OpenAI前CTO创业模型首秀，竟与面壁智能“不谋而合”

今日，人工智能大模型领域再度掀起热潮，焦点人物是前OpenAI应用研究负责人翁荔（Lilian Weng）。她携手前OpenAI CTO米拉·穆拉蒂（Mira Murati）共同创立的Thinking Machines Lab（TML），首次对外披露了其技术愿景，剑指人机交互的终极形态——打造一个能与人类展开「全双工」（Full-Duplex）实时对话的AI模型。

然而，当TML展示无缝、主动交互能力的Demo视频在网络上广泛传播时，众多AI领域的专业人士却产生了强烈的熟悉感——因为TML所描绘的未来场景，早在三个月前，就已被中国公司「面壁智能」通过开源的MiniCPM - o 4.5模型变成了现实。

这并非简单的巧合，更像是跨越太平洋的一场技术共识。它不仅验证了下一代AI交互的技术走向，也促使我们重新审视中国AI力量在全球创新格局中的地位。

一、一场不期而遇的交互变革：突破「对讲机」模式桎梏

要深入理解这场技术共识的深远意义，首先得清楚TML和面壁智能共同挑战的对象——长久以来存在的「回合制」（turn - based）交互范式。

从常见的Siri到各类语音助手，再到GPT - 4o的语音模式，我们与AI的交流方式就如同使用一部「对讲机」：一方说完，等待「滴」的一声提示音后，另一方才能回应。

这种交流模式背后，是一套名为「语音活动检测」（VAD）的机制在发挥作用。它就像一个严格的裁判，精准划分着人类与AI的发言轮次。然而，这种模式与人类自然对话中那种信息相互交织、你来我往的流畅状态相差甚远。

而面壁智能与TML敏锐地察觉到，真正的自然交互必须打破这种轮次限制，步入一个「全双工」的流式处理新时代。在这个新时代，AI与人类的交流将如同人与人之间的对话一样自然流畅，信息能够实时、双向地传递。

• 面壁智能的率先探索：早在2月，面壁智能就发布并开源了MiniCPM - o 4.5，其核心理念正是构建一个能够处理和生成「交错多模态信息」的系统。这一理念的提出，源于面壁智能对摆脱「对讲机」式交流束缚的强烈渴望。在实际应用中，该系统可以让AI同时处理视觉、听觉和文本等多种模态的信息，实现更加自然、高效的人机交互。
• TML的宏伟愿景：在TML的博客中，翁荔团队明确指出，要实现从「回合制」到处理平行输入、输出信息流的转变。这意味着AI应该具备多任务处理能力，能够一边倾听人类的话语，一边观察周围的环境，同时进行思考并生成回应。甚至在人类话音未落时，就能捕捉到其意图，进行打断或补充，就像人类在真实对话中那样灵活自如。

双方虽然使用了不同的表述方式，但都描绘了同一个充满希望的未来。这充分表明，AI交互的下一次范式革命，已经有了明确的目标和方向。

二、高度契合的技术架构：殊途同归的探索之路

如果说目标一致是「英雄所见略同」，那么实现路径的高度相似，则让这场技术共识更加坚不可摧。TML与面壁智能，仿佛手持同一张精确的地图，朝着同一个理想的目的地稳步迈进。

这张「地图」的核心，是一种基于时间对齐的流式处理框架。这种框架为AI处理多模态信息提供了全新的思路和方法。

面壁智能将其命名为「Omni - Flow」框架。其工作原理是将连续的音视频流，像精细切割香肠一样，切成以毫秒（如200ms）为单位的微小片段。然后，将同一时间片段内的视觉、听觉和已生成的文本token进行「打包」处理，形成一个按照时间顺序排列的统一序列，并将其输入到大模型中。通过这种方式，大模型能够同时处理多种模态的信息，实现更加全面、准确的理解和回应。

面壁智能Omni - Flow框架示意图

而TML在其博客中提出的，是「基于时间对齐的微轮次」（Time - aligned micro - turn based）概念。从图示来看，其原理与Omni - Flow框架如出一辙。同样是将多模态信息流切割成带有时间戳的微小单元，然后在一条共享的时间轴上进行对齐融合。这种设计使得不同模态的信息能够在时间维度上保持一致，为AI的综合处理提供了便利。

