新智元报道

编辑：编辑部

刚刚，唯一全国产算力训出的大模型重磅升级，推理效率飙升100%，数学能力国际领先。当全球巨头还在云端「卷」算法时，中国队则亮出了软硬一体这一截然不同的底牌。

时至今日，在中国主流大模型中，讯飞星火仍是「唯一」基于全国产算力训练的通用大模型。

而就在刚刚，他们在发布会上宣布，通用大模型国产算力训练的两座大山，被攻克了——

·长思维链强化学习训练效率

·MoE模型全链路训练效率

同时，全新深度推理大模型——讯飞星火X1.5，也正式发布！

基于MoE架构的星火X1.5，总参数293B，激活参数30B。

相较于上一代，推理效率直接暴涨100%。

根据多项国内外权威评测基准，星火X1.5的综合性能成功跻身全球顶级大模型行列。

此外，讯飞还全球首发了非自回归语音大模型架构——不仅效果提升了16%，而且推理成本也暴降了520%！

从年初DeepSeek横空出世，到OpenAI的GPT-5，AI全球竞赛整整一年没有停下。

技术的迅猛发展和应用场景的不断拓展，推动了AI从探索阶段走向了实际落地的关键时刻。

如何落地，如何激发AI开发者无限创造力，如何让普通人也能共享AI时代的发展红利？

科大讯飞董事长刘庆峰给出了一个清晰的洞见，AI红利兑现的四大关键核心：自主可控、软硬一体、行业纵深和个性化。

AI进入物理世界的关键门票

AI的上半场是对话革命，是算法的狂欢。

在数据中心里，Token正在疯狂消耗，AI的能力在一年内增长了千倍上万倍。

这催生了无数AI大脑——它们在云端无所不知，能写诗、能编码、能通过法律和医学考试。

然而，当这些聪明的「大脑」试图走出数据中心，进入真实的物理世界时，它们突然变得「五感失灵」。

现实世界不是无菌实验室，它充满了混乱：

嘈杂的背景音（噪音）、十米开外的指令（远场）、模糊的口音、混乱的多人对话（多模态），以及每个用户独一无二的需求（个性化）。

纯软件的AI模型，在处理这些「物理世界的复杂信号」时，表现得一塌糊涂。

当行业在「纯软」的死胡同里打转时，科大讯飞选择的是一条能够让AI在真实世界应用落地的路。

他们在全国产平台上，将硬件能力和大模型深度对接，一步一个脚印地死磕AI进入物理世界的关键门票——软硬一体。

科大讯飞以智能语音起家，将这项能力长板硬件业务重塑为「未来AI的基石」。

人类想要感知物理世界，最重要的就是听、说、看，而AI算法再强也无法绕过声学与光学规律。

首先是「听」。

讯飞原创的多型麦克风阵列，通过AI的测算和动态调节激活部件，实现了语音属性的解耦，信号的时空分离，不同位置声源的精准定位，自适应背景降噪，回声消除，以及说话人分离等技术。

