白交 衡宇 發自 凹非寺
量子位 | 公眾號 QbitAI

蘋果放鴿子的更新，國產AI率先實現了。

背上一個看起來平平無奇、體積也沒什么存在感的包，宇樹機器人就聲情并茂地開口說話。

社交i人戴上AI眼鏡，就可以輕松跟外國人social，看似不經意就加上微信好友；戴著它看展的話，看到不懂的展品還可以不懂裝懂一下（bushi。

你對智能硬件的想象，是不是還停留在“能聽懂你說話”的階段？這種“你說一句、它答一句”的交互，本質上還是命令式的、靜態的。場景一變化，語氣一模糊，體驗就崩了。

但現在，這些都開始變了。萬物皆可交互，萬物皆可互聯開始具象化。

你甚至可以讓巴斯光年、變形金剛在你面前唱歌跳舞。

手里的一支簽字筆、一塊貼牌，也可以化身會議神器。

在科大訊飛最新發布會上，我看到了智能硬件的新范式：

設備不再是限制，產品與服務正在被AI革新，交互重構整個硬件產業生態。

AIUI，一站式搞定人機交互開發

正如此次發布會所展現，一個最大的感知就是現在智能硬件從基礎交互邁向深度智能協作，從而在應用場景里深度賦能。

從技術角度來說，人機交互正在變成一個復雜的系統性工程，而不再是語音識別、模型系統和語音合成的簡單組合。

這背后源于AI普及之后用戶越來越高的期待。訊飛這邊給了幾個發現：

• 單次對話輪數不斷提升，用戶對話自由度越來越高；
• 在不同場景下，由大模型引領日交互頻次實現飛躍，尤其是兒童、家庭、機器人場景交互數據飆升。

傳統交互可能局限在“你說一句、它答一句”的固定回答上面；但現在大模型升級，萬物皆可成為載體，智能交互所承載起的需求遠比以往復雜得多，也豐富得多。

可以說，它集成了工具屬性、娛樂屬性以及情感表達于一體，相當于它不僅有全知全能的智商，還有懂你知你的情商，這就有點像“我要你做什么，但你不能只做什么”。

當然，這就對技術側提出了很高的挑戰，包括但不限于自然多輪對話的理解處理、情緒識別與共鳴、長程記憶、快速響應等等。

那么深耕了十年的訊飛如何應對呢？語音，是他們解決的抓手，也是此次AIUI升級的重點。

AIUI——訊飛的人機交互平臺，早在2015年就已經上線，目前已累計服務超10億設備，在車載、AI硬件、機器人等領域都有落地。

此次升級，正如在會場上所看到的，每一臺AI設備都能擬人自然對話，每個場景都能智能響應——

背后是技術突破、場景深耕到生態開放都全面Level-Up。

技術突破方面，訊飛認為，全雙工交互模式及情緒的感知和表達是擬人交互的基礎要求。

全雙工模式下“有所聞，有所不聞”。AIUI不僅能夠有效識別噪聲和無關人聲，更重要的是，它能夠在用戶有遲疑、等待、附和時主動延長拾音。

以前語音助手可能你還沒說完它就搶答，或者你說完它反應慢半拍。現在它能更聰明地判斷你是在思考停頓、在附和、還是在猶豫，不會亂打斷你，也不會讓你干等著，對話節奏更舒服了。

