端侧大模型迎来轻革命：移远通信×RWKV打造轻量AI大脑

7月27日，移远通信宣布与RWKV公司建立全面合作关系，双方将依托移远的算力平台，优化并支持RWKV最新模型架构，共同推动大模型在端侧设备的低资源占用部署。此次合作成果于2025世界人工智能大会首次亮相，标志着端侧大模型解决方案向更高性能、更广场景的应用迈出关键一步。

RWKV是全球领先的RNN大模型架构，它成功结合了递归神经网络(RNN)的恒定复杂度和高效串行推理，以及Transformer的并行处理优势，使其在文本生成、时间序列、图像和视频、语音和音乐等领域表现出色，推理成本和训练成本显著低于Transformer。

这项技术的核心突破在于引入RWKV算子替代Transformer的位置编码和多头注意力机制。这一革新有效解决了Transformer在处理长序列时的空间和时间复杂度问题，在确保模型性能不受影响的前提下，实现了内存占用恒定、token计算复杂度恒定，意味着运算过程更高效、更省力。这一特性让 RWKV 在端侧设备部署中展现出显著优势:处理长序列时速度更快、内存占用更低，相当于为终端设备配备了一个 "轻量化的AI大脑"。

在本次世界人工智能大会上，基于高通 QCS8550 平台的两大 RWKV 联合解决方案将重磅登场:

#8226; RWKV Chat:思考永续

RWKV Chat是一款离线AI聊天应用，无需联网即可实现推理、深度对话与文本续写，支持个性化会话配置，成为用户的"口袋级"生产力伙伴。例如其中的RWKV7-G1 2.9B模型在高通手机平台的速度可达30 token/s，且由于RWKV架构无需KV cache，在超长推理后仍然可以速度恒定，内存占用恒定。

#8226; RWKV Sudoku:超长CoT

RWKV 数独则展示了20M超小参数模型在超长链式推理下的数学解题能力，凭借恒定内存与极少token消耗，轻松破解复杂数独，直观呈现RWKV架构在端侧的高效潜能。

在Transformer架构主导大模型领域的当下，移远通信以前瞻性的眼光，积极布局非Transformer的技术路线，致力于为客户提供更低算力、更少内存消耗的解决方案。

此次展出的RWKV7-G1 1.5B模型，经过移远通信的工程优化后，在SG885G模组上的实测数据表现亮眼，明显优于同等参数量的Transformer架构的模型，具体来说，在Prefill阶段:

#8226; 平均耗时减少83%

#8226; 平均处理速度提升345%

在Decoding阶段:

#8226; 平均CPU使用减少23%

#8226; 平均内存使用减少36%

#8226; 平均功耗减少18%

移远通信的SG885G基于高通QCS8550平台开发，其AI综合算力高达48 TOPS，能够支撑7B左右参数级的多模态模型在本地化推理，从而实现实时视觉理解与多模态信息融合。在模型兼容性方面，移远构建了强大的端侧适配体系，率先实现对Llama、通义千问、DeepSeek等主流开源模型的全方位兼容，兼容的参数范围覆盖0.5B至8B，打造出了功能强大的端侧大模型超级平台。此外，在架构创新上，SG885G支持运行非Transformer路线的RWKV7架构，这一特征显著降低了对算力和内存的需求。

移远通信首席运营官张栋表示:"此次与RWKV的战略合作，是移远通信 ‘让终端拥有AI大心脏'技术理念的关键落地！RWKV的线性注意力架构，突破性地解决了端侧设备的长序列处理瓶颈，再结合移远的高算力模组，成功将AI大模型‘装进'了物联网终端。当农机能‘看懂'土壤的干湿，当手表可以‘提醒'健康风险，AI就不再是飘在云里的概念，而是真真切切来到了田间地头、来到了你我的手腕上，让科技真正服务于每一处需要它的地方。"

RWKV联合创始人amp;COO罗璇表示:"我们希望让每一台设备都聪明起来，就像为它们植入了会思考的‘大脑'。随着RWKV架构在移远算力平台上实现规模化部署，让终端设备突破资源限制，构建‘云端能力+本地智能'的双引擎协同生态，为万物智联时代奠定技术基石。"

移远通信与RWKV的战略合作，不仅是一次技术与硬件的强强联合，更是推动智能计算走向普惠的关键里程碑，让"AI大模型"真正走出云端，融入万物。

7月26日-29日，诚邀莅临WAIC 2025移远展台，近距离体验端侧大模型解决方案的前沿科技魅力。

免责声明：该文章系本站转载，旨在为读者提供更多信息资讯。所涉内容不构成投资、消费建议，仅供读者参考。