AI 落地的下一个重要场景，可能是千家万户的卧室与客厅。
与面向个人的智能助手不同，家庭中的任务往往更加琐碎、分散，也更具长期性：孩子的作业与日程、老人的日常看护、不同成员的生活需求，交织在同一个空间里。AI 不仅要听懂一句话，还要理解具体情境、协调不同设备，并在跨越多个时间与场景的任务中，持续推进事情的完成。
“家庭场景的挑战，是多成员、多空间、多场景和长周期的。”
在 ACC 2026 AI 创造者嘉年华上，小度智能家庭与生态业务负责人孙浩给出了这一判断。围绕小度在家庭智能体应用的实践，孙浩讲述了在宏大叙事之外，小度如何让 AI 从“看懂家庭”走向“为家庭做事”。
对于小度而言，这并非从零开始的探索。从 2018 年推出国内首款带屏智能音箱，到如今积累超过 5600 万家庭用户，小度长期身处家庭交互与智能硬件场景。随着大模型、多模态感知和智能体技术的发展，其探索也从语音交互、信息查询，进一步延伸至家庭任务的理解、分发与执行。
在小度看来，关键不在于将前沿技术生硬地带进家庭，而是让用户在使用过程中“无缝地、无感地、潜移默化地”完成更多任务。这意味着，智能设备不能只提供信息或执行单次指令，还需要理解家庭环境、记住长期需求，并让分散的任务形成闭环。
围绕这一目标，小度提出以家庭智能体中枢为核心的战略方向，并将能力落到日程管理、作业辅导、AI 看护等具体场景中。
从语音助手到多模态交互，再到家庭智能体中枢，小度正在尝试回答一个更具体的问题：当 AI 开始走进家门，它如何从一个等待指令的工具，变成能够理解家庭、协同设备，并真正为全家分担事务的助手？
各位来宾，大家下午好！我是来自小度科技的孙浩。今天给大家介绍一下小度科技目前在家庭场景关于智能体方面做了哪些具体的实践和探索。
其实小度诞生之初就是围绕着个人助理去的。小度的前身即 2015 年的度秘，定位是通过 AI 语音交互技术解决个人的一些需求，让你多一个随身的助理。后来到了 2018 年，纯软件的度秘变成了有硬件平台载体的小度音箱，走进了千家万户。
目前，小度在全国已经有超过 5600 万家庭用户，融入了非常多的家庭场景。在很多场景下，小度是家里的智能家居控制入口，是孩子好奇心想获取答案的搜索出口，是获取内容、查看视频的内容出口。
在过去的发展之中，虽然唤醒词都是“小度小度”，但实际上小度的整体技术架构结合技术发展做了很大的升级。传统的 NLU 是以强规则为导向的，通过意图识别和槽位提取，实现智能对话处理。
2023 年大模型火了之后，小度在全线产品上做了第一轮升级。我们基于最新的大模型技术，把小度的主干架构做了整体提升。小度变得更聪明了，有情绪了，一些更模糊的说法也能识别了。
而今年，随着“龙虾”的爆火，智能体开始走进我们的生活。大家发现基模的能力更强了，可以完成多任务的智能调用，智能体技术所解决的问题越来越泛化。
01 智能体进入家庭，下一步该怎么走？
目前，小度自身有非常好的基础，我们大概分为三条产品线。
一个是大家比较熟悉的、小度在国内音箱市场首创的智能屏，我们发现到了智能体时代，它依然是一个非常好的载体。包括在一个多星期以前，苹果刚刚发布了 HomeView 这款带屏智能音箱产品。实际上，小度从 2018 年至今已经迭代多代。我们在国内的音箱市场，带屏产品里面是牢牢领先的第一位。
同时，在音箱的基础之上，我们也实现了基于蓝牙 Mesh 的全屋智能家居的一套技术。小度还有非常完善的全屋智能家居产品，这是目前小度在家庭场景的基础。它不只是一个单一的语音音箱交互入口，还能帮你的孩子学习，让你的生活更加智能。
在大的方向上，我们也一直在思考。之前的编程，大家用 Cursor、用 Claude Code，大模型除了基础的对话之外，好像只能做到一些非常垂直的编程场景。而后进入智能体时代，大家发现智能体不仅可以写代码，还可以调用非常多的工具，它的能力不仅仅是在代码层面。
