Damit KI-Hardware wirklich in unseren Alltag Einzug hält, brauchen wir einen neuen „Motor“.

2025 gilt als das erste Jahr der KI-Agenten. Technologieunternehmen wie OpenAI, Google und Microsoft gehen davon aus, dass Agenten bald in die Arbeitswelt eintreten und die Arbeitsform verändern werden.

Gleichzeitig haben Unternehmen wie Google und OpenAI, deren Hauptprodukte Software sind, begonnen, mehr intelligente Hardware auf den Markt zu bringen.

Diese beiden Ereignisse sind keine isolierten Zufälle; zusammengenommen stellen sie ein klares Signal dar.

Auf der „Force Power Conference“ von Volcano Engine vor einigen Tagen war Wu Di, Leiter des Bereichs Intelligent Algorithmik für große Modelle von Volcano Engine, der Ansicht , dass die Bereitstellung von KI-Funktionen zu einer umfassenden Aufrüstung von IoT-Hardware und Leichtbauhardware beitragen werde und dass auch das gesamte Hardware-Wertesystem neu gestaltet werden könne .

In China ist Volcano Engine als Cloud- und KI-Serviceplattform kein herkömmlicher Hardwarehersteller, sondern beteiligt sich auf andere Weise an der Integration von KI- und Hardwareprodukten. Neun der zehn weltweit führenden Mobiltelefonhersteller arbeiten eng mit Volcano Engine zusammen, und die kollaborative End-Cloud-Architektur von Volcano Engine entwickelt sich zum „Gehirn“ und „Nerv“ intelligenter Hardware.

Im Austausch mit Praktikern stellten wir fest, dass Hardwarehersteller bei der Integration von KI in der Regel mit der Fragmentierung des Marktökosystems und den hohen Entwicklungskosten konfrontiert sind. Dies ist auch ein wichtiger Grund dafür, dass manche KI-Hardware zwar nur eine kurze Lebensdauer hat, aber nie zum gängigen Gerät wird.

Die Konzepte der „atomischen Fähigkeiten“ und der „End-Cloud-Integration“, die Volcano Engine in seinen intelligenten Hardwarelösungen immer wieder betont, treffen genau den Kern des aktuellen KI-Prozesses von IoT-Geräten: Wie lassen sich die Barrieren zwischen dem Ende und der Cloud überwinden und ermöglichen, dass KI-Fähigkeiten reibungsloser zu jedem Hardwareterminal fließen?

Eine große Menge an AIoT-Hardware ist zu einem wichtigen Einstieg für Agenten geworden. Wer die Führung bei der Sicherstellung einer durchgängigen Gerätereaktion übernimmt, kann in diesem aufstrebenden AIoT-Markt die Führung übernehmen.

Demontage der „Atomkraft“ des Vulkanmotors: AIoTs Toolbox

Ein dreijähriges Kind umarmte ein Stofftier und fragte es: „Warum ist der Himmel blau?“ Das Spielzeug antwortete sofort mit kindlicher Stimme und passte seinen Ton dem Gesichtsausdruck des Kindes an. Dies ist kein Science-Fiction-Film, sondern eine Szene, die KI-Spielzeuge wie Haivivi bereits umgesetzt haben.

Dahinter verbirgt sich tatsächlich die KI-Toolbox von Volcano Engine, die aus „atomaren Fähigkeiten“ besteht, einem Konzept, das von Jiang Nan, dem Leiter der internetübergreifenden Branchenlösungen von Volcano Engine, vorgeschlagen wurde.

Jiangnan ist der Ansicht, dass Technologieanbieter „ Dienste atomar und komponentenbasiert bereitstellen “ sollten, d. h. die Funktionen großer KI-Modelle (wie Stimme, Sprache, Multimodalität usw.) in standardisierte, zusammensetzbare APIs/SDKs aufteilen sollten, auf die Partner flexibel zugreifen können.

Bei Atomic Capabilities handelt es sich nicht um isolierte Funktionspunkte, sondern um „Capabilities as a Service“, die nicht nur die Flexibilität der Zusammenarbeit verbessern, sondern auch die Entwicklungsschwelle für Hersteller deutlich senken und so Innovation und ökologischen Wohlstand der gesamten Branche fördern.

