推荐语
亲身体验字节跳动最新AI硬件和模型，效果惊艳！
核心内容：
1. 豆包思考模型和视觉模型的强大性能及多模态能力
2. MCP应用DeepSearch，专为复杂问题设计的工具
3. 火山方舟AI硬件一站式解决方案，小巧却能量巨大
杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
1.全新的豆包思考模型Doubao-1.5-thinking-pro和豆包视觉模型Doubao-1.5-vision-pro；
2.MCP应用 - DeepSearch，可以接入丰富的MCP工具，专为复杂问题而生；
3.方舟 x RTC硬件，打造AI硬件的一站式解决方案；
4.火山方舟应用实验室开源生态。
先说说豆包思考模型Doubao-1.5-thinking-pro它不仅效果好，延迟低，还支持多模态（拥有视觉能力）因为智能体客户对模型API请求量有要求，我之前刻意对比过，发现火山应该是目前大模型API里面支持并发最高的平台了
支持每分钟3万次请求和500万tokens，比其他平台高了不止一个数量级
视觉模型Doubao-1.5-vision-pro也非常nice我搞了一张杰伦哥的照片，问它在不在合照里面，它居然没上当。看到回复的结果，我当时一下子鸡皮疙就起来了！它真的知道...虽然目前还无法准确的判断出在第几排，第几个，但已经很强了。
随后是MCP应用-DeepSearch：是一款专为处理复杂问题而精心设计的高效工具（边思考，边选择合适的MCP工具完成任务）。有兴趣的朋友可以访问火山方舟->模型广场，第一个应用就是DeepSearchhttps://console.volcengine.com/ark但目前只支持内置的几个MCP，自由度差了一些（官方透露最近会支持外接MCP）可以先期待一波。对我来说，最新奇、最特别、最爱不释手的还是他们展示的最新AI硬件一站式解决方案。这个AI硬件就是下图桌子上这堆，当时还有群友在问能不能都打包回来?但弱水三千，只取一瓢，搞一个够用了（拆开包装，就下图这个mp3大小的玩意儿）别看这个玩意儿这么小一点点，但蕴含大大的能量，我真的太爱它啦！！
其实去年我就分享过一篇关于AI玩具的文章。那篇分析了AI玩具的整个工作原理。在今年的3月份，我又分享了一篇用DeepSeek拯救我的小米音箱(小爱同学)的教程。袋鼠帝，公众号：袋鼠帝AI客栈小米音箱+DeepSeek，小爱秒变"贾维斯"！【喂饭级教程】
直到我体验了这个火山方舟 RTC 与嵌入式芯片厂商合作的Demo产品：AtomS3R 开发板思路打开，换个更好用、更丝滑的AI产品不就好了嘛。咱们先重点关注AI硬件效果。模型的回复效果，支持自己DIY（别急，后面有讲）
毫秒级实时响应，实时打断，再实时接话，仿佛在跟一个真人通话一样。小爱同学会经常在我玩PUBG战况激烈的时候，突然答腔，这点真的非常令人烦躁（喜欢玩枪战游戏的铁子应该懂，要听脚步）平时也会莫名其妙出声，关键是本身是有“小爱同学”作为唤醒词的，但完全不管用。AtomS3R 开发板非常牛逼的一点就是，即便没有唤醒词（代表随时都可以唤醒），只要我不对他说话，它就不会回复（我测试了，在它旁边打box，吹口哨，弄出各种奇怪的声音，都没用）。查了一下官方资料，这得益于火山通过 RTC SDK 实现了对复杂环境的音频降噪能力，有效降低背景噪音、背景音乐的干扰，从而提高用户语音打断的准确性。你可能会说，这有啥，OpenAI的ChatGPT App上面不是早就有了吗？但是OpenAI，他Open吗，而且它延迟挺明显的。说实话，如果那天现场体验的是一个成熟的产品，我可能反而并不会太兴奋。就因为这玩意儿，它从客户端代码，到服务端程序都是开源的！才更令人兴奋呀整个体验也都是在我本地搭建起来的，只不过大模型和TTS的功能调用了火山引擎的API接口。架构图如下
开源Demo地址：
https://github.com/volcengine/rtc-aigc-embedded-demo.git
而是，这意味着，我们完全可以自己DIY这个AI硬件。切换不同音色、甚至使用克隆音色（比如周董、志林姐姐...）接入搭载AI知识库的Agent（智能体），有问题，随时用嘴问，回答更专业。接入搭载各种MCP的Agent，用嘴玩MCP，打造真听话AI等等...更有意思的是，它跟mp3一样大，完全可以随身携带，如果再让它通过耳机回复，有没有一种萧炎随身带着药老的感觉？虽然它现在还只是一个开发板，但我仿佛已经看到了智能玩具、智能家居、智能穿戴设备、智能教育设备、AI 机器人等领域美好的未来。不过有一点不得不吐槽一下， 在本地搭建这套AI硬件的一站式解决方案，还真挺费劲的（主要还是对硬件/嵌入式开发这块生疏了）。即便火山给了一个操作文档，但我也还是耗费了不少时间中途也遇到不少问题，还专门请教了火山的开发同学，才搞定。最后，大家应该也注意到了这个AI硬件其实还长了个摄像头，这意味着它是可以实时捕捉画面的（长了个眼睛）不敢想象一个能听会说、还会看的专属DIY Agent硬件有多棒，先狠狠期待一波![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
粤ICP备14082021号
免费POC，
零成本试错
