新智元报道
新智元报道
妈妈还有10分钟到家，女孩却找不到另一只高跟鞋了。
「我另一只高跟鞋呢？」
墙上的屏幕开始回放客厅画面。AI提示：鞋可能被踢到了沙发底下。她随即俯身去找。
女孩没有交代鞋的颜色、款式，也没有回忆最后一次在哪儿见过。WallEX把她的话和客厅里的画面联系起来，给了她一条线索。
找鞋是件小事，但要AI办成，得同时听懂人话、看懂画面，还得把两件事对上号。走出客厅，它面对的还有更嘈杂的环境、更复杂的任务。
10月22日，讯飞1024全球开发者节在北京举行。
主论坛上，科大讯飞董事长刘庆峰发布了基于全国产算力升级的星火X2.6，并首次推出端云一体协同架构。
AI可以根据任务需要，选择在本地处理、交给云端，或由两端协作完成。
开发者生态也迎来升级：讯飞发布星辰TaaS平台，配合APA智能体流程自动化和讯飞CLI，支持Agent操作业务系统、完成复杂任务。
开发者由此可以从调用模型，进一步走向把AI能力组合成可交付的行业方案。
同日下午的开发者生态发布会，聚焦开发者怎样接入这些能力、把应用做出来。
机器人要从几个人的声音里分清谁在提问，办公室里的Agent则要替员工核价、填单，电视要记住厨房里刚聊过的片单。
讯飞给新一代人机交互定了三个方向：拟人、普适、易用。
拟人，是让对话更像人，靠多通道端到端模型、端云协同和多设备联动；
普适，是从安静的房间走进噪音环境，从国内走向多语种，从单一场景走向多场景；
易用，是让开发者接入更省事，靠软硬一体模组、整机参考设计、交互研发数字员工和平台的命令行版本。
拟人、普适、易用，也贯穿了家庭、企业和公共服务这几类场景。
把人说的话、镜头里的画面放在一起理解，就是多模态交互。
OpenAI在做实时语音对话，Google把视频理解和屏幕共享带进Gemini Live。用户可以拿起手机，边给AI看、边跟它聊。
讯飞这次拿出来的，是让对话在多个设备之间互通。
用户在厨房说了一句「放假了，想放松一下」，冰箱先应答，电视上随即出现推荐片单。走到客厅后，他接着说：「看第二部，之前看过一点，帮我回顾剧情。」
用户没再报片名，电视也能明白他说的是刚才那张片单里的第二部电影。WallEX把厨房里的对话和推荐结果同步给了客厅设备，用户换个房间说话，不必从头再讲一遍。
WallEX多设备联动
能这样接话，底层是讯飞的多通道端到端模型：端侧快速应答，云侧深度理解，再把结果在设备之间同步。
WallEX背后，是讯飞面向智慧空间做的一套软硬件方案，叫SpaceMind。
在商业、居住、办公这些空间里，SpaceMind通过开放的IoT协议和Harness平台，兼容全球主流通信标准。
它已经和海尔、美的等家电品牌，以及西门子、GVS等电工电气品牌的设备打通。
不同品牌、不同品类的设备都能接进来，智能就不再停在某一台设备上，而是整个空间一起协同。
讯飞的目标就是，用端云协同和软硬一体，把智能硬件的开发门槛再降一截，让AI进到更多家庭和行业里。
从相对安静的家里走进展厅、酒店，机器人面对的声音就复杂多了。
几个人围在机器人面前说话，旁边还放着音乐。提问声混在聊天声里，机器人既要听清问题，也要分清是谁在问。
讯飞用全景摄像头配合环形麦克风阵列，把人像和声音对应起来，在360°范围内支持5人多模态降噪。
在-10dB噪声测试中，这套方案的语音识别准确率为90.1%。
到了展厅或酒店，访客还可能换一种语言开口。平台支持40多种语言，其中30多种可以免切换交互。
问完一句话，等上好几秒才有回应，人很容易失去继续聊的耐心。
讯飞让设备在本地处理即时交互和离线任务，把复杂理解交给云端。这种「端云融合」方案，端侧平均响应时间为0.85秒。
给孩子讲故事，AI得跟着情节调整语气；在门店接待顾客，又要换一种问问题、接话的方式。开发者可以选用儿童陪伴、门店营销等场景的交互模板，再按需要调整。
同样是讲故事，语音合成模型还要把情节里的情绪读出来。
