2026年8月初，影石Insta360的一则消息引发了关注：其口袋相机Go Ultra系列将新增AI语音助手功能，中国大陆地区接入阿里千问大模型，港澳台及海外则调用Google Gemini。内部代号为“Kira”的语音助手，将于8月5日的大更新中正式上线。

这不是一次常规的软件OTA，而是智能影像设备第一次把大模型塞进拇指大小的相机里，也是阿里千问在智能硬件赛道上又一次关键落子。

一、为什么选千问？多模态感知是硬门槛

相机不是手机。用户拿着一台52.9克的拇指相机，不可能像操作手机一样频繁触屏、打字搜索。语音，是唯一合理的交互方式。

但语音助手放在相机上，要求完全不同。用户需要的不是“今天天气怎么样”，而是“帮我识别这个场景该用什么模式”“这个构图好不好”“这个瞬间该不该拍”。这就对模型的多模态感知和主动式交互能力提出了硬性要求。

知情人士透露，影石选择千问，主要看重其多模态感知和主动式交互能力，这些技术对于相机理解拍摄场景、识别用户意图、推荐拍摄模式有直接帮助。

千问的多模态能力恰好匹配了相机的真实需求——不是“能听懂话”，而是“能看懂画面、理解场景、主动建议”。这比单纯做语音转文字要复杂一个量级。

二、“自研+大厂模型融合”：端侧做判断，云端做推理

双方的合作模式并非简单的“套壳调用”，而是一套自研+大厂模型融合的架构。

影石自研的部分承担端侧工作：声纹识别与意图判断在本地完成，确保响应速度和隐私安全。阿里千问的多模态模型能力则在云端发挥作用：处理问答、模式切换、翻译等复杂任务。

这套分工的逻辑很清晰：相机端负责“听懂你在说什么、判断你想干什么”，云端负责“把复杂的事办好”。Kira作为统一承载的语音助手，把端侧和云端的能力整合成一个完整的交互体验。

翻译是一个典型场景——用户对着相机说一句中文，翻译结果可以通过机身扬声器直接播报。这在大疆Osmo Nano、光子跃迁LEAPTIC Cube等同级别产品中尚属首创。

三、Go Ultra的“第二张牌”：从硬件参数到AI体验

Go Ultra发布于2025年8月，标准套装售价2598元。一年后的大更新给它装上了“Kira”，说明影石的产品逻辑正在从“一次性定型”转向“持续通过软件OTA与配件迭代，让硬件不断获得新能力”。

在“轻量化+高画质+长续航”的竞争区间里，各家产品参数已经拉不开差距。AI语音助手能否成为真正的差异化因素，行业看法不一。但有一点是确定的：影像赛道的竞争正在从“拍得清”走向“听得懂”——相机不仅要记录画面，还要理解场景、识别意图、主动服务。

影石创始人刘靖康此前在谈及该功能时称，这将“重新定义拇指相机”，并表示这可能成为市场上除Meta外存量和出货量最大的个人AI助手。

四、大模型厂商的“硬件战争”

Kira上车的背后，是大模型厂商在硬件端的激烈争夺。

据公开信息，阿里云已与vivo、萤石、海信、荣耀、安克创新、Looki等9家品牌建立合作，将千问的多模态感知、长上下文理解等功能接入各类设备。字节跳动豆包大模型在AI眼镜、翻译等场景与千问形成直接竞争，百度文心一言则依托搜索能力切入知识型交互设备。

一位同时接触数家模型厂商的AI硬件产品负责人告诉蓝鲸科技记者：“现在各家商务团队跟进速度很快，从报价到部署方案，争抢很直接。有的项目上午聊一家，下午另一家就给出更低价格和定制开发承诺，甚至愿意分担研发费用。”

行业普遍认为，拿到千万级出货的硬件入口，对模型厂商来说意义重大。影石GO系列已有的用户基数和出货量，正是千问选择这次合作的深层考量。