KDDI与AVITA推出日本首款搭载Gemini芯片且具备情绪感知功能的安卓手机

日本的服务业正陷入人口结构的“夹击”之中，一方面是劳动年龄人口的急速减少，另一方面则是文化上对高互动性客户服务的期待。十多年来，人们提出的解决方案一直是自动化，但市场上却遍布着过去尝试留下的残骸。 最引人注目的警示案例当属软银的“Pepper”——这款于2014年推出的轮式类人机器人，在部署了约2.7万台后，于2020年停产。 Pepper的失败不仅仅在于技术上的缺陷；更在于其实用性和经济性的缺失，它难以提供超越新奇感之外的价值。如今，一项新的合作正试图重写日本服务机器人的剧本，将重点从预设脚本的互动转向真正的对话智能。 这一挑战极为艰巨，因为日本市场对服务水平的要求极高，而这类服务向来难以实现自动化。随着劳动力池持续萎缩，许多以服务为导向的企业存续前景岌岌可危，因此此次合作事关重大。整个行业正密切关注，看这种新方法能否最终弥合技术潜力与实际效用之间的鸿沟。

2026年7月30日，总部位于东京的日本第二大电信运营商KDDI与AVITA共同展示了据称是日本首台运行谷歌Gemini 3.1 Flash Live Preview模型的机器人。 此次演示在东京国际展览中心（Tokyo Big Sight）举办的“Google Cloud Next Tokyo”大会上进行，具体位于南厅的KDDI P8展位。这一部署标志着机器处理人类交互方式的重大转变，从过去僵化且延迟严重的系统，转向流畅且能感知情感的对话。AVITA是一家总部位于大阪的初创公司，由

该公司由以制造栩栩如生的人形机器人而闻名的大阪大学教授石黑浩于2021年6月创立，此次合作中，该公司将贡献其在虚拟形象和人形机器人客服平台方面的专业技术。 AVITA专注于“远程人机协同客服”这一细分市场，提供硬件和运营框架；而KDDI则作为系统集成商，利用其庞大的网络基础设施。 这家电信巨头与专业机器人初创企业的合作，凸显了将先进人工智能引入物理世界所需的复杂生态系统。仅仅制造机器人已远远不够，还必须构建网络、软件以及相应的运营模式来支持其运行。

推动这款新型仿生机器人发展的核心技术突破，是集成了谷歌于2026年3月下旬发布的Gemini 3.1 Flash Live Preview模型。 与传统系统依赖管道式处理方式不同——即先将语音转换为文本，再通过语言模型处理文本，最后合成语音响应——Gemini 3.1 Flash Live Preview 采用原生端到端音频处理方式。这种原生音频到音频的处理方式，能够保留客户声音中的音调、语速和情感细微差别。 该安卓系统在回应时不仅关注“说了什么”，更关注“如何表达”，从而实现了能感知语调的客户服务。这消除了管道式系统中常见的几秒延迟，营造出模拟人类互动的对话流畅感。 原生音频处理能力是一项关键突破，它使人工智能能够捕捉传达情感和意图的细微语音线索——这些线索在基于文本的处理中往往会丢失。这一能力对于打造自然且引人入胜的客户体验至关重要，特别是在重视细微沟通和高触感服务的文化背景下。

情感感知自动化的经济效益

这款硬件本身体现了AVITA从石黑一雄广泛的人形机器人研究中继承的设计血统。这款栩栩如生的人形机器人拥有硅胶皮肤、用于实现细微动作的气动执行器，以及嵌入眼球中的摄像头，可进行精准的视线追踪。然而，真正的创新在于支撑其部署的商业模式。 AVITA现有的AVACOM虚拟形象平台已建立了运营效率的良好记录。该系统自2022年底起部署于罗森（Lawson）便利店，到2025年初，仅需约70名操作员即可覆盖28家门店。 三井住友银行（SMBC）以及KDDI旗下的au Style门店也采用了该系统。AVACOM模式证明，一名远程操作员即可有效覆盖多个实体网点。这一经过验证的运营模式为引入自主能力提供了坚实基础，从而降低了部署未经验证技术所带来的风险。

通过在此经实践验证的运营模式中叠加由Gemini驱动的自主层，KDDI和AVITA旨在显著提高操作员与门店的比例。该类人型机器人能够自主处理常规咨询和情感细微的互动，仅将最复杂或最敏感的问题上报给远程人工操作员。 这种混合模式通过成倍提高现有员工的生产力，直接解决了劳动力短缺问题。像KDDI这样的大型电信运营商作为系统集成商的参与，从根本上改变了日本服务机器人采购的渠道，为企业级部署提供了所需的规模和可靠性。 能够将交互从自主代理无缝升级至人工客服是一项关键功能，因为它确保了无论客户请求的复杂程度如何，都能始终获得所需的帮助。这种混合模式很可能成为未来服务机器人部署的标准，因为它