在应用这项技术的讯飞智能办公本X5上，高噪远场识别效果，远超iPhone17 Pro。

然后是「说」。

讯飞AI翻译耳机在高噪环境的测试表现，也显著优于AirPods 3。

在地铁、展会等嘈杂环境的识别准确率高达97.1%，并且还首创了多感融合AI降噪系统，通过软硬件的结合让降噪效果变得更好。

更加科幻，甚至称得上是黑魔法的是，讯飞的双屏翻译机2.0在开启强降噪之后，可以形成穹顶式的隔音墙，把1米以外的人声和噪声全部隔离。

当1024节现场演示这项功能时，就像阿西莫夫所说，领先时代的科技看起来都和魔法无异，这不就是网络小说里的经常看到的能力结界吗～

不仅如此，讯飞还打造了业界首个同传麦克风，不仅可以进行实时同传翻译，而且还可收听翻译语音，时延低于2s。

讯飞的AI+扬声器阵列技术，可以说实现立体空间声场重构和均衡。

用于智能座舱声场的iFLYSOUND，目前已经在19家车企量产落地。

音响效果可以媲美国家大剧院，而在盲测中，10万级别的国产车效果就超越了宝马740i，甚至可以媲美百万级的豪车迈巴赫S680。

在教育领域，讯飞依旧持续发力。

最新的AI黑板可以让教室里每个座位都是C位，在10米的距离上，声压差小于等于3分贝，每个角落都可以听清。

而且这款AI黑板还采用了全球首款圆偏类自然光护眼大屏，不论坐在教室中央，还是坐在两侧的同学都能获得同样的上课体验。

讯飞将软硬一体的原生AI硬件能力下放到AI学习机上，不仅将护眼功能拉满，还能通过AI算法纠正孩子学习时的坐姿。

此外就是「看」，讯飞的自研AI摄像头阵列产品能够实现目标的精准识别和跟随。

这些和AI紧密结合的硬件能力，并不是存在于单一的模块。

不论是展馆中的智能屏摄像头，还是AI学习机上监看作业本的摄像头，不论是随身的耳机，还是未来汽车中的音响，讯飞将AI能力和硬件原生地绑定在一起。

讯飞的硬件不是简单的外设，而是为AI量身定制的「超级感官」。

当未来具身智能真正走入社会，和人类共同生活，软硬一体支撑的多模态交互是AI融入真实世界的物理基础。

别再说AI冰冷，它比真人还贴心

如今，我们身边有很多虚拟AI形象，但它们始终无法融入到我们的生活之中。

这背后关键因素在于，传统AI虚拟人并不具备多模态交互的能力。

它就像一个「冰冷的机器」，无法感知人的情绪，无法拥有个人专属记忆，更难以建立真实的情感连接。

要真正做到多模态交互，还需要具备以下几个关键要素——

麦克风远场识别、3D世界感知、多人主动交互、类人举止反馈、视听觉融合理解、超拟人数字人、个性化记忆、情感语义。

只有以上所有技术，综合联动耦合，这样的AI数字人就可以进入更加深度应用的空间中。

这一次，发布会上，讯飞基于星火X1.5深度推理模型之上，首发个性化记忆能力。

通过多源记忆库信息检索和应用，它可以找到个人记忆，并进行识别、提取、更新。

现场演示中，两位讯飞伙伴一位歪果仁朋友Henry和与虚拟人「小飞」，开启了多轮「有记忆、有情感、有温度」的对话。

他们一走到屏幕前，小飞一眼识别到新朋友，并自动切换语种——英语和Henry无缝交流，得体自然。

在三人的交流过程中，AI并不会无意间插话，而是认真做一个旁听者。这就体现了，在多人对话中，AI理解场景的能力。

接下来，小伙伴们又和小飞交流起发布会展区的实况。让其推荐一个适合翻译交流产品，它立即给出了建议——双屏翻译2.0、AI翻译耳机，以及在展区的位置和购买方式。

小飞还可以为Henry推荐安徽著名景区黄山，打卡美食臭鳜鱼，甚至还可以帮忙预订酒店、门票。

不仅如此，诸如对话时暂停、挥手再见等手势，小飞也能秒懂并回应，堪比真人理解力。

它甚至拥有独特的人性化记忆。当小哥说要当Henry的司机，小飞非常关怀地问道：

「我记得你前几天不太舒服，出去玩没问题吧？」

小哥当场描述自己的症状后——这几天有点受凉，流清鼻涕，让小飞帮忙辨别应该喝哪种药时，小飞会依据症状分析得出：吃荆防颗粒。

顺带，它还贴心提醒他们，未来几天黄山天气多变，需要增添衣物。

更有趣的是，让小飞扮演「林黛玉」，并总结为Henry制定好的旅行计划。只见，从音色、到形态，简直有模有样。

其实，不止林黛玉，讯飞数字人还可以模拟各种声音。

发布会上，他们首发了「百变声音复刻」，一句话即可上演角色宇宙，实现真实的超拟人交互。

演示中，输入一句话，可以创造一个温暖的女声音色，也可以是一个嗓音粗犷的大将军音色。