而且它不光聽懂你說什么詞，還能從你說話的語調、聲音里感覺出你是高興、沮喪還是煩躁。

基于千萬高質量高情商對話數據訓練，背后模型——星火交互大模型“共情能力”升級，成為能回應你喜怒哀樂的智能伙伴。

基礎要求滿足之后，但不懂你怎么行？！此次發布另一個值得說道的就是類人記憶系統。

基于長短時記憶融合架構，模擬人腦記憶方式，對對話記錄進行多層精準提取（上下文對話、用戶畫像、生活事件），慢慢形成專屬的聊天方式和知識庫，像是在陪伴你共同成長。

此外在交互響應上面也卷了一下，音頻端到端響應時間做到了1.6s，在業內量產語音交互系統中處于領先水平。

特別針對需求旺盛的兒童場景，訊飛首發兒童專屬交互方案。前面提到，大模型加持兒童場景的交互頻次飆升，733%的那種。

小孩說話常常天馬行空、表達不清，比如“我要那個會亮的星星”。科大訊飛專門訓練了童言識別模型和童語理解模型，提升對話場景下的識別率和正確理解率。

在內容生態、交互模式、心智健康等方面，訊飛都做了相應的優化。

例如，孩子說 “我想看恐龍”，設備不僅播放科普視頻，還會引導孩子用英語描述恐龍特征。這就是結合AI早教場景化學習提供趣味互動 。

除此之外，其他硬件場景下，在AIUI加持下也正在實現從功能實現到體驗重構。

比如智能眼鏡。即便是在發布會這樣的嘈雜環境中，基于三麥陣列降噪技術，設備能精準區分佩戴者與他人聲音，實現“一對一私密對話”。

當然這些場景的賦能還只是開始，要實現產業的賦能還得需要生態。

對于從來不缺開發者生態的訊飛來說，自然同樣要發揮好原有的優勢。AIUI將聯合30萬+開發者共建AI硬件解決方案，深度打磨軟硬結合的交互效果。

董事長劉慶峰曾說過，語音將成為萬物互聯時代的主要交互方式。

如果說AIUI給硬件提供了豐富的感知和表達能力，那么還需要“大腦”賦予它思考的能力，從而實現從感知-理解到行動的閉環。

科大訊飛給出的答案是機器人超腦平臺。

背上就說話！智能語音背包讓“沉默”機器人開口

其實早在2022年，科大訊飛就發布了訊飛機器人超腦平臺；隨著大模型技術爆發，訊飛迅速將星火大模型與超腦平臺深度融合。

現在的機器人超腦平臺以科大訊飛超腦2030技術底座，基于訊飛星火獨有的兩層1+N認知大模型體系構建交互大腦，大幅提升多輪對話、語義理解、知識應用、共情閑聊和行業知識構建效果。

超腦平臺要求機器人能聽會說、能理解會行動，而多模態交互正是實現“能聽會說”的核心技術模塊。

一方面，平臺在端側提供了視聽融合的感知交互解決方案。

通過整合視聽融合感知（語音+唇形+人臉追蹤）、多模態降噪、多人語音分離等技術，來構建機器人的感官系統。

如多模態降噪方面，訊飛機器人超腦平臺采用麥克風陣列窄波束算法，將限定拾音角度從傳統算法的60°降低到30°，明顯提升機器人設備麥克風陣列兩側噪聲抑制的效果。

即便在嘈雜環境下，機器人的語音識別率也從83%提升至96%。

另一方面，平臺在云端構建以大模型為核心的機器人大腦，同時還在工程化上做了諸多優化。

云端大模型簡化輸出內容，避免傳統機器人應答冗長問題，音頻端到端響應時間1.6s。實現超擬人TTS合成，還把TTS的首響時間控制在200毫秒以內。

目前，訊飛機器人超腦平臺的產品已經在多款機器人產品上集成和應用。

比如在永達4S店迎賓的智元遠征A2人形機器人，就集成了平臺的多模態交互，不僅實現對顧客的主動感知、主動迎賓，還會結合專業汽車知識庫提供車型參數問詢、促銷活動講解。

