科大讯飞星火X2.6发布：全国产算力，首次推出端云一体协同架构

新智元报道  

「我另一只高跟鞋呢？」妈妈还有10分钟到家，女孩却怎么也找不到另一只高跟鞋了。

墙上的屏幕开始回放客厅画面。AI提示：鞋可能被踢到了沙发底下。她随即俯身去找。女孩没说过鞋是什么颜色、什么款式，也没回忆最后一次在哪儿见过。WallEX把她的话和客厅里的画面联系起来，给了她一条线索。

找鞋这活儿听着简单，真要让AI干成，就得一边听懂人话、一边看懂画面，再把两边对起来。出了客厅，等它的是更吵的环境和更绕的任务。

10月22日，讯飞1024全球开发者节在北京举行。主论坛上，科大讯飞董事长刘庆峰发布了基于全国产算力升级的星火X2.6，并首次推出端云一体协同架构。

AI可以根据任务需要，选择在本地处理、交给云端，或由两端协作完成。

开发者这边也有了新东西：星辰TaaS平台正式发布，加上APA智能体流程自动化和讯飞CLI，Agent能去操作业务系统、把复杂任务跑完。开发者不再只是调模型，还能把AI能力拼成能交付的行业方案。

同日下午的开发者生态发布会，聚焦开发者怎样接入这些能力、把应用做出来。

机器人要从几个人的声音里分清谁在提问，办公室里的Agent则要替员工核价、填单，电视要记住厨房里刚聊过的片单。

讯飞给新一代人机交互定了三个方向：拟人、普适、易用。

• 拟人，是让对话更像人，靠多通道端到端模型、端云协同和多设备联动；

• 普适，是从安静的房间走进噪音环境，从国内走向多语种，从单一场景走向多场景；

• 易用，是让开发者接入更省事，靠软硬一体模组、整机参考设计、交互研发数字员工和平台的命令行版本。

拟人、普适、易用，也贯穿了家庭、企业和公共服务这几类场景。

把人说的话、镜头里的画面放在一起理解，就是多模态交互。

OpenAI在做实时语音对话，Google把视频理解和屏幕共享带进Gemini Live。用户可以拿起手机，边给AI看、边跟它聊。

讯飞这次拿出来的，是让对话在多个设备之间互通。

人在厨房说了句「放假了，想放松一下」，冰箱先接话，电视上跟着就跳出推荐片单。挪到客厅，他又说：「看第二部，之前看过一点，帮我回顾剧情。」片名没再提，电视照样知道是刚才那单子里的第二部。厨房那段对话和推荐结果，WallEX已经同步到客厅设备，换个房间接着说，不用从头交代。

WallEX多设备联动

讯飞这套多通道端到端模型是WallEX能这样接话的底子：端侧负责快速应答，云侧做深度理解，结果再同步到各设备之间。而WallEX依托的，是讯飞面向智慧空间打造的软硬件方案SpaceMind。

在商业、居住、办公等空间里，SpaceMind借助开放的IoT协议和Harness平台，兼容全球主流通信标准，目前已与海尔、美的等家电品牌，以及西门子、GVS等电工电气品牌的设备完成打通。

各品牌、各品类的设备都能接入，智能便不再局限于某一台设备，转而由整个空间协同完成。

讯飞想做的，是通过端云协同和软硬一体，进一步压低智能硬件的开发门槛，让AI走进更多家庭和行业。

从相对安静的家走进展厅、酒店，机器人面对的声音环境就复杂得多：几个人围着它说话，旁边还放着音乐。提问声混在聊天声里，机器人既得听清问题，也得分清是谁在问。

讯飞的方案是用全景摄像头配合环形麦克风阵列，把人像和声音对应起来，在360°范围内支持5人多模态降噪。在-10dB噪声测试中，这套方案的语音识别准确率达到90.1%。

到了展厅或酒店，访客还可能换一种语言开口。平台支持40多种语言，其中30多种可以免切换交互。

一句话问完，要等好几秒才有回应，人很容易失去继续聊下去的耐心。讯飞的做法是让设备在本地处理即时交互和离线任务，把复杂理解交给云端。这种「端云融合」方案下，端侧平均响应时间为0.85秒。

