PrismML brings its tiny LLMs to Qualcomm-powered smart glasses

شرکت PrismML مدل‌های زبانی کوچک خود را به عینک‌های هوشمند مجهز به تراشه‌های کوالکام می‌آورد

هدف بزرگ‌تر Prism هوش مصنوعی با وزن آزاد است که روی دستگاه‌ها اجرا می‌شود و بهره‌وری بیشتری از توان پردازشی موجود در آن‌ها می‌برد.
PrismML Snapdragon smart glasses
اعتبار تصویر: PrismML

آزمایشگاه هوش مصنوعی PrismML — که توسط پژوهشگران مؤسسه فناوری کالیفرنیا (Caltech) تأسیس شده و ایون استویکا (Ion Stoica) از دانشگاه برکلی کالیفرنیا به عنوان مشاور در کنار آن حضور دارد — نسخه ای از مدل‌های زبانی کوچک خود را برای عینک‌های هوشمند مجهز به تراشه‌های اسنپ‌دراگون کوالکام ساخته است.

روز چهارشنبه، در نشست اسنپ‌دراگون کوالکام، این تراشه‌ساز مدل زبانی بزرگ ۱ بیتی Bonsai ساخت PrismML را به نمایش گذاشت که می‌تواند به صورت محلی روی عینک‌های هوشمند مجهز به پلتفرم Snapdragon AR1 Gen 1 اجرا شود.

همان‌طور که تک‌کرانچ پیش‌تر گزارش داده بود، شهرت PrismML به این دلیل است که مدل‌های بزرگ‌تر را به طور چشمگیری (در اینجا تا ۴ برابر) کوچک می‌کند، در حالی که تقریباً تمام کارایی آن‌ها را در معیارهای استاندارد حفظ می‌کند. نسخه عینک‌های هوشمند، یک مدل ۲ میلیارد پارامتری است که برای بینایی و زبان بهینه‌سازی شده است؛ بنابراین استفاده‌کنندگان می‌توانند در زمان واقعی بپرسند به چه چیزی نگاه می‌کنند.

هدف بزرگ‌تر Prism هوش مصنوعی با وزن آزاد است که روی دستگاه‌ها اجرا می‌شود و بهره‌وری بهینه‌تری از توان پردازشی موجود در آن‌ها دارد. این استارتاپ این فناوری را به عنوان جایگزینی برای اتکا به وعده‌های حریم خصوصی آزمایشگاه‌های هوش مصنوعی انحصاری و نیاز سیری‌ناپذیر آن‌ها به قدرت پردازشی بیشتر معرفی می‌کند.

عرضه یک مدل برای تراشه کوالکام گامی در راستای تحقق این چشم‌انداز است. با این حال، هنوز هیچ عینک هوشمندی که با PrismML کار کند، معرفی نشده است.

نظر مهندس بهمن آبادی: حرکت به سمت اجرای محلی مدل‌های ۱ بیتی روی سخت‌افزارهای کم‌مصرف مثل عینک‌های هوشمند، نقطه عطفی در کاهش وابستگی به کلاد و رفع چالش‌های حریم خصوصی است. به عنوان یک توسعه‌دهنده، بهینه‌سازی مدل‌های ویژن-لنگویج برای لبه (Edge) نشان می‌دهد که آینده هوش مصنوعی در دست مهندسی کارآمد وزن‌هاست، نه فقط افزایش حجم پارامترها. این تکنیک، پردازش بلادرنگ را بدون تاخیر شبکه و با مصرف بهینه باتری روی دیوایس‌های همراه ممکن می‌سازد.

منبع: https://techcrunch.com/2026/09/24/prismml-brings-its-tiny-llms-to-qualcomm-powered-smart-glasses/