最近，中国的人工智能企业在更新迭代方面动作频频。春节期间，字节跳动和阿里巴巴相继推出了多模态技术创新成果，其中Seedance 2.0引发了全球范围内的广泛讨论。作为国家层面的大模型研发团队，科大讯飞也一直活跃在人工智能应用的第一线。
在新年之前发布了星火X2大模型以展示其核心技术升级后，该公司又于2月28日推出了新的AI学习机T90系列，进一步加快了人工智能技术向实际应用的转化。这些发布背后体现了科大讯飞内部技术和应用场景间的紧密协作。
科大讯飞新推出的AI学习机T90系列能够提供高度个性化的教育体验，这得益于星火X2在数学、推理和语言理解等关键领域的显著进步。未来星火大模型的改进有望从公司针对个人消费者市场开发的产品中积累的经验得到启发。
科大讯飞通过“AI+行业”的综合策略，让先进的大模型技术不再仅仅停留在理论阶段，而是迅速转化为用户在日常使用中的真实体验。
第一章节：全国产算力支持、软硬件协同优化，星火X2持续探索全栈自主可控领域
春节前发布的星火X2基于国产算力完成了训练，标志着科大讯飞在自主研发的大规模模型开发方面取得了重要进展。
值得一提的是，在保证性能的前提下实现了全国产化。该模型采用了MoE稀疏架构，并通过技术创新，使得推理效率相比之前的版本提高了50%以上。优化后，星火X2可以在单台国产服务器上运行，性价比极高。
星火X2在多个核心领域如数学、推理和语言理解等方面都表现出了卓越的能力，其性能已经达到了国际领先水平。
这种能力的背后是科大讯飞长期以来的技术积累。早在2023年10月，公司就联合推出了“飞星一号”国产算力平台，并于三个月后成功训练出首个基于全国产化硬件的大规模模型——讯飞星火V3.5。
尽管目前大多数厂商都能在发布日当天完成国内计算资源的适配工作，但在使用万卡级集群进行前沿大模型的实际研发方面，科大讯飞仍然是独一无二的存在。
这项成就不仅仅依赖于硬件设备的准备。众所周知，在软件生态系统建设上，国产算力与国际先进水平仍存在一定差距，这直接影响了企业的实际应用能力。
针对这一挑战，科大讯飞与华为共同推进了一系列针对国产化计算资源的优化工作，并在2025年1月联合开发出了超过百个专为大规模模型训练和推理设计的算子。
到了年底，双方又携手发布了新的超大规模智算平台“飞星二号”，继续深化对国产化硬件的支持力度，进一步推动整个行业的进步和发展。
除了上述亮点之外，星火X2还在其他技术层面有所创新。例如，在解决多专家模型强化学习训练时出现的训推不一致问题上，科大讯飞开发了自适应校准算法来提高准确性与稳定性。
针对稀缺数据的问题，公司设计了一套迭代式的数据合成方案，逐步纠正并优化推理误差，持续生成高质量数据，从而提升模型在复杂任务中的表现能力。
第二章：从单一技术到全方位生态系统，解析科大讯飞AI+教育的发展逻辑
创建出强大的大模型只是第一步，如何让这些成果真正应用到实际场景中才是更大的挑战。
在基础架构得到进一步优化后，科大讯飞对星火X2进行了针对具体应用场景的改进，并率先实现了能够精准定位错误原因、提供个性化学习方案的功能。
测评结果显示，在批改作业和分析错题等关键领域，星火教育版的大模型性能远超其他主流模型如DeepSeek-V3.2和GPT-5.2。
科大讯飞AI学习机T90系列的发布会展示了这一技术能力的实际应用。内置的虚拟教师“晓悦”能够与学生互动，解答问题，帮助他们独立解决问题并总结规律，实现高效学习。
在模型和智能教育产品等多个方面，科大讯飞已经形成了一套成熟的解决方案，并且在智慧课堂、考试系统等业务中也取得了显著的成绩。
例如，在去年的高考中，星火大模型展示了其强大的学科能力，数学卷得分高达145分，并得到了语文和英语作文评分专家的高度认可。
对于化学等领域，科大讯飞开发了专门的大规模模型Spark Chemistry-X1-13B，并已经开源。这款模型在高等知识问答、化合物名称转换及分子性质预测等方面表现优异。
▲测评结果
在面向个人用户的C端产品中，科大讯飞早在2019年就推出了首款搭载“AI 1对1精准学习”系统的智能教育设备，通过测-学-练闭环帮助学生高效掌握知识。
测试表明，“精准学习”功能能够快速识别出学生的薄弱环节，并提供针对性的课程和练习材料。与传统辅导方式相比，这种方法能显著减少时间成本并提高学习效率。
尽管市面上类似的产品众多，但科大讯飞在地区考试情况的理解、全面覆盖不同年龄段学生方面仍保持着领先优势。
“精准学习”的技术基础可以追溯到公司为学校提供的“大数据精准教学”系统。
科大讯飞在AI赋能教育领域的布局不仅限于个人用户市场，更包括面向机构的B端业务。
自2004年起，科大讯飞就开始涉足智慧教育领域，并在全国33个省份和地区广泛部署了相关产品和服务，惠及超过5万所学校和1.3亿师生，同时也在海外国家得到应用推广。
公司积累了大量的题目库资源、名校教学材料等宝贵数据，这些资料不仅帮助教师改进备课、批改作业等工作流程，还为学生提供了便捷的学习工具和个性化的辅导方案。
由于该系统在真实课堂环境中经过充分验证和完善，其有效性得到了广泛认可，并逐渐扩展到家庭学习场景中。
第三章：让大模型理解应用场景，再投入实际使用
总结科大讯飞在底层技术、个人产品和企业解决方案方面的成就可以看出，公司已经形成了以场景需求为导向的技术创新机制以及持续迭代的产品体系，构建了一个高效的“数据循环”。
例如，在教育行业，大量用户的互动记录、教学反馈等信息能够不断被收集并用于改进算法模型，从而推动技术进步。
这些进展又反过来促进了产品的优化升级，吸引更多用户使用，进一步扩大了数据来源渠道，形成了独特的竞争优势壁垒。
与部分企业盲目追求技术创新不同，科大讯飞强调先理解应用场景需求再开发相关产品和服务。这种模式已经成功应用到多个领域如智慧城市、办公自动化、医疗健康等场景中，并得到了市场广泛认可。
凭借这一战略优势，在过去的两年里，科大讯飞在政府招标采购活动中表现出色，成为行业的佼佼者之一。
这不仅标志着商业上的成功，更是其“场景驱动技术”模式具备高度可复制性和竞争力的有力证据。
结论：走出参数竞赛，实现应用场景闭环
当通用模型的能力逐渐趋同时，单纯依靠算法创新和硬件性能提升已难以创造显著的竞争优势。
科大讯飞的经验表明，在实际应用中扎根场景并持续优化技术是推动人工智能价值最大化的重要途径。能否建立技术和应用场景相互促进的良性循环已经成为衡量AI企业从研发领先迈向市场成功的关键指标。
结语：走出“参数竞赛”，跑通场景闭环
在通用大模型能力日趋同质化的背景下，单纯依靠算法、参数与算力规模的竞争，其边际效应正逐渐递减。
讯飞的实践表明，真正影响AI应用价值上限的不只是技术本身，还有技术扎根真实场景的深度。而能否打造技术与场景双重驱动的正向循环，正在成为AI企业从技术领先走向商业成功的关键门槛。