電子發燒友網報道（文/莫婷婷）AI智能眼鏡作為新興的可穿戴設備正在加速發展。如今，智能眼鏡不僅具備基本的聽音樂功能，還需要支持一系列先進的AI功能以提供更加個性化和高效的用戶體驗。這些AI功能包括但不限于語音識別與控制、實時翻譯、圖像識別與增強現實（AR）等。為了支持上述高級功能，智能眼鏡對其主控芯片提出了更高的要求。


智能眼鏡AI性能需求提升，新一代芯片該如何設計

當前，新一代AI/AR智能眼鏡的核心設計需求是什么。具體有以下四大方面：一是輕量化設計、全天候佩戴；二是第一視角的智能拍照錄像；三是智能功能與語音助手，在選擇AI大模型時，不僅僅要考慮云端大模型，還要考慮端側大模型；四是近眼顯示與AR交互。這些需求都給芯片設計工程師提出了挑戰。

此前，業內人士將AI智能眼鏡理解為智能手表方案Plus，但事實上，智能手表方案與AI智能眼鏡的方案有很大不同，最大的區別就是加入了視覺部分。意法半導體Alex Li表示，“從芯片設計角度來說，這是非常具有挑戰的工作，因為這個時候我們要考慮到芯片的尺寸、功耗，還有視覺應用的場景”。


那么，面向AR/AI 智能眼鏡應用的芯片設計有哪些需求呢？Alex Li提到了七大方面：

一是高性能與低功耗，包括主頻為550MHz~2.5GHZ，1080P@30FPS H.264/H.265 encoding 低于300mW待機功耗低至 3-5mW。二是在相機系統方面，500萬像素起步，典型要求 1200萬像素，未來可到2000 萬像素，接近手機的專業 ISP(3A,EIS等)。三是引入NPU AI加速，AI算力達0.5 TOPS，甚至達到2.5 TOPS。

四是顯示系統，支持QSPI、MIPI-DSI接口。五是音頻系統，搭載陣列麥克風，支持降噪、通話、音樂等功能。六是無線連接系統，支持低功耗Wi-Fi 6，雙模藍牙。七是高集成度小封裝，“現階段，大部分客戶普遍要求10×10mm，但也有客戶要求寬度做到6mm以下”，Alex Li認為，下一代芯片的寬度將更小。

當然，芯片的性能也并不是越高越好，例如支持的NPU算力越大，芯片的體積也會增加，功耗也會增加，這是所有芯片設計工程師都需要解決的性能平衡挑戰。


高通驍龍AR1平臺引領行業，STM32N6也成香餑餑

在AI智能眼鏡領域，ST和高通驍龍AR平臺憑借其各自的技術優勢推出了多款產品。2023年，高通發布了全新空間計算平臺第一代驍龍AR1。高通驍龍AR1專為AR智能眼鏡而設計，如今已經被雷朋Meta Wayfarer智能眼鏡、RayNeo雷鳥V3智?能眼鏡、Rokid Glasses AR+AI智能眼鏡等產品使用。

根據介紹，高通驍龍AR1平臺支持Wi-Fi 7，峰值速度高達5.8Gbps，處理器搭載了第三代Hexagon NPU。面向AI智能眼鏡的拍攝功能，高通驍龍AR1采用 14-bit 雙 ISP，可以支持1200 萬像素的照片拍攝和 600 萬像素的視頻拍攝。AR1還集成AI多模態識別技術，提高照片和視頻的拍攝質量。

針對AI帶來的需求，AR1平臺高效的中央處理單元（CPU）和圖形處理單元（GPU），可以支持復雜的計算任務和實時圖像處理。在眼鏡側AI，針對拍攝性能，AR1平臺通過計算機視覺輔助可以提高拍攝照片以及視頻的質量。針對語音交互能力，AR1平臺支持語音指令，可以通過AI將信息具現化，讓用戶在智能眼鏡上看到結合現實情景的信息，完成翻譯、導航等功能。




值得一提的是，AR1平臺還是一款可擴展平臺，可用于拍攝和音頻為主要功能的AI智能眼鏡，以及AR智能眼鏡（單目顯示、雙目顯示）不同配置的智能眼鏡。

業內人士透露，高通驍龍AR1平臺將在今年迎來迭代更新，包括制程工藝、AI性能也會進一步提升。

2024年12月，ST推出的新一代邊緣AI MCU ——STM32N6 MCU同樣可用于AI智能眼鏡。Alex Li透露，在短短4個月的時間，注冊的客戶就超過50家。這不僅反映了市場對STM32N6 MCU的高度關注和認可，更直接證明了其卓越的性能、出色的能效比以及廣泛的適用性。



STM32N6系列 MCU是ST首款MCU+NPU+ISP架構的產品，提升了算力水平，處理能力高達600GOPS。采用 16nm FinFET 工藝，搭載 32 位 Arm Cortex - M55 CPU，引入了 Arm Helium 矢量處理技術，還搭載了自研 Neural - ART 專用 NPU ，提供高達 600 GOPS 的 AI 算力能夠更快速且準確地處理機器學習算法、圖像識別、語音處理等各種AI任務。

例如，STM32N6x7AI系列搭載了領先的邊緣AI的MCU 內核、最新的NPU處理單元。還內置了大容量嵌入式SRAM+靈活的存儲接口，還帶有專用的相機處理架構，多個攝像頭接口

ST提供了完善的 AI 軟件生態系統，并可以為客戶的所有設計步驟中提供支持的工具和軟件，增加了STM32CubeMX圖形配置工具 ，可以做邊緣AI模型部署，例如主流框架的AI模型都可以通過STM32CubeMX更方便地跑在ST的MCU上。