在真实场景中，语音依然是人与AI最自然、最直接的交互方式。除了听得清、反应快，AI还得说得准、说得自然。
而在这个讯飞深耕多年的领域，它的技术实力再次得到了验证。
讯飞的语音合成模型ULingo-TTS-1.0-Preview，在10月16日SuperCLUE-TTS测评总榜中拿到71.39分。
这一总分为全部参测模型最高。
交互能力有了，接下来是把它装进产品。
把AI装进眼镜、录音环或导览机器人，开发团队还要调试麦克风收音、摄像头取景，以及模型怎样控制设备。
换一种硬件，这些部分就可能要重新适配。
开发者可以先拿适配好的硬件试一轮。讯飞提供交互板、软硬一体模组和一体机，团队验证效果后，再按自己的产品调整。
团队也可以参考讯飞自有产品的整机设计，确定软硬件怎么组合。
接入和适配时，开发者可以直接描述需求，由Agent调用AIUI Code插件辅助完成。这些插件封装了讯飞的交互开发经验。
在家里说「看第二部」，电视接着响应就好。到了办公室，一句「采购显示器」，还要把事情交到有权限处理的同事手里。
会调用工具、按目标执行任务的AI，被称为Agent，也就是智能体。
OpenAI的开发框架已经支持Agent之间交接任务、记录过程。进了公司，这些交接还得遵守公司的分工。
这也是这次发布会最重的部分：三款面向企业的首发产品——Agent OS、APA和星辰TaaS，分别解决分工、操作和方案三件事。
预算由谁确认、合同由谁审核，不能让Agent临时猜。
此次首发的Agent OS，就是给人、多个Agent和业务系统定分工的。
员工提出采购显示器，系统整理用途与规格，登记进办公系统；到了审批环节，通知负责人处理，再把结果反馈给员工。
Agent接手时，还要知道这笔采购办到了哪一步。它按权限读取项目、人员和历史记录，接着处理自己负责的任务。
员工的纠正意见和任务结果，也会经过评测审核，用于调整后续技能和流程。
Agent OS自动登记采购申请
Agent OS审批协同与结果回传
分工定了，Agent还得会操作公司的各个系统。
查库存、填表、提审批，员工平时怎么操作，就可以把过程录下来，再用对话补充要求，教给Agent。
这次首发的APA，全称智能体流程自动化，把软件操作变成Agent可调用的技能。
员工在星辰Cowork工作台里录制、描述操作过程，Agent也在这里调用技能，跨系统办事。
客户要10台无线接入设备和2台交换机，Agent先到经营管理和仓库系统核对价格、库存，再查合同中的付款与交付条款。
核对完成后，它生成16800元的报价，并送进办公系统审批。
录好的技能可以分享给同事，免得每个人再教一遍。
再换一家客户，业务系统和行业规则又不同了。开发者能调模型、接工具，也还得把这些能力组织成客户用得上的方案。
此次首发的星辰TaaS，让开发者复用模型、工具和行业知识。企业在AI实验室提出需求，开发者据此组合方案，在线验证后，再推进交付。
TaaS的全称是Token as a Solution。讯飞希望，模型消耗的每个Token都能用于推进具体业务，直到任务完成。
这套方案由模型供给、能力编排和场景应用三层配合：
模型供给：星辰MaaS提供底层模型能力。
能力编排：通过模型调度、智能体引擎、知识工程、工具编排和运行治理，组织模型与工具，让Token用得准、用得省。
场景应用：已沉淀同传翻译、数字员工、办公提效、知识问答、智能营销等应用，面向企业服务、金融、医疗、教育、能源等行业。
开发者可以复用现成体系，减少从零搭建的工作；企业则按业务需求获得可以直接使用的能力。
讯飞自己的总结是一句话：让Token不空转，让价值看得见。
星辰TaaS组合模型、知识与工具
星辰TaaS生成方案
做招采评审时，审核人尤其需要知道AI凭什么下结论。讯飞招采助手让多个专业Agent并行处理材料，附上引用依据，关键节点交给人确认。
这套系统已在50多家单位落地。在国家能源集团相关项目中，智能评审准确率达到97%。
