智能交互终于步入真·人机交互时代了，这很讯飞

衡宇
2025-06-13
13:22:25

来源：量子位

白交 衡宇 发自 凹非寺

量子位 | 公众号 QbitAI

苹果放鸽子的更新，国产AI率先实现了。

背上一个看起来平平无奇、体积也没什么存在感的包，宇树机器人就声情并茂地开口说话。

社交i人戴上AI眼镜，就可以轻松跟外国人social，看似不经意就加上微信好友；戴着它看展的话，看到不懂的展品还可以不懂装懂一下（bushi。

你对智能硬件的想象，是不是还停留在“能听懂你说话”的阶段？这种“你说一句、它答一句”的交互，本质上还是命令式的、静态的。场景一变化，语气一模糊，体验就崩了。

但现在，这些都开始变了。万物皆可交互，万物皆可互联开始具象化。

你甚至可以让巴斯光年、变形金刚在你面前唱歌跳舞。

手里的一支签字笔、一块贴牌，也可以化身会议神器。

在科大讯飞最新发布会上，我看到了智能硬件的新范式：

设备不再是限制，产品与服务正在被AI革新，交互重构整个硬件产业生态。

AIUI，一站式搞定人机交互开发

正如此次发布会所展现，一个最大的感知就是现在智能硬件从基础交互迈向深度智能协作，从而在应用场景里深度赋能。

从技术角度来说，人机交互正在变成一个复杂的系统性工程，而不再是语音识别、模型系统和语音合成的简单组合。

这背后源于AI普及之后用户越来越高的期待。讯飞这边给了几个发现：

• 单次对话轮数不断提升，用户对话自由度越来越高；
• 在不同场景下，由大模型引领日交互频次实现飞跃，尤其是儿童、家庭、机器人场景交互数据飙升。

传统交互可能局限在“你说一句、它答一句”的固定回答上面；但现在大模型升级，万物皆可成为载体，智能交互所承载起的需求远比以往复杂得多，也丰富得多。

可以说，它集成了工具属性、娱乐属性以及情感表达于一体，相当于它不仅有全知全能的智商，还有懂你知你的情商，这就有点像“我要你做什么，但你不能只做什么”。

当然，这就对技术侧提出了很高的挑战，包括但不限于自然多轮对话的理解处理、情绪识别与共鸣、长程记忆、快速响应等等。

那么深耕了十年的讯飞如何应对呢？语音，是他们解决的抓手，也是此次AIUI升级的重点。

AIUI——讯飞的人机交互平台，早在2015年就已经上线，目前已累计服务超10亿设备，在车载、AI硬件、机器人等领域都有落地。

此次升级，正如在会场上所看到的，每一台AI设备都能拟人自然对话，每个场景都能智能响应——

背后是技术突破、场景深耕到生态开放都全面Level-Up。

技术突破方面，讯飞认为，全双工交互模式及情绪的感知和表达是拟人交互的基础要求。

全双工模式下“有所闻，有所不闻”。AIUI不仅能够有效识别噪声和无关人声，更重要的是，它能够在用户有迟疑、等待、附和时主动延长拾音。

以前语音助手可能你还没说完它就抢答，或者你说完它反应慢半拍。现在它能更聪明地判断你是在思考停顿、在附和、还是在犹豫，不会乱打断你，也不会让你干等着，对话节奏更舒服了。

