KDDI 與 AVITA 首度推出日本首款搭載 Gemini 處理器且具備情緒感知功能的 Android 裝置

日本服務業正陷入人口結構的雙重夾擊，一方面面臨勞動年齡人口急遽減少，另一方面又受制於文化上對「高互動性」客戶服務的期待。十多年來，業界提出的解決方案始終是自動化，然而市場上卻散佈著過去多次嘗試的殘餘。 最引人注目的警世故事當屬軟銀的「Pepper」——這款於2014年推出的輪式類人型機器人，在部署約27,000台後，於2020年停產。 Pepper 的失敗不僅僅是技術上的缺陷；更是實用性與經濟性的雙重失敗，它始終難以在「新奇感」之外創造實質價值。如今，一項新的合作夥伴關係正試圖重寫日本服務機器人的劇本，將焦點從預設腳本的互動轉向真正的對話智能。 這項挑戰極為艱鉅，因為日本市場所要求的服務水準，向來以難以自動化著稱。隨著勞動力持續萎縮，許多以服務為導向的企業存續前景岌岌可危，因此此次合作 stakes 極高。業界正密切關注，觀察這項新方法能否最終彌合技術潛力與實際效用之間的鴻溝。

2026年7月30日，總部位於東京的日本第二大電信業者KDDI與AVITA共同展示了他們所稱的日本首台運行Google「Gemini 3.1 Flash Live Preview」模型的機器人。 這場示範於東京國際展示場（Tokyo Big Sight）舉辦的「Google Cloud Next Tokyo」大會中進行，具體地點位於南廳的 KDDI P8 展位。此項部署標誌著機器處理人機互動方式的重大轉變，從過去僵化且延遲嚴重的系統，邁向流暢且能感知情緒的對話。AVITA 是一家總部位於大阪的新創公司，由

該公司由以打造栩栩如生仿生人而聞名的大阪大學教授石黑浩於2021年6月創立，將其在虛擬化身與仿生人客服平台方面的專業技術帶入此次合作。 AVITA 專注於「遠端人機協作客服」這一利基市場，負責提供硬體與營運框架；而 KDDI 則擔任系統整合商，並運用其龐大的網路基礎設施。 這家電信巨頭與專業機器人新創公司的合作，凸顯了將先進人工智慧引入實體世界所需的複雜生態系統。單純製造機器人已不足夠，還必須建構網路、軟體及營運模式來提供支援。

推動這款新型仿生人發展的關鍵技術突破，在於整合了 Google 於 2026 年 3 月底推出的 Gemini 3.1 Flash Live Preview 模型。 有別於傳統系統採用管線式處理方式——先將語音轉為文字，再透過語言模型處理文字，最後合成語音回應——Gemini 3.1 Flash Live Preview 採用原生端到端音訊處理技術。這種原生音訊到音訊的處理方式，能完整保留客戶語音的音高、語速及情感細微變化。 該 Android 系統在回應時，不僅關注「說了什麼」，更會理解「如何表達」，從而實現能感知語氣的客戶服務。這消除了管線式系統常見的數秒延遲，營造出仿若人類互動的對話流暢感。 原生音訊處理能力是一項關鍵突破，因為它讓 AI 能夠捕捉傳達情緒與意圖的細微語音線索，而這些線索在基於文字的處理中往往會遺失。這項能力對於打造自然且引人入勝的客戶體驗至關重要，特別是在重視細微溝通與高接觸式服務的文化中。

情緒感知自動化的經濟效益

這套硬體本身體現了 AVITA 源自石黑一雄廣泛機器人研究的設計血統。這款栩栩如生的機器人具備矽膠皮膚、用於實現細微動作的氣動致動器，以及嵌入眼中的相機，可進行精確的視線追蹤。然而，真正的創新在於支撐其部署的經濟模式。 AVITA 現有的 AVACOM 虛擬人平台已展現出卓越的營運效率。該系統自 2022 年底起部署於羅森（Lawson）便利商店，預計到 2025 年初，將僅需約 70 名操作員即可覆蓋 28 家門市。 三井住友銀行（SMBC）以及 KDDI 旗下的 au Style 門市亦採用此系統。AVACOM 模式證明，一名遠端人類操作員即可有效涵蓋多個實體據點。這套經實證的營運模式為導入自主功能奠定了堅實基礎，並降低了部署未經驗證技術所伴隨的風險。

透過在此經實證的營運模式中加入由 Gemini 驅動的自主層，KDDI 與 AVITA 旨在大幅提升「操作員對據點」的比例。這款仿生機器人能自主處理例行諮詢及情感細微的互動，僅將最複雜或最敏感的問題轉交給遠端的人類操作員處理。 這種混合模式透過倍增現有人力的生產力，直接解決了勞動力短缺的問題。像 KDDI 這樣的主要電信業者以系統整合商身分參與其中，從根本上改變了日本服務機器人的採購管道，並為全企業範圍的部署提供了所需的規模與可靠性。 能夠將互動無縫從自主代理轉交給人類客服人員，是一項關鍵功能，因為這能確保客戶無論需求複雜與否，都能隨時獲得所需的協助。此混合模式極有可能成為未來服務機器人部署的標準，因為它

