阿里云发布多模态交互开发套件，赋能AI硬件创新

这里可以调整气泡内文字大小！滑动试试吧！ ×

12 px

26 px

在今日举办的阿里云通义智能硬件展上，阿里云全新推出多模态交互开发套件，该套件深度集成千问、万相、百聆三款通义基础大模型，并预置覆盖生活休闲、工作效率等领域的十余款Agent与MCP工具，实现听、看、思考及物理世界交互的全链路能力，可广泛应用于AI眼镜、学习机、陪伴玩具及智能机器人等硬件设备。

在硬件适配层面，该套件支持30余款主流ARM、RISC-V和MIPS架构终端芯片平台，满足绝大多数硬件设备的快速接入需求。未来，通义大模型将与玄铁RISC-V架构实现软硬协同优化，提升大模型在RISC-V架构上的部署效率与推理性能。针对多模态交互场景，阿里云推出专有模型，全面支持全双工语音、视频、图文交互，端到端语音交互时延低至1秒，视频交互时延低至1.5秒。

套件预置的Agent覆盖出行规划、旅行攻略等场景，用户可直接调用路线规划、吃喝玩乐探索等能力。同时，套件接入阿里云百炼平台生态，支持添加第三方开发者提供的MCP和Agent模板，并通过A2A协议兼容三方Agent，扩展应用能力边界。现场展示的解决方案包括AI眼镜领域的同声传译、多模态备忘录功能，以及家庭陪伴机器人场景的异常监测、视频定位与对话交互功能。