科大讯飞AI竞争的下半场，从榜单到账单_华夏商业网_华夏商业网_华夏财经

（本文系紫金财经原创稿件，转载请注明来源）

过去几年，参数规模、榜单排名和模型迭代速度，构成了大模型市场竞争的主要叙事。但当AI开始真正进入企业生产系统，一些更现实的问题开始浮出水面，推理成本能否随着调用量增长而被摊薄，敏感数据能否安全接入，模型输出能否嵌入现有业务流程，智能体执行错误后又由谁负责……

在10月下旬的1024开发者节，科大讯飞一次性端出了端云一体讯飞星火X2.6、WinWork数字员工平台、AIPC，以及具身多模交互技术、AI眼镜、智慧座舱和机器人等等。紫金财经观察到，产品跨度看似很大，背后却释放出几个信号，大模型竞争正在越出模型本身，向算力调度、企业流程和物理终端延伸。

科大讯飞显然试图把自身二十余年的技术、行业客户和软硬件积累，重新组合成一套系统能力。不过，战略版图的扩大并不天然等于商业壁垒的形成，链条越长，需要补齐的能力越多，组织资源也越容易分散。

问题也进一步被摆上台面，端云一体真能把成本打下来？数字员工要怎样在重交付的to B生意里跑通ROI？从数字世界到物理世界如何跨越？

端云一体，国产算力的“工程突围”

星火X2.6是最新发布的技术底座。按官方披露，这套端云一体模型分为云端293B-A30B和端侧X2.6-4B两部分，基于全国产算力完成训练，首次在国产算力平台上实现代码与智能体能力的突破。定价也一并公布：输入0.9元/百万token、输出3.6元/百万token、缓存命中0.08元，其中输入缓存未命中和输出两项，均低于同期的DeepSeek V4.1 Flash。

这套“端云一体”的结构，并不是把大模型缩小塞进终端，而是给每一次AI调用重新找一个合适的执行位置：日常、重复或者涉及敏感信息的任务留在本地；真正需要大算力的复杂推理交给云端；中间地带的任务由端和云一起完成。差别最终会落在账单上，留在本地的那部分，既不产生费用，也不产生数据出境。

刘庆峰给出的预期是，未来大约60%的应用可以在本地跑完，30%通过端云协同完成，只有10%左右需要真正交给云端大模型。

如果这套分工立得住，企业从模型公司手里买的东西就变了。过去买的是调用量，用得越多账单越长；往后买的可能是一段可预期的成本区间和一条明确的数据边界。

针对国产芯片显存和带宽的限制，科大讯飞用了长程任务动态并行训练、自适应存算协同推理、四层KV Cache和分布式推理等一整套工程手段，把超长上下文训练效率提上去约4倍、推理效率提高约4.5倍。

在国产算力上训练出对标国际一流的模型，曾被行业视为最难走通的路。刘庆峰在现场直言：“只有真正地在国产算力上训练出自己的模型，才是真的自主可控。”

把这个动作放回2026年的价格环境里，用意更清楚。5月22日，DeepSeek把V4-Pro的2.5折限时优惠转成了永久降价，价格变为原来的四分之一；五天后，小米宣布MiMo-V2.5系列API永久降价，最高降幅99%；6月，腾讯云平台上的DeepSeek-V4全系列也跟着下调，最高降幅97.5%。据媒体统计，2026年上半年国内大模型厂商一共下调了六次API价格，其中三次宣布为永久降价。

价格被打到这个位置，再往下拼单价已经没什么意义。科大讯飞换了个解法，不去比谁更便宜，而是想办法让更少的任务上云。

这条路并不轻松。国产芯片在性能和生态上与国际主流产品的差距还在，适配要持续投钱；端云路由一旦判断失误，任务可能失败、重复调用、体验打折；各类终端的算力、功耗和存储条件各不相同，又在工程适配上多加了一层难度。

从个人提效到组织成效，讯飞押注行业纵深+组织级AI

如果说星火X2.6回答的是“算力怎么省”，讯飞星帆WinWork要回答的就是“AI到底给谁干活”。这个数字员工平台的口号不长：让每个岗位都拥有一支数字员工团队。指向很清楚，AI落地的重心，正在从个人工具挪到组织级生产力。

根据麦肯锡《The State of AI 2026》数据显示，AI能为80%的个人带来效率提升，但只有6%的企业实现了显著的业务成效。个人用得顺，和公司真正见效，中间隔的是业务理解和流程嵌入。

政企客户为什么迟迟用不好AI？科大讯飞的诊断是四个“不”：管不住、接不上、记不住、串不起。模型再聪明，接不进业务系统就是摆设；业务规则不沉淀，数字员工就只是会聊天的空壳。

