阿里云AI硬件多模态交互套件发布：集成通义大模型，适配30余款终端芯片

1月8日消息，阿里云在今日的通义智能硬件展上，正式向业界推出了全新的多模态交互开发套件。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

这套工具集成了通义的千问、万相、百聆三款核心基础大模型，并预置了涵盖生活休闲、工作效率等多个领域的十余款Agent与MCP工具。它不仅能听会看，更能思考并与物理世界互动，可广泛应用于AI眼镜、学习机、陪伴玩具、智能机器人等硬件设备。

阿里云表示，这套多模态交互开发套件旨在为硬件企业和方案商提供一个低开发门槛、响应速度快、场景丰富的平台，其主要亮点包括：

适配 30 多款终端芯片，硬件可快速接入

在芯片层面，该套件兼容了超过30款主流的ARM、RISC-V及MIPS架构终端芯片平台，能够满足市面上绝大多数硬件设备快速接入的需求。

未来，通义大模型还将与玄铁RISC-V实现软硬全链路的协同优化，确保通义大模型家族在RISC-V架构上实现高效部署和出色的推理性能。

集成通义大模型，搭配 AI 硬件交互专属模型

在模型优化层面，除了通义模型家族，阿里云还针对大量多模态交互场景进行了深度分析，推出了专为AI硬件交互设计的优化模型。该套件全面支持全双工语音、视频、图文等多种交互方式，端到端语音交互延迟可降低至1秒以内，视频交互延迟则能控制在1.5秒左右。

预置 MCP 工具与 Agent，接入百炼平台生态

此外，套件内预置了十余款MCP工具和Agent，覆盖生活、工作、娱乐、教育等多个场景。例如，基于预置的出行规划Agent，用户可以直接调用路线规划、旅行攻略、吃喝玩乐探索等能力。

该套件还接入了阿里云百炼平台生态，用户不仅可以添加其他开发者提供的MCP和Agent模板，还能通过A2A协议兼容第三方Agent，从而极大地扩展了应用的能力边界，帮助企业灵活搭建贴合自身业务场景的解决方案。

阿里云还在现场展示了面向智能穿戴设备、陪伴机器人、具身智能等领域的应用方案。

举例来说，在AI眼镜领域，基于千问VL、百聆CosyVoice等模型，阿里云打造了感知层、规划层、执行层以及长期记忆的完整交互链路，可一站式实现同声传译、拍照翻译、多模态备忘记录、录音转写等功能。

面向家庭陪伴机器人场景，基于千问模型和多模态交互套件，阿里云推出的解决方案不仅能实时监测异常状况并及时推送告警信息，用户还能基于关键词查找、定位视频，与机器人进行对话交互和设备控制等操作。