Die atomaren Fähigkeiten der Volcano Engine sind wie Legosteine ​​und bieten Hardwareherstellern eine intelligente Toolbox, die nahezu sofort einsatzbereit ist.

iFan hat die „atomaren Fähigkeiten“ analysiert, die Volcano Engine für intelligente Hardware vorbereitet hat:

• Bean Bag großes Modell – das „smarte Gehirn“ des Gerätes
• Coze-Plattform – Ein „Rapid Incubator“ für KI-Anwendungen
• ASR/TTS-Technologie – eine Sprach-Engine, die es Geräten ermöglicht, „zuzuhören und zu sprechen“
• RTC-Echtzeitkommunikation – Verbindung von Cloud und Geräten zu einem „High-Speed-Neuralnetzwerk“
• VLM Visual Language Model – Das visuelle Gehirn, das Geräten hilft, „die Welt zu verstehen“
• Funktionsaufruf – Ein universelles Werkzeug zum Aufruf externer Dienste

Im Bereich AIoT ist Doubao Big Model weit mehr als nur ein Chatbot. Es erkennt nicht nur die Absichten des Benutzers, sondern verfügt auch über ein zunehmend ausgeprägtes logisches Denkvermögen, das Hardwaregeräten ermöglicht, in komplexen Szenarien ein gewisses Maß an autonomer Urteilsbildung zu betreiben.

Gleichzeitig bedeutet die Unterstützung multimodaler Interaktion durch das Doubao-Modell, dass künftige Smartgeräte nicht mehr auf die Eingabe einzelner Sprache oder Texte beschränkt sein werden, sondern in der Lage sein werden, mehrere Informationen wie Bilder und Töne umfassend zu verarbeiten. Dies legt den Grundstein für eine natürlichere Mensch-Computer-Interaktion, die der menschlichen Kommunikationsweise näher kommt.

Beispielsweise kann Doubaos neuestes Seed 1.6 Flash-Modell als leichtes kombiniertes Sprach- und visuelles Modell 100 Token in 1 Sekunde ausgeben, wodurch die End-to-End-Reaktionsgeschwindigkeit erheblich verbessert wird.

Die KI-Agent-Entwicklungsplattform KouZi ermöglicht es Produktmanagern ohne umfassende Programmierkenntnisse, KI-Anwendungen schnell von Grund auf neu zu entwickeln. Sie bietet sozusagen eine Reihe von Entwicklungsvorlagen aus einer Hand und verkürzt den Zyklus von der Kreativität bis zum Produkt erheblich.

Besonders hervorzuheben ist die Plug-in-Fähigkeit des Knopfes. Sie ermöglicht dem intelligenten Körper die direkte Interaktion mit der physischen Welt – so kann der KI-Assistent beispielsweise nicht nur die Frage „Wie ist das Wetter heute?“ beantworten, sondern auch aktiv beim Einschalten und Einstellen der Klimaanlage auf die passende Temperatur helfen. Diese Fähigkeit ermöglicht es der Hardware, von der passiven Reaktion zur aktiven Bedienung überzugehen.

In der Kommunikationsphase sorgen die ASR-Spracherkennung und die TTS-Sprachsynthesetechnologie dafür, dass das Gerät „zuhören und sprechen“ kann. Die ASR der Volcano Engine kann Befehle auch in lauten Umgebungen präzise erkennen, und die TTS-Technologie lässt die Stimme der Maschine nicht mehr kalt, sondern „menschlicher“ klingen. Nach der Verbindung von Tuya Smart erhöht sich die Genauigkeit der Spracherkennung um mehr als 20 %.

Eine weitere Schlüsseltechnologie ist die Echtzeit-Kommunikationstechnologie RTC, die wie eine „Autobahn“ Geräte und die Cloud verbindet und sicherstellt, dass Audio- und Videodaten mit geringer Latenz und hoher Stabilität übertragen werden können.

Dies ist entscheidend für KI-Spielzeuge – wenn ein Kind eine Frage stellt und 3–5 Sekunden auf eine Antwort warten muss, wird das Erlebnis erheblich verkürzt. Die Volcano Engine optimiert die Reaktionszeit auf unter 1 Sekunde und macht die Konversation so natürlich wie die Kommunikation im echten Leben.

