真正的入口，说到底还是看AI能不能把事办成，包括数据安不安全，能不能听懂世界，数字员工能不能成为懂业务的自己人。

作者|刘珊珊

编辑|杨 铭

中国互联网信奉数十年的“用户越多，边际成本越低，商业价值越高”定律，在AI时代失灵了。

今年6月，月活超3.82亿的豆包开始向专业版收费，且官方明确不会将付费用户渗透率作为核心考核指标，引发业界大讨论。

AI底层逻辑，和以往完全不同。庞大用户基数，意味着海量Token消耗、用户付费意愿不足、广告变现难以走通、安全隐私等多重挑战。

业内普遍判断，AI以“流量入口”为主的上半场已经结束，下半场看的是AI如何真正融入工作生活，从个人到组织，成为生产力工具。

1

端云一体，让个人和企业放心用AI

AI时代，“得入口得未来”。从手机、AI PC、AI眼镜、智能汽车到云端Agent，围绕“入口+场景”进行了激烈竞争。但主流路径，基本都是先打造一个通用入口，再去融入办公、金融政务等场景——本质还是用户迁移成本和打开习惯之争，痛点也就越来越多。

首先摆在面前的是持续膨胀的算力成本。一家中等规模企业负责人算过，对他们来说，Token开销能占到IT预算的15%—20%。接入通用大模型API，日均8万次推理请求，每月模型调用成本可达10万元级别。

国家数据局数据显示，2024年初中国日均Token调用量约1000亿，2026年3月已突破140万亿。训练是一次性投入，推理是每一次调用都要持续花钱。企业场景越深、越复杂，算力成本就越高。

受影响的还有个人和普通员工。每一次对话、生成都在消耗Token，由于免费额度很有限，大量程序员、从业者得自掏腰包购买Token。

安全是另一道坎。三星员工曾因将半导体资料输入ChatGPT导致机密外泄；《21世纪经济报道》援引的研究显示，主流大模型隐私对话泄露率最高达69%。卡内基梅隆大学的尼洛法尔把这种现象叫“颗粒度失败”——员工把合同、方案、代码粘贴进在线大模型，数据顺着公网就存进了别人服务器。

“最敏感的商业数据、科研数据，敢不敢交给最聪明的AI去帮我们处理？”科大讯飞董事长刘庆峰在全球1024开发者节上直言，蓬勃发展、被广泛应用的同时，AI正引发日益广泛的顾虑。

对政企、医疗、教育等行业来说，心态因此格外矛盾，云端模型越强，越因担心隐私、安全问题不敢用。

速度也容易被忽略。金融场景对延时的要求往往小于10ms，目前市面上绝大多数AI Agent服务延时都在15ms以上，可能造成金融机构或其用户的资产损失。

通用AI助手遇到的重重壁垒，反倒让科大讯飞看到了AI加速落地渗透的机会。

“AI入口”不一定只有超级App，用户在哪里，场景和入口在哪里。从C端到B端、G端，讯飞用数十年沉淀了足够多的场景——既有输入法、讯飞听见用户双双破亿，也有讯飞智医助理覆盖31省市，智能批阅机覆盖3000多所学校等等。

需要解决的关键是，如何让个人、企业放心把敏感数据交给模型，同时把成本降下来？

科大讯飞在新发布的基于全国产算力的星火X2.6大模型上，推出“端云一体”协同方案，回答的正是这个问题——可以简单理解为，任务按难度、端侧能力和数据安全需求，在纯端侧、端云协同、纯云侧之间分工。需云端参与时，敏感信息先在本地脱敏、经用户确认后才能发送，原始文件不上传，适配学校、银行、政府等数据不能离开本地的场景。

支撑路径基础，需要做到全栈自主可控。目前业界通用大模型大多用N卡，和国产安卓依赖高通如出一辙。但G端/B端跟个人手机完全不同，一旦底层算力被“卡脖子”，影响的是千行百业的生产和运转。

