用户带来负担；2）作为可穿戴设备，智能眼镜能够充分感知用户的听觉和 视觉，其摄像头与麦克风的位置接近用户的眼睛和嘴巴，拍摄和收音效果与用户视角基 本一致，相较于其他智能终端具有更强的交互性。

Ray-Ban Meta 智能眼镜拉开行业序幕，2025 年或成 AI 眼镜爆发元年。2023 年 9 月， Meta 和雷朋发布了新一代的 Ray-Ban Meta 智能眼镜，为目前面向 C 端的智能眼镜中较 为热门的产品，相较于传统眼镜其增加了摄像头、麦克风、存储、SoC 等电子零组件，可 以实现语音交互、拍照等功能，另外其新增了 AI 功能，接入了 Llama3 大模型，用户可 以通过语音操控其各项功能进一步提升用户体验。根据 Wellsenn XR 的数据统计，2024 年全球 AI 智能眼镜销量预计为 234 万台，其中 Ray-Ban Meta 的累计销量达到 225 万台。 此外，Wellsenn XR预测2025年全球AI智能眼镜销量有望达到550万台，同比增长135%， 国内大厂小米、百度以及海外的三星预期都将在 2025 年发布 AI 眼镜新产品，众多科技 巨头的入局将进一步推动 AI 眼镜技术创新和市场拓展，2025 年有望成为 AI 眼镜的爆发 元年。

SoC 芯片是 AI 智能眼镜的核心成本组成部分，占整机 BOM 成本超过 30%。作为各类 物联网智能硬件的主控芯片，SoC 芯片在决定下游应用产品的性能、功能复杂度及价格 方面起着关键作用。以市场上具有代表性的 Ray Ban Meta 为例，根据 Wellsenn 数据统 计，其 BOM 成本约为 164 美元，综合硬件成本约为 149 美元，其中 SoC 芯片 AR1 Gen 1 成本约为 55 美元，占综合硬件成本 33.54%。随着端侧 AI 技术的不断发展和对眼镜智 能化要求的持续提升，SoC 芯片的性能和复杂度将进一步提高，预计未来 SoC 成本占比 仍将维持在较高水平，并将持续影响 AI 眼镜的价格和市场竞争力。

目前，AI 智能眼镜处理器存在三种主要解决方案：1、MCU 级 SoC+ISP 方案：低功耗，小型嵌入式系统首选。该方案是在传统 MCU 的基础上发展而来的，它以 MCU 内核作为中央处理单元，并根据 需求集成音频、无线通信、传感器等相应的硬件模块。MCU 级别 SoC 注重在低功耗条件 下的功能应用，通常采用 ARM 的 Cortex-M 系列核心或其他低功耗处理器核心。凭借其 低功耗和实时控制的优势，该方案非常适合小型嵌入式系统。 然而，由于 MCU 级别 SoC 的流水线较短且最高时钟频率较低，导致其计算能力有限， 无法在内部集成图像信号处理（ISP）模块，因此多采用外接 ISP 芯片的方式进行图像信 号处理。这种方式虽然解决了部分图像处理问题，但也带来了硬件复杂度增加、成本上 升以及占用更多主板空间等新挑战。此外，MCU 级别 SoC 主要适用于实时操作系统 （RTOS），在功能扩展和系统兼容性方面存在局限，难以满足运算需求高、功能复杂的 AI 智能眼镜应用场景。

2、系统级 SoC 方案：高性能，当前 AI 智能眼镜主流选择。系统级 SoC 主要基于 CPU 架构进行集成和发展，以 CPU 作为中央处理单元，多采用 ARM 的 Cortex-A 系列核心。根据具体功能需求，该芯片集成了 GPU、ISP、DSP、NPU、 WiFi 模块、蓝牙模块、视频编解码系统和音频系统等硬件组件，从而有效简化了硬件设 计复杂度。系统级 SoC 具备多级流水线、超标量执行和乱序执行等高级特性，支持多线 程和多任务处理，通常运行在超过 1GHz 的高时钟频率，并兼容 Linux、Android 等分时 操作系统。这使得系统级 SoC 能够高效应对 AI 智能眼镜中的复杂数据处理、图像识别 及智能交互等任务。尽管其功耗和成本相对较高，但凭借卓越的性能和丰富的功能，系 统级 SoC 仍然是当前中高端 AI 智能眼镜的主流选择。

3、SOC+MCU 方案：低功耗&高性能兼备。该方案实现了明确的分工与优势互补。SoC 负责支持分时操作系统、人工智能应用及拍 摄功能等高计算需求的应用场景，处理复杂的数据和图像，提供强大的智能交互能力； 而 MCU 则专注于音频处理等低计算需求的应用场景，有效管理简单任务，减轻 SoC 的 负担。通过合理的任务分配，SoC+MCU 方案不仅实现了高效的电源管理，显著延长了设 备的运行时间，满足了用户对 AI 智能眼镜续航能力的要求，同时也确保了产品性能的优 化。然而，该方案的研发成本高，对芯片设计能力和系统开发能力提出了严格要求，需要 专业的技术团队和大量的研发投入。产品成本的大幅上升在一定程度上限制了SoC+MCU 方案的大规模普及和应用，如何突破成本和技术能力上的瓶颈已成为行业关注的重点。