Xing Xiaoci, Leiter der Abteilung für intelligente Großmodelle von Volcano Engine, wies darauf hin , dass die durchgängige Echtzeitleistung die größte technische Herausforderung bei der Implementierung intelligenter KI-Hardware darstellt , insbesondere in Cloud-basierten Reasoning-Szenarien, in denen die Reaktionsgeschwindigkeit das Benutzererlebnis direkt beeinflusst.

Durch integrierte End-Cloud-Optimierung hat Volcano Engine die Reaktionsgeschwindigkeit der KI-Sprachinteraktion erheblich verbessert und Sprachgespräche in Echtzeit ermöglicht, wobei die schnellsten Gespräche nur 1 Sekunde dauern und die durchschnittliche Zeit weniger als 1,5 Sekunden beträgt.

Damit das Gerät die Welt verstehen kann, ermöglicht das VLM-Vision-Language-Modell der Kamera nicht nur, das Bild zu sehen, sondern auch den Inhalt zu verstehen. So kann sie beispielsweise die Gesten und Mimik von Kindern erkennen oder den Bildinhalt analysieren und entsprechende Fragen beantworten. Alle intelligenten Module von Quectel sind mit dieser Funktion verknüpft, sodass Endgeräte nahtlos multimodale KI-Funktionen integrieren können.

Function Calling ist wie eine Universalfernbedienung, die es der KI ermöglicht, verschiedene externe Dienste aktiv aufzurufen – die Steuerung von Haushaltsgeräten, das Überprüfen des Wetters, das Einstellen von Erinnerungen und andere zusammenhängende Vorgänge können alle mit einem Klick erledigt werden.

Die wahre Wettbewerbsfähigkeit der Lösung von Volcano Engine liegt nicht in den „atomaren Fähigkeiten“ selbst, sondern in der Art und Weise, wie diese Fähigkeiten organisch integriert werden können.

Jiangnan erklärte gegenüber iFanr , dass die Öffnung der Atomkapazitäten es Volcano Engine ermögliche, das gesamte Hardware-Ökosystem zu bedienen, einschließlich Chipherstellern, Herstellern kompletter Maschinen, Terminalmarken usw., und so ein integriertes „Cloud + Terminal“-Empowerment-System zu bilden .

Ein solches komplettes End-to-End-Servicesystem deckt die gesamte Kette ab, von der Gerätedatenerfassung über die Edge-Computing-Verarbeitung bis hin zum groß angelegten Denken in der Cloud. Dieser „One-Stop-Service“ unterscheidet sich grundlegend von der Praxis traditioneller Cloud-Service-Anbieter, die isolierte KI-Schnittstellen bereitstellen.

Gleichzeitig bietet Volcano Engine durch die intensive Zusammenarbeit mit Chipmodulherstellern wie Espressif, Broadcom Integrated Circuit, Quectel und Fibocom umfassende Unterstützung für „Hardware + Algorithmus + Plattform“. Dieses Kooperationsmodell ermöglicht es Hardwareunternehmen, KI-Funktionen reibungsloser in ihre Produkte zu integrieren.

Volcano Engine ist kein Technologielieferant, sondern eher eine Art „Militärische KI-Beratungsgruppe“, die hinter den Hardwareherstellern steht. Sie stellt nicht nur Technologie bereit, sondern – noch wichtiger – kombiniert KI-Technologie und von ByteDance verifizierte Betriebserfahrung frei in C-End-Produkten wie TikTok, quasi als Bausteine, um B-End-Hardwareunternehmen zu unterstützen.

Die neue Welle von AIoT-Produkten

Der eigentliche Test kommt natürlich von der Marktfront. Das Grundgerüst der technischen Architektur muss erst in die Praxis umgesetzt werden, bevor es mit frischem Fleisch und Blut aufwarten kann. Können die von Volcano Engine stets betonten „stärkeren Modelle, niedrigeren Kosten und einfacheren Implementierungen“ diese AIoT-Produkte wirklich dazu bringen, auf dem Markt für Furore zu sorgen?

