11月19日,火山引擎正式上线豆包实时音视频通话模型 SeedRealtime 1.0 的 API 服务,把声音、画面、时序与表达统一到同一个端到端模型里;同日,供应链传出富士康旗下富智康已获得 OpenAI 手机项目订单,将参与整机组装。再往前一天,Hugging Face 公开的技术演示显示,一台 32GB 内存的笔记本已经能跑起 1800 亿参数级别的 MoE 模型。三条消息看似分散,指向的却是同一件事:大模型正在离开”输入框提问、等它回答”的对话框形态,转向持续感知的实时交互与本地部署。
三级串联被压进一个端到端模型
按火山引擎的介绍,SeedRealtime 1.0 能在连续的多模态信息流上实时交互,实现”边看、边听、边说”,并可在合适的时机主动开口。这与过去主流的做法有本质区别。
此前的实时语音助手普遍走 ASR、VLM、TTS 三级串联:先把语音转成文字,再让视觉语言模型理解画面,最后把回答合成为语音。每一级都要排队等上一级输出,延迟层层叠加;更麻烦的是信息在”文字”这一环被压扁,语气、停顿、画面里的细微变化都在转写时丢掉。端到端模型省掉的正是这道转换。据火山引擎方面说法,其对话节奏问题较级联方案减少约一半;以 API 形式开放,则意味着这项能力从演示走向可按量采购的基础件。
端侧:32GB 内存跑 180B 模型意味着什么
Hugging Face 公布的演示显示,借助 SSD 流式加载技术,32GB 内存的 MacBook M5 可以运行 1800 亿参数的 MoE 模型,速度与专用方案仅差约 6%。思路并不复杂:MoE 每次推理只激活部分专家,把暂时用不到的专家权重放在固态硬盘上,按需换入内存。
对应用开发者而言,这松动了”大模型必须上云”的前提:会议记录、医疗问诊、工业质检这类对数据外流敏感的场合,可以在本地完成推理。对云厂商而言,端侧承接一部分负载,也意味着部分单次调用的收入被分流。但门槛下移不等于没有代价,换入换出依赖存储带宽,长上下文与高并发仍要看云端。
入口:OpenAI 被曝造手机
据供应链消息,富智康已获得 OpenAI 手机项目订单,产品最快 2027 年底或 2028 年面市,立讯精密、领益智造、瑞声科技等厂商亦有参与。相关产品方案、订单规模与量产安排尚未得到确认,OpenAI 方面也未回应。
值得注意的不是”又一家公司做手机”,而是模型厂商开始认真考虑入口。如果实时多模态成为默认交互形态,麦克风、摄像头与常驻感知权限掌握在谁手里,直接决定体验上限。预装、默认助手与系统级调度权的分配,可能把当年智能手机操作系统的争夺重演一遍。
把三条线索串起来看
这三件事分别对应模型形态、部署位置和终端入口,合起来是一条链。过去两年,大模型的竞争指标是榜单分数和每百万 token 的价格:谷歌 Gemini 4 Neon 把输入价压到 3 美元、输出 15 美元,阿里 Qwen4-Max 在第三方平台以七折上架,说明单位成本已很难再拉开明显差距。
价格趋同之后,差异化的落点转向三处——交互是否实时、推理跑在哪里、用户从哪个入口进来。这也解释了端到端实时模型、端侧可跑的大模型、自研终端为何在同一周密集出现:模型要能实时接住连续输入,才有资格谈”常驻”;推理要能落到本地,才谈得上隐私与延迟;入口握在自己手里,才不必为别人的系统规则让路。
影响与展望
对国内模型厂商,全模态实时性的工程能力与端侧适配,可能比参数规模更能形成壁垒。把实时交互做成标准 API,中小开发者不必自建级联管线,行业应用的起点会被拉低。
对终端与芯片供应链,端侧运行 MoE 会抬高对内存带宽、存储随机读取和 NPU 调度能力的要求,这也是近期端侧算力与存储话题升温的技术背景。对模型公司,自建入口意味着更长的投入周期和更重的资产,从订单到量产之间还有产品定义的变数。
需要保留的怀疑同样清楚:手机项目目前只有供应链层面的说法,时间表落在两年之后;端侧跑大模型的演示多针对单机单任务,工程化到消费级仍有距离。方向大致确定,节奏未必线性。
结语
从三级串联到一个端到端模型,从云端集群到 32GB 笔记本,从网页对话框到一部自有品牌的手机,2026 年末的这轮动作共同说明:大模型的竞争重心正从”谁更聪明”移到”谁离用户更近、反应更快、跑得更便宜”。接下来值得观察的,不是又一份跑分榜,而是实时交互能不能撑住真实场景的稳定性,以及端侧部署的成本曲线会不会继续下探。
信息来源:每日经济新闻、界面新闻、钛媒体、It’s Time AI