乐鱼体育前怕续航后怕市场算力与可穿戴设备是否无缘？IDC最新发布的《中国可穿戴设备市场季度跟踪报告》显示，2023年第三季度中国可穿戴设备市场出货量为3470万台，同比增长7.5%，整体市场持续增长，正在进入稳定复苏状态。智能手表市场出货量1，140万台，同比增长5.5%。其中智能手表559万台，同比增长3.9%；儿童智能手表出货量580万台，同比增长7.2%。
当前，芯片的发展和算力的升级是推动可穿戴设备发展的重要因素。可穿戴设备是另一种适合使用边缘计算的应用场景。可穿戴设备通常需要实时地处理和传输大量数据，如健康监测、智能手表等。
一方面，可穿戴设备位于端侧，针对端侧的可穿戴等小设备，对算力的要求远低于智能驾驶和云计算设备，但对成本、功耗、时延、开发难度很敏感；另一方面，由于最靠近人类和现实世界，可穿戴设备也是距离数据最近的地方，未来要实现端到端的神经网络，势必要提升这个领域的计算能力。
或许在未来的某天，可穿戴设备也将成为集数据采集、处理和分析于一身的具有完整功能的产品。我们期待这一天的到来，因此我们开始思考，可穿戴设备谈算力Leyu·乐鱼官网，是否为时过早？是否已经有企业在做这件事情？可穿戴设备算力增长了，对边缘计算有何意义？谁又能为高算力带来的能源和资源消耗买单？本文我们将为大家揭晓这些问题。
可穿戴设备，顾名思义，主要是将设备搭载于，就像穿戴的衣物、饰品一样。根据产品形态和用途，我们将当前的可穿戴设备，分为以下几类：
头显类，以苹果 meta 为主要代表。通过显示头显设备，提供音频、视频、虚拟现实等多层次的用户体验，已经停止研发的的Google Glass，也是其中的一种典型代表。苹果VisionPro带来的一股头显热潮，甚至还伴随Meta发展，强推了一波Meta的股价；
手表手环类，代表企业有苹果、谷歌、Amazon、华为、小米、小天才等等，可以提供拨打电话、定位、拍照、闹钟提醒、运动健康监测等功能，与手机设备连接，还能实现更多的交互操作；
医疗器械类，代表企业有鱼跃、乐心、九安等，而苹果这样的科技巨头也开始在其关注领域申请医疗器械资格。当然，也有一些分类，将能够联入互联网Leyu·乐鱼官网、具有物联征的医疗器械类产品，也归于可穿戴设备当中；
植入类，以脑机接口为代表的新型可穿戴设备，代表了一种前沿的设备技术，其实，在各个高校的精密仪器专业，几乎都有类似的脑波控制的产品演示，特斯拉所做的事情，更接近科幻剧情，例如通过芯片进行控制人类或者身体等，从这个角度来说，Meta CEO扎克伯格多次表示，希望技术成熟后才用，因为他并不希望经历已经植入体内的产品的“更新”操作。
来自IDC的移动和消费设备跟踪器研究经理 Jitesh Ubrani 表示。国际数据中心。“自最初的 Fitbit 和 Pebble 手表问世以来，健康和健身追踪已经取得了长足的进步，但可穿戴设备的最大推动力是更小、更时尚的设计的出现。Oura、Noise、BoAT、Circular 等新品牌的智能戒指预计将在未来几个季度开启新的外形设计，同时也给现有品牌带来压力，要求他们在健康追踪方面进行创新。”
“智能手表和耳机仍然在可穿戴设备市场占据主导地位，”移动设备和 AR/VR 研究总监 Ramon Llamas 补充道。“这些仍然能引起消费者的共鸣，并继续吸引首次用户，尤其是那些最谨慎和对价格敏感的用户。在这里，我们仍然可以看到新兴供应商的出货量足以跻身领先品牌之列。结合强劲的更新周期（包括那些最近在 2020 年购买可穿戴设备的人），可穿戴设备市场已经建立了强大的飞轮来保持销量增长。”