將自動化的效率與人工操作員的同理心及問題解決能力相結合。

所謂「原生音訊處理」對客戶體驗究竟意味著什麼？ 這意味著機器人能從客戶的語調中察覺挫折感，並以安撫的語氣回應；或辨識出緊迫性而加快回應速度，從而從根本上將互動模式從單純的交易式交流，轉變為富有同理心的互動。這項能力彌合了冷冰冰的自動化與日本零售及款待業所期待的高接觸式服務之間的鴻溝。 能夠即時解析情感潛台詞，是任何預期在無需持續人類監督的情況下，直接面對客戶的機器所必須具備的關鍵能力。這種層級的情感智慧，正是區分真正實用的服務機器人與單純新奇玩意兒的關鍵，也是讓自動化在服務業真正發揮實用價值的關鍵所在。

穿越服務型機器人的「墳場」

儘管技術已取得飛躍性進步，但過去失敗的陰影依然籠罩著這個領域。 殘酷的現實是，Pepper 的失敗主要並非源於語音品質，而是出於經濟效益與實用性。雖然具備情緒感知能力的對話消除了其中一種主要的失敗模式——那些令人沮喪且充滿延遲的對話——但這並未本質上解答一個根本問題：這款機器人究竟能完成哪些任務，是簡單的觸控螢幕服務亭或人類員工所無法做到的？ 即將展開的實地測試必須展現可量化的服務成效，例如提升交易處理量、縮短顧客等候時間，或提高顧客滿意度評分，而非僅僅依賴展示的新奇感。 業界已見過太多充滿前景的技術未能兌現其潛力，因此 KDDI 和 AVITA 必須承擔舉證責任，證明其做法與眾不同。此次部署的成功與否，將取決於他們能否識別並落實

Android 能帶來明確且可量化價值的具體應用情境。

KDDI 與 AVITA 合作夥伴關係的下一階段計畫，是將於 2026 年秋季展開的一系列真實客戶接觸環境試點。這些試點將鎖定深受勞動力短缺困擾的產業，包括零售、醫療保健及娛樂場所。 2026年秋季的實地試驗將成為關鍵的採用檢核點；若能在此取得成功，便可能預示著該技術將在 KDDI 龐大的企業客戶群中進行更廣泛的部署。 從受控的展示環境過渡到零售店或醫院候診室這類不可預測的現實場景，將考驗硬體與「Gemini 3.1 Flash Live Preview」模型的穩定性。 這些試驗將提供寶貴數據，顯示客戶在真實環境中如何與該機器人互動，並有助於在更廣泛部署前優化技術與營運模式。業界將密切關注這些試驗的結果，因為它們將有力地顯示情感感知服務機器人在日本市場的可行性。

值得注意的是，此次部署正值人工智慧領域出現更廣泛的動向。在 KDDI 進行示範的同一天，Google DeepMind 推出了「Gemini Robotics 2」，顯示 Google 正全力推動將其 Gemini 模型整合至實體機器人中，涵蓋對話與操作兩個領域。 這種雙管齊下的策略表明，孤立的單功能機器人時代正在讓位於能夠在實體世界中運作的多功能、多模態 AI 代理。 先進語言模型與精密機器人硬體的融合，正催生出一類能夠在複雜環境中感知、推理並採取行動的新型機器。隨著硬體成本持續下降，以及 AI 模型的能力不斷提升，這股趨勢在未來幾年內很可能加速發展。

持續進步。KDDI 與 AVITA 的部署僅是這股廣泛趨勢的一個例子，它讓我們得以窺見人機互動的未來。

日本服務機器人計畫之比較

要理解 KDDI 與 AVITA 部署的意義，必須將其置於日本服務型機器人發展歷程的脈絡中來審視。下表概述了主要系統、其時間軸、基礎智慧技術、硬體配置以及部署範圍。

從預設對話劇本過渡到原生、具情緒感知能力的處理方式，代表著人機互動的典範轉移。然而，KDDI 與 AVITA 仿生人能否最終成功，關鍵不在於其模仿人類情緒的能力，而在於其能否在勞動力短缺的市場中創造實質的經濟價值。 今秋的試驗將成為關鍵考驗，決定這新一代服務機器人能否在前代產品受挫之處取得成功。 業界正處於關鍵轉捩點，這些試驗的結果將對服務業自動化未來產生深遠影響。若能成功，此次部署將為智能且富有同理心的服務機器人開闢新紀元，使其能無縫融入我們的日常生活。

將 Gemini 等先進人工智慧模型整合至實體機器人中，標誌著服務自動化演進的關鍵轉捩點。隨著 KDDI 等電信巨頭開始扮演系統整合商的角色，支援這些複雜部署所需的基础設施正逐步就緒。重點必須持續放在可量化的成果與營運效率上，確保這項技術能真正服務

這應被視為應對人口結構挑戰的務實解決方案，而非曇花一現的技術展示。在未來十年，能否將人類監督與自主能力無縫融合，將成為服務機器人成功部署的關鍵特徵。服務自動化的未來不在於取代人類，而在於增強人類的能力，使其能夠提供更高水準的服務。 KDDI 與 AVITA 的部署是朝此方向邁出的重要一步，未來幾年其發展動向將令人引頸期盼。

免責聲明：本文僅供參考，不構成投資建議，亦不代表對文中提及公司所作任何聲明的背書或核實。