1月8日，在阿里云通义智能硬件展上，阿里云发布多模态交互征战套件，该套件集成了千问、万相、百聆三款通义基础大模子，并预置十多款生存失业、职责着力等规模的Agent和MCP器具，不仅能听、会看，还能想考况兼与物理全邦交互，可愚弄于AI眼镜、学习机、随同玩物、智能机器东谈主等硬件诞生。

跟着多模态大模子的发展，大模子已运转具备合并、感知以及和物理全邦交互的才调，越来越多的硬件和末端诞生厂商运转通过接入大模子来提高交互体验。磋磨词，仅靠基础大模子仍无法同期知足硬件诞生对低资本、低时延、功能丰富和高质料成果的需求。

阿里云多模态交互征战套件为硬件企业和惩办决策商提供了低征战门槛、反应速率快、场景丰富的平台。在芯片层面，该套件适配了30多款主流ARM、RISC-V和MIPS架构末端芯片平台，知足市面上绝大多数硬件诞生的快速接入需求。过去，通义大模子还将与玄铁RISC-V收场软硬全链路的协同优化，收场通义大模子眷属在RISC-V架构上的极致高效部署和推感性能。

在模子优化层面，除通义模子眷属外，阿里云还针对无数多模态交互场景进行分析，推出稳当AI硬件交互的特有模子，全面解救全双工语音、视频、图文等交互姿色，端到端语音交互时延低至1秒，视频交互时延低至1.5秒。

此外，该套件预置十多款MCP器具和Agent，隐敝生存、职责、文娱、西宾等多个场景，举例，基于预置的出行经营Agent，用户可平直调用道路经营、旅行攻略、吃喝玩乐探索等才调。该套件还接入了阿里云百真金不怕火平台生态，用户不仅不错添加其他征战者提供的MCP和Agent模板，还能通过A2A左券兼容三方Agent，极猛经过地膨胀了愚弄的才调规模，匡助企业无邪搭建业务场景。

现场，阿里云还展示了面向智能衣裳诞生、随同机器东谈主、具身智能等规模的惩办决策。举例，在AI眼镜规模，基于千问VL、百聆CosyVoice等模子，阿里云打造了感知层、经营层、施行层以及永恒系念的圆善交互链路，可一站式收场同声传译、拍照翻译、多模态备忘录、灌音转写功能，灵验惩办交互不当然、回应准确率低的艰难。面向家庭随同机器东谈主场景，基于千问模子和多模态交互套件，阿里云推出的惩办决策不仅可实时监测相配景况，并实时推送告警信息，用户还能基于关节词查找、定位视频，与机器东谈主进行对话交互和甘休诞生等。

凭据外洋泰斗商场盘考机构Gartner发布的GenAI（生成式AI）本领革命指南系列论述，阿里云在GenAI云基础时势、GenAI工程、GenAI模子以及AI学问管制愚弄四大维度均位于新兴指令者象限，为入选总共四项新兴指令者象限的独一亚太厂商，并并列谷歌、OpenAI。