面向 AI 优先的个人计算，Arm 构建高效计算基础

过去几周，可穿戴设备领域掀起一波发布热潮，从中可以窥见人工智能（AI）将如何重塑个人计算的发展。千问最新发布的 AI 眼镜 N1、N1 Pro 及 AI 耳夹式耳机，雷鸟创新（RayNeo）带来的全新雷鸟 iO AI 眼镜，Snap 推出的 SPECS 智能眼镜，以及 Meta 发布的可穿戴产品组合，包括首款 Ray-Ban Meta Audio 智能眼镜、虚拟现实（VR）眼镜和 Muse Charm，都是这一设备品类持续发展的最新成果，它们让智能更加贴近用户，改变人与技术的交互方式。

尽管这些设备带来的体验各不相同，却都反映出一个清晰的趋势：AI 正变得更加个性化、更具情境感知能力，且随时可用。用户无需打开应用或输入提示词，通过自然对话、手势，以及能够感知周边环境的设备即可与 AI 进行交互。这预示着，AI 将以更自然、更无感的方式融入人们的日常生活。

然而，要通过可穿戴设备实现这些体验，也带来一项根本性挑战：如何在一款能效优异、足够轻量，且可供用户全天佩戴的设备中，提供更强的计算能力。

AI 正在改写计算的平衡法则

智能眼镜让这一挑战尤为突出。设备需要处理传感器采集的信息、识别语音与情境，并运行 AI 工作负载，而这一切都要在严苛的功耗、散热和尺寸限制下完成。

配备更大容量的电池，就会增加设备的重量；增强散热，又会占用宝贵空间；功耗提升，则会带来发热问题。对于需要连续佩戴数小时的设备而言，以上每一项因素，都会影响用户所期待的佩戴舒适度、外观设计与续航表现。

随着 AI 能力持续增强，并日益深度地融入各类日常设备，能效已不再只是单纯的技术考量，而是决定用户体验的核心要素。同时，这些智能能力也不会仅在单一节点执行。

算力部署，因需制宜

需要即时响应的任务，例如处理传感器数据、追踪动作以及持续感知并理解佩戴者周围的环境，适合直接在设备端运行。涉及隐私敏感信息的应用场景同样适合把更多处理放在本地执行。其他计算密集型工作负载，例如回答复杂问题或进行语言翻译，则可交由与设备连接的智能手机或云基础设施处理。

Arm 认为，这种分布式模式将成为 AI 优先（AI-first）个人计算的核心。可穿戴设备、智能手机与云端将日益协同，构成统一的智能系统，并综合性能、延迟、隐私、连接性和功耗等因素，将工作负载部署在最高效的位置。

这套模式为个人 AI 智能体奠定基础，使其能够随时随地服务用户。在 Meta Connect 2026 上，Meta 展示了 Muse 如何通过全新的能力、模型和设备不断演进，例如能够与个人 AI 智能体对话和交互的 Muse Charm。未来，用户无需每次使用 AI 时都掏出手机，智能体将自动理解当前情境，并作出响应或提出行动建议，供用户确认。

这一趋势也正在智能眼镜等新一代可穿戴设备上加速落地。以近日发布的千问 AI 眼镜 N1 Pro 为例，N1 Pro 可以实时监测用户心率、血氧、皮肤温度等体征，并通过 AI 提供更直观的健康解读；眼动追踪和虹膜识别则让用户通过视线即可进行物体识别、翻译和身份核验等交互。此外，N1 Pro 还能全天候感知周边环境，并结合行程主动提供出行提醒。例如，当用户开启相关功能并关联行程后，进入高铁站或机场时，眼镜便可主动提醒检票口、出发时间等信息。

用户无需关心计算任务究竟在何处执行。他们期待的是，在需要时，设备能够发挥作用、即时响应，并随时可用。

这正是 Arm 独特优势所在。Arm 计算平台已成为可穿戴设备和智能手机的核心计算基础，全球 99% 的这类设备都基于 Arm 架构运行。随着 AI 拓展至更多新设备和新形态，Arm 致力于搭建高效、具备可扩展性的计算基础，助力合作伙伴打造这些创新的用户体验。

可穿戴设备 AI 发展的新阶段

尽管 AI 可穿戴设备仍处于早期，但智能眼镜领域的快速创新，已经展现出 AI 优先个人计算的未来发展方向。

机遇不在于向眼镜、耳机、个人 AI 智能体或是下一代可穿戴硬件形态堆叠更多 AI 能力，而在于让智能自然融入用户全天佩戴的设备之中。

第一波 AI 浪潮改变了人们与手机和 PC 的交互方式。而下一波浪潮，将重塑人与周围世界的交互模式。