目前，可穿戴设备的芯片算力通常不会以TOPS（每秒万亿次运算）来衡量，因为它们的算力相对较低，更适合用DMIPS（每秒百万条指令）或其他更适合低功耗、低算力应用的度量标准来衡量。然而，随着技术的发展，一些专为可穿戴设备设计的芯片，如谷歌的Wear OS芯片，已经开始提供更高的性能，包括集成的AI功能和改进的连接性。
在选择可穿戴设备的内核（模组/芯片）时，厂商通常有两种方案：一是采用模组方案，虽然可能占用更多空间，但集成化和标准化的设计有助于降低用户成本；二是芯片CoB方案，这在儿童手表等穿戴产品中尤为常见，约有90%的企业采用此方案。关键考虑因素包括是否支持蓝牙、WiFi技术，体积、成本以及续航和散热能力的平衡。
在与产业人士交流当中，我们发现，对于模组企业或者可穿戴设备厂家而言，由于手表手环等等产品对于算力的应用较少，甚至只能用性能、功耗来描述，加之这类产品对于续航又有一定的要求，因而“谈算力”在个人手表手环等传统穿戴场景中，尚无市场需求和研发动力。中移物联认为，需要实现AI服务或虚拟现实功能的产品，例如AR、VR等新型可穿戴设备未来会增加对算力的需求，而作为提供模组的企业，中移物联将持续关注客户需求和技术发展，为产品进行持续优化。
目前市场上的可穿戴设备芯片和模组，大多以频率和功耗为主要性能指标，尚未将算力作为核心卖点。不过，要实现可穿戴设备的智能化，提升芯片的计算能力是不可能绕过的领域。对于新型可穿戴市场，这无疑是一个巨大的机遇。一些企业已经开始在可穿戴设备上增强算力，这一领域正逐渐成为一片新的蓝海。
随着ChatGPT一夜成名，英伟达的市值也逐渐水涨船高，算力在人们眼中的重要程度不言而喻。从端侧大模型的AIPC，人们总是想让大算力产品小一点，再小一点，最好在可穿戴设备当中就能实现的那种。作为未来落地的探索也好，对于终端智能的追求也罢，这些企业的的确确已经开始将算力赋予可穿戴设备，换句话说，他们产品上的芯片，已经在算力方面初具规模。
初代头显设备就引发了全球科技爱好者们的轰动。苹果对这款设备投入了巨大的人力和财力。当然，在visionPro上堆料也是没得说，直接采用了M2+R1芯片的搭配，M2 中的集成显卡提供8-10 个内核以及3.6 TFLOPs 的峰值算力。
并配备12个摄像头、5个传感器（包括1个激光雷达传感器）和6个麦克风 ，还可以外接一块可以让它最长使用2小时的电池。不光如此，苹果还专门为其设计了操作系统，不可谓不重视。Vison Pro这类大型“可穿戴设备”的出现，也在一定程度上为“续航危机”提供了解决方案，让一些希望在可穿戴设备端提供算力的企业看到了希望。
在苹果的手表设备端，也采用了自研的64位S9 SiP，据称其包含56亿个晶体管和一个新的四核心引擎，搭载几乎完整的操作系统，这样的设备，没点算力真的压不住。
作为最早带来VR设备的企业之一、经典产品Google Glass的出品方，谷歌在可穿戴设备的芯片和算力方面的线日，Google于Google Glass产品页面刊登告示称：感谢您过去十多年的创新和陪伴，自2023年3月15日起，我们将不再销售Glass Enterprise Edition（Google Glass企业版，下文简称为Glass企业版）。在2023年9月15日之前，我们将继续为Glass企业版提供技术支持。
