多领域头部企业青睐讯飞星火：从三个维度读懂为何

6月9日，科大讯飞迎来成立25周年。在庆典活动上，董事长刘庆峰剖析了科大讯飞面对语音和大模型技术带来的机遇、竞争格局、应对策略三大问题，并直言，科大讯飞当前正处于创业史上最具挑战、最令人振奋、最激动人心的时刻。

刘庆峰从大模型底层能力、战略使命和头部客户选择三个维度，阐述了科大讯飞星火为何能成为多领域龙头企业的首选。站在语音和大模型交汇的新战略机遇面前，他强调了产品导向，提出通过五大核心策略，打赢大模型之战。

十年磨砺，迎“语模”新机遇

1999年，科大讯飞创立之初，立下“让机器能听会说”的使命。2014年，科大讯飞提出从“智能语音”到“认知智能”的转型。十年积淀，科大讯飞在2024年迎来前所未有的战略机遇。

刘庆峰以引领行业热潮的OpenAI为例，探讨了语音产业和大模型带来的新机遇：OpenAI的通用底座GPT-4、拥有视觉能力的GPT-4V、语音大模型Whisper、视频大模型Sora，以及兼具语音与视频能力的GPT-4o，每一次更新都离不开大模型的智慧升级。

OpenAI在工程化方面也取得突破，包括超拟人对话、全双工交互、极致响应体验，展现了人机交互的更高水平，对语音市场产生了积极影响。

刘庆峰指出，大模型的理解和生成能力，提升了语音合成、语音识别、机器翻译等单点技术，实现了语义理解、指令执行、多轮对话、情绪感知、超拟人合成，使语音交互得到本质提升。“在这种背景下，语音领域的几乎所有应用都值得用新方式重构一遍。”

刘庆峰举例，医疗导诊机器人、酒店服务机器人、客服机器人等应用可以重新构建；7×24小时营业场所以及部分服务类岗位可以引入数字员工；汽车、手机、家庭助手的语音服务也将大幅提升，类似的应用领域还有很多，市场空间广阔。

他认为，GPT-4o对万物互联时代语音浪潮的推动，类似于当年Siri对语音应用的推动。GPT-4o备受关注的几个特点包括：超拟人合成、全双工交互、端到端快速响应。

在超拟人合成技术方面，科大讯飞的中英文多语种合成技术已达到国际领先水平。在全双工技术方面，科大讯飞早在2016年就定义了万物互联时代的人机交互标准，包括远场、多人、全双工等特性。2020年，科大讯飞主导提出了全双工语音交互国际标准，2023年5月正式颁布。

端到端的语音技术由语音识别、文本生成和语音合成环节组成。6 月 27 日发布的讯飞星火 V4.0 将展示端到端落地最新成果；科大讯飞拥有端到端语音技术建模的全栈技术方案，并计划在实施后推出，预计将于第三季度推向市场。

科大讯飞还提供 GPT-4o 所不具备的功能，如一键复刻、高噪音场景语音识别和多方言多语种免切换。

科大讯飞首席执行官刘庆峰表示：“大模型时代的语音技术是一次推动万物互联和人机交互场景重构的重大产业机遇，科大讯飞将抓住核心技术和应用的红利。”

刘庆峰透露，下一步科大讯飞将发力远场高噪音多人说话场景、高表现力个性化场景、云边端一体化和软硬件一体化，构建全方位领先优势。

大模型的巨大潜力吸引了众多行业参与者，各种技术评测层出不穷。刘庆峰表示：讯飞星火不断迭代，5 月底上线的讯飞星火 V3.5 Max 版在文本生成、知识问答、逻辑推理和数学能力方面处于领先水平；同时也要冷静分析：大模型的能力可达程度是分层的。

刘庆峰认为，大模型能力可达程度分三个层级：一是通用任务，如文本摘要、文本生成、要素抽取和基本意图识别等，只需通用基座模型或数千量级的 SFT，即可达到较好水平；二是中等难度任务，如检索类知识问答和单场景专用智能体等，需要 10 万级别的 SFT 和深度优化，才能显著提升性能；三是高难度任务，如高难度数学推理、长链条知识推理问答、通用智能体等，目前难以达到可用水平，需要更大规模参数的大模型和专用领域算法模型，尚处于探索阶段。

例如，保险知识问答是人机对话的典型应用领域。2023 年 11 月，中国人民保险集团联合认知智能全国重点实验室和科大讯飞，研发了人保首个百亿级参数专属问答领域大模型——“数智灵犀一人保大模型”。通过数万量级的 SFT 微调和全新技术方案，实现了长文本能力的大幅提升，使得规模文档的问答效果提升了 70% 以上。

刘庆峰坦言：在新的战略机遇面前，大模型不仅要拼底座能力，还要围绕刚需的使用场景构建核心优势。

刘庆峰从大模型底座能力、战略任务承担和行业龙头客户招标选择三个方面阐释了讯飞星火的领先地位。