此外，這樣強大的多模態語音交互，還被北京“天工”、上海“朱雀”、浙江“領航者2號”等多款人形機器人廣泛使用。

值得一提的是，為了解決機器人行業面臨的 “碎片化需求”與“規模化落地”之間的矛盾，訊飛機器人超腦平臺采用模塊化設計。

具體而言，平臺打造了軟硬件一體的套件方案，快速提升交付能力。

發布會上，訊飛機器人超腦平臺還帶來了一個新產品：智能語音背包。

它的存在是為了破解存量機器人缺乏語音交互能力的痛點。

所有機器人無需硬件重構，把智能語音背包在背上一背就能賦予機器人開口對話的能力，即插即用。

合作伙伴宇樹G1背著它的“小背包”就上臺了：

背上智能語音背包，G1秒變段子手。

不僅在現場和科大訊飛產品經理幽默互動，還能為自己剛在深圳學的太極拳來一套程序員喜聞樂見的動作解釋：

• 這招叫Wifi滿格！接著是代碼運行順暢——最后系統永不宕機！

（猜猜下圖這招叫啥？）

目前，就有超500家機器人客戶選擇了訊飛機器人超腦平臺，種類包括人形機器人、四足機器人、輪式機器人等，推動機器人從實驗室走向商場、醫院、4S店等真實場景。

訊飛堅信，隨著機器人服務現實世界的能力進化，在未來，遙控器、屏幕等人機交互的中間介質都會被逐步替代，人機直接互動才是服務過程中的剛需。

AI交互不是終點

圍繞智能交互這一點，發布會現場還揭曉了包含開發者生態、智能硬件（如AI眼鏡）、數字人、大模型Agent在內的不少干貨，不時引得觀眾掌聲雷動。

數字人一直是科大訊飛的拿手好戲，此次發布會上依舊格外出彩。

會上提到，對比前一年，2024年全年科大訊飛的數字人制作量提升了16%，用戶和數字人每天的交互次數增長了6.5倍。

據統計，AI虛擬人交互平臺已成功構建超10萬數字分身，廣泛應用于媒體、教育、政企、文旅等場景，在金融、媒體、教育等領域市場占有率都達到了第一。

現場還展示了科大訊飛面向個人用戶提供的輕量化定制方案——現在，一句話和一張照片就能快速構建一個人的數字人分身。

新產品移動數字人小雨也在發布會現場亮相。

它搭載導航和路線規劃功能，可在展廳、博物館等場景自由移動，提供導覽服務。

一個有意思的事情是，科大訊飛注意到在大模型時代來臨前，人機交互最高頻的使用場景是電視和車載；大模型時代來臨后，兒童領域對話需求非常強烈，交互速度增長了7倍以上，成為交互最高頻的場景。

一個有意思的事情是，發布會場內，科大訊飛在兒童這一高頻場景做了體驗升維：

發布會現場外，5名父親利用科大訊飛兒童專屬的功耗玩具開發套件，在60分鐘時間內，挑戰開發板的“童芯大腦”。

“技術-場景-生態”閉環在這里交織，這其實也是科大訊飛一直以來踐行的技術創新之道。

另外，這次挑戰也是科大訊飛今年開發者大賽的一部分——發布會現場，訊飛iFYTEK AI開發者大賽同場起航。

本屆賽事覆36道應用賽與72道算法賽，特設智能座艙交互評測、多模態虛擬人對話等前沿賽道，以開放的生態與前沿的賽題，推動人工智能新生代的成長。

從2018年起，科大訊飛每年持續發起并舉辦開發者大賽，如今這項賽事已經成為一個全球性的人工智能競賽平臺，來自全球各地的人工智能產業的專業人才積極參與，共同推動人工智能前沿科學的研究和創新成果的實際轉化。

15年前，科大訊飛發布行業首個語音云，至此拉開了語音交互的帷幕。

5年后的2015年，科大訊飛又發布了首個人機交互界面AIUI，讓智能硬件進入了語音交互時代。

2021年有了虛擬數字人，2022年有了機器人超腦平臺，2023年有了訊飛星火大模型……2010年至今，科大訊飛的交互技術不斷突破。

而剛剛結束的這場發布會雖然是一場面向智能交互產品的發布會，但它講述的故事，遠不止功能更強和設備更聰明這么簡單。

最直觀的感受是它讓外界更清晰地看到，在科大訊飛這里，智能交互正實現從單向指令到深度協同的轉變：

它展示出的遠非科大訊飛某一項功能/工具的單一產品升級，而是以AI交互為中樞、貫穿硬件研發到場景落地的全鏈技術方案。

人機關系的重塑不再僅僅是“命令-執行”，而是逐步向共同完成目標過渡。交互體驗提升不再是某個模塊的升級，而是系統智能協作的開始。

你也可以理解為產品與服務在向更便捷、更高效、更智慧的方向演進。

這種變化不僅服務于訊飛自有產品，實現產品體驗的躍升，更以平臺方式賦能合作伙伴，直擊廣電、家庭、醫療、辦公等諸多具體場景的核心痛點，讓產業升級落到實處。

總之，讓技術真正轉化為解決問題的生產力。

人機協作的下一站，不再只是“能溝通”，而是“能共事”，甚至“替你想”。

一個更聰明、更協作、更具生命力的智能世界，正從科大訊飛這場發布會開始，加速走進現實。