高通联手PrismML：AI眼镜也能离线识物，内存省了四分之三

高通联手PrismML：AI眼镜也能离线识物，内存省了四分之三

在2026年骁龙峰会上，高通和PrismML搞了件挺酷的事——他们把20亿参数的1-bit量化Bonsai视觉模型，硬是塞进了骁龙AR1 Gen 1智能眼镜平台。结果呢？AI眼镜不用联网，也能认东西、回答问题。

1-bit量化，内存只剩四分之一

Bonsai 1-bit模型是在PrismML之前发布的Bonsai 1.7B版本上改的，把模型精度压到了1-bit。官方说法是，同样的内存容量能装下大约四倍的参数，内存占用只有传统4-bit模型的四分之一左右，文本生成速度还翻了一倍。

这听起来可能有点技术，但说白了就是：以前跑不动的模型，现在能跑了；以前烫手的眼镜，现在凉快多了。

离线交互，续航和佩戴体验都上来了

实际用起来是什么感觉？官方说，AI交互不用再连云端等半天了。你走在路上看到个不认识的东西，眼镜直接本地识别；想翻译个路牌，眨眨眼的事；甚至不用动手，语音就能帮你解答环境相关的问题。

更关键的是，1-bit模型把内存和功耗都压下来了。电池续航更长，发热更少，戴起来自然更舒服。对智能眼镜这种又小又难散热的设备来说，这可不是锦上添花，而是能不能日常戴出门的分水岭。

为什么这事值得关注？

智能眼镜一直有个尴尬：功能很酷，但一用就发热、掉电快，还得时刻联网。高通和PrismML这次把1-bit量化推到端侧，等于给AI眼镜松了绑。离线能干活，意味着反应更快、隐私更好、场景更广。

当然，1-bit量化不是没有代价，精度损失是客观存在的。但在这个尺寸和功耗的约束下，能跑起来、跑得动，本身就是一大步。

Key Points

• 高通与PrismML合作，在骁龙AR1 Gen 1平台上跑通2B参数1-bit量化Bonsai视觉模型
• 内存占用仅为传统4-bit模型的四分之一，文本生成速度翻倍
• 支持离线图像识别、翻译、环境问答和语音辅助，无需连接云端
• 更低功耗和发热，延长续航，改善智能眼镜佩戴体验
• 1-bit量化在端侧AI设备上展现出实用潜力，但精度损失仍需权衡