WinWork的做法是先给企业建一套“本体”，把业务规程、业务数据和专家知识库关联起来，让数字员工理解企业规则、掌握专家经验，再嵌进从任务识别、拆解规划到智能分发、协同执行的完整闭环。其中最实用的一项是AI Connection，不改造存量系统就能打通跨系统操作。这句话正打在企业客户的痛点上，过去做AI项目，一半预算和大量时间都耗在系统改造上。

交付上，WinWork提供SaaS订阅、混合部署和私有化部署三种形态，支持全栈国产化，运行可审计、可追溯；依托端云一体的星火大模型，官方称可以节约44%的Token消耗。目前平台上已有采购、法务、风控、客服、营销、研发、人力等场景的80余类数字员工。

这背后是更大的一步棋，从卖Token到交付解决方案，科大讯飞想做的已经不只是一家模型公司。底气来自在教育、医疗、法律、汽车等垂直行业攒下的场景理解和渠道关系，医疗侧的“智医助理”已在全国828个区县常态化应用，汽车侧累计提供前装智能化产品超7750万套。这种“行业know-how+大模型”的组合，是通用模型厂商短期补不齐的。

把本地部署放在重要位置，也不只是技术偏好。政企客户对数据出域天然敏感，这恰恰是云厂商模式的软肋，而私有化部署正是讯飞在信创市场经营多年的主场。一进一退之间，AI to B的战局正从“谁的模型强”变成“谁能进得了客户的内网”。

但代价同样现实，组织级AI本质上是重交付、重定制的生意，实施周期长，毛利会被项目化稀释，还得直面云厂商和企业软件商的夹击。WinWork能不能走通，最终要看企业客户的续费率和ROI。这需要时间，也需要耐心。

从数字世界到物理世界，AI 竞争延伸至交互与终端

科大讯飞释放出的另一个落点，是把AI从数字世界推向物理世界。

这条路刘庆峰分了三步：语音交互、多模交互、具身多模交互。星火具身多模交互技术，主攻四项——复杂空间动态降噪、多目标人的交互意图识别、语音与动作的统一规划执行、视觉触发的主动交互。四项拆开看，各自解决一个具体问题，动态降噪解决“听得见”，多目标意图识别解决“听谁的”，语音与动作统一规划解决“边说边做”，视觉触发主动交互则让它能在人还没开口时先搭话。

科大讯飞的机器人超市和机器人物流驿站也值得关注。官方给出的数据是，即便在-10dB的强噪声条件下，语音识别准确率仍有90.1%。多人参与、需求中途变化时，它还能维持对交流对象、任务内容和执行进度的连续理解。这是机器人从按指令做动作走向在交流里完成任务的关键一步。

这套能力的底子，是讯飞在语音赛道二十余年的积累。麦克风阵列、声源定位、环境降噪，说到底都是把人声从噪声里捞出来的老本行。这条迁移路径逻辑上成立，机器人要进家庭和商业服务，第一关永远是听得见、听得清、听得懂，而这恰恰是多数人形机器人初创公司的短板。而且科大讯飞把突破口选在交互而非本体制造，避开了本体赛道那场烧钱的资本竞赛，目前已有500余家机器人企业、10万余台设备接入其机器人超脑平台。

更具象的是一系列终端矩阵：面向个人的全新一代AIPC灵机N9000，160 TOPS本地算力，联合麒麟软件做了系统级OS Agents；面向组织的星火办公一体机，主打可私有化部署的AI工作站；40克出头的讯飞AI眼镜，靠5麦阵列、骨传导和唇动识别做复杂环境拾音，支持120余种语言翻译，同传首响低至2秒；星火智慧座舱3.0，多模感知成功率超95%，车外远场交互距离达30米；以及通过开放IoT协议实现多品牌设备联动的WallEX智慧空间方案，本地控制响应最快700毫秒。

眼镜、PC、座舱、机器人，讯飞想用同一套“云+端”架构，把入口铺进随身、办公、出行和家庭。边界一路在往外扩，大模型公司的竞争，已经从模型本身延伸到交互层、操作系统、终端设备和物理场景。

但链条越长，不确定性越大。具身智能整体还处在从实验室到商用的早期，量产能力、供应链整合和场景付费意愿都没被验证；AI眼镜和AIPC所在的消费电子赛道，更是华为、小米、字节等巨头的必争之地。更根本的问题是，科大讯飞在机器人上做的是“卖水”的生意，话语权取决于机器人厂商愿不愿意采用它的方案。行业还没跑出标准答案之前，这个问号会一直挂着。

结语

端云一体、组织级AI与具身交互，构成了科大讯飞的三条路径。把三条路径放在一起看，科大讯飞的战略意图已经非常清晰。AI商业化不再只是比较谁的模型参数更大、榜单排名更高，而是比较谁能以可负担的成本，让AI 可信任地进入组织流程和真实环境。

从科大讯飞释放出的信号，也能看到整个行业边界的变化。模型公司开始往应用、平台和终端延伸，硬件公司回头补模型和智能体能力，企业软件公司则在加速改造原有产品。