一颗音频主控,串起眼镜与手环两条产品线
11月18日,物奇微通过其官方微信公众号披露,极米近期推出的极米记得AI记忆眼镜G1与AI记忆手环L1,均搭载WQ7036智能音频主控芯片。两款产品分别以眼镜和手环作为声音记录入口,但底层都采用同一颗主控。这一供应链信息让外界可以观察到轻量级AI穿戴设备当前的硬件取向:声音采集、无线连接和低功耗运行,正在成为此类产品的重要基础能力。
按照物奇微的说法,WQ7036为声音采集、无线连接及低功耗运行提供支持。对于“AI长记忆设备”而言,这一角色较为关键。极米记得G1和L1将声音记录放在产品入口位置。用户完成设置并开启记录后,无需频繁手动启动录音,再配合极米记得App,可实现日常声音记录、转写、内容检索及个人长期记忆管理。要支撑这种使用方式,设备需要长时间保持可用,并稳定完成拾音与数据传输。
AI记忆设备的前端:拾音、降噪和稳定传输
AI记忆类产品的体验并不只取决于后端的转写和检索,前端声音采集同样重要。如果环境噪声过多,或者语音信号在传输环节不稳定,后续的内容检索和记忆管理都会受到影响。WQ7036在这条链路上承担了音频处理与连接的任务。
物奇微介绍,该芯片通过自研AI降噪算法,结合双滤波结构与AI模型优化,实现噪声信号从采集到输出的全链路处理,为降噪及环境拾音提供算法支持。对于以声音记录为核心能力的穿戴设备来说,前端降噪和环境适应能力会影响实际可用性。
- 在声音采集端,芯片需要处理来自麦克风的基础信号,并尽可能保留有效语音。
- 在降噪环节,双滤波结构与AI模型优化可用于降低环境噪声对拾音的干扰。
- 在连接环节,WQ7036支持稳定的蓝牙连接及高带宽音频传输,兼容多种传输方式,可将语音数据传输至手机或中继设备。
这意味着,极米记得G1和L1的声音记录并不是单纯依赖本地录音,而是通过主控芯片完成前端处理,再把语音数据送往手机或中继设备,为App侧的记录、转写和检索提供基础。
RISC-V、DSP与NPU:轻量穿戴的功耗与计算平衡
从芯片架构看,WQ7036基于物奇微主控SoC平台打造,采用低功耗设计与RISC-V架构,并集成高性能DSP及NPU,实现异构多核协同计算。这样的组合并非单纯追求高算力,而是把不同计算任务分配给更适合的单元。
RISC-V、DSP与NPU被集成在同一颗主控中,并通过低功耗架构设计兼顾计算性能与功耗。物奇微称,这一设计可满足AI长记忆设备的长时间运行需求。对于眼镜和手环这类轻量形态而言,长时间运行对功耗提出更高要求。若设备需要在日常场景中持续完成声音记录,芯片需要在待机、拾音、降噪、无线传输等环节控制能耗。
WQ7036的低功耗设计,正是围绕这种轻量穿戴的使用条件展开。对终端产品来说,主控芯片不仅影响音频效果,也关系到设备能否在日常佩戴中保持长时间可用。
供应链视角:基础芯片能力正在被重新强调
从这次披露的供应链信息来看,基础芯片能力正在成为观察AI穿戴产品的一个重要维度。AI记忆设备要完成日常声音记录、转写、内容检索和个人长期记忆管理,离不开稳定的音频输入、可靠的无线连接和可控的功耗。
对行业而言,WQ7036进入极米记得产品线,提供了一个观察样本:智能音频主控开始进入以“记忆”“记录”“检索”为核心的新型AI硬件。RISC-V、DSP、NPU与无线连接能力的组合,正在成为轻量级AI穿戴设备的底层选项之一。
对关注智能穿戴的读者来说,判断一款AI眼镜或AI手环是否具备长期使用价值,除了看应用功能,也可以关注其主控芯片是否覆盖拾音、降噪、传输和低功耗运行。极米记得G1与L1此次披露的供应链信息,恰好把这一环节摆到了台前。
原创文章,作者:点点,如若转载,请注明出处:https://www.dian8dian.com/ji-mi-ji-de-g1-yu-l1-bei-hou-di-gong-hao-yin-pin-zhu-kong