Meta 多模态原班底打造感知语言模型，专为实时物理交互设计；估值 1 亿美元，Poke AI 助理无缝融入主流消息应用丨日报

开发者朋友们大家好：

这里是「RTE 开发者日报」，每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE（Real-Time Engagement）领域内「有话题的技术」、「有亮点的产品」、「有思考的文章」、「有态度的观点」、「有看点的活动」，但内容仅代表编辑的个人观点，欢迎大家留言、跟帖、讨论。

本期编辑：@Jerry fong，@鲍勃

01有话题的技术

1、阿里巴巴 Qwen3-ASR-Toolkit 上线：无限长音视频文件高效语音识别

阿里巴巴近日推出其 Qwen3-ASR-Toolkit（基于 Qwen3-ASR-Flash），彻底解决了传统 API 3 分钟的音频时长限制。该工具包通过智能分割与并行处理技术，能够高效处理任意长度的音视频文件，包括数小时的超长内容，为媒体、教育、客户服务等需要大规模长时语音识别的行业带来了突破性进展。

Qwen3-ASR-Toolkit 已推出，并已上线 DashScope 平台，赋能开发者和企业用户。

关键亮点

突破时长限制： Qwen3-ASR-Toolkit 解决了现有 API 的 3 分钟时长限制，支持无缝处理任意长度的音视频文件，包括数小时的超长内容。
智能分割与并行处理： 采用「Voice Activity Detection （VAD）」技术在静音间隔处智能分割音频，确保词语和句子的完整性；随后通过 DashScope 的 Qwen-ASR 接口并行处理这些片段，实现高效识别。
广泛格式支持： 兼容 mp4， mkv， mp3， wav 等多种主流音视频格式，并能自动将其转换为所需的 16kHz 单声道格式进行处理。
继承高性能优势： 该工具包继承了 Qwen3-ASR-Flash 模型在多语言高准确率和嘈杂环境下强大鲁棒性方面的卓越表现。

(@AIGCLINK)

2、Perceptron Isaac 0.1：「感知语言模型」开源，2B 参数模型性能超越 50 倍竞品，重塑物理世界 AI

Perceptron 今日推出 Isaac 0.1，一款开创性的 2B 参数开源「感知-语言模型」（perceptive-language model）。该模型由 Meta Chameleon 多模态模型团队的成员创立，专为理解和交互物理世界而设计。Isaac 0.1 以极高的效率提供了与体量大 50 倍以上模型相当甚至更优的性能，为制造业、物流和机器人等领域带来突破性的实时感知能力。

关键亮点：

极致效率，领先性能： Isaac 0.1 仅有 2B 参数，却在多项关键感知基准测试中，性能与远超其规模的 Gemini 2.5 Flash、GPT-4o 等闭源模型持平或更优。这种效率意味着大幅降低部署成本、功耗及延迟，使其成为边缘和物理世界应用的理想选择。
物理世界智能核心：作为专为动态、多模态、实时物理环境打造的智能层，Isaac 0.1 能够实现高度精确的「视觉问答」、「接地空间智能」（Grounded spatial intelligence）和「情境感知学习」。
创新交互模式：引入独特的「对话式指向」（Conversational Pointing），通过语言与视觉的紧密同步，实现对每个断言的视觉引用和验证，有效减少大模型的「幻觉」并提升推理的可审计性。
无需微调的感知学习：支持「情境感知学习」（In-context learning for perception），用户只需在提示中提供少量带注释的示例（如缺陷、安全状况），模型即可适应新类别，无需传统检测器（如 YOLO）的复杂微调或自定义堆栈。
卓越细节识别：具备强大的 OCR 及细粒度识别能力，能够可靠读取小文本和密集场景，处理各种分辨率和杂乱布局。

02有亮点的产品

1、HyperboundAI 获 $15M Series A 融资：AI 驱动销售培训，助力团队规模化增长

由前 Meta 和 Salesforce AI 专家创立的 HyperboundAI，近日宣布成功完成 1500 万美元 Series A 轮融资，累计融资额达 1830 万美元。该公司凭借其开创性的 AI 销售角色扮演平台，在不到两年内实现了月新增 ARR 突破百万美元，正迅速成为销售技术领域增长最快的公司之一，赋能 Autodesk、Monday.com 等头部企业提升销售团队效能和规模化增长。