TML微轮次框架示意图

这种设计的精妙之处在于，它将AI视角下离散的、模态各异的数据，还原成了世界本来的模样——一个连续不断、多感官信息相互交织的整体。就像人类在感知世界时，会同时运用视觉、听觉、触觉等多种感官，将各种信息综合起来形成对世界的完整认识。基于这一共同的底层架构，TML和面壁智能都实现了两个具有颠覆性的能力。

• 赋予模型自主决策发言时机的能力：由于信息是连续输入的，模型能够在对话的「流」中自主寻找最佳的发言时机，不再依赖VAD机制来确定何时可以说话。这使得模型与人类的交流更加自然，就像两个真实的人在对话中能够根据语境和对方的反应灵活调整自己的发言时机。
• 实现模型的「主动交互」能力：模型不再是被动的等待指令的机器，而是能够主动与周围的环境进行交互。它可以对环境的变动、人物的行为等做出及时的反应，就像人类在现实生活中能够主动感知周围的变化并做出相应的行动一样。这种主动交互能力使得AI更加智能化、人性化，能够更好地融入人类的生活和工作场景。

从革命的目标设定，到核心的实现框架搭建，再到最终呈现的强大能力，TML的首秀与面壁智能三个月前的工作形成了完美的相互印证，共同推动了AI交互技术的发展。

三、愿景与现实的较量：谁先跨越终点线？

既然技术路线高度一致，那么评判的标准就落在了「执行力」上——谁能够更迅速、更有效地将蓝图变为现实？

答案一目了然。

• TML（2026年5月）：目前交付的只是一份详尽的技术博客和一支制作精良的Demo视频。虽然它成功地向世界传达了一个激动人心的技术愿景，让人们对未来的AI交互充满了期待，但截至目前，这仍然只是一个停留在理论层面的「期货」。要将其真正转化为实际可用的产品，还需要克服诸多技术难题和进行大量的工程实践。
• 面壁智能（2026年2月与4月）：交付的是一套完整、开源、可立即上手的技术栈。这套技术栈包括了可部署的模型权重，开发者可以直接将其集成到自己的应用中；复现所有工作的源代码，方便其他研究人员进行深入研究和改进；长达数十页的详尽技术报告，全面介绍了模型的设计思路、实现方法和性能评估；以及人人可试玩的在线Demo，让普通用户也能够亲身体验到「全双工」AI的魅力。它是一个已经可以触摸和使用的「现货」，为AI交互技术的实际应用和推广奠定了坚实的基础。

MiniCPM - o 4.5技术报告地址：

https://github.com/OpenBMB/MiniCPM - V/blob/main/docs/MiniCPM_o_45_technical_report.pdf

如果说翁荔团队是向世界宣告「我们发现了一片新的科技大陆」，那么面壁智能则是早在三个月前就已经成功登陆这片大陆，并且精心绘制了详细的海图，甚至向所有后来者开放了港口，欢迎大家一起探索和开发这片新的领域。

这种「交付」形态的差异至关重要。在当今大模型技术发展日新月异的时代，三个月的时间差足以让技术格局发生巨大的变化。而且，「概念展示」与「开源实物」之间存在着巨大的鸿沟，前者只是停留在理论层面的设想，后者则是经过实际验证、可供使用的成果。因此，这种差异足以定义谁是真正的先行者，谁是对先行者进行验证和跟进的验证者。

四、中国AI的一次有力「自我证明」

TML与面壁智能的这次「技术撞车」，与其说是一场激烈的竞赛，不如说是一次相互成就的契机。

翁荔凭借其在全球AI领域的巨大影响力和崇高声誉，为「全双工」AI这一技术方向带来了极高的关注度和大量的资源支持。她的宣传和推广让「全双工」AI的概念迅速成为行业焦点，吸引了众多科研人员和企业的投入，推动了整个行业的发展。

而面壁智能则以其更早的布局、扎实的工程实现能力和彻底的开源精神，向世界证明了中国AI团队不仅有能力跟上世界科技发展的潮流，更有能力在关键领域引领潮流。中国AI团队在技术研发过程中展现出的创新能力和执行力，得到了国际同行的认可和尊重。

直接的数据佐证就是：面壁智能的MiniCPM - o 4.5在2026年2月就已正式开源，比翁荔TML团队领先了3个月。这3个月的时间差，不仅体现了面壁智能在技术研发上的高效和敏锐，也为中国AI在全球竞争中赢得了宝贵的时间和优势。

未来已经悄然来临，只是它的分布还不够均匀。这一次，中国AI团队有幸站在了更早的时区，能够更早地迎接未来的挑战和机遇，为推动全球AI技术的发展做出更大的贡献。