为此，讯飞一边在云端发力，一边把资源押向端侧：飞星万卡底座解决“训得动”，星火X2.6全国产训练升级解决“训得好”。针对国产芯片显存带宽受限导致的混合训练效率低，讯飞研发了适配国产平台的长程任务动态并行训练技术，把超长上下文训练效率提升4倍。

和纯云路线追求模型越大越好相比，“端云一体”隐私和成本优先，追求合适的场景匹配合适的模型。端侧能否顺利执行任务，规划步骤、调用工具、处理敏感信息是分工关键。

为了让端侧模型更适配终端硬件，讯飞推出星火X2.6-4B。4B这个尺寸，恰好是机器人、汽车平台和AIPC“能放得下”的门槛。云端搭“教师模型池”，让小模型自己判断哪些事能做、该向哪个云端模型学，去减少对云端的依赖，可完成的智能体任务覆盖度达到41.9%，此前同尺寸表现较好的只有12.8%。

Token付费逻辑随之改变，端侧本地处理后，算力随设备是一次性投入，上云部分才按次付费。AI降本不仅靠价格竞争，也靠减少每项任务背后的资源浪费。

算力经济刚刚开始，Agent时代将属于利用算力最聪明的人和企业。“端云一体”在行业里站的位置，大概就在这里——它可以让普通用户在更多场景中使用到AI，也让政企、医疗在“用上好AI”和“守住数据边界”不再二选一。中国大模型能力早已跻身全球第一梯队，解决了数据安全门槛，就能解决AI落地难的问题。

2

听懂世界，AI才能走进物理世界

端云一体解决了算力、数据、成本怎么平衡。但AI要走进现实物理世界，最重要的第一步，是要更好“听懂”这个世界。

来源：我爱音频网

语音交互已发展几十年，包括语音合成（TTS）、实时对话在人们生活中无处不在，但距离真正“听懂”这个世界，还差得远。

这和底层逻辑有关。传统语音方案采用串联级联模式，先把语音转为文字再交给大模型处理，会丢失语气、情绪、背景噪声等音频信息，还会出现多模块误差叠加、响应延迟高的问题。

还有很重要的也是此前业界忽视的一点。当AI走进物理世界，来自外部的各种噪声、自然界声音，也是构建世界沉浸感的底座。

PC、智能眼镜、智能座舱、人形机器人等终端，正成为AI进入物理世界的新入口——这意味着，语音作为最为核心的交互方式，面对多人同时讲话、复杂环境噪声、不同声源位置、连续上下文空间环境，需要依托听觉世界模型实现场景认知和意图识别。

这是AI站稳物理世界的关键一步。这一步走不稳，后续多模交互、改变生活和世界就无从谈起 。比如，超市里几个顾客同时说话，机器人得在嘈杂里分清哪句是给它的指令，哪个声音说明货拿到了，哪些是顾客之间的闲聊。

面对行业共同难题，科大讯飞的解决方案是，通过星火语音基座大模型SparkAudio 1.0，一站式完成语音识别、情绪分辨、说话人分离、环境音解析等多项任务，实现从 “听清语音” 升级为 “听懂完整语境”。

技术层面看，SparkAudio 1.0彻底改变了传统架构，它通过多模态模型教会机器“听懂”世界：把复杂音频理解、情绪识别、实时说话人分离和环境声理解放在同一个基座里统一建模，不再让声学信息和语义理解分家。而“端云协同”，又可以让SparkAudio 轻量化部署在手机、办公本、翻译机、智能硬件当中，断网也能适时“听懂”。

按讯飞披露的数据，部署SparkAudio后整体效果提升20%、响应时间降低15%、成本降低60%。语音行业效果、时延、成本的“不可能三角”，有了同时松动的迹象。

目前，依托“端云一体”架构，SparkAudio已在多款产品上落地。对内，支撑输入法、讯飞听见、办公本、学习机等产品的AI体验迭代；对外，开放给具身智能、可穿戴、智能座舱等合作伙伴。以智慧座舱3.0为例，车外远场交互距离达30米，模糊理解准确率超93%；智能办公本在本地区分抢话和多人交叠发言，中英混合、专业术语场景也能精准识别。