超拟人数字人之所以能够实现流畅的多模态对话，不仅依靠前端麦克风、摄像头等硬件协同。

更重要的是星火所支撑的多轮对话、语义理解与生成能力，再结合个性化音色等，这些技术做到了深度融合。

正因此，才能让当前「同质化」大模型，真正转变为每个人身边贴心、实用的学习与工作助手。

更懂你的AI，告别千篇一律

所以真正的AI，不是千篇一律的AI，而是可以让每个人站在AI肩膀之上，懂你所需的AI。

每个人应当借助AI，成就更好的自己。

那么，要成为一个更懂你的AI，需要具备什么样的条件？

它能够满足一个人的成长需求、工作需求、生活需求，以及情感需求。

它还要具备历史记忆、人格特征、多维理解、专有知识的能力。

涵盖面如此之广，听起来又很抽象，不如我们就把它放入实际场景中，去看看「懂你的AI」究竟是什么样的？

批改纠错，小时级闭环

以教育为例，如何真正做到「理解孩子」，关键在于为孩子的学业减负增效，释放更多时间。

这背后，核心在于「懂学情」。

如今，在智能评分、分布骤批改作业、错因分析三座高峰，讯飞AI能力不断提升，并持续保持行业领先水平。

他们首创的「三级错因体系」，覆盖了4000+错因标签，可以让AI错因诊断水平超越普通教师。

这不，大会现场，「数学老师」拿着待批改的试卷，生动还原了一场真实的教学场景——课程内容是：二次函数与一元二次方程、不等式。

她将一摞学生试卷，放入星火批阅机后，便开始了高效的作业的扫描。它能以1分钟，扫描一个班级的量。

没几分钟，扫描和批阅几乎同时完成。

以第一位同学周恬（化名）的数学作业为例，在解答题部分，AI可以「分步骤批改」，并给出了错因诊断，以及纠正方案。

左右滑动查看

与此同时，随着学情不断累积，它还能直出历次的「学情报告」。

每一次学情状况，都会在知识图谱上动态呈现，还可以就一个知识点继续挖掘，从根本上精准解决薄弱点。

以上只是一个学生的学情，放大到整个班级，批阅机还会为老师生成一份整体的报告。

AI汇总了学生的「共性错因」，让老师可以对知识点讲解的轻重有一个更好的把握。

在上课时，AI黑板右下角就会浮现「AI教师助手」，它会根据刚才的学情报告，为老师提供相关的教学建议。

可以看到，从星火批阅机，到星火教师助手，再到AI黑板，可以做到完整联动。

老师从作业批改到教学，实现了「小时级」的闭环，为其规划出最合理的个性化教学路径。

医学能力跨越式突破

一个懂你的AI，还需要懂你的健康。

这意味着，它必须具备医学诊断能力，可以管理个人的健康档案，提供健康管理咨询等等。

讯飞「智医助理」就是这样一个懂你健康的AI。它是全球首个通过国家执业医师资格考试笔试测试，并真正投入一线应用的医学AI。

这一次，「智医助理」的能力再次升级，覆盖病种拓展至2500种，首诊合理度从95分提到98分以上，还新增了医学思维链循证推理和中医辅助诊疗。

假设调用一份真实的病历——引发热、心悸胸闷，就诊于内科45岁女性患者。

引用病历后，「智医助理」会主动提醒，避免因医生工作繁忙，会出现病历不规范的情况。

通过修正病历，AI系统会结合患者病情推出可能的诊断，同时给出下一步病情鉴别的建议。

而且， 点击诊断推理路径，可以清晰直观呈现「循证推理」的逻辑，可以帮助医生拓展诊疗思路。

当然，医生还可以参考推荐的内容，进行下一步的辅助问诊，比如输入「突眼」症状。由此，甲亢的病症可能性又增加了。

左右滑动查看

除此之外，升级的中医辅诊，结合权威的中医知识，根据患者症状，进行了辩证的论治。

如今，「智医助理」已覆盖全国801个区县，累计提供11亿次辅助诊断。

而且，星火医疗大模型专科AI能力，已经达到了等级医院「主任级医师」的水平。

在AI的加持下，人机协同已大幅提升医生诊疗服务能力，其中专科诊断合理率提升至96%，跨科室诊断提升至91%，病例书写时间减少一半。

同时，讯飞现场还发布了「智医助理医院版1.0」，覆盖了辅助诊疗、辅助会诊等多方面能力。

人人可用的晓医App同时升级，结合健康档案，提供用户及家人更专业、更个性化的健康洞察和管理建议，让看病问诊真实走向普惠化。

你的下一个副驾，会「读心」

接下来，如何把LLM集成到汽车中，让它在出行的过程中更懂你呢？

当你在车上冷到发抖时，它会秒开座椅加热、暖风空调；发现水坑挡路，它会立刻提醒「右侧有积水」；甚至开车不断眨眼的细节，它都能够感知，还贴心给出用药建议，下单滴眼液......