将自动化的效率与人工操作员的同理心和解决问题能力相结合。

原生音频处理对客户体验究竟意味着什么？ 这意味着机器人能够从客户的声音中察觉到焦躁情绪，并以安抚的语调回应；或者识别出紧迫感并加快响应速度，从而从根本上将互动模式从单纯的交易式交流转变为富有同理心的互动。这一能力弥合了冷冰冰的自动化与日本零售及酒店业所期待的高接触式服务之间的鸿沟。 能够实时解析情感隐含信息，是任何需要在不依赖持续人工监督的情况下直接面向客户工作的机器的关键要求。这种程度的情商，正是真正有用的服务机器人与单纯的新奇玩意之间的区别所在，也是自动化在服务行业真正发挥价值的关键所在。

穿越服务机器人的“坟场”

尽管技术取得了飞跃，但过去失败的阴影依然笼罩着这一领域。 残酷的现实是，Pepper的失败主要并非源于语音质量，而是源于经济性和实用性。虽然具备情感感知能力的对话消除了一个重要的故障模式——即那些令人沮丧且充满延迟的对话——但它本身并未回答一个根本性问题：这款机器人究竟能完成哪些任务，是简单的触摸屏自助终端或人类员工无法做到的？ 即将进行的实地测试必须展示可量化的服务成果，例如提高交易吞吐量、缩短客户等待时间或提升客户满意度评分，而非仅仅依赖演示的新奇性。 业界已经见过太多前景看好的技术未能兑现其潜力，KDDI和AVITA有责任证明他们的做法与众不同。此次部署的成功将取决于他们识别并落实

Android 能够提供明确且可量化价值的具体应用场景。

KDDI 与 AVITA 合作关系的下一阶段计划是于 2026 年秋季开展一系列面向真实客户的实地测试。这些测试将针对劳动力短缺问题尤为突出的行业，包括零售、医疗保健和娱乐场所。 2026年秋季的实地测试将成为关键的推广节点；若此次测试成功，将有望在KDDI庞大的企业客户群中实现更广泛的推广。 从受控的演示环境过渡到零售店或医院候诊室等不可预测的现实场景，将考验硬件以及“Gemini 3.1 Flash Live Preview”模型的稳健性。 这些试运行将提供有关客户在真实环境中如何与机器人互动的宝贵数据，并有助于在更广泛推广前优化技术和运营模式。业界将密切关注这些试运行的结果，因为它们将有力地表明情感感知服务机器人在日本市场的可行性。

值得注意的是，此次部署恰逢人工智能领域更广泛的趋势。在KDDI进行演示的同一天，谷歌DeepMind发布了Gemini Robotics 2，这表明谷歌正全力推动将其Gemini模型整合到对话和操作两个领域的实体机器人中。 这种双管齐下的策略表明，孤立的单功能机器人时代正在让位于能够在物理世界中运作的多功能、多模态AI代理。 先进语言模型与精密机器人硬件的融合，正在催生出一类能够在复杂环境中感知、推理和行动的新型机器。随着硬件成本持续下降以及AI模型能力的不断提升，这一趋势在未来几年内很可能加速发展。

不断改进。KDDI和AVITA的部署只是这一更广泛趋势的一个例子，它让我们得以一窥人机交互的未来。

日本服务机器人项目的比较

要理解KDDI与AVITA部署的意义，必须将其置于日本服务机器人发展历程的大背景下进行审视。下表概述了关键系统、其时间线、底层智能、硬件配置及部署范围。

从预设对话向原生、情感感知处理的转变，标志着人机交互范式的重大转变。然而，KDDI与AVITA人形机器人的最终成功，并不取决于其模仿人类情感的能力，而在于其能否在劳动力紧缺的市场中创造切实的经济价值。 今秋的试运行将成为关键考验，决定这一代服务机器人能否在前代产品受挫之处取得成功。 该行业正处于关键转折点，这些试运行的结果将对服务业自动化未来产生深远影响。若取得成功，此次部署将为智能、富有同理心的服务机器人开辟新纪元，使其能够无缝融入我们的日常生活。

将Gemini等先进AI模型融入实体设备，标志着服务自动化演进中的关键节点。随着KDDI等电信巨头开始承担系统集成商的角色，支持这些复杂部署所需的基础设施正在逐步就位。重点必须始终放在可衡量的成果和运营效率上，确保技术能够服务于

作为应对人口结构挑战的切实可行的解决方案，而非昙花一现的技术展示。在未来十年，能够将人类监督与自主能力无缝融合的能力，将成为服务机器人成功部署的关键特征。服务自动化的未来不在于取代人类，而在于增强人类的能力，使其能够提供更高水平的服务。 KDDI 与 AVITA 的此次部署是朝着这一方向迈出的重要一步，未来几年其发展演变将令人期待。

免责声明：本文仅供参考，不构成对所提及公司所作任何声明的投资建议、认可或验证。