具身智能爆发，思必驰全栈 AI 交互能力让机器人更懂人

7 月的上海世博展览馆，人群沿着展区缓缓移动，不少展台前已经围起了几圈观众。

机器人正在一旁忙碌：机械臂伸向料箱，抓取零件后完成装配；另一边，几台机器人根据订单协同完成分拣、交付；还有机器人沿着模拟汽车生产线完成取线、布线、插接等精细操作。它们不再只是站在展台中央展示动作，而是在一项项具体任务中完成感知、判断与执行。

这是 2026 世界人工智能大会现场的具身智能展区。数据显示，本届大会有超过 200 家具身智能企业参展，208 款具身智能终端集中亮相，机器人应用也覆盖制造、物流、导览等多个实际场景。

从现场密集的人流和不断更新的应用展示，我们可以看到，具身智能正在成为人工智能产业中备受关注的增长方向。《中国具身智能产业发展报告（2026）》数据显示，中国具身智能市场规模预计将从 2018 年的约 2133 亿元增长至 2026 年预计的 1.09 万亿元，年均复合增长率约 22%-23%。与此同时，2026 年我国人形机器人整机产量预计突破 10 万台。

市场空间不断打开，机器人需要解决的问题也越来越具体：当它们真正进入生产、服务和生活等复杂环境，除了看得见、动得了，还需要准确理解人的表达、识别有效信息，并在自然交互下准确执行任务。对于具身智能而言，如何建立稳定、自然、高效的人机交互，正在成为连接人工智能能力与真实物理世界的重要一环。

全栈AI技术赋能，让机器人交互更自然

要让交互能力真正落到机器人身上，需要一套贯穿感知、理解与执行的完整技术能力。思必驰依托长期积累的全栈对话式 AI 技术，打造机器人交互中枢，将语音、视觉、表情、手势、环境信息与大模型能力融为一体，提供覆盖前端感知、语义理解到任务执行的系统级技术底座，让机器人即使面对移动、远场、多人、强噪声等复杂场景，也能真正做到「听得清、听得懂、执行准」。

首先是「听得清」。

机器人面对的声场十分复杂。移动时有自身机械噪声，多人交流时存在声音重叠，开放空间中还会混入广播、音乐和环境噪声。

思必驰依托长期积累的声学算法与语音技术，通过麦克风阵列、语音增强、回声消除、AI 去混响、声源定位、说话人分离、人声聚焦等技术，对复杂声场中的有效语音进行捕捉和处理，为机器人在远场、移动、多人及强噪声环境下稳定获取语音信息提供支撑。

听清之后，还要「听得懂」。

面对真实交流中，多人同时说话、背景杂音干扰等情况，思必驰将语音与视觉、唇动、视线、手势、人脸等信息结合，让交互走向多模态理解，使机器人能够综合判断「谁在与我交互」、以及理解当前交互意图，再结合语义上下文作出自然响应。

听懂之后，更重要的是「执行准」。

对于具身智能而言，一次问答并不是交互的终点，理解结果还需要进入任务链路。思必驰基于「1+N」分布式智能体架构，由中枢大模型负责意图理解、任务拆解和工具调度，不同专业智能体承担视觉理解、交互控制、任务执行等功能，可协同迎宾接待、展厅讲解、设备控制、AI 引导等具体任务。

而在完成任务之外，机器人还需要进一步理解「人」本身。这种理解延伸到用户状态和个性化需求。思必驰将身份识别、个性化推荐、情绪感知与反馈纳入方案设计，可结合人脸识别、微表情分析、视线方向判断、用户轨迹记忆和语义上下文，判断用户的兴趣点、情绪状态与当前需求。

例如在服务场景中，可以根据用户关注点调整讲解和推荐内容；当用户表现出犹豫、好奇或焦急等状态时，也可以通过语速、语调和回应节奏的变化，提供更加匹配的反馈。

从准确执行任务，到理解交互对象和用户状态，机器人的交互不再只是「听到什么就回应什么」，而是能够结合具体的人和场景做出更合适的回应。这也是具身智能真正融入家庭、商业服务等真实环境时，交互体验需要进一步解决的问题。

在这一技术体系之上，思必驰以天机 Fusion 多模态大模型交互系统等具身机器人解决方案，将语音、视觉、环境信息与大模型、智能体能力进行连接，为具身机器人提供从感知、理解到任务执行的系统级交互支撑。

目前，思必驰相关能力已经进入展厅接待、商业服务、教育陪伴、家庭辅助、工业协作等场景，与智元机器人、银河通用、魔法原子等具身智能企业开展合作。

以智元精灵 G2 为例，思必驰为其提供软硬一体化语音方案，基于 AISPEECH DFM 大模型构建面向智能终端的 1+N 分布式智能体系统，支持多语种互译与多场景定制交互，目前已落地 2025 全运会引导、展厅讲解等场景。整套方案以端到端全链路技术保障低延迟响应，助力机器人实现「听得清、听得懂、执行准」的高效交互，赋能产业场景智能化升级。

从智能家居、消费电子，再到如今的具身机器人，思必驰持续积累 AI 交互能力与不同硬件终端、不同应用场景结合的产业经验。目前，公司智慧物联业务已累计接入超过 2 亿台 IoT 设备，覆盖 50 余个智能终端品类，多语种交互能力覆盖 40 余种外语。

对于正在加速进入真实场景的机器人而言，交互能力的价值，最终体现在机器人能否真正融入场景、理解需求并准确执行任务。思必驰希望通过更自然、更智能的 AI 交互能力，让机器人更好地与人、环境和任务连接，在更多真实场景中实现自然交互与协作，为机器人产业的智能化发展提供持续的技术支撑。

来源：互联网