Haivivi ist nicht länger die „intelligente Puppe“, die nur voreingestellte Stimmen nachahmen kann. Durch langfristige Interaktion mit Kindern kann sie die etwas unreifen und manchmal sogar ungewöhnlichen sprachlichen Ausdrücke von Kindern besser verstehen, ihre Interessen und Vorlieben erlernen, personalisierte Begleitinhalte bereitstellen und sogar Trost und Ermutigung spenden, wenn Kinder deprimiert sind. Daher wird sie von vielen Eltern und Kindern begrüßt.

Der Schlüssel liegt in der intelligenten Lösung für interaktive Audio- und Videogeräte. Haivivi hat durch die umfassende Integration des Doubao-Sprachmodells der Volcano Engine und von „Schaltflächen“ für die Agentenkonstruktion ein komplettes interaktives AIoT-System geschaffen.

Laut Gao Feng, Mitbegründer von Haivivi, haben das Haivivi-Team und die Ingenieure von Volcano Engine auf mehreren Ebenen umfassende Optimierungen durchgeführt, um einen natürlichen interaktiven Effekt zu erzielen.

Was beispielsweise die Reaktionsgeschwindigkeit der Sprachinteraktion betrifft, wird durch die Optimierung der End-Cloud-Kollaborationsverbindung die End-to-End-Verzögerung vom Sprachbefehl des Benutzers bis zur Rückmeldung des Spielzeugs auf einem branchenführenden Niveau gesteuert und kann in einigen Szenarien innerhalb von 300 Millisekunden erreicht werden.

Dieses KI-Begleitspielzeug kann mit Leidenschaft und Emotionen allerlei interessante Geschichten erzählen und Kindern auch als Englisch-Übungspartner dienen, um das Sprechen zu üben und mit ihnen Redewendungsspiele zu spielen. In diesen beliebten Anwendungsszenarien ist es wichtig, sicherzustellen, dass Kinder sich in den Gesprächsverlauf eingebunden fühlen.

Im Gegensatz zu Marken wie Haivivi, die sich direkt an C-End-Verbraucher richten, konzentriert sich Tuya Smart als globaler IoT-Entwicklungsplattform-Dienstleister stärker darauf, durch die Zusammenarbeit mit Volcano Engine einer großen Anzahl von Entwicklern zu helfen.

Anfang dieses Jahres haben Volcano Engine und Tuya Smart eine Kooperation vereinbart, um das Doubao-Großmodell vollständig in die Tuya AI Cloud-Entwicklerplattform zu integrieren und gemeinsam die großflächige Implementierung von KI-Großmodellen und Cloud-nativen Technologien in verschiedenen Szenarien voranzutreiben. Das ist ein bisschen wie der App Store im AIoT-Markt.

Ein wichtiger Schwerpunkt der Zusammenarbeit zwischen den beiden Parteien liegt auf dem Gebiet der KI-Spielzeuge. Entwickler können auf der Tuya-Plattform bequemer eine zentrale Integration und den Aufruf multimodaler KI-Funktionen wie Audio, Video, Bild und Text erreichen.

Dies bedeutet, dass selbst kleine und mittelgroße Spielzeugentwickler ihren Produkten fortschrittliche KI-Interaktionsfunktionen mit geringerer Hürde und höherer Geschwindigkeit verleihen können und die Möglichkeit haben, natürlichere und interessantere beliebte Produkte wie Haivivi zu entwickeln.

Nicht nur Spielzeuge erleben dank KI ein völlig neues Erlebnis in den alten Kategorien. Auch Fernseher, deren Öffnungsraten in den letzten Jahren zurückgegangen sind, beginnen sich zu verändern.

Möchte der Nutzer im Fernsehen einen Film mit einem bestimmten Star finden, muss er die Fernbedienung Ebene für Ebene durchklicken und durch komplexe Menüs navigieren.

Jetzt müssen Sie nur noch sagen: „Ich möchte den Film von xx sehen“, und der Fernseher findet nicht nur sofort passende Videos, sondern generiert auch intelligent eine exklusive Posterwand. Die Reaktionsgeschwindigkeit des gesamten Vorgangs wird auf 1 Sekunde gesteuert.

In seiner Rede auf der „Force Conference“ betonte Guo Shangfeng, Präsident des Skyworth Research Institute und CTO von Coocaa, einen einfachen, aber wichtigen Punkt: Echtzeit-Feedback ist der Kern der hochfrequenten Benutzerinteraktion.

