过去几年，大模型在端侧的落地已不再新鲜。从耳机到眼镜，从陪伴机器人到车载助手，几乎每个硬件品类都在重新定义自己的交互方式。但一个更根本的问题始终悬而未决：当越来越多的设备需要「对话」能力，那这些能力应该以怎样的方式被交付？

在刚刚结束的科大讯飞智能交互生态发布会上，科大讯飞给出了自己的答案。

如果只看产品发布清单，这不过是又一场 AI 公司的例行发布会。但如果把三个平台的升级拼在一起，讯飞其实在画一张更大的图 —— 从语音到多模态、从国内到全球、从对话到具身智能。

三块拼图，指向同一个方向：智能交互正在成为基础设施。

讯飞 AIUI：十年积累，一次从语音到多模态的转身

先说 AIUI。这是讯飞最核心的交互平台，过去十年围绕自然语言理解，构建了从录音降噪、语音识别、大模型理解到语音合成的全链路能力。

但大模型时代，用户对交互的期待变了 —— 不只是 「听得懂」，还要理解语境、感知意图、主动响应。

这次升级分两条线。

第一条是语音本身继续深挖。

低功耗唤醒已经能做到 100MHz 主频、140KB 存储芯片上稳定运行，5dB 噪声环境下唤醒率达到 97%。这意味着更低成本的设备也能拥有高质量的语音交互能力。

多模态降噪同步升级，AIUI 增加异常唇动、异常光线、不同俯仰角、不同肤色等复杂视觉条件下的鲁棒性，结合语音与视觉信息提升抗干扰能力，让设备在真实复杂环境中保持更稳定的交互表现。

全双工效果能力进一步升级双流 VAD，在食堂、办公、车载等高噪场景下，聆听误响应降低 95%、播报误打断降低 93%、交互抢答率降低 85%。

第二条是「说得像人」。

平台开放了 100+ 超拟人音色，支持轻笑、停顿、喷嚏等副语言表达 —— 声音不再是机械播报，而是更接近真实对话中的情绪和节奏。

更进一步，平台还能驱动数字形象实时生成表情与动作，实现语音、情绪与视觉表达的协同。

但 AIUI 此次最大的变化不是语音 —— 是多模态。

平台融合了云端 VAD、意图分发、图像理解回复、图像生成智能体和 VL 回复模型，让智能硬件从「听懂语音」升级为「理解图像、感知场景、生成内容」。

图像理解方面，覆盖图片内容理解、图文融合问答、画面描述、图片内容翻译等场景；图像生成方面，接入生图大模型，支持通过自然语言描述生成图片内容，结合风格自定义能力，服务内容创作、互动陪伴、产品展示等场景。

与此同时，AIUI 还推出了 AIUI Code 与声学检测工具，形成「大模型能力接入、开发调试、体验验证」 的完整开发闭环。

从单一语音平台到多模态 AI 交互平台，AIUI 完成了一次跨越十年的转身。

讯飞 AIUI 多语种交互平台：出海硬件的「语言底座」

如果说 AIUI 解决的是 「交互怎么更自然」 的问题，那么多语种交互平台解决的是「交互怎么走向全球」的问题。

智能硬件出海，真正的难点从来不是翻译 —— 而是本地化。

语言习惯、口音表达、网络环境、数据合规、部署方式，每个国家都不一样。企业往往需要投入大量资源，自行整合语音识别、大模型、服务部署等能力。

多语种交互平台的做法是：一站式打包。

平台覆盖 40+ 语种，包括英语、法语、西班牙语、德语、韩语等主流语言，也支持哈萨克语、乌尔都语、泰米尔语等区域性语言。

英语唤醒率达 97%，小语种唤醒率 95%，语音识别端到端全场景准确率达 95%。

更重要的是，平台打通了五大核心场景 —— 个性化聊天、命令控制、知识问答、多语种翻译、多模交互。聊天场景支持免切多语种对话和地域文化适配；设备控制通过 Function Call 与规则引擎结合，实现跨语种命令理解；知识问答支持 6 种文档自动解析，问答准确率达 96%；翻译支持实时对话翻译和图片翻译；多模态方向融合图像识别、语音生图、风格自定义。

在部署层面，平台在新加坡、东南亚、中东、欧洲、北美等区域都设有服务节点，支持公有云与私有化部署，适配 GDPR、CCPA、PDPA 等不同地区的合规要求。

商业模式上推出「按台付费、无限调用」，并提供测试资源、开发支持及本地化效果调优服务。

从「能听懂中文」到「能服务全球」，多语种交互平台想做的，是成为中国智能硬件出海的 「语言底座」。

机器人超脑平台：让机器人走进真实世界

如果说前两个平台解决的是 「对话」 问题，机器人超脑平台解决的是「行动」问题。

机器人的场景比智能硬件复杂得多 —— 真实世界有噪声、有干扰、有网络不稳定的角落。机器人超脑平台围绕「感知、理解、执行」三个维度完成了升级。

感知层面，平台融合全景摄像头与环形麦克风阵列，实现 360° 全向拾音与视听融合感知，能在多人高噪环境下精准锁定对话人。

针对 「鸡尾酒会」 这类复杂场景，还整合了人脸识别、人体追踪、手势识别等多模态能力，让机器人能自主判断何时开启、保持或结束交互。

产品层面，平台进一步完善了 「通用能力 + 行业方案」 的体系 —— 从裸板接入、降噪板、封装麦板到多模态软核授权，多种接入方式让开发者可以根据不同产品形态灵活选型。

同时围绕陪伴机器人、扫地机器人、康养机器人、四足机器人和人形机器人，推出了针对性的行业方案。

值得关注的是，搭载机器人超脑平台的专业级服务导览机器人 Guide01 也在本次发布会上亮相。

Guide01 集成了自主导航、实时避障与多模态感知能力，可胜任展馆、文旅、零售等场景的高强度智能导览任务。

目前，机器人超脑平台已连接 120 家机器人客户及 400 家泛机器人生态伙伴。

深圳湾简评

把三个平台放在一起看，讯飞想做的事情其实很清晰。

AIUI 解决的是 「设备怎么跟人自然对话」—— 从语音到多模态，让交互更自然、更拟人。

多语种平台解决的是 「对话怎么跨越国界」—— 让中国硬件走出去的时候，多语种交互不再是门槛。

机器人超脑解决的是 「对话怎么变成行动」—— 让机器人不仅在虚拟世界里能聊，在真实世界里也能干。

三个平台，三个维度，拼在一起是一张完整的版图：从设备端到云端，从国内到全球，从语音对话到多模态深度理解。

大模型正在重新定义智能硬件。从 「听懂一句话」 到 「理解一个场景」 再到 「完成一项任务」，AI 交互正在从单一能力演进为融合视觉、语言、Agent 与具身智能的综合能力。讯飞用这场发布会回答了一个问题：当交互成为基础设施，谁来做这个底座？

答案，或许就在这三块拼图里。