跨越应用门槛，科大讯飞让AI离生产更近

过去四个月，全球大模型推理价格经历了一轮急剧下行。

彭博LLM Token支出指数从5月底的2.04美元/百万Token一路下行，到9月初首次跌破1美元，累计降幅超过50%。

当各家模型间代差缩小，能力本身便不再是企业采购时最犹豫的一环。今年各场行业会议上，参数被提及得更少，取而代之的是模型调用量、落地场景数和单位成本。

7月17日，工业和信息化部副部长柯吉欣在2026世界人工智能大会上披露，我国人工智能核心产业规模突破1.2万亿元，智能算力规模达2185EFLOPS，规模以上工业企业人工智能应用普及率超过30%。产业盘子铺到万亿量级，应用却还是洼地，近七成规上工业企业没有让AI进入生产环节。

10月22日，科大讯飞在北京举办2026全球1024开发者节主论坛，发布端云一体讯飞星火X2.6、SparkAudio 1.0、星火具身多模交互技术和讯飞星帆WinWork。作为“人工智能国家队”，科大讯飞把发布会上关于AI实际应用的讨论落在三个问题上：安全性与极致性价比、AI从数字世界走向业务场景、从个人提效到组织提效。

压下成本线

Token总体单价下跌，并不代表企业应用AI的整体成本也在下降。中国信息通信研究院基于国内大模型公开Token定价数据的梳理显示，2026年1至9月，轻量档位模型场景成本整体下降约35%至40%，旗舰档位模型成本整体上升60%至233%。

旗舰档位模型不降反涨，因为它卖的不只是Token，而是更重的能力本身：训练要烧更大的算力集群，部署、调用、维护成本不随Token单价下降。

这正是科大讯飞此次发布方案所解决的问题：从四个分账本入手，帮企业真正压下应用AI的成本线。

一是训练账，压下研发投入。国产芯片的显存和带宽有限，长程任务和短程任务混在一起训，效率容易被拖住。科大讯飞的做法是把长短程任务自动分解，再用联合调度把国产算力的多种机制调动起来。发布会披露，长程任务训练效率提升约4倍，飞星二号万卡训练2000B、256K长度数据的时间由4.5个月缩到1.2个月。训练跑得快，意味着相同算力条件下企业一年可以多迭代几轮，固定的设备和基础设施投入被更多轮次摊薄。

二是推理账，压下运营消耗。长上下文推理的难处，一半在答得对不对，另一半在数据放不放得下、算得快不快。科大讯飞一边做基于国产异构算力的分布式推理，一边推出面向全国产设备的四层KVCache，把缓存复用效率提上来；优化后，国产芯片推理效率提升4.5倍，KVCache命中率从63%升到95.7%。通俗地说，更多请求可以直接复用已经算过的部分，不必每次从头处理，同一套算力因此能承载更多任务，每次调用的单价随之降下来。

三是调度账，压下“本可以不花的钱”。企业实践中，并非所有任务都值得调用云端高规格模型，查日程、整理文档这类轻量任务如果都送上云，调用成本、数据出端和响应时延都会增加；复杂推理、专业分析和跨系统任务，则需要更强的云端模型或端云协同。星火X2.6的端云一体协同架构，由端侧模型先判断任务在本地办、交云端办，还是两边协同办；按复杂度和敏感度将任务分档，企业就不必为每一项需求都支付最高规格的模型成本。

四是长期账，压下未来风险成本。单次训练和单次调用之外，企业还要看长期部署稳不稳、技术路线会不会被锁死。星火X2.6沿全栈自主可控路线，用全国产算力完成训练，实现代码能力和智能体能力突破，支持百万Token上下文，并上线国产万卡推理集群。国产算力的应用边界因此得以从推理环节向长上下文训练延伸，为训练、推理和部署提供了更多选择，也降低了对单一硬件生态的依赖。

AI接手真实业务

过去两年，AI的主战场在问答、写稿、生成图片，停留在屏幕里。要让AI赋能千行百业，先得解决它进不了生产工艺、采购管理、经营决策这些真实场景的问题。

能源是科大讯飞深耕高价值行业的第一个落点，与中石油、中国移动、华为联合研发的昆仑大模型是其中的代表作。能源领域，每笔业务都与成本和合规紧密关联：物资招采评审决定采购成本，过去靠人工逐条核对，量大、费时；作业现场是否合规操作、有无违规风险，过去靠人盯监控、凭经验巡查，难以避免疲劳和遗漏。

科大讯飞重点参与建设的昆仑3000亿参数语言大模型，已在上百个场景落地；2025年5月28日升级后，物资招采辅助评审准确率达到82%，安全生产侧视觉大模型对12类高频违规行为的检测准确率达99.2%。

成本和合规之外，昆仑大模型还承接了一个个具体的业务动作：勘探开发中，智能化全波形反演让地震波正反演全流程效率提升10倍以上；炼化环节，时序专业大模型优化乙烷制乙烯工艺运行、加快设备故障处置；管理线上，“数字财会审核专员”“数字造价工程师”等23个专业数字员工已经上岗。

