7 月 14 日，IDC 发布《全球季度手机追踪报告》：2026 年第二季度全球智能手机出货量 2.775 亿部，同比下降 6.7%，连续第二个季度下滑。五天之后，传音控股发布半年度业绩预告：营收约 356.57 亿元，同比增长 22.63%；归母净利润约 17.56 亿元，同比增长 44.82%。

一升一降之间，外界看到了 " 非洲之王 " 的周期免疫力。但若只看到周期，便错过了真正的战略分岔——当行业陷入参数内卷时，传音把 AI 铺设到了尼日利亚的市集、肯尼亚的乡村。在这些地方，智能被重新定义了。

从街头方言到 AI 语料，传音打通细分赛道

智能手机行业的同质化困境已不是秘密。特别是进入人工智能时代，大多数 AI 产品是 " 先有技术，再找场景 "，传音则走出一条完全相反的路——先有数亿用户的真实场景，再长出匹配的技术。

以语音与语言领域为例。市面上绝大多数翻译软件，训练语料来自教科书、新闻稿和正式文献，翻译的是标准法语、标准英语、标准阿拉伯语。但在拉各斯的街头、内罗毕的小巴上，人们说的是夹杂本地词汇的混合口语，或是某种只在特定社区通行的方言。这些 " 非标准 " 的沟通方式，在主流 AI 语料库中近乎空白。

这不是技术能力问题，而是数据土壤问题。没有真实场景的数据，算法便无从学习。这构成了新兴市场 AI 落地的第一道高墙。

6 月，传音旗下 HiTranslate 发布 6.0 版本。官方定义此次升级为 " 从工具属性向智能体能力的全面演进 "。翻译软件升级智能体，听上去像常规产品迭代。但如果细看技术细节，区别便清晰起来：新版 HiTranslate 支持 140 种语言、170 国口音，覆盖斯瓦希里语、豪萨语、印地语等新兴市场主要语种。更重要的是，其离线翻译已支持约 100 种语言，在无网络信号的偏远地区依然可用。

这背后是一个关键的逻辑差异：大多数翻译产品先有通用模型，再去适配特定语言；而 Hi Translate 的语料积累，来自传音手机在真实对话场景中的持续沉淀——当地人真正在说的口语，而非教科书里的标准句式。两种路径的起点不同，决定了能力的密度差异。

第三方数据提供了佐证。全球知名风投机构 a16z 发布的《Top 100 Gen AI Consumer Apps》榜单中，Hi Translate 在 Gen AI 移动应用 Top 50 中位列第 41，是榜单内排名最高的专业翻译类应用，也是该品类连续多年上榜的唯一代表。这个排名说明，在 " 普惠型多语言工具 " 这个细分赛道，基于真实场景数据训练的路径已被市场验证。

从手机厂商到智能生态引领者，传音打造逆周期护城河

类似逻辑在计算机视觉领域同样适用。

近期，传音 TEX AI 团队联合上海交通大学最新产学研成果 "AI 消除算法 "，成功被计算机视觉领域国际顶级会议 ECCV 2026 接收，团队创新性地提出 OSOR（One-Step Object Removal）单步扩散目标消除算法框架，将复杂的多步扩散生成过程压缩为一次前向推理，实现了高质量与高效率兼顾的 AI 消除能力。

技术突破之外，更值得关注的是其研究路径的独特性：团队针对真实目标消除任务构建了系统化的数据生成与验证流程，建立包含 28 万组高质量目标消除样本的数据集。这些数据都蕴含在新兴市场复杂光线、多元肤色场景下的影像数据积累之上。

同样的产学研路径也体现在视频领域。传音参与完成的 " 视频智能质控关键技术及应用 " 项目，荣获 2025 年度上海市科技进步一等奖。据项目公示信息，相关技术已覆盖终端设备超 5 亿台，服务用户超 8 亿人次。在传音产品侧，相关技术已被应用于影像评测、画质增强与显示优化，解决的是弱网、复杂光线等新兴市场典型使用场景下的画质问题。

将这些技术布局拼合起来，一幅完整的图景开始浮现：AI 视觉解决 " 拍得清 " 的问题，AI 翻译解决 " 听得懂 " 的问题，而底层共享的是一套方法论——用数亿终端在真实场景中产生的数据，反哺算法训练，再回馈到终端提升体验。这是一个从场景到数据、从数据到算法、从算法回到场景的完整闭环。

围绕这一闭环，传音还在持续扩充实用型 AI 的能力边界。在第 35 届非洲杯期间，其 TECNO 品牌推出了多项垂直运动类大模型服务，提供赛事解读与数据分析。在部分教育资源有限的地区，拍照搜题 AI 功能已成为家庭日常学习辅助工具。这些探索的共同特征在于：它们并非炫技，而是针对具体、琐碎、长期被忽视的日常痛点给出的解决方案。

至此，传音的核心竞争力已不局限于手机硬件本身。当一家公司在视觉、语音、翻译、本地生活服务等多个 AI 方向同步推进，并且每个方向都基于数亿用户的真实交互场景时，其角色已在悄然转变——从手机硬件厂商，向新兴市场智能生态引领者演进。

或许也可以解释为什么在新的市场环境，传音依然保持了增长。不是因为它躲开了周期，而是因为它在周期之前，便押注了一种更深层的能力——用 AI 回答那些最具体、最琐碎、最被忽视的问题。而在新兴市场，这些问题的答案，正构成一道难以跨越的护城河。