AI图鉴

AI图鉴首页 › AI 资讯 › 双榜第一、三大首发!纯血国产算力炼出全球顶级Agent

双榜第一、三大首发!纯血国产算力炼出全球顶级Agent

来源:新智元 · 发布时间:10-23 · 由 AI图鉴每小时自动聚合

双榜第一、三大首发!纯血国产算力炼出全球顶级Agent

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

不喜欢

本文由 AI图鉴自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

OJO

全球首个 AI 设计 Agent 团队工作台,多智能体协作完成设计任务。

OpenMontage

全球首个开源 Agentic 视频生产工具,Agent 编排式自动生成视频,今日 GitHub 热门。

蛙蛙写作

AI小说和内容创作工具

讯飞绘文

AI批量原创,多平台矩阵号管理

相关免费羊毛

Daytona

Agent 沙箱:注册送 $200 算力

InstaBox

5 台免费云电脑(每台 4 vCPU/8GB)

E2B

Agent 沙箱:注册送 $100 赠金

腾讯混元

腾讯混元新人免费体验包(每模型可领,截至 2026-12-31)

同源资讯

前沿模型AI攻击防御,终于有了全新思路!

新智元 · 10-23

爆肝实测四大国产AI神器!7大变态考题,逼出最野导演

新智元 · 10-23

谷歌Gemini 4Carbon 首批实测曝光!手感直逼Opus 5.5

新智元 · 10-23

绝杀OpenAl!首个Claude Duet 上岗,Opus 5.5 24小时替你打工

新智元 · 10-23

半年扫出超2.9万疑似漏洞!Claude揪出curl高危隐患,29天修复

新智元 · 10-23

刚刚,OpenAI揪出PHP致命漏洞!全球70%网站深夜爆雷

新智元 · 10-23

阅读原文(mp.weixin.qq.com)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI图鉴首页 · 提交工具 · 商务合作 · 关于本站 · 587 款 AI 工具分类导航 · 每日 AI 热门项目与动态