Coocaa bezeichnet das oben beschriebene interaktive TV-Erlebnis als „superintelligenten Körper“. Dahinter stecken die semantischen Verständnis- und Personalisierungsfunktionen des großen Doubao-Modells, das die Sehgewohnheiten des Nutzers besser versteht und die Sprachinteraktionstechnologie der Volcano Engine tief integriert, um natürliche und flüssige Dialoge zu ermöglichen und die komplexe TV-Interaktion, die auf dem Klicken der Fernbedienung beruht, Schritt für Schritt zu vereinfachen.

Dieser personalisierte Service erstreckt sich auf verschiedene Branchen wie Bildung, Gesundheit und Dienstleistungen im Alltag. Guo Shangfeng gab bekannt, dass die KI-Bilderbuchbibliothek von Coocaa innerhalb von 12 Sekunden personalisierte Geschichten erstellen kann und dadurch die tägliche Aktivitätsrate des Benutzers um mehr als 60 % steigert.

Wenn Smart Toys und Smart Screens die intelligenten Upgrades von AIoT auf dem bestehenden Markt darstellen, dann stellen AR-Brillen (Augmented Reality) die Kombination aus KI und Hardware dar und verfügen über ein großes Potenzial für die Schaffung zusätzlicher Märkte und die Erforschung der nächsten Generation persönlicher Terminals.

Wang Junjie, Vizepräsident von Rokid und Leiter des XR Center, ist davon überzeugt, dass AR-Brillen die nächste Generation persönlicher Informationsterminals werden, die die Effizienz und das Erlebnis der Informationsinteraktion in der dreidimensionalen Welt erheblich verbessern können.

Die Verwirklichung dieser Vision erfordert insbesondere die umfassende Integration von räumlicher Datenverarbeitung und multimodaler KI. Rokid ist derzeit vollständig in das multimodale KI-Modell von Doubao integriert.

Als eines der führenden Unternehmen im heimischen AR-Bereich zeigt uns die Zusammenarbeit von Rokid mit Volcano Engine die Schlüsselrolle, die KI im Zeitalter des räumlichen Computing spielen könnte.

Laut Wang Junjie hat Rokid durch die gemeinsame Forschung und Entwicklung mit Volcano Engine Doubao Big Model nicht nur die Datenverbindung des in seinen AR-Brillen integrierten KI-Assistenten optimiert und die Genauigkeit der Spracherkennung sowie die Tiefe des natürlichen Sprachverständnisses verbessert. Noch wichtiger ist jedoch, dass das Unternehmen die multimodalen Verständnisfähigkeiten von Doubao Big Model kombinieren kann, um KI-Analyseergebnisse besser in die reale physische Umgebung des Benutzers zu integrieren und zu überlagern und so das Gesamterlebnis von AR-Anwendungen zu verbessern.

Wenn ein Benutzer beispielsweise eine AR-Brille trägt und ein Gemälde betrachtet, kann der KI-Assistent nicht nur die Informationen zum Gemälde erkennen, sondern auch auf Grundlage der Präferenzen des Benutzers verwandte Kunstausstellungen empfehlen. Oder in einem industriellen Szenario kann eine AR-Brille Geräteausfälle in Echtzeit erkennen und Wartungsanleitungen in Form eines dreidimensionalen Modells vor den Augen der Arbeiter einblenden.

Von intelligentem Spielzeug, das die Emotionen von Kindern „lesen“ kann, über Wohnzimmerbutler, die die Bedürfnisse der Benutzer vorhersagen können, bis hin zu AR-Brillen, die die virtuelle und die physische Welt nahtlos integrieren, hat eine neue Welle von AIoT-Produkten begonnen, auf dem Markt für reife Hardware aufzutauchen.

Aufbau der „neuen Infrastruktur“ im KI-Zeitalter

Was Volcano Engine auf intelligenter Hardware macht, ist in der heutigen Welt, in der Modellparameter und Algorithmus-Iterationen rasant ansteigen, ein etwas anderer Weg: Das Unternehmen möchte weit mehr sein als nur ein „Technologielieferant“ für Hardware und trainiert auch nicht einfach ein Modell, das besser darin ist, „Prüfungen abzulegen“, oder einen Roboter, der besser darin ist, „zu chatten“.

