7月27日，移遠通信宣布與RWKV公司建立全面合作關系，雙方將依托移遠的算力平臺，優化并支持RWKV最新模型架構，共同推動大模型在端側設備的低資源占用部署。此次合作成果于2025世界人工智能大會（WAIC）首次亮相，標志著端側大模型解決方案向更高性能、更廣場景的應用邁出關鍵一步。

RWKV（Receptance Weighted Key Value）是全球領先的RNN大模型架構，它成功結合了遞歸神經網絡（RNN）的恒定復雜度和高效串行推理，以及Transformer的并行處理優勢，使其在文本生成、時間序列、圖像和視頻、語音和音樂等領域表現出色，推理成本和訓練成本顯著低于Transformer。

這項技術的核心突破在于引入RWKV算子替代Transformer的位置編碼和多頭注意力機制。這一革新有效解決了Transformer在處理長序列時的空間和時間復雜度問題，在確保模型性能不受影響的前提下，實現了內存占用恒定、token計算復雜度恒定，意味著運算過程更高效、更省力。這一特性讓 RWKV 在端側設備部署中展現出顯著優勢：處理長序列時速度更快、內存占用更低，相當于為終端設備配備了一個 “輕量化的AI大腦”。

在本次世界人工智能大會（WAIC）上，基于高通 QCS8550 平臺的兩大 RWKV 聯合解決方案將重磅登場：

• RWKV Chat：思考永續
  

RWKV Chat是一款離線AI聊天應用，無需聯網即可實現推理、深度對話與文本續寫，支持個性化會話配置，成為用戶的“口袋級”生產力伙伴。例如其中的RWKV7-G1 2.9B模型在高通手機平臺的速度可達30 token/s，且由于RWKV架構無需KV cache，在超長推理后仍然可以速度恒定，內存占用恒定。

RWKV Sudoku：超長CoT

RWKV 數獨則展示了20M超小參數模型在超長鏈式推理（CoT）下的數學解題能力，憑借恒定內存與極少token消耗，輕松破解復雜數獨，直觀呈現RWKV架構在端側的高效潛能。

在Transformer架構主導大模型領域的當下，移遠通信以前瞻性的眼光，積極布局非Transformer的技術路線，致力于為客戶提供更低算力、更少內存消耗的解決方案。
此次展出的RWKV7-G1 1.5B模型，經過移遠通信的工程優化后，在SG885G模組上的實測數據表現亮眼，明顯優于同等參數量的Transformer架構的模型，具體來說，
在Prefill階段：

• 平均耗時減少83%
• 平均處理速度提升345%

在Decoding階段：

• 平均CPU使用減少23%
• 平均內存使用減少36%
• 平均功耗減少18%

移遠通信的SG885G基于高通QCS8550平臺開發，其AI綜合算力高達48 TOPS，能夠支撐7B左右參數級的多模態模型在本地化推理，從而實現實時視覺理解與多模態信息融合。在模型兼容性方面，移遠構建了強大的端側適配體系，率先實現對Llama、通義千問、DeepSeek等主流開源模型的全方位兼容，兼容的參數范圍覆蓋0.5B至8B，打造出了功能強大的端側大模型超級平臺。此外，在架構創新上，SG885G支持運行非Transformer路線的RWKV7架構，這一特征顯著降低了對算力和內存的需求。

移遠通信首席運營官張棟表示：“此次與RWKV的戰略合作，是移遠通信 ‘讓終端擁有AI大心臟’技術理念的關鍵落地！RWKV的線性注意力架構，突破性地解決了端側設備的長序列處理瓶頸，再結合移遠的高算力模組，成功將AI大模型‘裝進’了物聯網終端。當農機能‘看懂’土壤的干濕，當手表可以‘提醒’健康風險，AI就不再是飄在云里的概念，而是真真切切來到了田間地頭、來到了你我的手腕上，讓科技真正服務于每一處需要它的地方。”

RWKV聯合創始人&COO羅璇表示：“我們希望讓每一臺設備都聰明起來，就像為它們植入了會思考的‘大腦’。隨著RWKV架構在移遠算力平臺上實現規模化部署，讓終端設備突破資源限制，構建‘云端能力+本地智能’的雙引擎協同生態，為萬物智聯時代奠定技術基石。”

移遠通信與RWKV的戰略合作，不僅是一次技術與硬件的強強聯合，更是推動智能計算走向普惠的關鍵里程碑，讓“AI大模型”真正走出云端，融入萬物。

7月26日-29日，誠邀蒞臨WAIC 2025移遠展臺（H1 D815），近距離體驗端側大模型解決方案的前沿科技魅力。