在2026年骁龙峰会期间，高通与PrismML公司共同宣布了一项针对智能眼镜平台的模型压缩成果：双方在骁龙AR1 Gen 1平台上，成功实现了20亿参数1-bit量化Bonsai视觉模型的本地运行。这意味着AI眼镜在脱离云端连接的情况下，也能完成视觉识别与问答任务。

Bonsai 1-bit模型是在PrismML此前发布的Bonsai 1.7B版本基础上构建的。通过将模型精度压缩至1-bit，该模型显著降低了存储与推理所需的内存资源。官方数据显示，在相同内存容量下，该模型可容纳约4倍于传统方案的参数规模，内存占用约为传统4-bit模型的四分之一，同时文本Token生成速度提升了一倍。

在应用层面，该模型可支持识别眼前物体、翻译文字、回答环境相关问题以及提供免手操作的语音帮助等场景。由于推理完全在本地完成，AI交互不再需要连接云端等待响应，从而提升了实时性。

此外，1-bit模型对内存和功耗的优化，也有助于延长智能眼镜的续航时间、减少发热，进而改善佩戴体验。此次合作展示了极端量化技术在端侧AI设备上的可行性，为智能眼镜的离线智能交互提供了新的思路。