近期，“Live”关键词在AI领域频繁出现，主要指向实时语音交互、多模态智能体及开源生态的演进。背景方面，随着大模型能力提升，AI从离线处理转向实时、多轮对话已成为趋势。
- 主要进展包括：
- 苹果CVPR论文预热WWDC26，展示14篇AI论文，其中可能涉及实时交互技术。尽管细节未披露，但暗示苹果将加强AI在设备上的实时能力，为未来Live功能铺路。(苹果CVPR展示)
- 阿里云推出Qwen Live，强调真正的AI智能体与开源优势。Qwen Live旨在实现端到端的AI原生交互，通过语音、图文等多模态方式提供实时服务，标志着中国厂商在Live领域的布局。(Qwen Live探讨) (Qwen Live：通往AI原生之路)
- Garry Tan利用Gemini Live打造开源语音智能体GBrain v0.40.0，进一步推动实时语音智能体的开源化。该项目结合谷歌的Gemini Live模型，展示了第三方开发者如何利用现有API构建私有语音助手，降低了开发门槛。(GBrain v0.40.0)
- 谷歌大幅升级Workspace和桌面应用，将Gemini Live语音交互扩展到YouTube、Docs等，并计划今夏上线。此外，Google I/O 2026透露Gemini 3.5系列和Omni多模态模型，进一步强化实时理解与生成能力。(谷歌升级Workspace) (Gemini语音交互扩展) (Google I/O 2026)
- NVIDIA举办DGX Spark Live NYC Hack赛，展示了利用实时AI构建3D纽约建筑时间机器的应用，体现Live技术在创意编程中的潜力。(DGX Spark Live)
当前焦点在于：跨平台实时语音交互的普及（如谷歌Workspace）、开源智能体的涌现（如GBrain、Qwen Live），以及多模态融合的实时能力。未来观察点包括：主流操作系统（iOS、Android、桌面）如何整合Live功能，以及开源社区能否推动更轻量、私有的实时AI应用落地。