这样的AI，就像是把心灵感应功能刻在了DNA中。

它就是「星火智能座舱2.0」，做到了懂你、懂车、懂环境，这样的汽车才是真正的未来。

打工人终极外挂

还有在工作场景中，打工人需要的不只是一个会写调研报告的LLM，而是一个懂你岗位、风格、资料、同事的AI。

讯飞智能办公本，就是典型的代表。

现场，刘庆峰一边「布置作业」，办公本一边录音记录，还能随时做笔记。

同时，手写纪要还可以和AI纪要深度融合，手写的会议要点会在最后生成的纪要中强化展现，并且，所有的纪要内容可精准回溯至原始录音，核对更高效。

说话结束后，它会帮你自动转录，生成总结摘要，而且还会根据声音，备注出每个说话人的名字。

它还能准确提取待办事项，打工人直接加入日程，方便后续跟进了。

小彩蛋

最后，讯飞现场还放出了一个小彩蛋——AI星朋友。

每一个人，都可以拥有自己的「AI朋友」。它可以成为你的情绪树洞，也可以是你的人生队友。

AI星朋友有超160种人设模型定制，还能通过「自学习情感模型」记忆个人偏好，聊的越久就越懂你。

现在微信搜索“AI星朋友”小程序，即可创建懂你的声音、接听专属的温暖。

开源首个原生支持RAP的智能体平台

一直以来，讯飞坚信，只有整个生态的繁荣，才会有人工智能的大未来。

过去一年，开放平台的开发者增长了200多万，其中增长最快的是智能硬件开发者、大模型企业开发者。

此外，新型智能体的开发，有一半来自非技术领域。

AI走向落地，智能体是一个不可多得最佳应用案例。而这一年，我们也见证了诸多智能体AI的诞生。

发布会现场，讯飞面向开发者，正式发布首个原生RPA智能体平台——Astron RPA。

Agent+RPA可以跨越应用鸿沟，将「大脑」和「手脚」结合，跨越AI应用鸿沟；还可以有效打通企业内缺少接口的IT系统和账号体系。

软硬一体之争，谁是破局者？

过去一年，AI发展速度之快，已超越了历史上任何一次工业或技术革命。

如今，算法、算力、数据已成为基础设施。接下来，谁能让AI真正进入物理世界，谁就能定义智能的未来。

因为，只有AI落地，才是兑现红利的起点。过去几年，AI巨头们几乎都在同一维度上狂奔。

OpenAI用GPT系大模型掀起了认知智能革命，谷歌又用Gemini试图重塑多模态范式。

还有Anthropic、Meta、xAI、微软等玩家，各自拉起了模型矩阵。

它们不仅坐拥巨量的算力资源，还在算法创新上不断堆叠，这种路线的成就毋庸置疑——

ChatGPT、Gemini、Grok、Claude大模型，都代表了当前人机交互的新高度。

然而，在强大的大模型，离真实场景往往隔着一层「玻璃」，即落地的核心：AI能否真正兑现红利。

每一种场景，都在呼唤一种更深层次的多模态理解与交互。

要实现这一点，任何纯软件的方案——无论是手机App，还是云端模拟，都只是隔靴搔痒。

实际上，硅谷巨头们早已意识到了这一点，走向软硬一体，能否让技术「活」在用户手里才是密钥。

就以谷歌为例，其Gemini Nano已下沉到全新Pixel 10系「全家桶」。

不论是离线翻译、AI摘要总结，还是实时生成图像、智能拍照等场景，一部手机+端侧模型即可完成。

他们还专为模型，量身打造了Tensor芯片，直接将AI能力深度嵌入芯片和传感系统中，做到真正的原生AI体验。

