移远通信携手高通落地AI Hub中国版：230+预优化模型接上ModelForge／ModelInfer工具链，Quectel Pi H1跑通Real-ESRGAN 4倍视频超分

恒森科技
移远通信端侧AI高通AI Hub开发工具链模型部署
高通AI Hub中国版开放230+预优化模型，移远把ModelForge、ModelInfer与AI Playground接在其后，Pi H1（QCS6490）已跑通Real-ESRGAN x4plus逐帧4倍超分，12–77 TOPS硬件同步验证。

11 月 3 日，移远通信与高通共同宣布在终端侧 AI 领域深化合作：高通 AI Hub 中国版面向中国开发者开放后，移远的开发板、工控板与高算力模组率先完成模型适配，ModelForge、ModelInfer 与 AI Playground 三段工具链接在 AI Hub 的模型库之后，把「下载模型」和「在真机上跑起来」之间的工程环节接了起来。对正在做端侧 AI 立项的硬件团队来说，这条链路的价值不在模型数量，而在于少做多少重复适配。

高通这一侧：AI Hub 中国版交付了什么

高通在 11 月 2 日于北京宣布 AI Hub 面向中国开发者开放，入口是 aihub.qualcomm.cn。按高通官方新闻稿，中国版由四部分组成：Models 提供超过 230 个并持续扩展的预优化模型，其中包含面向中国市场的模型，模型页可以直接比较同一模型在不同设备与运行时上的性能指标；Workbench 允许开发者导入自有模型，在云托管的真机设备上完成优化、量化、编译、性能分析与精度验证；Apps 提供示例应用与参考代码；GenieX 则是面向终端侧生成式 AI 的推理运行时，提供命令行、Python 与 Java 接口，可让模型在 NPU、GPU、CPU 上本地运行。配套资源还包括高通终端云（QDC China）的中国设备农场与开发者论坛。

这四件工具解决的是「模型从哪里来、怎么针对高通平台优化、怎么验证」的问题。它们不解决「优化好的模型装到哪块板子上、板子的驱动与功耗怎么调」——这一段留给硬件伙伴，也正是移远这次接手的部分。

移远这一侧：ModelForge、ModelInfer 与 AI Playground

按双方公布的工作流，开发者在 AI Hub 中国版选好并下载模型后，先用移远的 ModelForge 完成模型转换与优化，再通过 ModelInfer 推理引擎在目标硬件上运行，最后在 AI Playground 平台上查看算法在真实硬件上的实际效果。整条链路的顺序是固定的：

  1. 在高通 AI Hub 中国版浏览模型，比对各设备与运行时上的性能指标，下载适配版本；
  2. 用 ModelForge 做一站式模型转换与优化，把模型对齐到目标芯片与运行时；
  3. 用 ModelInfer 在目标硬件的 CPU／GPU／NPU 上执行推理；
  4. 用 AI Playground 在真实硬件上实时查看效果，完成体验验证；
  5. 需要批量落地时，按移远已发布的《AI Hub 模型经 AI IDE 批量部署操作指南》走本地批量部署。

此外，开发者也可以不买板子，先用 AI Hub 中国版的云端真机能力远程验证性能，再决定用哪一档算力的硬件。这一步对做多机型适配的团队影响最大——样机采购与排队的时间被省掉了。

已经跑通的硬件清单：12 到 77 TOPS

移远公布的首批适配与验证清单覆盖单板电脑与智能模组两类形态，算力跨度 12–77 TOPS：

  • Quectel Pi H1：基于高通跃龙 QCS6490，8 核 Kryo 670（1×2.7 GHz + 3×2.4 GHz + 4×1.9 GHz）、Adreno 643L GPU、8 GB LPDDR4X，NPU 算力约 12.15 TOPS，已完成 Real-ESRGAN x4plus 的适配验证；
  • QSM882GP：基于 QCS8550 的智能主控板，NPU 算力 48 TOPS，8K@30 fps 编码能力，面向视频会议、机器人与边缘计算；
  • QSM560DR：基于 QCM6490 的单板电脑，与 SG560D 同平台，综合算力 14 TOPS；
  • SG885G-WF：QCS8550 平台的旗舰智能模组，48 TOPS，支持 Wi-Fi 7 与蓝牙 5.3；
  • SP895BD-AP：高通跃龙 Q-8750（3 nm）平台，AI 引擎算力 77 TOPS，支持 INT4／INT8／INT16／FP16，官方口径可在端侧运行最高 110 亿参数的大语言模型；
  • SG560D：QCM6490 平台的 5G 智能模组，综合算力 14 TOPS。