开发者可以挑儿童陪伴、门店营销这类场景的交互模板，再根据实际需要做调整。给孩子讲故事时，AI 得跟着情节变语气；到了门店接待顾客，提问和接话的路数又得换一套。

同样是讲故事，语音合成模型还得把情节里的情绪读出来。

在真实场景中，语音依然是人与AI最自然、最直接的交互方式。除了听得清、反应快，AI还得说得准、说得自然。而在这个讯飞深耕多年的领域，它的技术实力再次得到了验证。

10月16日，讯飞的语音合成模型ULingo-TTS-1.0-Preview在SuperCLUE-TTS测评总榜中拿到71.39分，这一总分为全部参测模型最高。

交互能力有了，接下来是把它装进产品。

把AI装进眼镜、录音环或导览机器人，开发团队还要调试麦克风收音、摄像头取景，以及模型怎样控制设备。换一种硬件，这些部分就可能要重新适配。

开发者可以先拿已经适配好的硬件跑一轮。讯飞给的是交互板、软硬一体模组和一体机，团队验证过效果，再照自己的产品去做调整。

讯飞自有产品的整机设计也能拿来参考，软硬件怎么组合，团队可以据此定方案。

接入和适配的时候，开发者把需求直接讲出来就行，Agent 会调用 AIUI Code 插件帮着做完。讯飞在交互开发上的经验，都封在这些插件里。

在家说一句「看第二部」，电视接着响应就完了。换到办公室，一句「采购显示器」，事情还得交到有权限处理的同事手上。

能调用工具、按目标去执行任务的 AI，叫 Agent，也就是智能体。

OpenAI 的开发框架已经能支持 Agent 之间交接任务、记录过程。可进了公司，这些交接还要服从公司的分工。

发布会里分量最重的也是这块：三款面向企业的首发产品——Agent OS、APA 和星辰TaaS，分别对应分工、操作和方案三件事。

预算谁确认、合同谁审核，不能让 Agent 临时去猜。

这次首发的 Agent OS，管的就是人、多个 Agent 和业务系统之间的分工。

员工提出采购显示器，系统把用途与规格整理好，登记进办公系统；走到审批环节，通知负责人处理，结果再回传给员工。

Agent 接手的时候，还得知道这笔采购办到了哪一步。它按权限读取项目、人员和历史记录，然后接着处理自己那份任务。

员工的纠正意见和任务结果，同样要经过评测审核，用来调整后面的技能和流程。

Agent OS自动登记采购申请

Agent OS审批协同与结果回传

分工定下来，Agent 还得会操作公司里的各个系统。

查库存、填表、提审批，员工平常怎么操作，把过程录下来，再用对话补上要求，就能教给 Agent。

这次首发的 APA，全称智能体流程自动化，做的就是把手上的软件操作变成 Agent 能调用的技能。

员工在星辰Cowork工作台里录制、描述操作过程，Agent 也在这个工作台里调用技能，跨系统办事。

客户要 10 台无线接入设备和 2 台交换机，Agent 先去经营管理和仓库系统核对价格、库存，再看合同里的付款与交付条款。

核对完，它生成 16800 元的报价，送进办公系统审批。

技能录制完成后能共享给同事，不必每人再教一次。

换到另一家客户，业务系统和行业规则又是另一套。开发者可以调模型、接工具，但这些能力还得组织成客户能用的方案。

这次首发的星辰TaaS，就是让开发者复用模型、工具和行业知识。企业在AI实验室提需求，开发者按需求组合方案，在线验证之后再推进交付。

TaaS全称Token as a Solution。讯飞的想法是，模型消耗的每一个Token都要落到具体业务上，直到任务做完。

整套方案分三层配合：模型供给、能力编排、场景应用。

• 模型供给这一层，底层模型能力由星辰MaaS提供。

• 能力编排这一层，靠模型调度、智能体引擎、知识工程、工具编排和运行治理把模型与工具组织起来，让Token用得准、也用得省。

• 场景应用这一层，已经沉淀出同传翻译、数字员工、办公提效、知识问答、智能营销等应用，覆盖企业服务、金融、医疗、教育、能源等行业。

开发者能复用现成体系，省掉从零搭建的功夫；企业则按自己的业务需求拿到可以直接使用的能力。

讯飞自己的总结就一句话：让Token不空转，让价值看得见。

星辰TaaS把模型、知识与工具组合起来

星辰TaaS生成方案