于是，Claude Code，包括 Codex，后来也渐渐被用到办公工作场景中。OpenAI 也把 Codex 和 ChatGPT 做了融合，把 Work 和 Coding 变成一个并列的场景。而今年，Meta 发布了个人场景定位的随身助理。Meta 作为美国的社交网络巨头，它没有完全跟风去做工作场景。它有非常好的个人生态，通过云端的托管，可以让个人的智能体服务自己生活的方方面面。
那对于小度来说，因为我们积累了 5600 万的家庭用户，所以我们一直在思考，除了编码工作之外，在家庭场景里，智能体还能带来什么样的改变？这是我们在智能体大的方向上，结合过往积累做的核心探索。
在核心的技术演变上，小度的交互从早期的语音助手起步，走过了从传统 NLU 到基于大模型的意图识别与分发。大模型出现之后，很快又有了多模态大模型，它不光能听懂你说的话，我们的智能音箱、带云台的摄像机，也能看到家里正在发生什么。借此，我们很快把整个 AI 能力完成了多模态升级。
原先用户只能通过对话去交互，现在老人拿着药盒，可以对着智能音箱去问：“我手里这个药是什么药？一天应该吃几次？吃多少？”孩子画了一幅画，需要得到肯定的时候，他可以跟我们的闺蜜机、跟智能体去交流：“我画得怎么样？”给一些点评和夸奖，实现多模态的交互。
小度的智能摄像机产品，也能够真正地看懂发生什么事情。比如，家长需要看孩子学习的时候，我们的摄像机可以帮助家长去看孩子在做作业的过程中有没有分心，有没有走神。这是多模态在整个能力上带来的升级。
今年，小度确立了以“家庭智能体中枢”为核心的战略方向，实现了从感知、理解、分发到执行的闭环。原来的产品主要是实现信息的传达，并不能帮你把很多事情做闭环。有了智能体的能力，有了 MCP 和 Skill 的生态，在家庭场景下，借助智能体这样的平台框架，它能做的事情也会更多。
在“家庭智能体中枢”战略支撑下，我们打造了一个家庭大脑即超能小度，能够实现家庭场景的意图理解，分发家庭的长期记忆、家庭任务的相关决策。同时打造了一个多模态网络，在智能屏上、在摄像机上，把传统的文本和图像做深度融合，通过智能体的统一调度，实现家庭环境的多模态感知。
在这个基础之上，我们扩展了一系列智能体服务，有针对孩子看护场景的，针对家里日常场景的，还有针对老年人的问药医疗场景的，通过这些智能体的服务，共同组成家里一些能真正闭环落地的家庭服务。
02 家庭场景真正的难题，是把一个家当作整体来理解
家庭场景其实和前面说的编码、工作场景还是有一些差异，很难说哪个场景挑战更大。目前在家庭场景面临的挑战也是非常具体和现实的：
首先，不同于个人 agent，家庭是多成员的。我自己用百度 DuMate，一个账号对应我一个人使用，它的所有记忆是围绕着我一个人的，无论是在编码工作还是个人智能场景，它是一个个人场景。但是在家里，一个小度音箱、小度的智能屏，往往是全天全家一起使用。不同成员的信息会混杂在一起，整个智能体和系统框架要能在公共设备上区分家庭成员。
第二是多空间，很多用户家里本身就有多台设备，多台设备之间的数据要做共享，而且不同用户有不同的客户端。我们小度家庭智能体应用支持绑定类似于微信 ClawBot 这样的 Channel，能够把用户不同 Channel 的数据和家里多空间的不同设备的数据做好关联。
同时它又要面临非常多的场景。比如老人使用设备的场景和孩子的场景需求就截然不同，如果在场景上不能做好区分，就很难针对家庭成员提供非常个性化的服务。
最后，它还是一个长周期的过程。今天早上提到的一件事，真正要做可能是在几天之后——比如周末要送孩子去辅导班，任务跨度非常长。它不再像传统对话那样，开一个 Session 就对应一个任务、聊完即结束；一个家庭任务往往横跨很长的时间、很多的场景。这些都是我们在家庭场景中需要解决的问题。
