2026 年 10 月 25 日，科大讯飞披露接待调研公告，公司于 10 月 23 日起接待华泰证券、川财证券、法巴证券、中信证券、国海证券等 17 家机构调研。

公告显示，科大讯飞参与本次接待的人员包括副总裁、董事会秘书江涛。

调研方式为业绩说明会 , 价值在线会议，接待地点为科大讯飞北京总部。

调研详情

一、业绩解读：公司副总裁、董事会秘书江涛先生做 2026 年三季度业绩简述。

主要内容如下：

第三季度营业收入较上年同期增长 7.99%，主要系公司主动推进业务战略聚焦和结构调整：第三季度 G 端业务收入同比下降 2.39%，在主动收缩智慧城市业务（Q3 同比下降 46%，前三季度同比下降 24%）的同时，智慧教育、智慧医疗业务均实现 20% 以上的良性增长。尽管 G 端业务整体收入小幅下降，但业务结构持续优化，运营型业务取得显著进展。以教育、医疗为代表的运营型业务举例：

批阅机，当前处于快速拓展阶段，月均常态化使用台数较年初翻倍，未来按照服务租赁月度收费模式，运营型月度收入持续增长。

影像云业务，随着覆盖省份的持续增加，月度上云影像数量 9 个月增长 30%，在月度运营收入上带来持续增长。

第三季度归母净利润同比增长 31.05%，扣非净利润同比减少 1.5 亿元，主要系公司坚持自主可控技术路线上继续保持高研发投入：第三季度研发投入金额超 17 亿元，较去年同期增长近 4 亿元，占营业收入比重逾 25%。

此外，第三季度销售回款总额 77.94 亿元，较去年同期增长超 7 亿元。虽然公司加大了大模型研发投入及存储芯片备货支出，导致经营性现金流支出加大，但第三季度保持经营现金流为正，累计前三季度经营现金流实现转正。

公司根据全年经营计划，坚守核心技术自主可控，加强大模型底座研发及软硬件一体化业务布局拓展，由此带来战略性投入有所增长，契合公司长期战略发展规划。

二、线上投资者实时交流：投资者通过价值在线会议提问，与公司副总裁、董事会秘书江涛先生交流。

问答交流纪要

问：星火 X2.6 基于全国产算力训练，在代码、智能体和长上下文等方面进行了提升。管理层如何考虑大模型研发，如何评价其相较于国内外主流模型的实际水平？除公开评测外，在真实的软件开发、任务执行等场景中，哪些能力已达到国内第一梯队？下一阶段模型迭代的核心突破点是什么，预计何时能够形成新一轮可感知的能力提升？

答：

（1）机制创新：成立词元星火

全球在大模型上保持领先的创业公司，其核心技术骨干往往普遍持有公司股权，个人利益与公司价值紧密绑定，团队能够更直接地围绕 " 把模型做好 " 这一共同目标开展工作，这种机制在快速迭代的大模型竞争中充分激发了组织活力。公司于 6 月 9 日成立大模型专业公司 " 词元星火 "，用全新的机制激活大模型团队。过去几个月在星火的迭代中取得了显著成果，尽管仍受国产算力等因素制约，模型性能的提升已带来不少积极变化。

（2）当前能力水平的客观评估

从本次发布展示的横向测评看，端云一体讯飞星火 X2.6，云端大模型能力持续对标国际先进水平，讯飞星火在部分代码和智能体指标上已经具备与国内主流模型竞争的能力。

国产算力由于显存带宽的限制，很难进行超长上下文的训练，这一次我们做了非常大的突破。

首先，率先突破了国产芯片长程任务训练的效率瓶颈，研发了适配国产平台的长程任务的动态并行训练技术，解决了因国产芯片的显存带宽限制而导致的混合训练效率低下的问题，将长程和短程任务自动分解，再通过现有国产算力的多种联合调度机制，可以把超长上下文的训练效率提升 4 倍。

