大模型正在重新定义智能硬件！从“听懂一句话”，到“理解一个场景”，再到“完成一项任务”，AI互进入新的分水岭。智能交互正在从单一语音能力演进为融合视觉、语言、Agent与具身智能的综合能力。
7月2日，在深圳举行的2026科大讯飞（002230）智能交互生态发布会，一口气发布三项核心升级，包括AIUI交互平台、AIUI多语种交互平台以及机器人超脑平台：
AIUI交互平台升级，正式迈向多模态AI交互平台，语音交互持续进化，并融合视觉理解、图像生成等能力；
AIUI多语种交互平台开放，覆盖40+语种及五大核心场景，为智能硬件全球化提供一站式AI交互底座；
机器人超脑平台能力演进，持续强化多模态感知、复杂任务理解与场景执行能力，加速机器人从实验室走向真实产业。
从多模态交互，到全球化部署，再到机器人场景落地，三大平台升级共同构建起面向智能硬件与机器人时代的新一代智能交互基础设施，也成为本届发布会最受关注的核心亮点。
AIUI交互平台升级
从语音交互走向多模态AI交互
大模型没有取代语音交互，反而让交互提出了更高要求。用户已经不满足于设备“能听懂一句话”。他们期待设备能够理解上下文、识别眼前场景，甚至主动完成任务。这意味着，传统语音交互平台正在向多模态AI交互平台演进。
基于这一判断，AIUI平台进行了近年来最大的一次升级。
过去十年，AIUI构建了覆盖录音降噪、语音识别、大模型理解、语音合成的完整语音交互链路。现在平台将推动设备能够理解语境、感知环境、识别视觉信息，并主动完成交互。
语音交互持续进化，让AI真正“听得清、说得像”
首先是“听得清”。
面向低算力RTOS设备，AIUI进一步优化语音底座，目前已实现100MHz主频、140KB存储芯片（886042）稳定运行，在-5dB噪声环境下唤醒率达到97%，进一步降低智能硬件接入AI交互的门槛。
唤醒底座层面，平台通过引擎升级，结合大规模预训练模型，推出了产品级定制唤醒方案，50人音频录音即可达到94%综合唤醒率。定制周期（883436）从原来的几个月降低至几周，大幅提升了唤醒定制的生产力。
多模态降噪能力也同步升级。AIUI增加异常唇动、异常光线、不同俯仰角、不同肤色等复杂视觉条件下的鲁棒性，结合语音与视觉信息提升抗干扰能力，让设备在真实复杂环境中保持更稳定的交互表现。
全双工效果能力进一步升级双流VAD，结合聆听/播报双状态判断，食堂、办公、车载等真实高噪场景下，实现效果跃升，聆听误响应降低 95%、播报误打断降低 93%、交互抢答率降低 85% 。
其次是“说得像”。
在表达能力方面，AIUI开放100+超拟人音色，并升级MultiTurn语音合成模型，支持轻笑、停顿、喷嚏等副语言表达，使AI声音更加自然、更具情绪感染力。
平台同时支持Prompt驱动角色生成，可根据年龄、职业、性格等描述快速生成不同角色声音，覆盖教育陪伴、互动娱乐、内容创作等丰富场景。
进一步结合表情动作生成能力，AIUI还能驱动数字形象实时生成表情与动作，实现语音、情绪与视觉表达协同，让智能设备真正拥有“人格化”交互体验。
从听懂语音，到理解世界
相比传统语音交互，多模态成为此次AIUI升级最大的变化。
平台融合云端VAD、意图分发、图像理解回复、图像生成智能体和VL回复模型，让智能硬件从“听懂语音”进一步升级为“理解图像、感知场景、生成内容”。
图像理解方面，围绕图片内容理解、图文融合问答、画面描述、图片内容翻译等场景提供能力，并与语音交互链路联动，让用户能够通过语音或图像输入完成更自然的多模态交互。
图像生成方面，接入生图大模型和图像生成智能体，支持通过自然语言描述生成图片内容，并结合风格自定义能力，服务内容创作、互动陪伴、产品展示、海外多语种应用等场景。
与此同时，AIUI还推出AIUI Code与声学检测工具，形成“大模型能力接入、开发调试、体验验证”的完整开发闭环，进一步降低开发门槛。
讯飞AIUI正在从一个语音平台，演进为面向智能硬件时代的多模态AI交互底座。
AIUI多语种交互平台正式开放
让中国智能硬件真正走向全球
智能硬件出海，真正困难的已不再是翻译，而是本地化。
从语言习惯、网络环境，到数据合规、部署方式，不同国家都有完全不同的要求。企业往往需要投入大量资源，自行整合语音、模型、部署和服务能力。
发布会上，AIUI多语种交互平台正式开放。平台以“一站式、多语种、高效果、成本可控”为核心，为智能硬件企业提供覆盖AI交互全链路的完整能力。企业无需自行整合多个系统，只需一次接入，即可快速拥有全球化AI交互能力。
