本文來源：時代財經(jīng) 作者：郭美婷

2026年開年，阿里云的“第一槍”打響在硬件。

1月8日，阿里云通義智能硬件展在深圳舉辦，阿里云發(fā)布多模態(tài)交互開發(fā)套件，該套件集成了千問、萬相、百聆三款通義基礎(chǔ)大模型，并預(yù)置十多款生活休閑、工作效率等領(lǐng)域的Agent和MCP工具，可應(yīng)用于AI眼鏡、學(xué)習(xí)機、陪伴玩具、智能機器人等硬件設(shè)備。

阿里云通義大模型業(yè)務(wù)總經(jīng)理徐棟在接受時代財經(jīng)等采訪時表示，該多模態(tài)交互開發(fā)套件的核心是為開發(fā)者一站式降低門檻，具備四大特點：一是集成豐富模板，支持拖拉拽開發(fā)及自有SDK接入，大幅降低開發(fā)門檻；二是將按Token計量的計費模式改為按硬件終端的License模式，便于硬件廠商控制成本、匹配商業(yè)邏輯；三是通過工程最佳實踐保障模型調(diào)用的速度、性能與可擴展性，提升使用體驗；四是整合阿里生態(tài)能力，助力開發(fā)者實現(xiàn)更低成本開發(fā)、適配多元售賣邏輯、便捷開發(fā)及生態(tài)對接等需求。

徐棟，圖源：時代財經(jīng)攝

在流量紅利逐漸見頂?shù)漠?dāng)下，硬件入口已成為了互聯(lián)網(wǎng)大廠們爭相搶奪的“香餑餑”。大廠們試圖通過硬件入口突破增長瓶頸，將軟件生態(tài)的優(yōu)勢延伸至物理世界，以構(gòu)建起硬件、軟件、服務(wù)的商業(yè)閉環(huán)。

“今天大模型跟硬件結(jié)合，它確實就會帶來新的流量?！毙鞐澅硎荆布兄趯崿F(xiàn)消費者體驗的完整閉環(huán)，例如AI眼鏡?！叭缃瘢姸鄰S商都在探索如何借助這類硬件入口，將更多服務(wù)融入自身生態(tài)，從而為用戶提供更完整、連貫的體驗。我認為這是目前行業(yè)內(nèi)許多企業(yè)正在重點思考的方向?！?/p>

去年底，豆包和中興（000063.SZ，00763.HK）合推的“AI手機”nubia M153引發(fā)廣泛關(guān)注和討論。在該款手機上，豆包將能夠在多款應(yīng)用間自動跳轉(zhuǎn)，完成類似查票訂票、商品下單、批量下載文件、多軟件物流進度一鍵查詢等任務(wù)。這條技術(shù)捷徑，既引發(fā)了關(guān)于隱私、數(shù)據(jù)和安全的討論，也沖擊著布局AI的智能手機廠商們。

“從廣義上看，手機的定義正經(jīng)歷顯著變化，這一點我們早在多年前便已有所預(yù)見?！毙鞐澨岬?，許多手機廠商強調(diào)其“超級助手”功能，但該概念長期以來并未形成足夠清晰的界定。當(dāng)前，不少互聯(lián)網(wǎng)廠商正試圖通過接入手機系統(tǒng)權(quán)限來獲取更多流量，但總體而言，這一趨勢仍處于發(fā)展的早期階段。

他表示，目前AI手機有兩條路線，一條路線是GUI（圖形用戶界面），一條路線是A2A（Agent To Agent，應(yīng)用間自動化交互）。據(jù)透露，目前阿里云在這兩條路線上均有所布局，去年底，通義實驗室多模態(tài)交互團隊就宣布開源了其通用GUI智能體基座模型MAI-UI。

他進一步補充，GUI與A2A兩條路線當(dāng)前尚處于早期階段，正在并行發(fā)展?！岸唐趤砜矗艺J為A2A的發(fā)展速度較快，其體驗更優(yōu)、響應(yīng)更快，且模型運行成本較低。如果完全依賴GUI路線，以一部手機日均使用量計算，長期累積的成本可能更高。此外，通過多模態(tài)視覺交互完成一次操作，所涉及的計算資源也值得考量。總體而言，這些方向都頗具探索價值，也十分有趣?！毙鞐澐Q。

去年，阿里啟動“千問”項目，基于Qwen模型打造千問APP，并稱要全面對標ChatGPT。此舉被業(yè)內(nèi)認為是阿里轉(zhuǎn)戰(zhàn)C端的關(guān)鍵落子。

徐棟談到，阿里云正嘗試將在ToC產(chǎn)品中積累的部分能力，通過ToB合作形式向企業(yè)開放，同時也在ToC業(yè)務(wù)中探索擬人化交互的實現(xiàn)，并為企業(yè)客戶降低開發(fā)門檻與成本。

1月8日，阿里云還宣布了與樂聚機器人的全棧AI合作，雙方將基于阿里云算力、AI平臺、千問模型，共同開展人形機器人訓(xùn)練場合作，以及探索基于千問模型的具身智能聯(lián)合解決方案和人形機器人產(chǎn)品的開發(fā)。

圖源：阿里云官方公眾號

據(jù)徐棟介紹，目前阿里云在具身智能領(lǐng)域主要探索的合作方向有兩個：其一是多模態(tài)交互。即基于千問Omni多模態(tài)模型與多家機器人公司開展合作，主要應(yīng)用于低延時、擬人化的交互場景，并具備支持出海的多語言能力。該方向已相對成熟，但受限于機器人市場規(guī)模，目前應(yīng)用規(guī)模尚有限；其二是VLA技術(shù)，目前阿里云正開展相關(guān)研究，預(yù)計2026年下半年可見初步進展，但實現(xiàn)高度泛化的VLA仍需時間。