民生刚需领域，科大讯飞正在为法律、教育、医疗等具体领域提供AI帮助。

法律领域，讯飞晓法把1.6亿件案件辅助办理的实践沉淀进模型，整体辅助办案效率提升45%以上；卷宗脱敏后本地处理、不出内网，观点可溯源到卷宗原文，关键判断回查到出处，再由人签字确认，做到了结论可复核、责任有人担。

教育领域，讯飞星光注册教师30万名，14000余名一线教师给出的满意度为4.7分，对照行业最高分4.0；星火智能批阅机约5分钟批完一个班的作业并分析全班学情，已覆盖3000余所学校、服务超450万师生，累计为教师节省批改时间超1400万小时，使用学校九成续签。

医疗领域，讯飞晓医累计AI咨询超2.2亿次、下载4400万，是国内首个且唯一通过执业医师资格考试的医疗AI系统。

AI从数字世界进入物理世界，新一代人机交互也在成型，此次发布会给出软硬一体路径：从语音交互到多模交互，再到具身多模交互。

语音交互以SparkAudio 1.0为代表，把“听清”推进到“听懂”，嘈杂的街头，它能在喇叭声、叫卖声、车轮摩擦声里分清交织的人声，还能从声音线索推断周围发生了什么；升级识别、同传与交互能力，能分辨谁在说话，双范式协同解码使成本降低60%。

多模交互把声音、视觉、位置和环境信息关联起来。讯飞AI眼镜支持120余种语言、同传首响低至2秒；星火智慧座舱3.0首发即量产，在车外远场交互场景中能一次听懂多个需求并逐项落实。

具身多模交互，AI离物理世界更近一步：机器人要在距离和噪声不断变化的环境里听清指令、理解多人意图，还要协调语音与动作。比如AI无人超市的机器人店员能应对多人插话和需求变化，边说边做。支撑这类能力的机器人超脑平台V3.0已在500余家机器人企业、10万余台设备上集成，国内头部机器人企业九成是科大讯飞的客户。

从个人向组织扩散

全球管理咨询机构麦肯锡8月发布的《The State of AI 2026》报告显示，在1719名受访者中，80%觉得AI提升了自己的个人生产力，但企业中报告息税前利润出现正向贡献的只有37%，称得上“AI高绩效者”的更是只有6%。

个人用得好，不等于组织用得好；个人工具解决的是单点任务，组织要的是整体流程的结果。AI生产力从个人扩散向组织，隔着两道坎。

第一道坎是数据，当前正在被逐步填平：9月28日，国务院国资委规划发展局局长戴希在国新办发布会上介绍，中央企业数据集建设正从“泛数据积累”转向“垂直业务赋能”，能源、交通、低碳、金融4个数据产业共同体已汇聚千余个高质量数据集。

更难跨越的是第二道坎，责任归属。大模型交出来的成果常常无从判断对错，而真实业务流程里的每一步都需要有人对结果负责，这就要求大模型的产出是可以逐步检验的，能回溯、定位问题。

讯飞星帆WinWork的解法是先把业务理清楚，再逐个节点落实责任。平台以企业业务本体沉淀规程、数据与专家知识库，再把AI嵌进业务流程，跑通识别任务、拆解规划到联动系统执行全流程；在每个流程节点，WinWork会先自行测试，达标后才走下一步，实现结果可验证、可复用、可兑现。

以往，企业对AI的评价标准是“输出像不像人”，如今加上了“能不能解释、能不能核验、能不能控住风险”。前两条可以靠上述流程设计兑现，“控住风险”却要落到部署方式上。数据一旦离开企业，责任边界就模糊了。端云一体正是讯飞对这一问题的回应，它既是降低调用成本的技术架构，也是组织部署AI的一种方式。轻量、敏感的任务优先在本地完成，端侧解决刚需，复杂任务交给云端模型，企业按数据敏感等级、业务重要程度和任务复杂度，配置不同的模型与权限，把风险圈在可控的边界之内。

除了上述两道坎，用AI实现组织提效，还有另一个隐形阻碍：没有企业能为各个流程节点自建模型团队，也不可能要求所有业务人员都成为算法工程师。科大讯飞此次发布的星辰TaaS平台，解决的正是这一问题——把服务从Token延伸到Solution，本质是把模型能力封装成业务人员和开发者可以直接调用的解决方案，让每一份Token消耗都对得上业务成果。

降低应用门槛的动作没有局限在企业内部，个人开发者同样不必从零训练模型。讯飞开放平台直接开放了上千种AI能力，让非算法背景的开发者也能轻松上手。2026年科大讯飞AI开发者大赛累计吸引15个国家、351座城市的超5.2万支团队参赛，其中，43%的算法赛选手并非算法专业出身，离业务一线更近的从业者们正在自己上手尝试让AI在业务场景内落地。

发布会上，科大讯飞董事长刘庆峰说，人工智能是一场凝心聚力的长跑，它不仅取决于模型能力有多强，更取决于有多少人能够利用这些能力创造价值。压成本、进场景、降门槛，科大讯飞所做的，正是为这场长跑扫清路障。

（作者 胡淅）