声网相关负责人表示，上述产品背后的技术主要是基于人类自然语言的对话式AI与高可靠的实时传输能力。公司希望通过开发套件迭代和行业解决方案升级，为硬件厂商提供多种交互能力，实现从“能听会说”到“能看会动”，从“看得见”到“能互动、会思考”。

　　以R2全场景AI机器人开发套件为例，其在继承全双工语音能力的基础上，新增本地视觉识别与多自由度运动控制。它能“看懂”手势、识别人脸轨迹，实现“走到你面前打招呼”或“转头注视说话者”这类反应。这种“被看见”和“被注视”的体验，让AI从一个简单应答的硬件，进化成陪伴者，为后续复杂场景落地提供了基座。

　　声网相关负责人认为，回顾这十年变迁，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产品是否“出圈”的关键。