长期以来，耳机、音箱等消费音频产品，陷入极致的音质内卷，产品同质化严重。业内认为，SparkAudio的出现，或许有望改写整个产业链底层逻辑，让音频硬件从“影音设备”升级为“AI感知终端”，带来新的增长空间。

这甚至有望为国产智能语音产业打下自主可控的音频地基。“AI的下一个前沿，是听觉世界模型。”中国科学院声学研究所副所长杨军近日在一次访谈中称，听觉世界模型，将彻底重塑消费电子、机器人、具身智能等核心产业，让机器真正实现“听见世界、听懂因果、预判未来”。

3

WinWork，真正懂业务的自己人

进入2026，各大巨头AI办公大战如火如荼。喧嚣背后，AI办公提效实际情况，或许远超人们预料。麦肯锡《The State of AI 2026》报告显示，AI能够实现80%的个人工作提效，却仅有6%的企业收获明显业务成效。

问题在哪里？当下AI办公入口解决的只是“用户在哪里唤起AI”，无法回答“AI能不能真正介入业务、产出可衡量的业务价值”。

刘庆峰对此也有思考，他表示最根本原因，是AI始终站在企业业务流程门外。想让AI成为组织真正的“自己人”，需做到两件事：真正懂业务，能读取ERP、CRM里的客户信息，懂得研发流程和客户需求；真正融进流程，知道机器和人怎么协同、数字员工和真人怎么闭环任务。

基于企业本体和业务流程深度嵌入两大底座，让WinWork和对话式Agent有着明显差别——对话式Agent目前较为同质化，依靠营销战触达用户。WinWork能否理解真实业务，并在关键节点做好质量把关和自动检测，是能否被企业信任的关键。

伴随AI办公竞争进入深水区，以及AI在各领域的快速渗透，普通员工“蒸馏”成AI技能包成为社会关注话题。德勤就直言，当一个人的经验可以被封装成数字分身继续“上班”，真人本身怎么办，就成了一个无法回避的问题。

WinWork给出的答案是，数字员工只是真人岗位员工的“协同者”，而非“替代者”。尽管对真人员工来说，WinWork可以减轻一系列烦琐的工作负担，但和真人员工之间，有着清晰的边界。

举一个场景的工作场景，某供应商被列入失信名单后，采购侧数字员工发现后拉起财务、法务、采购三方工作群，并行核查风险、分析影响、推进处置。这个过程中，数字员工做的是“发现—拉起—并行—推进”，涉及关键判断和授权的事项，系统交还给人工确认。物料替代选型也一样——数字员工综合价格、质量和交期给出推荐，数据来源和判断路径全程可回查，但判断、提问、验收、对结果负责，仍然是真人。

这也是对话式AI助手和WinWork的又一明显区别。前者提取的是某个人的聊天记录、工作习惯、语言风格，把人变成可调用的Skill文件。WinWork“企业本体”结构化的，是组织本来就该沉淀的东西，如采购规则怎么定、合同审查看哪几条、供应商失信之后先找谁，这些可审计、可追溯的贡献，帮助真人也可以快速掌握技能，最终个人提效变成了组织提效。

刘庆峰公布的数据，印证了他对WinWork的信心。研发场景中，个人用AI提效可达60%—80%，但传统模式下企业端到端业务提升只有20%—30%；通过WinWork串联多岗位协作之后，组织整体提效可以到50%以上。

4

观察：AI真正入口是要把事办成

科大讯飞一系列动作和落地放在一起看，能看到一个正在发生的趋势：AI入口不一定只有超级App。从智能设备、汽车、机器人等智能终端，到学校、医院、政企、地铁等B端并不性感的场景，都有可能成为入口。

Gartner预测，2026年全球AI总支出将达到19.2万亿元人民币。B/G端项目的交付链条更长，对安全、标准的要求更高，但一旦落地，粘性也更强。谁能抢先挖掘市场增量，谁就有望在AI入口下半场占领有利位置。

真正的入口，说到底还是看AI能不能把事办成——包括数据安不安全，能不能听懂世界，数字员工能不能成为懂业务的自己人。这就是科大讯飞，对AI入口的重新定义。