1月8日，在阿里云通义智能硬件展上，阿里云颁布多模态交互开发套件，该套件集成了千问、万相、百聆三款通义基础大模型，并预置十多款生涯休嫌注工作效能等领域的Agent和MCP工具，不仅能听、会看，还能思虑并且与物理世界交互，可利用于AI眼镜、进建机、陪同玩具、智能机械人蹬撞件设备
。 随着多模态大模型的发展，大模型已起头具备理解、感知以及和物理世界交互的能力，越来越多的硬件和终端设备厂商起头通过接入大模型来提升交互履历
。然而，仅靠基础大模型仍无法同时满足硬件设备对低成本、低时延、职能丰硕和高质量成效的需要
。 阿里云多模态交互开发套件为硬件企业和解决规划商提供了低开发门槛、响应快率快、场景丰硕的平台
。在芯片层面，该套件适配了30多款主流ARM、RISC-V和MIPS架构终端芯片平台，满足市面上绝大无数硬件设备的急剧接入需要
。将来，通义大模型还将与玄铁RISC-V实现软硬全链路的协同优化，实现通义大模型家族在RISC-V架构上的极致高效部署和推理机能
。 在模型优化层面，除通义模型家族表，阿里云还针对大量多模态交互场景进行分析，推出适合AI硬件交互的专有模型，全面支持全双工语音、视频、图文等交互方式，端到端语音交互时延低至1秒，视频交互时延低至1.5秒
。 此表，该套件预置十多款MCP工具和Agent，覆盖生涯、工作、娱乐、教育等多个场景，例如，基于预置的出行规划Agent，用户可直接挪用路线规划、观光攻略、吃喝玩乐索求等能力
。该套件还接入了阿里云百炼平台生态，用户不仅能够增长其他开发者提供的MCP和Agent模板，还能通过 A2A和谈兼容三方Agent，极大水平地扩大了利用的能力天堑，援试祗业矫捷搭建业务场景
。 现场，阿里云还展示了面向智能穿戴设备、陪同机械人、具身智能等领域的解决规划
。例如，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、执行层以及持久影象的齐全交互链路，可一站式实现同声传译、拍照翻译、多模态备忘录、灌音转写职能，有效解决交互不天然、回覆正确率低的难题
。面向家庭陪同机械人场景，基于千问模型和多模态交互套件，阿里云推出的解决规划不仅可实时监测异常情况，并实时告警信息推送，用户还能基于关键词查找、定位视频，与机械人进行对话交互和节造设备等
。 凭据国际权威市场钻研机构Gartner颁布的GenAI（天生式AI）技术创新指南系列汇报，阿里云在GenAI云基础设施、GenAI工程、GenAI模型以及AI知识治理当用四大维度均位于新兴辅导者象限，为入选全数四项新兴辅导者象限的唯一亚太厂商，并比肩谷歌、OpenAI
。