初创公司 Atmanity 推出 Atmee v2,这是一款实时化身模型,仅需一张照片和 10 秒音频即可生成可视频通话的逼真数字人。该工具通过 API 提供,旨在为教育、客服等场景中的 AI 智能体赋予视觉交互界面,标志着从文本/语音向视频接口的演进。
多模态交互
Multimodal Interaction
结合视觉、语音等多种感官通道的人机交互方式
收录情报动态
谷歌宣布将其 AI 模式(AI Mode)中的广告业务拓展至国际市场,以应对核心搜索广告增长放缓。财报显示其营收同比增长 25%,但股价因广告增速回落而下跌。早期测试表明 AI 赞助列表点击率已媲美自然结果,且 AI 查询长度平均为传统搜索的三倍。
东京大学团队推出多模态交互式欺骗评估基准 MIDA,并在 EMNLP 2026 主会发表。测试显示 GPT、Claude 等主流多模态大模型虽能处理视听文本,却难以可靠识别社交互动中的谎言与真实意图。该研究揭示了当前模型在“读空气”及心智理论层面的显著短板。
乐奇 Rokid 与腾讯出行合作,上线行业首个 AI 眼镜原生打车服务。通过 A2A 协议连接双方智能体,用户仅需语音指令即可在眼镜端完成从叫车到支付的全流程交互,降低操作门槛。
Square 发布新款自助点餐硬件 Square Kiosk,核心突破在于集成了具备“代理式对话语音层”的 AI 系统。该终端能实时理解商家完整菜单,允许顾客通过自然语言对话完成点单,旨在模拟真人店员的服务体验。设备定价 1999 美元,需配合订阅服务及每月 99 美元的软件费用使用。
小鹏汽车宣布其 IRON 人形机器人生产线正式启用,计划于 2026 年底实现量产并于 2027 年上半年开启交付。该机器人具备中英德三语切换及上下文记忆的多模态交互能力,同时小鹏第二代 VLA 模型已实现从 L2 到 L4 自动驾驶能力的贯通并部署于 Robotaxi。
苹果宣布将于 10 月 13 日举办“欢迎回家”主题发布会,预计推出首款配备 6 英寸屏幕的智能家居中枢。该设备预估搭载 A18 或更高性能芯片以支撑 Apple Intelligence,并具备人体检测、手势识别及 FaceTime 身份认证功能,旨在成为家庭自动化的核心控制节点。
The Verge 对亚马逊 Alexa Plus 进行了一周年深度体验复盘。结论显示,该 AI 助手在智能家居设备联动(如灯光、咖啡机)方面表现稳定可靠,但在长期记忆、个性化上下文理解及复杂生活任务处理上仍存在明显短板,且广告干扰严重影响了用户体验。
OpenAI 为 ChatGPT 引入“智能 UI”功能,使模型能根据上下文动态生成图片、图表及可点击按钮。该更新旨在将纯文本对话转化为交互式视觉体验,提升信息呈现效率。
openJiuwen 推出 WorkSwarm,实现类似打电话的全双工多模态 Agent 交互。该方案允许用户在 AI 执行后台复杂任务时随时插话或展示画面,解决了传统回合制对话的等待痛点。其核心在于实时模型与 Core Agent 的双节奏协同,并原生适配昇腾算力。