而且它不光听懂你说什么词，还能从你说话的语调、声音里感觉出你是高兴、沮丧还是烦躁。

基于千万高质量高情商对话数据训练，背后模型——星火交互大模型“共情能力”升级，成为能回应你喜怒哀乐的智能伙伴。

基础要求满足之后，但不懂你怎么行？！此次发布另一个值得说道的就是类人记忆系统。

基于长短时记忆融合架构，模拟人脑记忆方式，对对话记录进行多层精准提取（上下文对话、用户画像、生活事件），慢慢形成专属的聊天方式和知识库，像是在陪伴你共同成长。

此外在交互响应上面也卷了一下，音频端到端响应时间做到了1.6s，在业内量产语音交互系统中处于领先水平。

特别针对需求旺盛的儿童场景，讯飞首发儿童专属交互方案。前面提到，大模型加持儿童场景的交互频次飙升，733%的那种。

小孩说话常常天马行空、表达不清，比如“我要那个会亮的星星”。科大讯飞专门训练了童言识别模型和童语理解模型，提升对话场景下的识别率和正确理解率。

在内容生态、交互模式、心智健康等方面，讯飞都做了相应的优化。

例如，孩子说 “我想看恐龙”，设备不仅播放科普视频，还会引导孩子用英语描述恐龙特征。这就是结合AI早教场景化学习提供趣味互动 。

除此之外，其他硬件场景下，在AIUI加持下也正在实现从功能实现到体验重构。

比如智能眼镜。即便是在发布会这样的嘈杂环境中，基于三麦阵列降噪技术，设备能精准区分佩戴者与他人声音，实现“一对一私密对话”。

当然这些场景的赋能还只是开始，要实现产业的赋能还得需要生态。

对于从来不缺开发者生态的讯飞来说，自然同样要发挥好原有的优势。AIUI将联合30万+开发者共建AI硬件解决方案，深度打磨软硬结合的交互效果。

董事长刘庆峰曾说过，语音将成为万物互联时代的主要交互方式。

如果说AIUI给硬件提供了丰富的感知和表达能力，那么还需要“大脑”赋予它思考的能力，从而实现从感知-理解到行动的闭环。

科大讯飞给出的答案是机器人超脑平台。

背上就说话！智能语音背包让“沉默”机器人开口

其实早在2022年，科大讯飞就发布了讯飞机器人超脑平台；随着大模型技术爆发，讯飞迅速将星火大模型与超脑平台深度融合。

现在的机器人超脑平台以科大讯飞超脑2030技术底座，基于讯飞星火独有的两层1+N认知大模型体系构建交互大脑，大幅提升多轮对话、语义理解、知识应用、共情闲聊和行业知识构建效果。

超脑平台要求机器人能听会说、能理解会行动，而多模态交互正是实现“能听会说”的核心技术模块。

一方面，平台在端侧提供了视听融合的感知交互解决方案。

通过整合视听融合感知（语音+唇形+人脸追踪）、多模态降噪、多人语音分离等技术，来构建机器人的感官系统。

如多模态降噪方面，讯飞机器人超脑平台采用麦克风阵列窄波束算法，将限定拾音角度从传统算法的60°降低到30°，明显提升机器人设备麦克风阵列两侧噪声抑制的效果。

即便在嘈杂环境下，机器人的语音识别率也从83%提升至96%。

另一方面，平台在云端构建以大模型为核心的机器人大脑，同时还在工程化上做了诸多优化。

云端大模型简化输出内容，避免传统机器人应答冗长问题，音频端到端响应时间1.6s。实现超拟人TTS合成，还把TTS的首响时间控制在200毫秒以内。

目前，讯飞机器人超脑平台的产品已经在多款机器人产品上集成和应用。

比如在永达4S店迎宾的智元远征A2人形机器人，就集成了平台的多模态交互，不仅实现对顾客的主动感知、主动迎宾，还会结合专业汽车知识库提供车型参数问询、促销活动讲解。