微软PC全球生态覆盖超十几亿，其打造的AI助手Copilot，植入Windows系统提供了更智能的体验。

再比如，OpenAI多次爆出重组机器人团队，与博通联手定制AI加速器；特斯拉以物理世界为基础，将Grok植入擎天柱、自动驾驶「大脑」......

这些实践足以说明，没有软硬一体，智能永远悬在空中。

然而，放眼全世界，很多企业理解的软硬一体，更多地停留在了「堆叠层面」——

硬件是承载，软件是驱动，两者拼接即可。

但真正的软硬一体，是一种「认知协同」的系统。这，又该如何理解？

首先，模型算法必须理解硬件的输入特性，比如声音、图像、传感信号等。其次，硬件架构也要反向适配AI算法的反馈机制，包括延迟、功耗、推理路径。

更重要的是，系统还可以在多模态下自洽运行。

这也恰恰是大多数公司面临的瓶颈。它们在AI算法上极强，但在硬件生态上碎片化。

而传统硬件巨头，反之在算法层面缺乏统一的认知引擎。

AI国家队，全栈打通

在AI兑现红利的竞赛中，中国队的机会正在于体系化的整合能力。科大讯飞的路径，尤其具有代表性。

它并没有只押注算法，而是构建了一条从算力，到模型，再到硬件、多场景应用的全栈闭环。

作为认知底座，讯飞星火X1.5全新升级，在多语言、多模态等能力上持续迭代。它是唯一基于全国产算力训练的主流大模型。

还有自研的麦克风阵列、多模态模组等，构成了感知层的基础。

在声学层面上，通过麦克风阵列+视觉摄像头融合，在10米远、20分贝噪音下实现95%识别率，而行业平均只有20%。

这意味着，在课堂、汽车座舱、展会、工程等多种环境中，AI可以听清每一句话。

而终端设备，比如AI学习机、AI黑板、翻译耳机等矩阵，形成了「AI具身接口」。只有软硬一体支撑的多模态交互，才是AI融入真实世界的物理基础。

以AI黑板为例，讯飞将声学与视觉深度融合，重构教室光路，让「座座皆C位」。

其配备的24通道AI扬声器阵列，让教室前后声音差别只有3分贝，即便学生坐在最后排也能听得清楚。

软硬一体，更是讯飞构建行业壁垒的引擎。每一个设备，都是AI与真实世界的传感器。它可以让讯飞以行业为半径、以数据为飞轮持续迭代。

在教育领域，AI批阅机的「错因分析」体系，精确到4000+标签，准确率超普通教师，真正让「AI懂学生」。

在翻译领域，AI翻译机+耳机与听见APP联动，做到了2秒及时响应，复杂噪音下识别准确率破纪录。

这一切，都是讯飞的核心竞争逻辑，是别人难以复刻的模式。

因为，要在软硬一体上做到讯飞的深度，还需要三件事同时成立：

全栈自研体系：从麦克风阵列，到算力平台、算法框架等，全国产可控；

跨领域团队协同：硬件部门和研究院团队需要共线开发；

行业纵深：教育、翻译、医疗、汽车等行业连续多年落地深耕。

只有这三点叠加，才是讯飞壁垒的壁垒。

当别的AI还在对话框里回答问题，讯飞的AI，已经能在嘈杂环境中听清你、在屏幕前读懂你，并在世界行动起来。

他们正用自己的方式证明，AI应该是让世界真正「被理解」的技术。

当AI有了身体，有了温度，我们离那个真正「懂人」的智能时代，又近了一点。

参考资料：YXH

https://gitee.com/iflytek/astron-rpa