在可穿戴与工业传感领域，传统AI模型往往面临“一刀切”的局限性，难以兼顾个性化需求与隐私保护。为此，BrainChip推出了全新的AkidaTag平台，旨在让设备直接在芯片上执行自适应学习，从而大幅减少数据上传至云端进行重训练的需求。这一技术路径不仅支持隐私优先的使用场景，还帮助原始设备制造商（OEM）通过参考设计和合作伙伴生态快速开发产品。
该平台的核心架构采用了双芯片协同方案：BrainChip的AKD1500作为专用的神经形态协处理器，专注于能效极高的推理任务；而Nordic Semiconductor的nRF5340无线SoC则负责管理蓝牙连接、传感器输入及应用程序逻辑。这种组合充分利用了北欧半导体在低功耗无线连接领域的深厚积累，确保设备在保持高性能的同时拥有极长的电池续航。
AkidaTag不仅提供硬件，还包含完整的开发蓝图与套件，涵盖硬件原理图、固件及机械设计方案。通过支持蓝牙低功耗（BLE）通信及配套的BrainChip移动应用，制造商可以便捷地进行配置、模型更新、诊断和告警设置。该方案能够支持本地健康监测信号采集、工业振动异常检测、语音唤醒及声学环境分类等多种功能，真正实现了设备端的个性化边缘学习。
BrainChip首席执行官Sean Hehir表示，借助Nordic强大的生态系统，该平台为可穿戴设备设计者提供了一份面向未来的蓝图，实现了“始终在线、隐私优先、自我学习”的目标，证明了高性能AI与长续航不再互斥。Nordic产品营销总监Petter Myhre也指出，这一应用充分展示了无线SoC在推动可穿戴及互联健康市场下一轮创新中的巨大潜力。
对于中国制造业而言，AkidaTag所代表的“端侧智能”趋势极具参考价值，特别是在国内对数据隐私监管日益严格、且对低功耗物联网设备需求旺盛的背景下，这种无需依赖云端即可实现自适应学习的架构，或许将成为国产智能穿戴与工业物联网设备突围的关键技术路径。
