在深圳南山區(qū)舉辦的阿里云通義智能硬件展上，一款集成了多模態(tài)交互能力的開發(fā)套件正式亮相。該套件融合了千問、萬相、百聆三大通義基礎大模型，并預置了覆蓋生活休閑與工作效率領域的十余款智能工具，支持語音交互、視覺識別、邏輯推理及物理世界互動，可廣泛應用于AI眼鏡、學習設備、陪伴機器人等智能硬件場景。

據(jù)現(xiàn)場介紹，這款開發(fā)套件通過降低技術門檻、提升響應速度和拓展應用場景，為硬件廠商提供了完整的解決方案。例如在AI眼鏡領域，基于千問VL視覺語言模型與百聆CosyVoice語音技術，阿里云構(gòu)建了從感知到執(zhí)行的完整交互鏈路，實現(xiàn)了同聲傳譯、拍照翻譯、多模態(tài)備忘錄等實用功能，有效解決了傳統(tǒng)設備交互生硬、信息處理效率低的問題。用戶佩戴設備后，可通過語音指令完成復雜操作，系統(tǒng)還能自動記錄關鍵信息并生成結(jié)構(gòu)化備忘。

針對家庭陪伴場景，阿里云展示了基于多模態(tài)套件的機器人解決方案。該系統(tǒng)通過實時環(huán)境感知與異常行為監(jiān)測，可主動推送安全預警信息；用戶不僅能通過自然語言與設備對話，還能通過關鍵詞檢索歷史視頻片段，實現(xiàn)精準的內(nèi)容回溯。現(xiàn)場演示中，機器人根據(jù)用戶指令快速定位到特定時間段的監(jiān)控畫面，并同步調(diào)取相關環(huán)境數(shù)據(jù)，展現(xiàn)了多模態(tài)交互在復雜場景中的協(xié)同能力。

展覽現(xiàn)場還設置了互動體驗區(qū)，觀眾可近距離觀察機器人制作咖啡的全過程。從識別指令、規(guī)劃動作到精準操作設備，機器人通過多模態(tài)交互系統(tǒng)展現(xiàn)了類人化的服務能力。技術人員介紹，這類具身智能設備未來可擴展至醫(yī)療護理、教育輔導等領域，通過持續(xù)學習用戶習慣優(yōu)化服務模式。