这些日子，开源全模态模型MiniCPM - o4.5的推出引起了行业的关注，它的核心的能力不是单纯的语音助手的升级，而是达成了“边看、边听、主动说”这样的连续的感知以及交互，这表明AI交互模式正从过去传统的回合制问答朝着即时的响应的新的阶段转变。
全模态交互新范式
遵循严格“提问 - 回答”串行流程的传统AI助手，用户得等系统完成一轮处理才可发起下一轮对话。面壁智能最新开源的MiniCPM - o4.5把这一模式打破了，它能够持续接收来自摄像头和麦克风的视觉信息流，还能持续处理来自摄像头和麦克风的听觉信息流。
这表明，当模型生成语音回复之际，对外部环境的感知并未被中断。比如说，在电梯情景里头，用户只需下达初始指令，楼层显示就能不断被模型辨识出来，并且在抵达站点之时，会主动给出提醒，而不需要用户再三询问。
实现持续感知的技术关键
这一能力得以实现，是依靠对传统架构进行根本性革新，过往多模态模型在输出阶段会暂停输入感知，进而形成I/O阻塞，MiniCPM - o4.5采用了一种全新的交互机制，它并非依赖外部语音活动检测（VAD）去判断用户是否说完。
频率约为1赫兹的模型，持续开展语义判断，以此决定是不是要参与对话。这样的设计致使AI不但能够被自然打断，而且能够依据对场景的持续理解主动开启对话，达成了真正的全双工通信。
端侧部署的核心战略
面壁智能于发布会上再三强调“软硬一体”以及“端侧部署”，MiniCPM - o4.5自设计起始便是一款针对终端设备塑造的原生模型，其参数量被控制于90亿，目的在于凭借有限资源达成强大性能。
近两年来，公司与多家芯片厂商开展深度协同，把模型需求反向输送到硬件设计环节，对算子依样优化借此匹配端侧算力。这样紧密的软硬件协同，目的为于解决云端方案常见的延迟稳定和还有隐私方面的问题。
瞄准差异化终端市场
面壁智能持有一种观点，即此端侧并非属于那种成为统一状态的市场，反而是经由数量众多的存在差异化的终端以及有着长尾特性且具备高价值的场景一起构建而成的生态。从智能座舱一直到家庭机器人这样的范畴，不同的场景针对AI来说，则有着从实时性方面、可靠性方面以及功耗方面来看完全不一样的要求等多个要点。
所以，公司没有去追寻参数的无节制扩张，而是凝神于在特定终端里头达成最佳性能。这样的策略致使市场可以容得下许多聚焦于各异垂直领域的创新型企业，而不是陷入巨头之间标准方面的阵地战。
定义下一代AI交互
有持续感知以及主动交互这种能力，是MiniCPM - o4.5所展现出来的，它给具身智能和终端助手在未来的发展指出了方向。真正实用价值常常不是精确回答问题，而是在恰当时候主动去提供信息或者服务。
当人工智能可以领会世界乃是连续流动着的，并且能够于其中持续进行参与之际，它才有可能从实验室里的演示工具，转变成真正融入现实生活的智能体，这被视作人工智能能否进入连续现实世界的分水岭。
推动行业应用落地
为了加快技术落地的进程，面壁智能打算于2024年年中推出首款AI硬件开发板“松果派”，以此为开发者给予全栈开发的支持。与此同时，模型已经对特定硬件平台进行了深度适配，其目的在于打通从模型到终端应用的“最后一公里”。
这家公司于智能座舱等范畴所拥有的早期落地经历，已然初步证实了此条技术路线的可行程度。MiniCPM - o4.5的对外开放，有希望吸引更多众多开发者一同探寻端侧全模态AI在汽车、手机、机器人等形式态势下的创新运用。
当AI从云端朝着终端不断迁移时，您觉得那“持续感知、主动服务”的AI助手，首先会在哪个日常生活场景里头给您带来那种颠覆性的体验变化？敞开在评论区去分享您所拥有的看法，如果认为这篇文章有着启发作用的话，那就请点赞并且分享给更多的朋友们。
