总结

阿里云于1月8日推出面向AI硬件的多模态交互开发套件，集成通义体系的千问、万相、百聆三款基础大模型，并预置十多款Agent与MCP工具，支持“听、看、思考”等多模态能力与工具调用，进而实现与物理世界的交互。该套件主要面向AI眼镜等硬件设备的应用开发，意在以统一的模型与工具链降低多模态交互与智能体构建门槛，帮助硬件厂商与开发者更快完成原型验证与产品化落地，推动相关终端生态扩展。