【资料图】

深岩哥

MR虽然发布不及预期，但是AI和MR融合是大概率事件，从高通最近的表述上也是如此，他们认为随着AI催化下算力需求的加速走向多样化，单一的云端算力无法满足所有需求，算力正在走向泛化，走向“云边端”梯度分布的格局。

逻辑上是非常通顺了，日常我们使用的各种穿戴类装备或者各种其他电子类终端如音响、电脑、空调、电视等，基本上都有边缘测芯片的参与。而算力在现阶段是没办法完全满足，大模型对算力需求难免会转移到终端，在边缘侧算力闲置时候来跑模型。但其实并不会对自己的数据隐私有影响，是因为边缘算力的优势决定的。

边缘算力的三大优势

边缘算力通常指部署在设备本地的算力或者离用户距离较近的数据中心中的算力。边缘算力相较于云端算力，拥有低成本、低时延、高隐私三大特性。1、低成本：当前主流的边缘算力平台主要采用高通主导下的ARM架构，相比于英伟达的复杂架构，ARM架构在小算力时拥有极低的单位成本，是降低开发与用户成本的必然选择。2、低时延：边缘算力一般搭载在本地，无需将数据发送至云端并等待回传的时间，可以满足如自动驾驶，快速对话等对时延要求高的场景。3、高隐私：边缘算力依靠设备本身搭载的算力或在用户自有服务器上的算力进行推理，可以实现数据不出用户管辖范围，对隐私的保护更好。

这算是扩宽了边缘芯片的使用边界，之前边缘芯片的逻辑是可以连在日常生活中的电子设备上，不只是手机。

他们会收集终端的各种日常信息并且传输出去，作为数据要素供给大模型使用。

从出货量上看，边缘计算芯片出货量增长势头非常快速，基本上保持在25%的增速，属于高增速的赛道。