阿里云发布面向AI硬件的多模态交互开发套件

阿里云1月8日在通义智能硬件展发布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、工作、教育娱乐等场景的Agent与MCP工具，支持语音、视频、图文等交互并可与物理世界交互。套件宣称可适配30多款ARM、RISC-V和MIPS终端芯片，降低硬件接入与开发门槛；端到端语音时延低至1秒、视频1.5秒，并接入阿里云百炼生态与A2A兼容三方Agent，面向AI眼镜、学习机、陪伴玩具和机器人等应用。

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。