声网亮相AWE2026 : RTC x对话式AI 让硬件“能看会动”

在今日开幕的2026年中国家电及消费电子博览会（AWE 2026）上，声网以两大重磅发布亮相——对话式 AI 开发套件 R 全系列产品 与“泛 IPC 实时交互+智能处理引擎”，并携数十款搭载其技术的明星硬件产品组，向业界展示了其决定硬件交互体验的关键角色。

从 AI 毛绒玩具到桌面情感机器人，从出海摄像头到 3D 打印机，基于人类自然语言的对话式 AI 与高可靠的实时传输能力，正成为连接数字智能与物理实体的主线。声网此次通过“开发套件迭代+行业解决方案升级”，为硬件厂商铺设了一条从“能听会说”到“能看会动”，从“看得见”到“能互动、会思考”的快车道。

开发套件一年三迭代：从“能听会说”到“能看会动”

要在物理世界实现真正的智能，硬件不仅需要大模型作为“大脑”，更需要一套实时交互的“神经系统”。过去一年，声网 R 系列开发套件以惊人的速度迭代：

2025年3月，声网发布对话式 AI 开发套件 R1，专注于解决实时全双工对话、背景降噪和智能打断。发布至今，R1 套件出货已达百万量级，被广泛应用于 AI 玩具、陪伴机器人等产品，成为行业内的标准参考方案之一。

2025年9月，针对移动化需求，声网联合紫光展锐、谨讯推出 R1-4G 开发套件，通过加入 4G 通信能力，赋予 AI 硬件无边界陪伴的属性，为智能穿戴和车载场景铺平了道路。

在本次 AWE 上，声网 R2 全场景 AI 机器人开发套件原型机首次亮相。R2 在继承全双工语音优势的基础上，新增了本地视觉识别与多自由度运动控制，实现了从“能听会说”到“能看会动”的关键跨越。它能“看懂”手势、识别人脸轨迹，甚至实现“走到你面前打招呼”或“转头注视说话者”这类充满生命感的本能反应。这种“被看见”和“被注视”的体验，让 AI 从一个简单应答的硬件，进化成了有灵性的陪伴者，为后续复杂场景落地提供了标准化的“技术基座”。

场景跃迁：从情感陪伴到具身智能，市场验证AI硬件爆发力

技术的演进最终落脚于用户体验的变迁。在声网展台上，这种变迁直观地表现为产品形态的进化。

早期的代表是珞博智能的芙崽 Fuzozo ，这款口袋里的 AI 毛绒宠物“618”预售10分钟破千单，月出货2万台，斩获主流电商平台 AI 玩具品类销量冠军。它凭借声网提供的流畅全双工对话能力，让用户第一次感受到——原来和机器聊天可以如此自然、无需唤醒、没有延迟，证明了 AI 硬件走出工具属性、进入情感维度的商业可行性。

而在 AWE 上亮相的陆卡卡，则代表了全新的物种。作为搭载 R2 套件的桌面级情感机器人，陆卡卡不再被动等待对话。当你走近它时，它会转头凝视你；当你指向某处，它能循声辨位。这种“被注视”的体验，将人机交互从“命令-响应”的机械流程，推进到了“感知-共鸣”的情感层面。

从芙崽到陆卡卡，是从“能听会说”到“能看会动”的跨越。随着运动控制算法与端侧多模态模型的进一步融合，具身智能将是声网的下一站。

开放的“基建”：AOSL开源，重塑芯片与硬件生态的协同逻辑

今年年初，声网宣布了一项具有行业战略意义的举措：将核心的硬件抽象层项目 AOSL在 GitHub 全面开源。AOSL 在操作系统、芯片与 RTC 传输层之间定义了一套标准接口，屏蔽了底层 FreeRTOS 、 Linux 与不同芯片型号之间的差异。对于芯片厂商而言，接入 AOSL 意味着其硬件从出厂即具备了“声网级”的实时互动能力。

本次 AWE 上声网首次展现了最新的开源生态，这种“开源底座+商业套件”的模式，正在吸引越来越多芯片伙伴加入生态，将硬件的创新模式从过去的“一次性定制”推向了“可复用、可扩展”的生态协作。

泛IPC解决方案首发：提供高可靠传输与端云协同AI能力

如果说对话式 AI 开发套件解决的是“如何让硬件更智能”的问题，那么声网同步发布的 “泛 IPC 实时交互+智能处理引擎”，则直面“如何让海量 IoT 设备在全球范围内稳定连接、实时交互”的刚需。

对于摄像头、扫地机器人、3D 打印机、宠物喂食器等设备，用户的期待早已不是“能远程看一眼”这么简单。他们希望：在海外也能秒速打开家里的监控；在弱网环境下扫地机依然听指挥；在宠物异常时第一时间收到提醒；在 3D 打印过程中实时掌控进度。这些期待的背后，是对实时交互能力与端云协同 AI 的双重考验。

声网该解决方案集成四大核心能力：

1.全球覆盖，秒见图

依托声网自研的 SD-RTN™（全球实时互动网络），覆盖200+国家和地区，特别针对东南亚、中东、北美及国内中小城市进行网络深度优化。建联成功率>99.9%，首帧出图毫秒级，全球范围实现“秒见图”，彻底告别黑屏焦虑。对于出海 IPC 厂商，这意味着在东南亚、中东等网络基础设施薄弱地区，设备首次激活成功率>99.9%，从源头降低退货风险。

2. 弱网不断连，延迟稳定可控

基于声网音视频编解码专利算法，即使在80%音视频丢包的极端弱网环境下，依然能保障画面流畅与指令实时响应，设备5s连通率达到99.5%。扫地机移动到庭院角落、割草机穿行于花园边缘，依然保持连接控制，不会“失联乱撞”。

3. 端云协同AI，让设备“会思考”

打通实时传输链路与云端 AI 能力，实时链路上可自由加载各类垂直场景智能识别算法，覆盖宠物检测、人脸识别、行为分析、声音识别等场景。画面/声音在传输过程中同步完成 AI 分析，检测结果实时推送到用户端。设备厂商无需更换硬件，即可通过云端加载算法的方式，为存量设备增加增值服务。

4. 多端互通+安全合规，为全球化扫清障碍

突破 P2P 方案通常限制2-4人的瓶颈，支持不限平台、不限人数的交互与观看。通过ISO/IEC 27001等系列认证，符合 GDPR、HIPAA 、CCPA 、 COPPA 等全球法规要求。独特的传输技术确保设备内网 IP 不直接暴露公网，从链路层规避黑客攻击风险。

回顾这十年变迁，我们不难发现：无论是 APP 还是硬件，形态终将更迭，但人类通过最自然的语言与机器交互的诉求是永恒的。

当 AI 硬件从“功能机”向“情感机”、“智能体”进化，实时互动体验的优劣将成为决定产品生死的关键。作为全球实时音视频云服务的开创者，声网始终致力于为人与人、人与 Agent 、 Agent 与 Agent 的多模态实时交互提供最佳体验。通过对话式 AI 开发套件的一代代升级、通过 AOSL 开源生态的构建、通过泛 IPC 解决方案的全球部署，声网正在将复杂的实时互动能力标准化、模块化，为整个行业铺设通往万物智联时代的底层通路。