智东西3月6日报道，在MWC 2026期间，高通执行副总裁阿力克斯·卡图赞（Alex Katouzian）与智东西等媒体进行了深入交流，透露接下来几个月将推出面向XR/AR眼镜的至尊版产品。 其中，骁龙可穿戴平台至尊版在本届世界移动通信大会MWC 2026期间发布，这是全球首款可跨WearOS by Google、Android和Linux系统运行的个人AI可穿戴平台，也是高通首次将旗舰级“至尊版”品牌引入可穿戴领域。首批搭载该平台的商用终端预计将于未来几个月内上市。 卡图赞认为，在AI可穿戴设备上不会出现某一款应用一骑绝尘的情况，真正的“杀手级应用”是设备本身的能力，让用户无需掏出手机、打开app、手动打字，只要语音提问，AI就能自主识别你正在看的东西，执行实时翻译、信息讲解、地图导航等任务，把答案直接反馈给你。 他坦言，内存价格会影响所有的消费电子设备市场，个人AI设备需要的DDR内存规格和数量会小于手机或PC，但需要的存储容量可能会很大。市场上目前的共识是预计2026年和2027年，内存价格会波动性上涨。全行业都需要去面对一个现实，内存供应是有的，但价格会很高昂。 骁龙可穿戴平台至尊版采用3nm制程工艺，搭载专用Hexagon NPU与低功耗eNPU双核AI加速架构，支持在端侧直接运行多达20亿参数的模型，首个token生成时间压缩至0.2秒。 为什么是20亿参数？卡图赞说，运行在小型设备上的20亿参数模型已经有很好的推理表现。当前一些操作系统已预集成了具备高效推理能力的嵌入式模型。高通也在与模型厂商合作，推动面向NPU的模型优化。 “每当一个前沿大模型发布后，仅需6个月，一个100亿参数量级的模型就能达到与6个月前的大模型几乎相同的精度。”卡图赞谈道，“当这类模型问世时，我们可以将其适配到终端侧运行，比如PC、手机、独立计算单元、汽车和机器人，充分利用终端侧NPU算力。” 高通正在测验考试构建一种“good-better-best”处理模式，分为良好、更佳、最佳三级，第一级由小型语言模型在终端侧完成回答，第二级是将任务分流到手机、PC或其他独立计算单元进行处理，第三级是将任务上传到云端处理。 （2）查询等较复杂的任务被分流至通过蓝牙/Wi-Fi连接的智能手机等更强算力设备上，可运行70亿到100亿参数的模型，在离线状态下立即回答问题； 这套分级模式通过把不同能力的终端组成一张协同网络，将计算任务交给最合适的节点来完成，从而实现对高算力、低延迟、安全可控的兼顾，并且能让设备的续航时间变得更长。 据卡图赞分享，搭载骁龙平台的可穿戴设备功耗非常低，因为采用的芯片组架构各项功能均设计在约1W的功率水平运行，无论是摄像头还是NPU都能在极低功耗状态下独立工作，运行时无需唤醒芯片的其他组件。目前搭载其芯片组的AR眼镜可实现约8小时的续航。 高通还致力于将所有芯片组件和元器件集成至一个模块中，从而缩小芯片体积。这样整个芯片主板只需占用镜框一个很小的角落，剩余空间可以用于容纳电池，设备的续航时间就有望延长到16~20小时。 端侧AI的核心价值主张之一是隐私。用户数据不离开本地，不经过第三方服务器。但这带来了一个现实问题：设备丢失或更换时，AI助手学习的个性化能力是否需要重新适应用户习惯？ 用户可将个人数据以及AI助手的个性化使用习惯备份到私有云，这些数据经过加密处理，仅限用户本人通过密钥专属访问。无论是OEM厂商还是云服务供应商均不持有该密钥。 这种私有云空间完全由用户掌控。换机时，完整的AI能力、个人数据及使用习惯模型都能无缝迁移，让AI助手对用户的记忆不会中断。 实现跨终端的无缝流转，主要有两种方案：一是高通技术公司提供参考设计平台和软件解决方案，二是OEM厂商直接在自家产品矩阵打通跨设备协同。 卡图赞举了一个跨终端流转的生动例子：佩戴AI可穿戴设备、口袋里有手机、开着联网汽车的用户，可以在开车时直接说“帮我打开微信，找到某某某的地址”，其可穿戴设备就会和手机相连，在微信里找到地址，再发给汽车，由汽车自动导航，全程免手动操作。 卡图赞认为，眼镜是个人AI设备的一个好切入点，因为很多人本来就戴眼镜，但对于不戴眼镜的用户来说，胸针、挂坠、带摄像头的耳机、智能首饰等设备同样能完成记录、录音录像、视觉处理等交互。 “我认为提供多种形态的终端类型选择是件好事，可以让消费者自由选择。”他谈道，“只要这个AI助手能帮用户解决痛点，比如你每天不用掏出30次手机去查东西或打开应用，而是只需要和眼镜或可穿戴设备进行对话就能节省时间，那它就解决了问题。” 他相信通过2-3种终端的协同配合，可以给用户带来更出色的体验。比如智能手表可以提供心率、步数等健康数据，与AI眼镜形成联动，在用户询问眼镜识别到的食材摄入热量建议时，调出卡路里摄入量和运动数据来参考。 迈向万物智联的个人AI时代，还依赖多个条件的成熟：模型小型化的精度进步、OEM厂商的多形态布局、开发者的端侧迁移意愿、消费者对新交互方式的接受，以及内存等基础零部件的成本回落。 目前整个消费电子行业都需要面对内存供应有限但价格高企的现实。更多内存意味着更强的端侧AI能力，但也直接推高设备成本，压制消费者换机与新品类的普及速度。 此外，免手动操作的跨设备协同、个性化AI持续陪伴都需要用户养成习惯和对托个人数据的信赖，这对普通消费者来说，未必是低门槛。 尽管前方挑战重重，但毋庸置疑的是，跨终端协同的个人AI体验、更丰富的个人AI设备品类，将让AI走出手机屏幕，搭建一套以用户为中心的分布式AI生态。这有望重新定义“穿戴”的边界，带给人们前所未有的效率提升，让个人数据流转更好地为智慧生活提供便利和乐趣。