覆盖40+语种，帮助全球用户自然交流
平台支持40+语种，覆盖英语、法语、西班牙语、德语、韩语等主流语言，同时支持哈萨克语、乌尔都语、泰米尔语等区域语言。
英语唤醒率可达 97%，小语种唤醒率 95%，语音识别端到端全场景准确率达 95%。
一站式 AI 交互能力，覆盖智能硬件核心场景
相比单一语音识别能力，平台进一步打通聊天、设备控制、知识问答、多语种翻译、多模态交互五大核心场景，实现真正意义上的全球化AI交互。
其中，聊天场景，支持免切多语种对话、地域文化适配以及多语种地道发音人，让设备能够以更加符合当地语言习惯的方式与用户交流。多模态交互场景，用户只需用语音说出画面描述，平台即可实时生成对应的图像，且支持多语种语音输入与多样化风格自定义。
支持全球部署和安全合规，让企业安心出海
为帮助企业降低出海门槛，多语种交互平台在新加坡、东南亚、中东、欧洲、北美等区域完成服务节点部署，支持公有云与私有化部署，适配 GDPR、CCPA、PDPA等不同地区的数据合规要求。
在商业模式上，平台还推出“按台付费”模式，并提供测试资源、开发支持及本地化效果调优服务，让企业能够更低成本完成全球部署。
从国内到全球，AI交互正在成为中国智能硬件出海的重要基础设施。
机器人超脑平台升级
加速机器人进入真实场景
如果说智能硬件竞争的是交互体验，那么机器人竞争的则是场景落地。
随着具身智能加速发展，机器人正从简单对话迈向复杂任务执行，对多模态感知、场景理解和持续交互提出了更高要求。本次发布会上，机器人超脑平台围绕“感知、理解、执行”三大核心能力完成升级，加速机器人从实验室走向产业落地。
多模态交互升级，让机器人更懂人与环境
真实世界远比实验室复杂。针对多人交流、高噪声、弱网络等场景，机器人超脑平台构建了完整的多模态交互能力。
平台融合全景摄像头与环形麦克风阵列，实现360°全向拾音与视听融合感知。机器人能够实时进行语音与图像分离，在多人高噪环境下精准锁定对话人。
针对“鸡尾酒会”等复杂交互场景，融合人脸识别（885759）、人体追踪、手势识别等多模态能力，使机器人能够自主判断何时开启、保持或结束交互，实现更加自然、拟人的沟通体验。
产品体系持续完善，加速机器人规模落地
相比单一技术能力，机器人产业更需要可复制、易部署的产品方案。本次升级中，机器人超脑平台进一步完善“通用能力+行业方案”体系，降低开发门槛，加速生产力释放。
通用方案方面，对不同噪音环境和接入难度，提供从裸板接入、降噪板、封装麦板到多模态软核授权等多种接入方式，帮助开发者根据不同产品形态灵活平衡开发成本与交付效率。
围绕陪伴机器人、扫地机器人、康养机器人、四足机器人和人形机器人（886069），平台同步推出针对性的行业方案，将语音、视觉、多模态感知等能力深度融合，加速机器人在家庭、康养、服务等真实场景中的规模化应用。
例如，陪伴机器人通过专属聊天大模型、教育陪伴技能、情绪识别和高情商对话，实现更有温度的陪伴体验；扫地机器人融合语音、视觉和人体关键点识别，实现“说哪扫哪”“指哪扫哪”和家庭物体识别；四足机器人则围绕小尺寸麦阵、360°声源定位、脚步噪声抑制和远距离定位，提升开放环境下的交互稳定性；人形机器人（886069）通过搭载结构贴合的前四后四麦阵列、仿生双耳麦阵和语音交互戒指，实现更优的降噪效果及对机器人的精准控制。
硬件集成优化，降低开发门槛
在硬件层面，平台进一步推出麦克风阵列封装和多模态一体机，将语音、视觉、感知及交互能力进行一体化集成，帮助开发者快速完成能力接入、部署验证与产品落地，进一步缩短机器人开发周期（883436）。
为进一步验证平台能力，本次发布会上，搭载讯飞机器人超脑平台的专业级服务导览机器人Guide01也同步亮相。
依托机器人超脑平台，Guide01集成自主导航、多模态感知与自然语言交互能力，能够在复杂环境中灵活移动、精准感知周围环境。结合自然流畅的跨模态对话能力，可胜任各类场景下的高强度智能导览任务，Guide01 能够广泛应用于零售、展馆、文旅等场景，展示了机器人从“能交流”迈向“能交流”的新阶段。
目前，机器人超脑平台已连接120家机器人客户及400家泛机器人生态伙伴，并持续通过开发者大赛、服务市场等方式推动产业生态建设。
随着大模型持续向智能硬件与机器人产业深入渗透，AI交互正在从单点能力演变为基础设施。
此次发布会上，AIUI交互平台与机器人超脑平台同时升级、多语种交互平台正式开放，补齐从多模态交互、全球部署到机器人场景落地的关键能力，也进一步构建起覆盖设备端、云端及全球生态的新一代智能交互底座。