更大的挑战在于，在今天，虽然对从业者来说智能体已经见怪不怪了，但实际上它还远远没有达到普及的程度。即使国内排名第一的智能体平台，目前月活也就两千万左右。而小度之前已经有超过 5600 万的家庭用户。很多家庭场景里，用户对智能体这个概念并没有充分认知，对新技术接受度也没那么高。
因此，小度认为，更重要的不是把一个前沿技术生硬地带到家庭场景中，而是把它打磨成真正适合家庭的形态，让用户在使用中无缝、无感、潜移默化地完成越来越多的任务，而不是突然面对一套陌生的框架和技术，被动去接受。这正是小度在家庭场景落地时面临的最大挑战。
03 不谈宏大叙事，先把家里的小事做好
我们不太想讲宏大的技术叙事，而是着眼于家庭场景里一些非常重要的小事，看看有哪些事情非常重要，每天重复发生且亟待解决。
比如日程管理，我自己也有两个孩子，都在上学，老二今天还赶上学校开运动会。老师每天在群里布置很多作业，发截图让家长配合完成，而家长很多时候看过一眼，很快就被后面的消息刷掉、忘在脑后了。
这些事情种类繁多、琐碎至极，尤其在海淀，孩子上学对家长的要求格外高，家庭日程反而比工作日程更繁杂。就拿课业来说，如今孩子做作业，往往不只是孩子的事，也牵扯着家长：孩子要背诵、默写，家长得拿着手机帮他录视频或录音，再发回群里交给老师。此外，很多孩子在写作业的过程中，常常会分心走神，甚至做着做着就离开了，家长需要一直在旁边看着。
这些都是非常重要，但又非常零散的小事，让家庭里主要的照护者劳心劳力。那能不能借助智能体，为家庭照护者提供一些减负的工具和手段？
在这个场景之下，我们打造了围绕智能屏这种屏显设备的家庭智能体应用。
它支持多模态的输入：你既可以对着音箱说“帮我记件事”，比如孩子要上辅导课、运动会要带什么衣服；也可以把老师在群里发的内容直接截图，通过微信 Plugin 转给智能体；还可以在 APP 里手动添加任务。智能体会把这些来自多端的输入汇总起来，为你梳理成一份有条理的日程。
就以看孩子写作业这个场景为例，家长把作业截图发送给绑定好的微信机器人，超能小度识别出孩子有哪些作业之后，会自动在屏端生成孩子的作业任务。到了作业时间，屏端会自动进入番茄钟状态，孩子可以逐项打卡完成作业，完成结果会回传到家长的微信上，家长可以把打卡结果转发给老师。
这样一来，原来的屏产品就从一个单纯的显示交互产品，变成了能实现基本任务闭环的产品。当然，它不光能帮助梳理日程与任务，还能真正帮助监督。孩子在做作业的时候，智能屏顶部有一个摄像头，能够检测孩子的学习状态，有没有分心、离开座位，都能实现实时看护和提醒。
另外，很多时候，如果孩子更小，或者家里有老人，看护任务会更重。
针对家庭看护场景，尽管去年小度才开始做独立的摄像机产品，但实际上，小度的摄像机已经走进了千家万户。小度主力的智能屏产品上就带有一个云台摄像机。原来这类摄像机只能实现简单的看得清、看得见，但真正用户想要的是这个设备能够看得懂。毕竟人不可能一直盯着摄像机看，所以很多摄像机往往是发生了事故、出现问题之后，才作为一个事后查证的方式去使用。
随着大模型时代到来、多模态能力不断进步，我们开始思考，怎样能够让摄像机从看得见、看得清，真正走向看得懂。
原来市面上已经有一些厂家做了一些探索，通过在摄像机端侧做人形、人脸的检测算法，能够实现一些特定的目标检测和提醒。但是问题有很多，你画了一个区域，有人进来就提醒，那你放在家里，它识别不出这是不是你的家人，智能识别出画面变化，有人出现，并不能真正看懂这个画面里面发生的事情。
基于传统的 CV，传统的摄像头能做一些特定目标的检测。去年小度发布摄像机的时候，我们对这个能力做了升级，把多模态大模型引入到了看护场景。
