李未可科技正式发布多模态AI大模型，加速推进AI终端场景落地应用

4月18日，在2024中国生成式AI大会上，李未可科技正式推出了专为眼镜等未来终端设备定向优化的自研WAKE-AI多模态大模型。该大模型全面覆盖文本生成、语言理解、图像识别及视频生成等多个维度，精准契合了多模态交互这一前沿技术趋势。

其核心设计思路颇具亮点——围绕GPS轨迹、视觉与语音三大要素，构建了一套基于LLM（大语言模型）的自然交互系统。借助多模态问答技术的加持，用户只需对着眼镜看到目标即可直接提问，系统能够迅速给出精准回应，真正实现“所见即所问、所问即所得”。更令人惊喜的是，该模型还融入了人类意图理解、长期记忆机制、情感大模型以及TTS语音克隆能力，这意味着用户获得的不是冷冰冰的机械问答，而是带有超拟人陪伴感的智能服务体验。

实时交互场景对智能性与响应速度提出了极高要求，WAKE-AI在这方面进行了深度优化。技术架构上采用MOE（混合专家）架构，配合FlashAttention混合精度训练与知识蒸馏等优化手段，大幅降低了算力需求与计算耗时。关键性能指标同样值得关注：语音返回速度控制在500毫秒以内，语音唤醒准确率超过90%，ASR字错率低于2%。从室外场景应用来看，户外运动、文化旅行、日程管理、实时翻译等日常高频需求已全面覆盖，多模态AI服务基本到位。

据悉，搭载WAKE-AI能力的新一代终端设备将在近期正式发布，主攻室外场景，致力于为用户提供更智能、更全面的AI+服务体验。会上，李未可科技合伙人兼AI负责人古鉴透露，WAKE-AI将逐步开放平台能力，便于更多企业及开发者调用，这将直接推动AI+硬件生态的共建。从行业发展趋势来看，这一布局非常务实——先把核心能力打磨扎实，再逐步开放平台，终端侧的多模态AI应用预计很快将迎来实质性突破。