随后，谷歌多次提出类似的计划，例如Project Iris,甚至有传闻表示，谷歌可能真的只是暂时搁置，而随着苹果通过Vision Pro正式入局，谷歌或已重新恢复Project Iris的项目工作。项目经历了一个动荡的发展阶段，谷歌高管不断改变对 Iris 的愿景。为了促进其努力，该公司还收购了 North 和 Raxium。不过，尽管谷歌各种宣传自己在算力和AI方面的动作，例如自研芯片等，Pixel手机照相的AI能力目前仍来自云端。
近年来，随着大模型的发展，高通也逐渐适应了终端设备对于算力的需求，并实现快速发展。其中一个代表产品就是在手机端运行Stable Diffusion，而另一个隐藏的产品，就是为Meta的头显设备提供芯片和算力平台。高通在可穿戴设备的算力提升方面，也起到了重要作用，很典型的例子就是为Meta的AR、VR设备提供芯片平台。Quest3 搭载了高通的XR2 gen2 平台，较上一代性能提升明显，高通承诺新的第二代芯片的 GPU 性能提高 2.5 倍，AI 性能提高 8 倍，并且“GPU 能效提高 50%”，但不一定同时实现。
近年来，马斯克除了让特斯拉在智能驾驶、具身智能领域“展示肌肉”之外，也在脑机接口这一看似“科幻”的赛道持续跟进。Neuralink致力透过芯片移植人脑手术协助行动不便或四肢瘫痪患者重新控制身体，病人只需将想法转化成电脑语言并传达到神经便能对身体下达指令。去年五月，Neuralink取得美国食品药物管理局（FDA）核准进行首次临床试验；去年底，Neuralink开放招募颈椎受伤或渐冻症而四肢瘫痪的受试者。
马斯克的脑机接口公司Neuralink当地时间3月20日在直播活动中介绍了首位接受脑机植入患者的情况。这名患者名为诺兰·阿尔博（Noland Arbaugh），他在一次潜水事故中颈部以下瘫痪。在直播中，阿尔博在屏幕上移动电脑光标来下棋。阿尔博称，“这就像在光标上使用力量。”随后，马斯克在X上发文表示，Neuralink的下一个产品将是能够帮助盲人恢复视觉的“盲视”（Blindsight）
同属马斯克旗下的特斯拉，在造芯方面的能力也毋庸置疑，例如，特斯拉的第一代FSD芯片为260平方毫米，第二代FSD芯片预计为300平方毫米，成本预计增加40-50%。不过Leyu·乐鱼官网，FSD芯片拥有32M的SRAM，双核心，每个核心在2GHz频率下拥有36TOPS的性能，所以双核共有720TOPS的性能。整体不论是处理能力还是算力都非常强悍。
对于华为这种传统ICT企业来说，在芯片和算力领域布局已经成为不能再平常的事情。在可穿戴设备测，华为发布智慧音频眼镜HUAWEI X GENTLE MONSTER Eyewear II，搭载主控芯片海思 Hi1132；华为非凡大师手表，搭载海思的Hi3861V100芯片，不过，早在2020年，上海海思就宣布携手Rokid等终端厂家，正式发布XR芯片平台。能够提供9TOPS的NPU算力。
无独有偶，苹果人对于可穿戴设备的热爱是不会改变的。苹果员工参与设计Ai Pin，一度引发硬件热浪潮——火柴盒大小的一个设备，搭载了高通骁龙八核芯片，通过 eSIM 支持网络连接，不依赖于手机或者其他个人终端，将语音作为核心的交互方式，但其实还支持激光投射、手势以及触摸（机身表面）三种交互。不过，端侧模型只用来处理语音识别以及基本操作等需要快速响应的请求，更多的处理还是交给云端模型进行处理。但云端处理就必然涉及到连接和延迟问题。而这，也正是巨头们向穿戴设备们堆料算力的原因！他们需要用户需要更加靠近边缘的算力，需要更加容易获得的算力！