其次，在国产算力集群长程任务推理效率方面，也做了两个非常重要的创新。一是基于国产异构算力的分布式推理技术，解决国产芯片受显存和带宽限制，导致长程任务放不下、算不快的问题；二是基于首个全国产设备的四层 KVCache 技术，解决因国产芯片显存与内存限制 KVCache 命中率不高的问题，让很多推理任务无需重新计算，就能直接得到结果。经过优化，我们国产芯片的推理效率提升了 4.5 倍，KVCache 命中率从 63% 提高到 95.7%。

通过上述技术突破，我们率先实现端侧大模型智能体能力阶跃，在复杂的智能体理解和端到端完成任务上有所突破。在星火 X2.6-4B 端侧大模型中，我们的多项性能指标显著领先国内外模型。

未来，可能 60% 的应用在手机、电脑端侧独立完成，数据不出域，Token 花费少；30% 的应用采用端云协同，复杂场景任务由云端模型来分解指导；只有 10% 的应用在云端独立处理。

星火端侧大模型重要的技术创新之一，是通过端云一体训练，显著提升端侧模型的能力。经过这一整套全新训练方案，我们把智能体任务提升到 41.9% 以上。在此基础上，我们首发星火大模型端云一体协同架构，由端侧模型路由确定应该是在端侧完成，还是云侧或云 + 端协同完成。这要求端云路由有很高的准确度。基于评语模型的端云路由协同训练，一个任务由端侧模型和云端模型协同完成，并在多个点位进行检测，再利用独特的评语模型来进行检验，端云路由准确率由 81.2% 提升到 96.1%。此外，用户觉得特别敏感的数据，也可以在本地设置检查机制。随着越来越多任务可以直接在本地由端侧模型完成或者与云端协同完成，科大讯飞将逐步形成自身在 " 端云一体极致性价比 "+2B 领域的数据安全可信的竞争优势。

（3）下一阶段迭代方向

下一阶段，我们将围绕讯飞开放平台开发者的实际任务，以及央国企等客户的真实应用场景，持续优化和迭代模型能力，推动评测成绩向真实场景中的可感知提升转化。在市场选择上，我们也会更加聚焦。对于大模型的商业落地，C 端个人用户的商业模式全行业都在探索过程中，我们将重点聚焦大模型面向 B 端行业应用，以 " 端云一体 "+WinWork 智能体平台和 FDE 模式为依托，结合行业对安全性的要求，加快在央国企、教育、医疗等领域落地，形成商业闭环。这些场景中的大部分问题可以由千亿参数模型解决，少量特别复杂的任务再调用外部模型协同完成，从而在现有算力条件下推进人工智能的商业应用。

问：本次发布会历时两个小时，集中呈现了国产自主可控 AI 的最新进展，信息量很大。想请江总提炼一下，本次发布会在技术和应用等方面的价值点。

答：本次发布会重点围绕三个命题：如何兼顾安全性和极致性价比，如何从数字世界进入物理世界，如何从个人提效到组织成效，这三个命题是检验 AI 价值的关键。

（1）端云一体星火 X2.6 发布，全国产 AI 安全与性价比再提升

率先实现端侧大模型智能体能力阶跃，端侧模型能完成 40%+ 的智能体任务，星火 X2.5-4B 端侧模型下载量已达 256 万次，进入全球端侧模型前四。

首次发布星火大模型端云一体协同架构：全栈自主可控端云一体大模型，是保证 AI 安全性和追求极致性价比的必然选择。端云一体训练，显著提升端侧模型能力。本次发布会星火 X2.6 同步增强云端和端侧能力，由端侧模型路由确定应该是在端侧完成，还是云侧或云 + 端协同完成，让不同任务根据难度、数据安全要求和模型能力进行精准分工。端云路由准确率由 81.2% 提升到 96.1%。此外，用户觉得特别敏感的数据，也可以在本地设置检查机制。

星火 X2.6 首次基于全国产算力实现代码和智能体能力突破，率先突破国产芯片长程任务训练瓶颈，解决因国产芯片显存与带宽受限导致的长程任务混训效率低问题，使超长上下文训练效率提升约 4 倍；其次，在国产算力集群长程任务推理效率方面，也做了非常重要的创新，基于国产集群的自适应存算协同推理技术，实现国产算力集群长程任务推理效率的极致提升，推理效率提升 4.5 倍。

