WAIC觀察｜當AI開始捕捉人類情緒，多模態情感識別步入物理世界

2026.07.20

本文字數：1638，閱讀時長大約3分鐘

作者 |第一財經 陳楊園

AI沒有情緒，但AI正在獲取、感受人的情緒。對著麥克風講一段話，AI便暗自從人類的語速、節奏、語氣和情緒中分析，生成了一張“聲音人格卡”；戴上一枚AI戒指，AI開始檢測用戶的情緒健康，將人的情緒狀態轉化為數字化反饋；根據對人類情緒的判斷，AI硬件、智能體們還會悄悄調整自己的說話方式······

當機器人走向物理世界成為業界關注的重心時，回顧2026年人工智能大會的眾多展品，多模態情感識別也正成為大模型技術發展的一個方向。人的情緒，這座物理世界深處的迷宮，AI正在叩門。

本屆大會上，眾多廠商的技術突破與此相關。模思智能首次亮相 WAIC，展出了基于 MOSS-TTS Family 語音合成模型等技術推出的聲音人格測試機，在識別、理解復雜聲音的基礎上，模型不僅要聽清說了什么，也要盡可能理解語氣、情緒、節奏和上下文。以社交為核心的Soul展出自研的SoulX——基于情緒感知、語音為先、面向多模態的交互大模型，面向具身智能、內容演繹等行業輸出情緒感知與交互決策方案。昆侖萬維發布Mureka v9.5&O3 音樂大模型，強調要把普通人模糊的靈感變成有情緒的歌，做“最沒有AI味的AI音樂模型”。

在這背后，隨著多模態大模型的發展，除了獲取信息，大模型對人類情緒的識別和理解能力正被視為影響下一代人機交互質量的要素，試圖讓模型從圖像、視頻、語音、文本乃至會話上下文中認識人的情緒的多模態情感識別技術成為新興賽道，盡管相關技術仍在相對初期，但AI硬件、智能體們正從場景端推動這一需求。

“除了穩定完成一節課，未來AI學習智能體也要能陪伴學習者長期成長?！痹赪AIC展臺，記者體驗愛學AI學習智能體發現，將學習者的認知狀態、情緒波動與跨課時記憶作為教學決策輸入，改變教學話術和節奏正在成為AI學習智能體進化的方向。與愛為舞聯合創始人、技術負責人王琳介紹，這主要來自于企業自研愛學大模型等核心技術的升級，通過自研“聲學+語義”雙VAD（語音活動檢測），實時捕捉學習者狀態。

“情緒感知是‘懂學生’ 的重要一環”，王琳告訴記者，她認為多模態感知一定會是AI教育智能體進化的主流方向，在強調“狀態交互”而非 "信息傳遞"的教學場景下，AI 要真正成為學習伙伴，必須能聽懂語氣、看懂反應、感知狀態，這是問答工具升級為智能體的必經之路。

在AI硬件方面，心言機器人等人形陪伴機器人正在加快融合情感大模型，大量AI耳機、AI玩具乃至AI眼鏡也紛紛接入語音模型，MiniMax聲音實驗室展臺的工作人員告訴記者，優化人機對話的語氣情緒、融合情緒化語音反饋與實體具身智能互動等，正在成為AI硬件市場的一大需求。

模思智能CMO路瀚程告訴記者，在多模態情感識別方面，公司已經看到了廣闊的商業空間。無論是AI客服等傳統場景的服務質量，還是當大模型進入智能體、機器人、智能座艙、陪伴設備和更多現實終端時，對用戶情緒的感知和情境的理解都在影響著AI進入物理世界的天花板。

不過，多模態情感識別技術仍處在發展初期，記者發現，大會現場聲音的復雜、受訪者偶發的表達狀態等都會影響AI理解人類情緒的穩定性和準確性，多模態情感識別技術仍需大量的數據支撐和垂直場景的深度優化。而與一般數據不同，情感數據很難大規模高質量標注的特性等也將進一步成為行業的挑戰。

“就像AI眼鏡投入眼動追蹤技術這么多年，大家都看得到趨勢，但可能直到近兩年，它才走向成熟?！闭勂鸲嗄B情感識別技術在AI硬件上的落地可能，一位AI眼鏡行業人士對記者表示。

“AI‘最后一公里’，不在于人或者機器任何一方，而在于我們怎么去想象，并且構建一種人機之間真正健康的，并且生成性的這樣一種關系?！弊骷壹嬷破岁愰狈谥鮐ech Club新知科技大會如此表示。另一方面，伴隨著AI與人的邊界不斷突破，未來，對人機交互健康模式的探索也是一個重要命題。

WAIC的熱鬧里，人們對更優質人機交互的需求，正在凸顯多模態情感識別的產業價值。但從“看得到趨勢”到“真正走入日?！?，行業仍有一段路要走。

微信編輯| 格蕾絲

：bianjibu@yicai.com

：business@yicai.com