此外，还有一个未来可能出现的巧妙设计，就是算力传递。AI硬件的重点攻克方向就是端侧算力的提升，除了给终端装配更强大的AI芯片外，在MWC24上，联发科甚至展示了“多设备共享算力”技术——即让A设备可将闲置算力共享给B设备来进行大模型等巨量计算，然而这样的计算模式又需要新的边缘侧网络技术的支持，边缘计算注定离不开全系统的算力，而可穿戴设备，也将因其庞大的数量和灵活度、分布特点，成为算力闪耀的沃土。
从目前的情况来看，堆料算力的可穿戴设备，的确主要集中在头显等新领域，不过，一些医疗相关的领域，包括脑机接口，也对设备的性能和算力提出了更高的需求
不论是数据中心，还是边缘计算，在近几年的格局和状态下，算力成为所有人都会关心的问题。一方面，算力是AI三要素之一，不可或缺，另一方面，不论是国内还是国外，在行业格局和相关政策上，都希望将算力作为水电热网一样提供充足和即使的供应。细化到可穿戴设备当中，我们更关注续航和费用，加之随时可能进入的“后摩尔时代”，也令人对更高更小的芯片打上了一个问号。好在，基于OpenCPU或CHipsliets等封装方式的突破，让我们也看到了摩尔定律的稳定性。
此外，苹果和三星纷纷提出医疗健康相关的指环系列，也将智能穿戴小型化的趋势提升到了一个新的高度。在不久的将来，相同性能的芯片产品的尺寸越来越小，也就表示从前尺寸产品的芯片性能和算力也会实现倍增。
近日，清华大学集成电路学院教授吴华强、副教授高滨基于存算一体计算范式，研制出全球首款全系统集成、支持高效片上学习（机器学习能在硬件端直接完成）的忆阻器存算一体芯片。相关成果在线发表于最新一期《科学》。相同任务下，该款芯片实现片上学习的能耗仅为先进工艺下专用集成电路系统的3%，展现出卓越的能效优势，具有满足人工智能时代高算力需求的应用潜力。相关成果可应用于手机等智能终端设备，还可以应用于边缘计算场景，比如汽车、机器人等。
不难发现，高性能可穿戴设备面临的诸多问题，其实就是TinyML试图去解决的。微型机器学习Tiny Machine Learning (TinyML) 是机器学习的一个研究领域，专注于在超低功耗的微设备上开发和部署机器学习模型。TinyML使机器学习可以在在安全、低延迟、低功耗和低带宽的边缘设备上运行。在TinyML领域的技术发展，无不适合可穿戴设备的，不论是隐私计算、小体积大模型，还是高效AI算法、模型压缩、稀疏神经网络等，以大幅缩小 AI 模型大小并在边缘设备上高效部署和运行。
然而，受限于体积、用户和产品种类，可穿戴设备当中的传统问题依然存在，需要引起产业的重视，并将其他学科领域的成绩进行迁移转化。
电源和能耗问题：电池续航能力是限制可穿戴设备性能发挥的一个重要因素。目前的电池技术还难以满足高性能设备长时间运行的需求。
隐私保护备受关注：随着设备算力的提升，它们可能会收集和处理更多个人敏感数据。如何确保这些数据的安全和用户隐私不被侵犯，是一个需要解决的重要问题。
行业标准和监管：可穿戴设备市场仍处于发展早期阶段，缺乏统一的行业标准和监管政策。这可能会阻碍技术的创新和市场的健康发展。
大模型的车轮已经开始将从前的AI、智慧系列、数字化、自动化等等裹在历史的车轮当中，以不可阻挡的趋势向前滚动。又有谁能阻挡算力“像空气和自来水一样”随处可得呢？
总体来看，可穿戴设备领域的发展潮头正在向高性能和高算力转变。这将带来新的产品形态和应用场景，进一步促进可穿戴设备产业的蓬勃发展。随着行业链成熟和用户需求不断升级，可穿戴设备未来或将成为一个集AI芯片、物联网与生物识别于一体的全新体验平台。我们期待在各方的共同参与下，可穿戴设备市场能够迎来新的技术突破，并给更多用户带来丰富多彩的未来生验。
