沃奇 × 阿里云百炼：看得懂环境、记得住你，随身智能体一句话直达

一、合作背景：穿戴设备的"智能天花板"

智能穿戴设备市场经历了从"计步器"到"健康管家"再到"语音助手"的演进，但始终面临一个核心瓶颈：单点能力无法应对复杂场景。

● 耳机只能听和说，看不到周围环境

● 眼镜能看到，但没有记忆、不会主动办事

● 语音助手能回答问题，但每次都是"从零开始"，不记得你的习惯

用户需要的不是一个"更聪明的语音助手"，而是一个贴身、随时在线、第一视角的随身智能体——它能看懂你看到的环境，记住你说过的话、做过的事，并在你需要时一句话调用出行、资讯、翻译、问答等一堆场景Agent。

阿里云百炼多模态交互开发套件的接入，让沃奇的AI眼镜、耳机等设备真正具备了这种能力。

二、阿里云百炼多模态套件赋能：四大核心能力装进随身设备

1. 全双工语音交互 + 视觉感知交互增强

基于阿里云百炼套件的全双工语音+视觉感知能力，沃奇穿戴设备实现了"所见即所得，所答即所问"：

● 抬手拍照问答：看到不认识的外文标识、不熟悉的植物、想了解的景点，抬眼/抬手拍照，AI即时识别并用语音回答；套件视频对话端到端延迟低至1.5s

● 看物识景：走进商场、博物馆、景区，AI自动识别周围物体/展品/地标，主动推送相关信息

● 全双工语音随说随答：简单唤醒词、不需要等待，像和人聊天一样自然地对话，AI随时响应、随时打断、随时接续；语义拒识&判停，对话自然流畅

2. 多模态长期记忆：越用越懂你

基于阿里云百炼套件的多模态长期记忆能力，沃奇设备能够记住：

● 用户习惯：通勤路线、常去地点、偏好的资讯类型、常用的翻译语言对

● 历史对话：上次问过的餐厅、聊过的书、提到的待办事项

● 场景上下文：当前是在开会、在旅行、在学习，AI据此调整回复风格和信息密度

这不是简单的"历史记录"，而是结构化、可推理的个人知识图谱。AI不仅"记得"，还能"联想"——你说"上次那家日料店"，它知道是哪一家、什么菜好吃、人均多少、怎么去。家居、穿戴、手机等设备共享记忆，家庭成员分隔记忆。

3. 主动交互：让智能"先你一步"

基于阿里云百炼套件的主动交互能力，结合视觉、音频、系统设备等多模态信息，联动记忆系统：

● 全模态感知，预测和挖掘潜在意图：主动观察环境和用户情况，发起互动或执行任务

● 情绪理解与关怀：理解用户情绪和状态，对用户问候关心、主动提醒、发起话题和邀约

● 分级行动空间：把控交互时机和分寸，结合文本回复、工具调用、设备控制等多种行动，高情商提供主动支持

● 价值跃迁：从「被动工具」到「主动帮助」；关系升维：从「硬件」到「有生命感的伙伴」。

4. 场景化Agent：一句话直达

基于阿里云百炼套件的预置Agent和MCP/插件自由接入能力，沃奇设备内置了丰富的场景化Agent：

所有Agent都支持一句话调用，无需打开App、无需切换界面，语音指令直达结果。套件还支持自定义Agent/插件/MCP一键接入，无需代码开发。

三、产品先进性：Ear Dance智能翻译软件的延伸进化

沃奇旗下的Ear Dance智能翻译软件已具备强大的跨语言沟通能力：

● 165种语言实时互译：支持自由说/翻译机/同声传译等多种模式

● 拍照翻译：118种语言智能互译，原图与译文一键对照

● 音视频通话翻译：实时弹幕字幕，对方无需安装App即可加入

● 语音笔记：会议/讲座实时转写，模板化生成会议纪要、采访稿、演讲稿

● AI视频字幕：悬浮窗口实时翻译其他应用的音视频内容

在此基础上，接入阿里云百炼多模态交互套件后，Ear Dance的能力边界进一步扩展：

● 从"翻译工具"到"随身智能体"：不再只是翻译，而是能理解上下文、记住偏好、主动推荐

● 从"单一场景"到"全场景覆盖"：翻译+导航+资讯+记录+问答，一个设备搞定所有高频需求

● 从"被动响应"到"主动服务"：基于长期记忆和场景感知，AI会在合适的时间主动推送合适的信息

四、行业价值：重新定义穿戴设备的"智能"标准

沃奇与阿里云百炼多模态交互套件的合作，标志着智能穿戴设备从"单点功能叠加"迈向"系统性智能体"的新阶段：

五、未来展望

沃奇将持续深化"全双工语音+视觉感知+长期记忆+场景化Agent"的技术路线，未来将在以下方向持续突破：

● 端侧模型部署：将部分AI能力下沉到设备端，实现离线状态下的基础智能服务

● 跨设备协同：眼镜、耳机、手机、手表之间的无缝接力，用户在不同设备间切换时无缝延续对话与任务

● 开放Agent生态：允许第三方开发者为沃奇设备开发专属Agent，丰富场景覆盖；套件支持20+多语言意图识别能力，助力产品出海

看得懂环境、记得住你、办得了事——沃奇正在把"随身智能体"从概念变成日常。