与合肥公共资源交易中心联合打造的公共资源交易大模型，则让评标评审时长缩短90%以上。
海外广告投出去以后，团队要盯着成本和转化，排查流量、素材出了什么问题。
「超级效果优化师」让多个Agent分工检查、诊断和提出调整策略，投手确认后再执行，已用于电商大客户的海外投放。
在某电商KA客户的海外投放案例中，人均操盘账户的投放规模提升40%，ROAS（广告支出回报率）提升50%。
Agent在公司里干活，也要用讯飞开放平台上的能力。但它找工具的方式，跟人不一样。
开发者让Agent识别一段录音，首先得让它找到语音识别服务，知道怎么调用，并拿到相应权限。
Anthropic提出MCP协议，推动AI用统一方式连接外部数据和工具。
讯飞这次将推出XFYUN CLI，把平台功能做成可以用一句话调用的工具。
开发者完成安装、授权后，Agent就能用这些指令请求服务。
语音识别、语音合成等700多项AI功能，将通过这套方式供Agent调用，适配范围覆盖200多种智能体。
工具找到了，最后一步是把Agent装进现场的设备。
过去，给智能硬件接入交互能力，开发者要自己写代码，再完成编译、调试和端侧部署，链路长，联调也复杂。
前面提到的AIUI Code，通过Agent调用插件辅助开发，减少手工编码和联调。
交互研发数字员工则进一步支持用自然语言配置机器人。开发者发出语音指令，就能按场景调整配置并即时更新。
企业还需要把设备配置和实际服务衔接起来。
企业的定制需求往往很零散：这里要个数字人，那里要个问答，常常需要分开采购。
GuideX平台这次升级，把分散的需求组合成一套可交付、可持续运营的方案。
方案里有两个角色。
AStudio是讯飞新一代的全场景AI生产力工作台，装在开发者的电脑上，负责接需求：梳理要求、搭建Agent。
GuideX是讯飞面向公共服务场景的数字员工平台，接手从配置组装到交付运营的后续流程。 开发者通过对话式开发，搭建主动迎宾、多语种问询、业务办理等功能，再接入带触控屏、能对话的终端。
发布会上要现场演示的，是给机场定制一个服务管家。
开发者先在AStudio里梳理需求、搭建Agent，再交给GuideX配置，接入数字人和终端设备，测试、调试之后交给机场使用。
在肯尼亚运营商Safaricom的总部智慧展厅，GuideX数字导览员已用于介绍通信业务、M-PESA移动金融服务和财报内容。
项目团队为此整理专属知识库，适配行业名词、财报缩写和当地表达。
10月24日，讯飞AI开发者大赛年度决赛将在合肥举行。今年的大赛吸引了全球15个国家、351座城市的52120支团队，规模创下新高。
参赛团队的构成，也反映了产业落地和参与门槛的变化。
一是AI创新在往产业里走：应用赛里65%的参赛团队拿到了国家资质认证，讯飞也在通过技术支持、路演和资本对接，帮这些团队把作品变成产品。
二是门槛在降：算法赛里43%的选手不是算法专业出身，过去要靠多年积累才能碰的算法优化，现在借助AI工具，跨专业的人也能上手。
有些需求很小，小到不值得专门开发一套软件，却会每天耗掉一些人的时间。
如果搭建应用能更省力，熟悉这些麻烦的人就有机会把自己的办法做出来，再交给更多人用。我们下一次觉得「这东西真方便」，也许就来自某个人对身边一件小事的不满意。
讯飞把开放平台往Agent这边再推一步，就是想让这件事更容易发生。
从客厅里寻找一只高跟鞋，到机场里为成千上万的旅客提供服务，看似毫不相干的场景，背后其实是同一场变革：AI正在从屏幕里的回答者，变成现实世界的参与者。
而决定这场变革能走多远的，是能否让技术走出实验室，让开发者更容易创造，让企业真正用起来，让普通人的想法也有机会变成产品。
讯飞此次开发者生态升级，也在推动开发方式变化：人们从学习使用AI工具，走向与Agent共同创造应用。
当开发AI应用不再只是少数程序员的专长，更多懂得实际问题的人就能参与创造。技术突破要转化为生产力，还得看这些应用能在真实场景里解决多少问题。
编辑：摩西 所罗门