（2）软硬一体推动人机交互沿着 " 语音交互—多模交互—具身多模交互 " 持续进阶，AI 加速走向物理世界

发布的星火语音基座大模型 SparkAudio 1.0，全面提升语音识别、同传和交互能力，并在实时说话人分离、环境声理解、音频理解和情绪识别方面均有优异表现。这些技术是真正推动未来人工智能进入现实世界的关键。

发布全新多模态交互技术，进一步融合多模远场识别、多人交互、视听觉理解、个性化记忆和情感语义，让 AI 更准确地理解需求并调用工具办事。

发布星火具身多模交互技术，在复杂空间动态降噪、多目标交互意图识别、语音与动作统一规划执行、视觉触发主动交互等方面取得突破。

同步推出机器人超脑平台 V3.0，整合星火超脑板、具身智能开发套件、多模态交互模组及具身多模交互 Harness，通过端云协同、前后台协同，让机器人前台持续交流、后台同步办事，并支持模块化、配置化的行业定制。这一次的技术成果将共同推动机器人迈出走进亿万家庭和众多的服务性行业的关键一步。

（3）讯飞星帆 WinWork 数字员工平台，让每个岗位都有一支懂行的数字员工团队

平台通过构建企业本体，关联业务规程、业务数据与专家知识库，让数字员工理解企业规则、掌握专家经验；同时深度嵌入业务流程，连接各类业务系统，参与从自主识别任务、拆解规划、智能分发到协同执行的完整工作闭环。我们推出了部署在企业的本地方案，讯飞星帆 WinWork 数字员工平台，包括模型层、接入层、本体层以及平台层，已经有数字员工开箱即用。已上线 80 余类数字员工，覆盖风控、合同审查、采购寻源、物料替代选型等工作，Token 消耗节约 44%。因为全栈国产化，可审计可追溯，做到安全可控；并且快速部署，也拥有极致性价比。

问：请介绍第三季度学习机业务的进展，以及公司对学习机业务未来发展的展望。

（1）受宏观环境影响，学习机行业大盘整体下降，讯飞 AI 学习机收入增长、市占率提升。第三季度，消费电子厂商普遍面临较大压力，消费电子市场整体购买支出下降。在此背景下，学习机行业大盘下降了 13% 至 15%。讯飞学习机凭借自身的市场竞争力，第三季度收入同比增长 15%。此前我们在半年报交流中提到，第二季度受供应链因素影响，学习机销售出现阶段性下降，但前三季度收入已恢复正增长，同比增长 5%，表明讯飞 AI 学习机的产品竞争力和品牌认可度得到了消费者认可，市场占有率仍在持续提升。

（2）学习机未来仍有较大的增长空间。随着大模型在教育场景中的应用不断深化，AI 学习机是人工智能落地中具有较好发展前景的领域。过去几年，讯飞学习机在 " 因材施教 " 方面一直引领行业。下一步，学习机普及率的提升仍有较大空间，一些使用讯飞学习机的家长反馈，学习机可以减少对课外辅导班的依赖，既节省费用，也减少接送孩子的时间。以北京为例，部分家庭每年的课外辅导支出可达数万元甚至 10 万元，而一台高端学习机的价格为 1 万多元。在消费者更加重视支出效率的背景下，这种价值具有吸引力，关键在于 AI 辅学能力能否持续提升。目前大模型已经能够解答很多数学题，但孩子需要的不只是答案，一位优秀教师面对学生不会做的题目，并不会简单地逐步告知答案，而是结合学生的学习路径、已掌握的知识和薄弱环节，通过启发式提问，引导学生按照自己能够理解的逻辑，逐步探索出答案。这才是 AI 辅助学习真正应该创造的价值。