现在你不仅能要求它检测到人提醒你，还可以跟摄像机说：“检测到孩子发生危险的时候提醒我”，摄像机会结合云端的大模型，理解什么情况下孩子有危险，真正实现看懂内容。我们到后台看数据发现，多数家长设置最多的是孩子今天玩手机超过几分钟或超过多少次提醒我，这反而是家长看孩子使用电子设备最大的诉求。
在这个基础上，今年 9 月 8 号的发布会上，我们把看护智能体的能力进一步升级了，本质上就是把智能体的长期记忆、上下文压缩管理这些技术，也用到了看护这个场景里。
我们在整个框架上做了分层，我给它做了一个类比。第一层是管家的角色，你给它一个很泛的需求，就像我刚刚举的例子，“孩子发生危险告诉我”，那我的设备就会自动把环境拍下来，识别一遍，告诉你当前是在什么样的环境之中。
比如，有阳台的话，可能孩子到阳台边爬窗户是危险；有沙发的话，孩子爬高是危险。你可能只是泛泛的一句话，最上层的智能体就可以通过多模态大模型理解当前的环境，帮你分析可能什么是危险。
之后它把对应的任务做拆分，一部分拆给云端轻量级的多模态模型，它用于实时的监测。另外一部分它会和摄像机端的小模型去做联动，告诉摄像机检测到什么样的目标，以什么样的频率把画面报上来，我以云端的模型去做实现。
通过这种三级模型的分层方式，实现了类比于“管家、保安队长和保安”这样三级的智能体架构。把智能体里面的长程调用和记忆管理，放到了看护这个场景，就实现了家庭看护场景的一个突破。
在这套逻辑之下，我们就可以在很多场景里面实现一个质的提升。针对婴儿场景，可以检测孩子有没有哭、有没有吐奶、有没有被子蒙头；孩子在写作业的时候，可以检测孩子的专注程度，是否玩手机、离席等；老人看护场景下，则可以看护老人是否久坐、有没有长时间没出现……用户可以根据自身所需进行自定义设置，实现 AI 随心看护。
AI 随心看护，本质上不是基于已有的算法，检测到对应的目标再来通知你，而是基于你自己的个性化需求。你把触发场景、触发条件说给我们的智能体，智能体会理解你的需求，把任务拆解，分配下去，通过这套智能体的架构放到看护场景里面，实现真正的随心看护。
04 当智能硬件不再只是工具
前面讲的是小度在软件部分的积累，主要围绕家庭场景下的智能体技术框架展开。而在硬件层面，小度过去多年同样也做了大量探索。
比如原来的音箱更多摆在家庭场景，很多人觉得不太酷，非常呆板。去年小度发了智能音箱 Fun 这款产品，它下面有个月球灯，上面支持乐高积木拼搭。我们发现，很多人愿意把它带到公司去，摆在工位上。很多孩子愿意把它摆在自己的书桌上，实现非常个性化的组合。
针对老人场景，很多老人对触屏操作使用不是那么顺畅，于是我们也做了适老化的健康屏产品，下面有一排大的按键，可以实现一键呼救、一键问答、一键功能触发。本身大音量，有摄像头看护，整个产品都是针对老人场景做优化的。这类产品我们也和不少保险机构、养老社区展开了合作，走进了许多老人的日常生活。
屏的话，小度之前的智能屏更多以 8 寸、10 寸为主。针对很多女性有大的观影需求，小度也有闺蜜机产品。闺蜜机自带电池，屏幕能到 27 寸、32 寸。在家里，无论是吃饭、在床上，甚至上卫生间的时候，哪里需要就把它推到哪里。无论是个人看剧、在客厅练瑜伽，还是孩子上网课，都有这么一个百搭的闺蜜机产品，能融入到生活各个场景里去。
小度之前也在桌面平板、机器人这些场景里做过探索。苹果发布 HomeView 之前，很多人都在猜它的带屏音箱会长什么样。有人觉得会像 iMac G4，但当时网上流传最广的那张苹果音箱假想图，其实用的是小度 2023 年发布的一款产品“小度添添 AI 平板机器人”——大家下意识认为，苹果的音箱就该是这个样子。所以当 HomeView 真正亮相，大家发现它脖子不能转动、屏幕是方的、脖子也偏短，设计相对呆板，至少在工业设计上让不少人感到失望——此前人们期待的，反倒更像小度那一款。