Im Skript von Volcano Engine soll KI wirklich „in Aktion treten“, indem eine große Anzahl von AIoT-Geräten auf natürliche Weise in das Leben der Benutzer integriert wird und zu einem aufmerksamen, denkenden und warmherzigen Partner wird.

Um KI in Endgeräte mit geringerer Rechenleistung zu integrieren, haben sie sogar das Terminal-SDK auf ein stromsparendes Gerät mit nur 100 KB Speicher komprimiert, sodass auch Hardware im Wert von nur wenigen Hundert Yuan über ein „intelligentes Gehirn“ verfügen kann.

Dahinter verbirgt sich die fast schon rigorose Feinabstimmung der kollaborativen End-Cloud-Architektur und das ultimative Streben nach Kostenkontrolle. Wenn die Kosten für das Denken in großen Modellen stark reduziert werden, wird KI nicht länger das „exklusive Spielzeug“ einiger weniger Giganten sein, sondern tatsächlich „in die Häuser der einfachen Leute“ Einzug halten.

Volcano Engine hat kürzlich den MCP-Dienst eingeführt. Traditionelle Unternehmen oder Start-up-Teams, die sich in Sachen KI-Technologie noch in der Anfangsphase befinden, können den MCP-Dienst nutzen, um schnell, bequem und kostengünstig KI-Engines auf ihren Produkten zu installieren und so mit nur einem Klick vom Feature-Phone zum Smartphone aufzurüsten. Wie Xing Xiaoci in seinem Beitrag erwähnte:

Neue Dienste wie MCP senken die allgemeine Entwicklungsschwelle weiter und erhöhen die Obergrenze der Intelligenz, sodass komplexere und intelligentere KI-Erfahrungen in zahlreichen Branchen breit anwendbar werden.

Bei dieser Integration von Hardware und KI geht es nicht nur um die Bereitstellung einer API-Schnittstelle, sondern um einen vollumfänglichen Service vom „Chip“ bis zum „Verkauf“:

Von der zugrundeliegenden Technologie „Hard Dishes“ wie dem großen Doubao-Modell und der RTC-Echtzeitkommunikation bis hin zur Entwicklungsplattform „Quick Dish“ für KI-Anwendungen wie Button und der Einbindung von Chipmodulherstellern wie Broadcom Integrated und Fibocom zur gemeinsamen Optimierung können wir Ihnen sogar dabei helfen, eine Verbindung zu E-Commerce-Kanälen herzustellen, um „Waren zu bringen“.

Dieser vollständige ökologische geschlossene Kreislauf von der untersten Technologieebene bis zur Anwendung auf höherer Ebene ist keine einfache Geschäftserweiterung, sondern eher eine Neudefinition der Infrastrukturebene. Xing Xiaoci sagte uns, dass sich intelligente Hardware von „funktional“ zu „serviceorientiert“ wandelt .

Unabhängig davon, ob es sich um Software oder Hardware handelt, scheint Volcano Engine zu versuchen, im KI-Zeitalter eine „neue Infrastruktur“ aufzubauen .

Im ständigen Wandel der KI werden sich nicht nur unsere Arbeitsmethoden ändern, sondern auch der Markt für intelligente Hardware wird wahrscheinlich eine Umstrukturierung erfahren und ein neues Wettbewerbsumfeld schaffen. Volcano Engine ist bereits auf diesem neuen Weg auf dem Vormarsch, und weitere Hersteller mischen ebenfalls mit.

Möglicherweise können wir uns auch auf ein neues Leben nach dem Aufkommen dieser AIoT-Produkte freuen: Die technische Architektur der multimodalen Fusion, der End-Cloud-Zusammenarbeit und der agentenbasierten autonomen Servicefunktionen ermöglicht es intelligenter Hardware, auf die nächste Dimension der „Intelligenz“ aufzusteigen: Benutzer wirklich zu verstehen, personalisierter zu sein und vom passiven zum aktiven Service überzugehen.

#Willkommen beim offiziellen öffentlichen WeChat-Konto von iFanr: iFanr (WeChat-ID: ifanr), wo Ihnen so bald wie möglich weitere spannende Inhalte präsentiert werden.

iFanr | Originallink · Kommentare anzeigen · Sina Weibo