清单里真正被「跑通」的是最低那一档：Quectel Pi H1 在视频流解码播放过程中，用 Real-ESRGAN x4plus 逐帧完成 4 倍超分辨率重建。其余型号官方表述为「正同步推进模型验证」，也就是适配在进行中，尚无逐项的性能数字公开。

4 倍实时超分：能力边界要说清楚

Real-ESRGAN x4plus 是盲超分模型，输入一张低分辨率图，输出 4 倍边长的重建结果，常用于老片修复、监控画面增强与低码率视频回放。它在 AI Hub 上属于公开模型，各平台的推理耗时可以直接查：按高通 AI Hub 公开的基准数据，QCS6490 上以 ONNX、w8a8 精度运行，单次推理耗时 121.382 ms，主计算单元为 NPU；QCS8550（Proxy）在同等精度下为 22.652 ms；Q-8750 为 12.296 ms。

这组数字决定了「实时」的边界。121 ms 折算约 8 帧／秒，若目标是 30 帧／秒的逐帧处理，单帧预算只有 33 ms，12 TOPS 这一档跑不动全分辨率的 x4plus；可行的做法是降低输入分辨率、隔帧处理，或者在后端只对关键帧做重建。22 ms 与 12 ms 这两档才有条件谈真正意义上的逐帧实时。移远在稿中用了「首轮测试表现良好」的表述，没有给出分辨率、帧率与功耗，这三点恰恰是客户评估能不能上量产项目的关键参数——后续拿到开发板实测时应优先补上。

竞争位置：模组厂都在抢「平台＋模组」这一段

这不是移远一家的动作。11 月 4 日，芯讯通（SIMCom）也发布与高通 AI Hub 中国版协同的稿件，口径几乎相同：模型侧由 AI Hub 完成平台专属优化与云端验证，硬件侧由模组提供连接与算力载体，两边合起来降低开发门槛。差别在于各家的软件层深度：移远拿出的是自有的 ModelForge、ModelInfer 与 AI Playground，芯讯通强调的是模组产品线覆盖。

对采购方来说，这个差别会落在具体问题上：模型换一个版本，谁负责重新量化与回归测试；同一套算法要同时上 12 TOPS 和 48 TOPS 两档硬件，谁保证精度不漂；量产后 BSP 与驱动出问题，找芯片厂还是找模组厂。这些问题的答案写在工具链与技术支持合同里，不在模型数量里。

恒森视角

端侧 AI 的分水岭已经从模型数量移到部署效率。230 多个预优化模型是公共资源，任何高通平台的硬件伙伴都能下载同一批文件；真正拉开差距的是下载之后那几步——转换、量化、真机验证、批量部署，以及量产后 BSP 与驱动的责任归属。移远把 ModelForge、ModelInfer、AI Playground 接在 AI Hub 之后，正是把这部分工程成本内部化。芯讯通同日跟进同一叙事，说明这是行业集体动作，先发几个月不构成壁垒，壁垒在工具链成熟度与踩过的坑。

公开基准可校准预期：Real-ESRGAN x4plus 在 QCS6490 上单次推理 121 ms，约 8 帧／秒；在 QCS8550 与 Q-8750 上分别是 22.7 ms 与 12.3 ms。12 TOPS 这一档的「实时超分」取决于输入分辨率与帧率目标，48 TOPS 以上才是逐帧实时比较稳妥的区间。12–77 TOPS 的验证矩阵更像选型地图，而非统一的能力承诺。

边界在于客户所处阶段。算法未冻结时，工具链省下的适配时间最值钱；客户自身具备 QAIRT／QNN 调优能力时，模组厂这一层的溢价会被压缩。接下来看验证清单能否从消费级板卡扩到车规与工业温度等级——端侧 AI 的采购决策最后卡在认证与长期供货，而不是跑分。

信息来源：移远通信《移远通信携手高通，依托AI Hub共建端侧AI开发者生态》（2026-11-04，quectel.com.cn）；高通技术公司《高通AI Hub现已面向中国开发者开放》（2026-11-02，qualcomm.cn）；高通 AI Hub 模型页 Real-ESRGAN-x4plus 性能数据（aihub.qualcomm.com）；移远产品页 QSM882GP-WF、SP895BD-AP、SG885G-WF 规格；中国日报网《高通AI Hub中国版来了！芯讯通模组接住"落地"这一棒》（2026-11-04）。