让“嘈杂便利店也能听懂指令”成为热议话题的，是微信支付智慧经营机器人。10月29日，广东7-ELEVEN在深圳腾讯总部园区迎来第2000家门店，这台机器人同一天在这家店上岗，第一次进入线下门店。它的特别之处不在“会干活”，而在把语音交互拆成了“听”和“懂”两步：负责“听”的是腾讯天籁inside音频方案，负责“懂”的是腾讯混元端侧小模型，背后覆盖导购收银、店长经营、趣味互动三种模式。深圳商报消费智能局
具体分工是：收银模式下顾客用语音加扫码完成计价点单，店长模式能解读进销存数据并给出营销建议。接待层面，它可以直接上岗完成迎宾接待、商品导购、语音点单的整套流程。消费智能局快科技
真正值得拆开看的是“听”这一级。便利店是典型的高噪声场所：冷柜压缩机、收银提示音、促销广播和人声相互叠加，顾客开口时往往隔着几米距离，一句话还随时会被同伴打断。这套音频方案要解决的，正是嘈杂环境里的远距离唤醒和指令识别。消费智能局
天籁inside并不是为便利店新造的产品，它此前主要在会议室里打磨。2022年腾讯会议首款安卓平板就内置了天籁inside语音模组，支持12米超远距离拾音，能消除300多种常见噪声并处理回声。2024年发布的3.0版本进一步推出16mic多模态人声分离方案，靠“智能音幕”把发言人和噪声区分开。换句话说，这条链路先在会议场景证明了能从一群人的声音里“捞出”一个人，如今被带进零售现场。但要注意口径：门店版机器人的拾音距离、降噪能力官方并未披露，会议室设备的参数不能直接外推。快科技电脑报
“懂”这一级由端侧小模型负责。端侧模型的特点是推理在设备本地完成，“这瓶多少钱”“帮我拿无糖茶”这类短促、高频的指令不必把音频传回云端处理，响应更快，也降低了对门店网络质量的依赖。它的技术脉络在2025年7月的世界人工智能大会上已有预告：腾讯云副总裁吴运声当时表示，混元计划开源端侧混合推理大语言模型，涵盖0.5B、1.8B、4B、7B参数的小模型，面向端侧边缘计算场景。第一财经日报
当然，这条语音链路目前只经过了第一道门槛的检验。首店开在腾讯园区，顾客和同事对新技术的容错率天然更高；街边门店的方言口音、高峰期的混乱、交易中途的插话，还要靠后续真实运营去磨。双方已表示会结合便利店场景继续调试，并向更多门店推广。对普通用户来说，这台机器人更值得观察的不是“店员会不会被替代”，而是“音频前端+端侧小模型”这套低成本听懂方案能否扛住真实生意的嘈杂——如果成立，语音这个交互入口会从手持设备走向店内设备，零售点单、支付和服务的动线都会跟着变。消费智能局