关键亮点

融资里程碑： 成功获得 1500 万美元 Series A 轮融资，由 Peak XV Partners 领投，Y Combinator、Snowflake Ventures、Roble Ventures 和 Fellows Fund 等知名机构参投。
爆发式增长： 实现连续两个月新增年度经常性收入（ARR）突破 100 万美元，巩固了其作为销售技术领域增长最快公司之一的地位。
AI 销售培训先驱： HyperboundAI 在 2024 年 1 月率先推出 AI 销售角色扮演，为销售团队创建了首个可扩展的实战训练场。
平台功能拓展： 平台已扩展至包括真实通话评分、定制 AI 计分卡和学习模块，覆盖 SDR、AE、客户管理和客户成功等所有营收团队成员的持续辅导需求。
广泛客户与支持： 服务于包括 Autodesk、Monday.com、Bloomberg、G2 等在内的多行业客户，并与 Force Management、Reveneer 等部署公司合作，推动大规模落地。
技术背景强大： 创始人 Sriharsha Guduguntla（前 Salesforce AI 专家）和 Atul Raghunathan（前 Meta Ads 机器学习专家）将 AI 和企业软件的深厚专业知识融入产品开发。
多语言与多方交互： 平台已支持超过 25 种语言，并近期引入了多方 AI 销售角色扮演，支持销售代表练习与多个买家角色的复杂通话。

发布计划与范围

本轮融资将用于加速 HyperboundAI 平台的技术研发和市场拓展。HyperboundAI 平台已上线，并提供免费的 AI 销售角色扮演体验。

2、Meta 正式推出全新一代智能眼镜：神经手环操控，799 美元起

Meta 正式推出全新一代智能眼镜「Meta Ray-Ban Display」，并同步亮相创新交互设备「Meta Neural Band」，为可穿戴设备带来全新形态。

据介绍，Meta Ray-Ban Display 搭载全彩高分辨率镜片显示屏，支持查看消息、预览照片、导航、实时字幕与翻译等功能，用户无需取出手机即可完成日常操作。镜框提供标准与大号两种尺寸，以及黑色与沙色两种配色，重量 69 克，续航可达 6 小时，并配备可折叠充电盒，总续航可延长至 30 小时。

随眼镜附赠的 Meta Neural Band 采用 EMG（表面肌电）技术，可通过手腕肌肉信号实现滑动、点击等操作，未来还将支持手写输入。该腕带具备 IPX7 防水等级，单次续航最长 18 小时。

售价方面，本次 Meta Ray-Ban Display 新品售价 799 美元（含眼镜与腕带），将于 9 月 30 日率先在美国部分零售渠道开售，2026 年初扩展至加拿大、法国、意大利及英国市场。Meta 表示，后续将通过软件更新加入 Instagram Reels 专用应用、EMG 手写等新功能。

The Verge 体验了这款眼镜，并表示 Meta Ray-Ban Display 是他们用过最好的智能眼镜，「这是我们距离谷歌眼镜十年前承诺的最近一步」。

(@APPSO)

3、Interaction 「Poke」获 $15M 种子轮融资：AI 助理无缝融入消息应用，估值 1 亿美元

由两位 20 多岁年轻创始人 Marvin von Hagen 和 Felix Schlegel 创立的 Interaction Company，近期推出其 AI 助理产品「Poke」，旨在无缝融入 iMessage 和 WhatsApp 等主流消息应用。该产品已获 1500 万美元种子轮融资，公司估值达到 1 亿美元，旨在颠覆传统 AI 助理需要独立应用或设备的使用模式，让 AI 体验如同「发信息给朋友一样轻松」。

