Meta Connect大会聚焦智能眼镜:Meta加速布局下一代智能穿戴硬件
在近期举办的Meta Connect大会上,Meta公司重点展示了其不断扩展的智能眼镜产品线。作为Facebook和Instagram的母公司,Meta正致力于通过智能眼镜等新型可穿戴设备,让消费者更便捷地与数字世界保持连接,持续强化其在端侧智能硬件与元宇宙入口领域的战略布局。
在近期举办的Meta Connect大会上,Meta公司重点展示了其不断扩展的智能眼镜产品线。作为Facebook和Instagram的母公司,Meta正致力于通过智能眼镜等新型可穿戴设备,让消费者更便捷地与数字世界保持连接,持续强化其在端侧智能硬件与元宇宙入口领域的战略布局。
在Anthropic推出Opus 5.5以及OpenAI紧随其后发布GPT-6更新的模型密集发布周中,Meta凭借其个人AI智能体Muse引发广泛关注。据报道,Muse的早期表现数据已超越ChatGPT同期水平,未来将进一步适配智能眼镜等硬件设备,展现出在个人智能体及端侧AI应用领域的强劲竞争力。
在Anthropic与OpenAI相继推出前沿模型更新之际,Meta凭借其代号类似电子宠物的个人AI智能体Muse引发广泛关注。据报道,Muse的早期增长数据已超过ChatGPT同期表现,并计划进一步集成至智能眼镜等硬件设备中,展示了Meta在端侧与穿戴式个人AI助手领域的战略布局与快速推进态势。
根据相关分析预测,人工智能技术的爆发式普及与端侧硬件升级需求,可能对廉价入门级手机市场带来巨大冲击,预计每年或导致多达 2.3 亿部低预算智能手机从市场上消失。AI 功能对手机芯片算力、内存容量及整体硬件规格的要求提升,正显著推高制造成本并重塑消费级智能硬件的产品形态。当前素材提供信息有限,更多具体市场影响机制有待进一步披露。
苹果在Jamf用户大会(JNUC)上公布了覆盖iPhone、iPad到Mac Studio集群的全产品线端侧AI推理能力矩阵。图表显示,16GB内存的iPhone/iPad最高可承载140亿激活参数模型,MacBook Air(32GB)可支持350亿参数,Mac mini(64GB)支持700亿参数,MacBook Pro(128GB)达1200亿参数,而512GB内存的Mac Studio最高可支持4800亿参数模型本地推理。
该研究针对计算与内存资源受限的边缘设备,提出了一套高效的边缘机器学习工作流程,用于在腕戴式多模态生理监测设备WeBe Band上快速开发、优化和部署ML模型。该系统支持自动机器学习(AutoML)和硬件优化,能够自动生成硬件高效型模型,并轻松集成到WeBe的核心固件中,大幅简化了端侧算法的开发周期。
Meta在Connect大会上推出了便携式掌上AI设备Muse Charm,由前苹果界面设计主管Alan Dye操刀设计。该设备配备2英寸触摸屏和5G调制解调器,能够脱离手机独立运行AI助手Muse,类似AI版本的“拓麻歌子”电子宠物形态。设备计划于今年12月假日购物季正式开售,进一步拓展了消费级独立AI硬件的应用场景与终端形态。
据外媒报道,微软可能正在逐步放弃此前重点推广的“Copilot Plus PC”品牌标签。微软曾联合高通大力宣传该品牌,用以界定具备充足端侧 AI 算力的新一代个人电脑设备。然而在推出后,这一品牌策略并未达到预期成效,双方似乎已默认该品牌名存实亡。目前关于微软未来在端侧 AI 硬件认证上的后续调整或替代方案,报道中尚未披露更多具体细节。
PrismML 宣布将其微型大语言模型(tiny LLMs)引入搭载高通芯片的智能眼镜中。PrismML 的核心目标是开发能够在终端设备本地高效运行的开放权重人工智能模型,通过更好地利用设备现有的计算资源,推动轻量级大模型在低功耗可穿戴硬件上的落地与应用。
借助 LiteRT 与轻量级 Gemma 开源模型,在树莓派上部署安全、实时的边缘 AI 变得更加简单。LiteRT 优化了 CPU 与 GPU 性能,为 Gemma 等模型提供快速的推理速度,从而为机器人等设备赋予实时本地推理能力。开发者可以通过轻量级的 LiteRT CLI 工具快速完成模型转换、量化与运行。此外,该工具近期还将加入对 Hailo AI 加速器的支持。
Meta 宣布将推出一款名为 Muse Charm 的便携设备,把其 AI 助手浓缩至钥匙扣尺寸中,并计划于 12 月开始发货。目前官方公布的信息较为有限,关于该设备的具体功能、交互方式、硬件配置以及售价等详细规格均尚未进一步披露。
在为期两天的骁龙峰会上,高通集中发布了覆盖多个终端品类的全新硬件平台,产品线涵盖智能手机、个人电脑、耳机、智能手表、智能眼镜以及 VR/XR 设备。高通表示,面对即将到来的个人 AI 时代,已在多类终端计算平台上做好准备,通过跨设备的硬件生态布局全面迎接端侧 AI 应用的落地。
本地模型运行框架 Ollama 发布 v0.34.3 版本更新。新版本在 CLI 和 /api/show 接口中新增了对各模型“思考级别(thinking controls)”参数及其默认值的展示支持;同时支持通过 MLX 在 Apple Silicon 设备上运行 Nemotron H 视觉模型。此外,该版本还修复了从 HuggingFace 拉取模型的问题,并优化了 macOS 客户端的应用激活窗口逻辑。
Tata Elxsi 基于 AWS 构建了实时工业安全平台 IRIS。该平台通过在边缘端对摄像头视频进行过滤,利用 Amazon Kinesis 传输元数据,并在 Amazon SageMaker AI 上运行计算机视觉模型,将检测结果关联为高置信度警报。该系统将不安全工况的检测时间从数分钟缩短至数秒,显著提升了工业现场的安全响应效率。
英伟达面向游戏开发者发布系列技术更新,推出DLSS 5并引入DLSS 3D引导神经渲染(3D-Guided Neural Rendering)及精细化控制功能,旨在帮助开发者在保持渲染性能的同时,呈现逼真的光照效果和材质细节。此外,本次更新还涵盖了NVIDIA ACE(虚拟数字人技术)的最新进展以及RTX Kit套件的新功能增强。
vLLM 官方宣布推出 vllm-metal,将 vLLM 的分页机制(PagedAttention)和连续批处理推理服务架构引入 Apple Silicon 设备。该版本旨在提升苹果芯片设备上的高并发推理能力,在面对多智能体并发负载时能提供更稳定的首字生成时间(TTFT),并支持批处理 MTP 等高级特性,优化了 Mac 设备的本地大模型部署体验。
开源社区发布了 Bonsai 2 27B 模型及其相关量化版本。该模型通过先进的压缩与量化技术,在保持接近无损性能的前提下将模型体积缩减至原来的九分之一,其 GGUF 格式模型大小仅约 5.95 GB。开发者可以通过定制的 llama.cpp 分支运行时环境在本地设备(如 macOS 等)上部署和体验该高效压缩模型。
英伟达公布最新测试结果,TensorRT Edge-LLM 在 Jetson AGX Thor 平台上运行 MLPerf 边缘智能体基准测试时实现了 6.4 倍的速度提升。随着 AI 智能体逐步从云端数据中心迁移至汽车、机器人及其他边缘硬件,该技术针对需要多步骤推理的智能体工作流进行了优化,显著提升了端侧设备本地处理复杂任务的能力与能效表现。