在2026骁龙峰会上，高通与PrismML合作，在骁龙AR1 Gen 1智能眼镜平台上本地运行1-bit量化的Bonsai视觉模型，实现离线识图、翻译与语音问答。官方称其内存占用约为4-bit模型的1/4，同等内存可容纳约4倍参数，Token生成速度翻倍。该模型基于PrismML此前发布的Bonsai 1.7B构建，但“20亿参数”的说法与官方型号系列存在出入，应以官方信息为准。高通同步推出Snapdragon START计划，加速AI眼镜量产。
在2026年9月22日至24日于夏威夷举行的骁龙峰会上，高通宣布与PrismML达成合作，在骁龙AR1 Gen 1智能眼镜平台上本地运行1-bit量化的Bonsai视觉模型。IDC报道指出，骁龙AR1和AR1+是首批支持多模态1-bit模型的可穿戴平台。这意味着AI眼镜在离线状态下也能完成识图、翻译与环境问答，无需将数据上传云端等待响应。
根据高通与PrismML公布的信息，该1-bit模型基于PrismML此前发布的Bonsai 1.7B版本构建，将模型精度压缩至1-bit，以降低存储与推理所需的内存资源。官方表示，在相同内存容量下，1-bit模型可容纳约4倍参数，内存占用约为传统4-bit模型的1/4，文本Token生成速度则翻倍。这一特性对于内存和功耗受限的智能眼镜尤为关键。
在实际落地场景中，官方称该方案可支持识别眼前物体、翻译文字、回答环境相关问题、提供免手操作语音帮助等。AI交互不再需要连接云端等待，可直接在本地完成。将推理从云端移至本地，也有助于兼顾隐私保护、实时响应与设备续航——这符合端侧AI的行业趋势，但本文仅针对该事件本身进行陈述。
与此同时，高通推出Snapdragon START计划，通过AR1模块、软件与白标设计加速智能眼镜上市。据报道，Google、三星、XREAL、Gentle Monster、Warby Parker等公司正基于AR1开发眼镜产品。PrismML也在9月17日发布了Bonsai 2 27B（基于Qwen3.8 27B，5.9GB，约98.2%质量，Apache 2.0），显示其低比特模型系列仍在扩展。
需要指出的是，部分媒体报道称该模型为“20亿参数”，但PrismML官方1-bit Bonsai系列包括8B、4B、1.7B，并无2B型号；且官方信息显示该模型基于1.7B版本构建。因此“20亿参数”的说法与官方模型系列存在出入，建议以高通与PrismML的官方信息为准。截至2026年9月25日可检索到的公开报道，关键数据均来自媒体报道转述。
从作者视角看，1-bit量化在智能眼镜上的落地更具象征意义：它让“大模型上眼镜”从实验室演示走向可量产的功能。但需要注意的是，单次合作不能直接等同于行业全面转向1-bit，端侧AI仍有精度、散热、生态等多重挑战。此次发布更像是一个明确信号：低比特量化正在成为可穿戴设备AI能力的底层支撑。（作者观点）
滇公网安备 53252802528133号