关键亮点

交互范式创新： 「Poke」摆脱了传统 AI 助理对独立 App 或设备的依赖，直接嵌入 iMessage 和 WhatsApp 等消息对话流中，让用户在不切换应用的情况下即可与 AI 互动。
多功能性与用户发现： 该「智能体」能够轻松处理预订航班、总结研究、规划行程、生成数学练习、追踪逾期发票等多样化任务。在硅谷 6,000 多名 Beta 用户（来自 OpenAI、Google、Stripe 等公司）的测试中，月均消息量超 20 万条，用户自发探索出大量创新使用场景。
「个性化」AI 助理： 「Poke」结合了 Anthropic、OpenAI、Voyage 和 Mistral AI 等主流 LLM，并辅以自研精调模型。创始人强调，个性、会话性和情感智能与技术性能同等重要，通过用户交互训练其偏好。
隐私与安全承诺： 平台遵循 SOC 2 合规标准，并提供「Maximum Privacy」模式，建立数据防火墙，工程师无法访问用户对话。用户对数据共享拥有精细化控制权。
创始人背景强大： 创始人 Marvin von Hagen（CEO）和 Felix Schlegel（CTO）在学生时代就因成功打造 Elon Musk Not-a-Boring 比赛冠军团队而闻名。Von Hagen 在 AI 安全领域亦有建树，曾揭露 Bing 搜索引擎中的 Sydney 隐性人格。

「Poke」已于近期正式推出，目前正积极推进本地化工作，计划扩展全球电话号码覆盖范围，并构建分布式基础设施以提升美国以外地区的响应速度。

03有态度的观点

1、华为：AGI 将是未来十年最具变革性的驱动力量

9 月 16 日，华为正式发布智能世界 2035 系列报告，包括《智能世界 2035》和《全球数智化指数 2025》报告两大研究成果。

本次成果展望了未来十年的关键技术趋势以及这些技术对教育、医疗、金融、制造、电力等行业带来的改变和影响，并帮助全球各国量化数智化发展进程。其中，《智能世界 2035》发布了面向智能世界 2035 的十大技术趋势：

AGI 将是未来十年最具变革性的驱动力量，但仍需克服诸多核心挑战，方能实现 AGI 奇点突破。因此，走向物理世界是 AGI 形成的必由之路。
随着大模型的发展，AI 智能体将从执行工具演进为决策伙伴，驱动产业革命。
开发模式迎来变革，人机协同编程成为主流。人类将更专注于顶层设计和创新思考，而把繁琐的编码执行工作，交给高效的 AI 来完成。
交互方式正从图形界面转向自然语言，并向着融合人类五感的多模态交互演进。用户通过语音、手势等方式与数字世界互动，获得深度沉浸的体验。
随着世界模型等关键技术突破，全新的 L4+ 自动驾驶汽车将会走入人们的生活，成为「移动第三空间」。
2035 年全社会的算力总量将增长 10 万倍，计算领域将突破传统冯• 诺依曼架构的束缚，在计算架构、材料器件、工程工艺、计算范式四大核心层面实现颠覆性创新，最终催生新型计算的全面兴起。
数据将成为推动人工智能发展的「新燃料」，AI 存储容量需求将比 2025 年增长 500 倍，占比超过 70%，Agentic AI 驱动存储范式改变。
通信网络的连接对象将从 90 亿人扩展到 9000 亿智能体，实现移动互联网至智能体互联网的跃迁。
能源将成为制约 AI 高速发展的核心要素。到 2035 年，可再生能源加速替代传统化石能源，新能源发电量占比将突破 50%。同时，人工智能将成为新能源系统的核心，通过 Token 管理瓦特，实时管理每一焦耳的能量，从而实现更加动态和高效的电网。

同时，报告还预测了 2035 年，AI 对人类社会的帮助：

人工智能将助力预防超过 80% 的慢性病，推动健康管理从「被动治疗」转向「主动预防」；超过 90% 的中国家庭将拥有智能机器人。
人类将逐渐进入全息生活空间的时代，家庭场景将迎来由技术驱动的沉浸式变革。
在企业领域，由 AI Agent 驱动的自主决策组织将重塑生产范式。到 2035 年人工智能应用率超过 85%，AI 可提升劳动生产率 60%，AI 正通过「感知 - 分析 - 决策 - 行动」的自主系统，彻底重构企业价值创造方式。

(@APPSO)