做招采评审，审核人尤其要知道AI凭什么下结论。讯飞招采助手让多个专业Agent并行处理材料，每条结论附上引用依据，关键节点交给人来确认。

这套系统已经在50多家单位落地。国家能源集团相关项目里，智能评审准确率达到97%。

与合肥公共资源交易中心联合打造的公共资源交易大模型，把评标评审时长缩短了90%以上。

海外广告投出去之后，团队得盯着成本和转化，排查流量、素材哪里出了问题。

「超级效果优化师」让多个Agent分头检查、诊断并给出调整策略，投手确认后再执行，目前已经用在电商大客户的海外投放上。

某电商KA客户的海外投放案例中，人均操盘账户的投放规模提升40%，ROAS（广告支出回报率）提升50%。

Agent在公司里干活，同样要用讯飞开放平台上的能力。不过它找工具的方式和人不一样。

开发者要让Agent识别一段录音，先得让它找到语音识别服务，知道怎么调用，还得拿到相应权限。

Anthropic提出MCP协议，推动AI以统一方式连接外部数据和工具。

讯飞这次将推出XFYUN CLI，把平台功能做成一句话就能调用的工具。

安装完、授权过，开发者就能让Agent拿这些指令去调服务。

语音识别、语音合成等700多项AI功能都走这条路供Agent调用，能适配的智能体超过200种。

工具备齐，剩下的事就是把Agent塞进现场设备里。

以前智能硬件要接交互能力，代码得开发者自己写，编译、调试、端侧部署一样不能少，链路拉得长，联调也麻烦。

前文说到的AIUI Code，靠Agent调插件来帮开发，手工编码和联调的工作量因此减少。

交互研发数字员工更进一步，机器人可以直接用自然语言配置。开发者说句话，就能按场景改配置、马上生效。

设备配好了，企业还得把它和实际服务接上。

企业的定制需求通常很碎：这边要数字人，那边要问答，往往得分开买。

GuideX平台此次升级，把这些零散需求拼成一套能交付、也能持续运营的方案。

这套方案里有两个角色。

• 一个是AStudio，讯飞新一代全场景AI生产力工作台，装在开发者电脑上，管的是接需求——理清要求、把Agent搭起来。

• 另一个是GuideX，讯飞面向公共服务场景的数字员工平台，从配置组装到交付运营的后续环节都由它接手。开发者用对话方式开发，做出主动迎宾、多语种问询、业务办理等功能，再接到带触控屏、能对话的终端上。

发布会现场要演示的，是给机场定制一个服务管家。

流程是：开发者先在AStudio里理需求、搭Agent，交给GuideX配置，接上数字人和终端设备，测试调试完再交机场使用。

肯尼亚运营商Safaricom总部的智慧展厅里，GuideX数字导览员已经上岗，负责介绍通信业务、M-PESA移动金融服务和财报内容。

为这个项目，团队专门整理了知识库，把行业名词、财报缩写和当地说法都做了适配。

10月24日，讯飞AI开发者大赛年度决赛将在合肥开赛。今年共有来自全球15个国家、351座城市的52120支团队参赛，规模创下新高。

参赛团队的结构，也照出了产业落地和参与门槛的变化。

一边是AI创新往产业里走：应用赛中65%的团队拿到国家资质认证，讯飞则通过技术支持、路演和资本对接，帮他们把作品变成产品。

另一边是门槛在降：算法赛里有43%的选手并非算法科班出身。过去算法优化得靠多年积累才敢碰，如今有AI工具帮忙，跨专业的人也能上手。

有些需求小得很，单独开发一套软件不划算，可每天都有人为它耗掉时间。

搭应用要是能再省点力，天天被这些麻烦缠着的人，就有机会把自己的解法做出来，再给更多人用。下次你觉得「这东西真方便」，说不定就出自某个人对身边小事的不满意。

讯飞把开放平台再往Agent方向推一步，图的就是让这样的事多起来。

在客厅里翻找一只高跟鞋，在机场里接待成千上万名旅客——这两件看着毫不相干的事，指向的其实是同一场变化：AI不再只待在屏幕里回答问题，它开始走进现实世界，成为其中的参与者。

这场变化能走多远，取决于技术能不能走出实验室，取决于开发者能不能更轻松地把东西做出来，也取决于企业是否真的把它用起来，普通人的点子有没有机会变成产品。讯飞这次升级开发者生态，推的也是开发方式的转变：从学着用AI工具，到和Agent一起把应用造出来。

开发AI应用不再是少数程序员的专利，更多懂实际问题的人可以参与进来。技术突破能不能变成生产力，说到底还要看这些应用在真实场景里能解决多少问题。