在硬件形态之上，无论是摄像机场景，还是很多智能屏工具，我们都实现了从家庭工具到家庭守护的转变。我们不希望产品只是一个冷冰冰的工具，只能满足用完即走的纯粹工具性需求。我们希望结合大模型技术与智能体的一套框架，在家庭场景中真正达到照护的效果。
刚刚我也提到了闺蜜机这个产品。说实话，闺蜜机本身之前是一个相对小众的需求，但很多用户用了之后发现，它服务的并不是非常小众的场景。
这一次，在原来的娱乐、教育、学习、健身的基础上，我们也把智能体的这套框架放到了闺蜜机上。针对孩子上网课的场景，我们提供 AI 辅学，能根据孩子的作业和学习情况，实现个性化的一对一辅导。
它还是全家人的信息整合中心，无论是家里的出行日程、待办计划，还是孩子老师布置的作业，很快就能在闺蜜机上形成一个很大的信息看板。家里有哪些核心事项，有哪些待办任务，一目了然。通过智能体，它也会做一些服务和初步检测，提醒你该干什么事情。
所以闺蜜机不光是一个观影工具，一定程度上，它已经成为家庭智能体的一个信息中枢，一个信息看板。这是我们在闺蜜机上结合智能体看到的一些新场景和方向。
智能屏原来只是满足一个垂直的观影需求。小度在行业内最早把云台摄像机做到了智能屏上。很多人把智能屏摆到客厅里面，不光是孩子老人有时候用智能屏看视频，家长远程也可以通过智能屏上的云台摄像机去观察、看护家里的很多场景。所以目前无论是百度还是友商，主力的智能屏产品都已经是类似的形态。
今年我们对这类的产品也进一步做了升级，前面说的家庭智能体产品，也落到了智能屏之上。在硬件层面，云台虽然能左右旋转，但毕竟有盲区。我们在硬件上做了进一步升级，在两侧加了红外人体感应。即使人不在画面视野里，这个方向有人出现后，智能屏上的摄像机会转过去查看这个方向，实现无死角守护。同时，智能屏上的摄像机升级成专业的安防摄像头，结合前面介绍的安防看护智能体，能够实现 AI 随心看护，真正实现从看得见、看得清到看得懂。
再看回音箱，这是个很成熟的品类，从 2018 年的音箱大战打到现在，形态已经相当定型。我们也一直在想，这个品类已经卷到这种程度，还能玩出什么新花样、带来什么新价值？恰逢双十一，这款小度智能音箱 Pro Max 大致处在 299 元价格段，这一直是非常主力的价格段，但我们还是做了一些不一样的东西。
首先，我们首次在无屏音箱产品上加了一个小屏。这个小屏显然不是用于看视频、看信息的。更重要的是，它在交互的过程中有一些情绪价值。你听音乐，它会显示封面。你问答，它有表情的变化。在问答的过程之中，它会有一些情绪化的表现，更有一些仪式感。同时我们把传感的能力也做了升级，音箱本身内置温湿度的传感器，内置红外遥控的功能。简单地说，我放在卧室，温度高了可以去开空调，不需要额外任何传感器，单靠这一台音箱就可以实现这么一个操作的闭环。
在软件能力上，我们也做了升级。之前已经基于大模型做了意图识别和交互对话。在这个基础上，我们进一步在音箱产品上补齐了长期记忆的功能。你今天跟它说了什么事情，第二天再去问音箱，它还能记得你之前关注的一些点，能够把你前后的对话联系起来。同时，音箱本身也支持声纹检测。家里老人说了啥，孩子说了啥，音箱会差异化地记下来，能够实现真正记忆上的升级，越用越懂你。
在基本的设备控制上，我们也支持多意图的交互，一句话开窗、开窗帘、调音量。不用拆开去说，一句话它都能给你解决。
最后，分享一下小度的 slogan：小度在家，懂家更顾家。我们希望通过一系列硬件产品，结合小度家庭智能体中枢战略，把智能体技术带到更多家庭里，通过实实在在的技术创新，解决家庭场景里很多复杂但重要的小事情，给大家带来生活上的愉悦。
谢谢大家！