多模态交互

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。

据证券时报报道，1月8日阿里云发布面向AI硬件的多模态交互开发套件，集成千问、万相、百聆三款通义基础大模型，并预置十多款覆盖生活休闲、工作效率等场景的Agent与MCP工具。该套件强调“能听、会看、可思考并与物理世界交互”，旨在降低硬件厂商与开发者接入多模态能力的门槛，可应用于AI眼镜、学习机、陪伴玩具、智能机器人等设备，加速相关终端产品与应用落地。

科大讯飞在互动平台表示，讯飞机器人超脑平台以“讯飞超脑2030”为技术底座，面向机器人厂商提供以多模态感知交互能力和大模型“大脑”为核心的AI服务，并通过软硬件一体方式帮助厂商快速集成，使机器人更快具备能听会说、能理解、会行动等能力。公司称平台已于2025年10月28日完成全新升级，针对真实场景交互痛点实现多人多模态降噪、高情商对话体验、连续指令精准响应、具身智能全栈方案及低门槛接入等技术突破；目前合作覆盖人形、四足与公共服务机器人等500余家厂商，并与宇树、智元等头部企业形成广泛合作。