3月12日，以“AI科技、慧享未來(lái)”為主題的2026年中國(guó)家電及消費(fèi)電子博覽會(huì)（AWE 2026）于上海新國(guó)際博覽中心拉開帷幕。楊浦企業(yè)聲網(wǎng)此次帶來(lái)兩項(xiàng)全新成果參展：對(duì)話式AI開發(fā)套件R2系列產(chǎn)品，以及“泛IPC（網(wǎng)絡(luò)攝像機(jī)）實(shí)時(shí)交互+智能處理引擎”。同時(shí)，數(shù)十款搭載其技術(shù)的智能硬件同步展示，直觀呈現(xiàn)了實(shí)時(shí)音視頻技術(shù)（RTC）如何讓機(jī)器與人的互動(dòng)更趨自然。

一年三次迭代 開發(fā)套件新增視覺與運(yùn)動(dòng)能力

在聲網(wǎng)展臺(tái)，一款名為“陸卡卡”的桌面機(jī)器人格外吸睛。當(dāng)人走近時(shí)，它會(huì)轉(zhuǎn)動(dòng)頭部“注視”來(lái)人；若指向某個(gè)方向，它能循聲望向目標(biāo)位置。這種“被看見”“被注視”的交互體驗(yàn)，讓機(jī)器不再是被動(dòng)應(yīng)答的工具，更像有生命感的陪伴者。

支撐這一體驗(yàn)的是聲網(wǎng)最新發(fā)布的R2全場(chǎng)景AI機(jī)器人開發(fā)套件原型機(jī)。相較于一年前的R1套件，R2的核心升級(jí)在于新增本地視覺識(shí)別與多自由度運(yùn)動(dòng)控制能力——搭載R2的硬件不僅能聽懂語(yǔ)音，還可識(shí)別手勢(shì)、追蹤人臉軌跡，并做出對(duì)應(yīng)動(dòng)作。

據(jù)悉，聲網(wǎng)去年3月首次推出對(duì)話式AI開發(fā)套件R1，重點(diǎn)解決實(shí)時(shí)對(duì)話中的背景降噪與智能打斷問(wèn)題，讓用戶與機(jī)器聊天無(wú)需頻繁使用“小X小X”類喚醒詞，交互體驗(yàn)更接近人際對(duì)話。該套件自發(fā)布以來(lái)出貨量已達(dá)百萬(wàn)級(jí)，廣泛應(yīng)用于AI玩具、陪伴機(jī)器人等產(chǎn)品。去年9月，針對(duì)移動(dòng)化需求，聲網(wǎng)聯(lián)合芯片企業(yè)推出支持4G通信的版本，使AI硬件能隨時(shí)隨地在線，滿足車載等場(chǎng)景需求。

從R1到R2，一年內(nèi)完成三次迭代，聲網(wǎng)為硬件廠商提供了從“能聽會(huì)說(shuō)”升級(jí)至“能看會(huì)動(dòng)”的完整技術(shù)方案。業(yè)內(nèi)人士指出，運(yùn)動(dòng)控制與端側(cè)視覺能力的加入，將推動(dòng)具身智能機(jī)器人成為未來(lái)重要發(fā)展方向。

開源底層技術(shù) 吸引芯片廠商共建生態(tài)

今年初，聲網(wǎng)宣布將核心硬件抽象層項(xiàng)目AOSL在GitHub全面開源。簡(jiǎn)單而言，AOSL如同通用“翻譯器”，可讓不同操作系統(tǒng)與芯片順暢運(yùn)行聲網(wǎng)的實(shí)時(shí)互動(dòng)技術(shù)。對(duì)芯片廠商來(lái)說(shuō)，接入AOSL意味著其硬件出廠即具備“聲網(wǎng)級(jí)”實(shí)時(shí)互動(dòng)能力。

本次AWE上，聲網(wǎng)首次展示了開源生態(tài)的最新成果。這種“開源底座+商業(yè)套件”的模式，正吸引越來(lái)越多芯片廠商加入，使硬件創(chuàng)新從“一次性定制”轉(zhuǎn)向更高效的生態(tài)協(xié)作。

助力設(shè)備出海 實(shí)現(xiàn)全球秒見圖與弱網(wǎng)穩(wěn)定連

除對(duì)話式AI套件外，聲網(wǎng)還發(fā)布了面向攝像頭、掃地機(jī)器人、3D打印機(jī)、寵物喂食器等設(shè)備的“泛IPC實(shí)時(shí)交互+智能處理引擎”。

隨著中國(guó)智能設(shè)備加速出海，用戶對(duì)產(chǎn)品的要求日益提高：在網(wǎng)絡(luò)條件不佳的地區(qū)，能秒速打開家庭監(jiān)控畫面；掃地機(jī)器人進(jìn)入庭院角落、割草機(jī)穿行花園邊緣時(shí)，仍能保持連接不“失聯(lián)亂撞”；寵物出現(xiàn)異常時(shí)可第一時(shí)間收到提醒……

聲網(wǎng)的解決方案集成四項(xiàng)核心能力：依托自研全球?qū)崟r(shí)網(wǎng)絡(luò)，覆蓋200多個(gè)國(guó)家和地區(qū)，建聯(lián)成功率超99.9%，首次畫面打開時(shí)間達(dá)毫秒級(jí)，實(shí)現(xiàn)“秒見圖”；極端弱網(wǎng)環(huán)境下，即使音視頻數(shù)據(jù)丟失80%，仍能保障畫面流暢與指令實(shí)時(shí)響應(yīng)；傳輸過(guò)程中同步完成寵物檢測(cè)、人臉識(shí)別等AI分析，結(jié)果實(shí)時(shí)推送至用戶端；支持多人同時(shí)觀看交互，并符合全球多地?cái)?shù)據(jù)安全法規(guī)。

回顧十年發(fā)展，無(wú)論是手機(jī)APP還是智能硬件，產(chǎn)品形態(tài)雖不斷變化，但人們用自然語(yǔ)言與機(jī)器交流的需求始終未變。當(dāng)AI硬件從“功能機(jī)”向“情感機(jī)”進(jìn)化，實(shí)時(shí)互動(dòng)體驗(yàn)已成為產(chǎn)品成敗的關(guān)鍵。作為全球領(lǐng)先的實(shí)時(shí)音視頻云服務(wù)商，聲網(wǎng)正通過(guò)持續(xù)技術(shù)迭代，將復(fù)雜的實(shí)時(shí)互動(dòng)能力轉(zhuǎn)化為標(biāo)準(zhǔn)化模塊，為萬(wàn)物智聯(lián)時(shí)代鋪設(shè)底層通路。

文字：毛信慧

圖片：毛信慧

原標(biāo)題：《從“能聽會(huì)說(shuō)”到“能看會(huì)動(dòng)”，聲網(wǎng)攜“陸卡卡”亮相AWE》

閱讀原文