此外，这样强大的多模态语音交互，还被北京“天工”、上海“朱雀”、浙江“领航者2号”等多款人形机器人广泛使用。

值得一提的是，为了解决机器人行业面临的 “碎片化需求”与“规模化落地”之间的矛盾，讯飞机器人超脑平台采用模块化设计。

具体而言，平台打造了软硬件一体的套件方案，快速提升交付能力。

发布会上，讯飞机器人超脑平台还带来了一个新产品：智能语音背包。

它的存在是为了破解存量机器人缺乏语音交互能力的痛点。

所有机器人无需硬件重构，把智能语音背包在背上一背就能赋予机器人开口对话的能力，即插即用。

合作伙伴宇树G1背着它的“小背包”就上台了：

背上智能语音背包，G1秒变段子手。

不仅在现场和科大讯飞产品经理幽默互动，还能为自己刚在深圳学的太极拳来一套程序员喜闻乐见的动作解释：

这招叫Wifi满格！接着是代码运行顺畅——最后系统永不宕机！

（猜猜下图这招叫啥？）

目前，就有超500家机器人客户选择了讯飞机器人超脑平台，种类包括人形机器人、四足机器人、轮式机器人等，推动机器人从实验室走向商场、医院、4S店等真实场景。

讯飞坚信，随着机器人服务现实世界的能力进化，在未来，遥控器、屏幕等人机交互的中间介质都会被逐步替代，人机直接互动才是服务过程中的刚需。

AI交互不是终点

围绕智能交互这一点，发布会现场还揭晓了包含开发者生态、智能硬件（如AI眼镜）、数字人、大模型Agent在内的不少干货，不时引得观众掌声雷动。

数字人一直是科大讯飞的拿手好戏，此次发布会上依旧格外出彩。

会上提到，对比前一年，2024年全年科大讯飞的数字人制作量提升了16%，用户和数字人每天的交互次数增长了6.5倍。

据统计，AI虚拟人交互平台已成功构建超10万数字分身，广泛应用于媒体、教育、政企、文旅等场景，在金融、媒体、教育等领域市场占有率都达到了第一。

现场还展示了科大讯飞面向个人用户提供的轻量化定制方案——现在，一句话和一张照片就能快速构建一个人的数字人分身。

新产品移动数字人小雨也在发布会现场亮相。

它搭载导航和路线规划功能，可在展厅、博物馆等场景自由移动，提供导览服务。

一个有意思的事情是，科大讯飞注意到在大模型时代来临前，人机交互最高频的使用场景是电视和车载；大模型时代来临后，儿童领域对话需求非常强烈，交互速度增长了7倍以上，成为交互最高频的场景。

一个有意思的事情是，发布会场内，科大讯飞在儿童这一高频场景做了体验升维：

发布会现场外，5名父亲利用科大讯飞儿童专属的功耗玩具开发套件，在60分钟时间内，挑战开发板的“童芯大脑”。

“技术-场景-生态”闭环在这里交织，这其实也是科大讯飞一直以来践行的技术创新之道。

另外，这次挑战也是科大讯飞今年开发者大赛的一部分——发布会现场，讯飞iFYTEK AI开发者大赛同场起航。

本届赛事覆36道应用赛与72道算法赛，特设智能座舱交互评测、多模态虚拟人对话等前沿赛道，以开放的生态与前沿的赛题，推动人工智能新生代的成长。

从2018年起，科大讯飞每年持续发起并举办开发者大赛，如今这项赛事已经成为一个全球性的人工智能竞赛平台，来自全球各地的人工智能产业的专业人才积极参与，共同推动人工智能前沿科学的研究和创新成果的实际转化。

15年前，科大讯飞发布行业首个语音云，至此拉开了语音交互的帷幕。

5年后的2015年，科大讯飞又发布了首个人机交互界面AIUI，让智能硬件进入了语音交互时代。

2021年有了虚拟数字人，2022年有了机器人超脑平台，2023年有了讯飞星火大模型……2010年至今，科大讯飞的交互技术不断突破。

而刚刚结束的这场发布会虽然是一场面向智能交互产品的发布会，但它讲述的故事，远不止功能更强和设备更聪明这么简单。

最直观的感受是它让外界更清晰地看到，在科大讯飞这里，智能交互正实现从单向指令到深度协同的转变：

它展示出的远非科大讯飞某一项功能/工具的单一产品升级，而是以AI交互为中枢、贯穿硬件研发到场景落地的全链技术方案。

人机关系的重塑不再仅仅是“命令-执行”，而是逐步向共同完成目标过渡。交互体验提升不再是某个模块的升级，而是系统智能协作的开始。

你也可以理解为产品与服务在向更便捷、更高效、更智慧的方向演进。

这种变化不仅服务于讯飞自有产品，实现产品体验的跃升，更以平台方式赋能合作伙伴，直击广电、家庭、医疗、办公等诸多具体场景的核心痛点，让产业升级落到实处。

总之，让技术真正转化为解决问题的生产力。

人机协作的下一站，不再只是“能沟通”，而是“能共事”，甚至“替你想”。

一个更聪明、更协作、更具生命力的智能世界，正从科大讯飞这场发布会开始，加速走进现实。

Read More