有不少人依旧借助“问答对讲机”的形式跟AI展开交流，不过，已然出现了一种更近似真人陪同的交互体验，这种体验不但能够同时实现听与说，而且还能够于恰当时刻主动对你予以提醒。
全双工交互的本质
其背后的关键要点在于“全双工”的能力，以往的模型犹如单工对讲机，在讲话之际必定要停下接收外界信息，然而新的模型却能够达成一边输出回应，一边持续察觉环境里的视觉以及声音的变化。
这表明交互进程不会再被强硬地划分成“你发问我等候”的阶段，举例来说，要是你吩咐它留意微波炉，哪怕你将摄像头移开去聊天，它也能够在听闻“叮”的一响之际自然而然地插入话语予以提醒，整个进程顺畅得好似有一位友人在近旁倾听着。
小模型带来的大惊喜
达成这一能力的是MiniCPM - o模型，其参数仅仅为9B。在动不动就有数百亿参数的时代里，9B常常被视作性能做出妥协的一种象征。可是，它在实时视频对话当中的表现，却超过了体量更大的对手。
关键之处在于效率，在RTX 4090这款消费级显卡上，它经过量化之后，解码速度达到了极快的程度，响应延迟处于极低的水平，并且显存占用量小，这些情况使得持续不间断的并行感知以及推理在本地设备上变为可能，而不是依靠云端堆砌算力，具备这样影响的情况。
主动感知与时机判断
这种能力促使AI由被动应答转变为主动服务，诸如，于过马路之际，你能够让它“绿灯亮之时提醒我”，它便会持续留意红绿灯，且在变绿期间准时出声，在那段时间里不会干扰你去做别的事情。
这对模型提出这般要求，其需拥有复杂的决策能力，在处于持续接收信息流的这个状态之际，要实时去判断究竟何时该介入，以及何时应当保持沉默，它已然不再非得依赖用户明确发出“现在请看”或者“现在请说”这样的指令了。
记忆与连贯理解
当处于连续交互期间，维持信息拥有的连贯性属于相当关键的要点所在。模型要在处于“等待”以及“倾听”的进程里，做到不会遗失关键信息。经由测试显示，哪怕是处在繁杂的多轮对话以及有着需要记忆细节要求的游戏之中，它也能够精准地追踪状态。
比如说，在进行井字棋游戏的时候，它能够记住每一步棋盘中所发生的变化，并且依据这些变化给出相应的策略。这充分证明了它具备把实时感知以及历史记忆相互结合在一起的能力，以此来保证交互上下文不会出现中断的情况。
端侧部署的未来
鉴于模型具备体积小以及效率高的特性，它能够被实施量化操作，进而被部署于手机、平板等终端设备之上。这所蕴含的意义在于，“边看、边听、主动说”这种智能体验在未来能够实现随身携带的状态，不再受到网络与云端方面的限制。
如此便为开发更具私密性、低延迟特性、高可用性的辅助类应用开辟出了空间，比如说，能够为视障人士供给持续不间断的障碍物感知以及提醒服务，在此整个进程当中不用用户反复去进行唤醒操作或者下达指令。
交互范式的转变
这点滴的发展成果象征着多方面模态交互正从单纯的“工具”朝着“伙伴”的方向逐步演变，它所具备的价值并非体现在单一某一项任务具备多么强大的能力，而是在于能够把理解、记忆、决策以及交互毫无缝隙地融合在一起，进而给予一种更为自然、更加省心、更拥有情景意识的陪伴感受。
不再需要用户每一个步骤都精确地去指挥，AI它能够自己“盯”着目标，然后在合适的时机去提供帮助。这种体验进行升级这样的情况，没准才是AI真正融入到日常生活的开端。
面对那种具备可主动留意条件且适当时机提醒功能的AI交互方式，你最为期待的应用场景究竟是什么呢，欢迎于评论区，分享你的相关想法。
