每经记者：可杨 每经编辑：陈旭

当人工智能开始从屏幕走向现实世界，人机交互正经历一次升级时刻。

无论是手机、汽车，还是正在加速落地的机器人与可穿戴设备，过往以你问我答为核心的回合制交互，正逐渐暴露出响应迟缓、感知割裂、上下文中断等问题。这种交互方式的先天缺陷，正在成为AI进入物理世界的关键瓶颈。

2月2日，面壁智能联合创始人兼CEO李大海接受包括《每日经济新闻》记者在内的媒体采访时表示，新一代人机交互的方向已经出现曙光，但真正的跃迁不会一蹴而就，而是伴随着云端与端侧模型能力的持续提升逐步发生。在这一过程中，全模态模型是否能够成为连接数字智能与物理世界的具身大脑，正在成为产业关注的核心问题。

全模态不是功能叠加，而是交互范式变化

随着AI开始进入物理世界，当其驱动机器人或可穿戴设备时，传统的人机交互模式开始显现弊端。

清华大学计算机系长聘教授、面壁智能联合创始人兼首席科学家刘知远认为，对人类而言，听、说、看本身是多通道并行的，人可以在说话的同时继续听、继续看，这些过程并不会彼此阻碍。但在人机交互层面，此前的大多数模型都很难具备这种能力，"一旦你开始说，就没有办法看了，有这样那样的问题。"

这种交互方式的缺陷，限制了AI走向具身智能的深度。在刘知远看来，拟人化、高度自然的交互能力，是让机器人、智能终端更像人的关键一步。"它（全模态模型）和让我们未来的机器人、智能终端能够像人一样去进行自然交互，可能离得更近。"

依照这一判断，具身智能并不是一个独立分支，而是对模型交互能力提出了更高要求的应用场景。刘知远强调，在具身、智能终端等场景中，其实同样需要类似的模型，才可能让它更好地服务人类。刘知远在采访中判断，具身智能在能力层面的快速迭代，可能并不遥远。"如果说还有多久，我估计可能也就是这两三年时间。"

落到产业层面，端侧模型与AI硬件的结合，正在成为一个现实而复杂的命题。

在李大海看来，随着大厂下场、智能体进入手机等终端形态，新一代人机交互的形态已经看到曙光，但这也并不意味着拐点已经到来。他判断，这一跃迁不会是一次性完成的，"大家会在这个方向上不断地探索，这个要伴随着云端模型和端侧模型的持续提升。"

即便在当前被广泛讨论的手机场景中，技术本身仍存在明显约束。李大海表示，像豆包手机背后依托的是目前行业里最优秀的模型之一，但它对人类复杂任务的完成率其实也没有完全达到可用的理想状态。

李大海进一步分析称，一方面，纯云端方案难以绕开隐私问题；另一方面，端侧资源的算力等消耗，使得全模态能力在手机上的落地需要更长时间。李大海直言，模态越多，资源消耗越大，这决定了不同终端形态的节奏差异。

手机目前的交互仍主要以语音和触控为主，模态相对受限。李大海介绍，以豆包手机为例，其核心突破是让智能体可以像人一样操作手机，代替用户完成复杂任务，这相当于解决了像人一样输出的问题。而下一个重要的演进方向，则在于输入方式的变革。

"目前手机与人的上下文同步，依赖人在屏幕上的主动操作。如果未来手机能直接聆听、观看真实世界，它就能更好地与主人同步、共享上下文。"李大海认为，这是手机迈向真正智能体的关键一步，但也将直面功耗与隐私保护的双重挑战，对产品设计提出了更高要求。

相比之下，汽车、机器人等场景，由于资源条件更宽松，也被李大海认为是全模态模型更具潜力的落地方向。而在具身智能领域，他认为，当前的瓶颈不在本体，而在大脑，一旦模型能力出现突破性进展，具身智能很可能迎来类似"ChatGPT时刻"的跃迁。

行业将快速见证模型专业能力与交互能力爆发

刘知远教授指出，未来一两年内，模型专业能力与交互能力将实现爆发式增长。这种增长将推动多智能体协同、群体智能等更复杂形态的出现，为AI技术在工业、医疗、教育等领域的深度应用奠定基础。

面壁智能提出的"密度法则"，正是应对这种技术爆发的重要战略。通过持续产出高质量大模型，提升模型能力密度，为AI产业提供持续创新引擎。