问题——从“回合制问答”到“多通道并行”，交互瓶颈日益突出。 近年来，智能技术加速进入手机、汽车、机器人和可穿戴设备等终端，应用场景也从信息获取延伸到任务执行与现实世界协作。此外，过去以语音或文字“你问我答”为主的回合式交互，真实任务中逐渐暴露短板：设备常需要用户反复唤醒和确认，难以持续跟随环境变化；多源信息分散在不同应用和界面之间，上下文容易被打断；复杂任务的完成稳定性不足，进而影响可用性与安全性。这些问题正在成为智能能力走向物理世界的重要瓶颈。 原因——全模态不是“功能叠加”，而是交互范式升级；但算力与合规约束制约落地节奏。 面壁智能联合创始人兼首席科学家刘知远指出，人类的听、说、看等感知与表达天然是多通道并行的，交流时也能持续观察环境、接收信息并调整行动；而此前不少模型与系统难以同时处理多模态输入和连续任务，交互中容易出现“说话就无法看、看了就难以听”的割裂。业内普遍认为，全模态的核心在于打通统一的理解与决策链路，让终端在真实世界具备持续感知、即时推理与自然反馈能力，从而带来更接近人类的交互体验。 但从工程落地看，全模态并不等于简单增加摄像头、麦克风或传感器。模态越多，对算力、存储、带宽和能耗的要求越高，也对端侧芯片、系统调度与模型压缩提出更严苛的约束；同时，持续“聆听、观看”会显著抬高数据合规与隐私保护压力，如何做到本地处理、最小化采集、可控授权与可追溯审计，成为必须跨过的门槛。 影响——交互能力将重塑终端竞争力，应用场景分化加速。 业内人士认为，交互方式的升级将直接影响终端产品形态与产业格局。以手机为例，当前主流仍以触控与语音为主，模态相对有限。李大海表示，部分产品的阶段性进展在于让智能体能够“像人一样操作手机”，在应用间切换、输入与执行，帮助用户完成更复杂的流程性任务，提升“输出侧”能力。但要实现更完整的智能体体验，还需要在“输入侧”与真实世界的上下文对齐：终端不仅要理解屏幕内容，还要理解用户所处场景与即时意图，减少手动提示和重复确认。 在汽车、机器人等场景，由于电源与计算资源相对充裕，传感器体系也更完善，被认为更适合发挥全模态能力。尤其在具身智能方向，业内判断当前瓶颈更多在“智能大脑”而非机械本体；一旦模型在感知融合、规划与执行的闭环能力上取得突破，涉及的应用可能进入加速扩散期。 对策——“云端强能力+端侧高可靠”共同推进，围绕功耗、隐私与安全构建产品化路径。 受访人士认为，新一代交互的升级将是渐进过程，需要云端与端侧同步增强：云端提供更强的通用推理与工具调用能力，端侧承担实时响应、隐私敏感处理与离线可用等关键任务。在部署层面，一上可通过模型压缩、量化、蒸馏与端侧算子优化降低资源占用；另一方面需通过权限管理、数据本地化、场景化唤醒与可解释反馈降低隐私风险。 同时，面向终端的智能体能力也需要更系统的工程化支撑：包括复杂任务成功率的评估机制、异常与误操作的兜底策略、与应用生态的接口标准，以及关键场景下的安全边界设置。业内认为，只有当“能做”更变成“稳定可用、可控可管”，交互升级才能真正转化为产业价值。 前景——两三年或现关键窗口，但“拐点”取决于综合能力成熟度。 刘知远研判，具身智能在能力层面的快速迭代或许并不遥远，未来两三年可能出现明显进展。李大海也表示，新一代交互形态已初现端倪，但拐点不会瞬间到来，仍将随着云端与端侧模型能力的持续提升逐步显现。业界普遍认为，时间表不仅取决于模型效果，还取决于端侧算力供给、功耗控制、隐私合规、数据与评测体系完善，以及与硬件、系统、应用生态的协同程度。 可以预期的是，随着大模型能力、端侧芯片与系统软件持续迭代，面向手机、车载与机器人等终端的自然交互将从“可演示”走向“可规模化”。谁能率先在关键能力上实现高质量、低成本与可控部署，谁就更有机会在下一轮终端竞争中占据主动。
人机交互技术的演进正在重新划定智能时代的服务边界；当机器逐步具备更接近人类的感知与理解能力，带来的不只是操作效率提升，也会改变人与机器的协作方式。在这场持续推进的技术变革中，中国企业能否把握全模态交互的窗口期，将影响其在全球智能产业版图中的位置。正如专家所言，突破可能近在眼前，但只有持续推进核心技术创新，才能把阶段性优势沉淀为长期竞争力。