（3）AI 自主学习将构建讯飞 AI 学习机的长期竞争力。从长远看，在人工智能时代，仅依赖填鸭式教育获取分数，难以形成持续竞争力，帮助孩子学会借助 AI 自主学习，才是能够终身受益的能力。能否学会用 AI 自主学习，不仅关系到高考成绩，也关系到大学阶段以及参加工作后的持续学习，我们的学习机将通过 AI 辅学，帮助孩子培养这种能力。无论是自主研发的星火教育大模型，还是依托丰富应用场景和数据开展持续迭代的能力，都有助于我们保持行业竞争力，持续分享人工智能在教育领域落地带来的发展机会。本次 1024 开发者节，大模型升级的相关技术也已上线科大讯飞 AI 学习机，实现 " 探究式 " 学习。这不仅能更好地因材施教，帮助孩子精准找到学习中的薄弱点，以更少的学习时间取得更高的成效，孩子会更加自信，也让孩子更主动积极去探究。

问：先进算力仍是影响模型性能的重要因素之一。公司计划通过哪些方式解决算力问题？华为 950 算力的供给进度如何，后续模型训练将如何安排？

首先，公司结合实际情况确定了大模型的发展策略。公司不会像有些互联网巨头那样投入上千亿元建设基础设施，也不可能像有些创业公司那样承受每年数十亿元的亏损。在这一前提下，公司现阶段不会把大模型研发当作模型参数规模的军备竞赛，或一味追求极高难度、长程任务上的极限摸高，而是结合具体场景加快 " 端云一体星火大模型 " 的商业化落地闭环。对于 4B 级别端侧模型和约 3，000 亿参数的中等规模模型训练，公司目前拥有的算力是充足的。华为 950 算力正在陆续到位，训练算子的持续打磨也正在体现效果，训练和推理效率均在不断提高。

总体上，我们将通过租赁、共建等方式统筹资源，在尽量盘活已有数万张存量算力卡的基础上，再建设一批 950 算力资源，优先做好端侧模型和中等参数规模模型，在 2B 商业化闭环上保持领先。2026 年的训练重点仍以端侧模型和几千亿参数规模为主，强调端云一体化训练。选择这一规模的重要依据，是我们对企业任务的分析和统计：85% 以上的企业任务可以通过千亿参数模型完成。因此，我们的路径是通过星火 +WinWork 数字员工智能体平台进入企业内部，帮助企业解决实际问题、提高劳动生产率。对于占比在 10% 以内、特别复杂的任务，可以在采取加密、脱敏等措施后，由外部模型协同完成。这部分需求的占比相对较小。

问：与国内外主流模型相比，星火大模型的定位是什么？在代码、多模态、端侧等不同方向上，公司希望突出哪些特色能力，未来对外传播的重点是什么？

我们对星火的定位，是立足国产算力、持续提升通用能力，并在专业场景和实际任务中形成竞争优势。

公司重点突出三个特色：

第一是面向实际任务的模型能力和使用性价比。我们会重点加强长上下文、代码和智能体能力，让模型能够理解复杂需求、调用工具、连续完成工作。现阶段，我们优先把数百 B 规模的模型做深做透，将国产算力上的训练算法、工具和推理效率持续优化，为用户和开发者提供效果好、成本可承受的服务。更大规模模型也是研究方向，会结合新一代国产算力的供给和集群规模适时推进。

第二是端云一体和多模态交互。讯飞在语音、语言和多模态交互方面有长期积累，也有学习机、办公设备、汽车座舱等应用基础。通过端云协同，让适合本地处理的任务在端侧完成，复杂任务调用云端能力，兼顾响应速度、数据保护和使用成本；通过语音、视觉等自然交互，让用户更方便地使用 AI、完成任务。这也是我们面向 AI 眼镜、机器人等新载体的重要布局方向。

第三是专业场景中的任务完成能力。教育、医疗、企业服务等领域，对专业知识、结果可靠性和业务流程都有较高要求。我们希望把通用模型能力与长期积累的行业知识、业务数据和工作流程结合起来，让 AI 从回答问题进一步走向完成工作。比如教师备课、医疗报告辅助生成、企业合同审查和采购寻源，最终都要用实际效果来验证。

所以，星火既要持续提高通用能力，也要把端云协同、多模态交互和专业场景应用做成特色。我们希望用户选择星火，是因为它在具体工作中用得顺、做得好，也能够以合理成本持续使用。

本文根据交易所公告整理，仅供参考，不构成投资建议。

本文源自：市场资讯

作者：察微