002230 科大讯飞 2026年8月21日投资者关系活动 业绩说明会

问：国产算力在智能体的强化学习训练等方面，与H200的采样推理效率差距有五倍，星火作为唯一坚持在国产算力上训练的主流大模型，在这种硬件的约束下，通过算法工程的补偿，或垂直场景专家思维链等技术，能做到什么水平？怎样定义B端客户共用的模型的能力边界，以及星火X2（300B）与GLM5.1能力相当之后，与海外最新的如GPT5.6，Cloud5.0等模型相比，差距如何收敛？ 答： 一、目前国产算力差距客观存在，但对讯飞核心产业化场景影响有限 一方面，在模型训练上，由于目前国产算力存在显存带宽方面的限制，主要算力集群在采样推理效率上与H200相比确实存在约五倍的差距。但这一差距并不对应所有模型能力，而主要体现在超长上下文场景——即1M以上、或至少256K以上的超长上下文训练任务，如复杂智能体和代码领域的训练效率。 另一方面，在实际应用上，科大讯飞主导的业务场景，教育、医疗、汽车，央国企行业应用等，90%甚至95%以上的场景根本用不到这么长的超长上下文，数十万token的上下文长度已经足够。例如，依托软硬件一体化优势，教育业务中的自动批阅机已经形成了产品代差优势；星火-X2大模型在2026年高考中取得708分，业界并列第一。因此，算力层面的差距，主要影响极少数的头部应用，但本质上影响的并不是人工智能产业的全部场景，对公司核心产业化场景冲击极小。 二、国产算力正快速追赶，性能差距即将收窄 目前华为950DT对标H200，根据不同任务，综合性能已达其65%-85%，扭转了此前五倍的性能差距。公司已与华为开展多轮深度研讨，将完成现有算力设备的必要迭代置换，同时成立联合攻关组前置开展技术攻关研究。因此，国产算力短板并非长期存在，预计今年底至明年，国产算力性能将显著改善。 三、算力掣肘的行业差异正在重塑，国产算力生态将迎来红利期 在国内整个生态环境中，近两年讯飞面临的一个比较大的压力，来自其他模型厂商普遍使用性能领先两代的英伟达芯片，其生态更完善，各类算法的训练与 移植效率更高。在此情况下，公司凭借讯飞研究院和生态合作伙伴的持续努力，依然保持了行业模型的领先地位，星火基座模型的基本能力大多处于行业第一梯队，部分甚至领先。随着美国对顶尖芯片出口管制越来越严格，未来两年内国内同行同样很难再采购到英伟达高端芯片，全行业都会被倒逼转向国产算力，国产算力的生态将得到极大完善。随着国产算力本身的进步、算力生态体系的完善，以及公司自身在模型尺寸选择上更加精准、聚焦解放生产力和释放想象力这类真实产业刚需，国产算力的硬件差距对公司的影响会越来越小。未来两三年内——尤其从今年底到明年开始——公司会呈现出一种苦尽甘来的态势：由于国产算力此前受到各种限制而导致的一定程度不公平竞争现状，将逐步得到改善。 四、讯飞差异化布局，深耕产业刚需，以极致性价比定义模型应用 对于模型能力对比GPT5.6、Claude5.0的差距如何收敛的问题，其背后反映的是中美在大模型路线选择上的差异——一种是持续追求参数规模的摸高，从几T到未来可能的10T甚至更高，在更长程任务或更复杂的超长上下文任务上确实能带来一定收益，但这些收益本身存在边际递减效应；并且这类能力所对应的场景，在工业应用、个人应用及民生服务等领域中的实际占比也非常低。因此，公司未来的主要发力方向仍然是解决社会刚需，采用云端协同——云侧300B至1T模型，搭配端侧1B至几B模型，以极致性价比服务刚需。今年"1024"节点，公司模型能力不仅在代码和智能体领域将进入第一梯队，同时token服务兼具竞争力与成本优势。总体来说，公司不会在参数规模上与头部海外模型“摸高”竞赛，而是算清产业层面的经济账，打赢落地战，形成更可持续的利润与现金流，待国产算力不断进化，逐渐拉平差距后，届时再考虑参与那些追求极致参数规模的长程任务。 问：目前很多家人形机器人厂商与科大讯飞深度合作，请问公司在机器人业务方向的进展和未来战略规划？ 答： 讯飞机器人业务的定位是：在大模型公司中最懂具身智能，在机器人公司中 最懂大模型。 这两句话最终要落脚到——真正懂工业场景、懂产业实践，能够把账算清楚。聆动通用是讯飞将大模型能力与多模态能力应用于工业和商用领域、在集团内部孵化的控股公司。 一、锚定真实产业刚需，落地可盈利的商业化场景，数据飞轮闭环 基于自身多模态识别与交互技术优势，公司优先切入物流分拣赛道。目前已获得国内头部物流企业PoC订单。在十余家主流机器人厂商同台测评中独家胜出，解决真实刚需能力获得行业权威落地认可。业务刚需不仅是分拣、面单识别99%的高准确率，更重要的是具备强泛化能力和抓取准确率，实现工业化稳定落地。机器人部署到工业或分拣场景后，能否在一年到两年内收回整体投资，这笔账必须算得清清楚楚。该场景替代了高强度、高负荷的人工分拣岗位，面对人口结构变化，这类重复性重体力岗位机器替代趋势明确，商业逻辑清晰扎实。同时，业务落地后，真实业务流程与数据飞轮形成更紧密的耦合，持续迭代优化聆动机器人核心能力，形成正向增长闭环。 二、具备强泛化能力，筑牢规模化扩张底座 我们的VLM、VLA底座能力，能够让原本已经在使用的工业机械臂、机械手等自动化设备，接入后立即具备智能化能力。这种泛化能力并非行业内某一家公司天然具备，而我们已经和多家原有的物流自动化设备厂商完成了适配，充分验证了这一点。这种泛化能力，不仅支撑公司实现物流场景全国规模化覆盖、构筑行业主导优势，更为后续拓展商超等多元场景奠定基础。 三、领跑多模态交互技术，赋能全行业机器人生态 科大讯飞与宇树、优必选等国内500余家智能机器人公司建立了良好合作，提供多模态、远场多人高噪环境下的交互能力，这是机器人未来真正走进生活和工业场景的关键。以多模态交互为核心的讯飞机器人超脑平台，持续为全行业机器人厂商赋能，构建开放共赢的产业生态。 问：当前硬件涨价对于产品线是否有影响，如有影响，供应链何时可以改善与缓解？ 答： 供应链保障和硬件成本问题，已经上升到公司战略层面。 一、以供应链安全锚定发展底线，讯飞在供应保障上具有相对优势 半年度报告中提到，公司上半年现金流原本表现良好，影响现金流的一个重要原因是提前增加了备货。如果当时没有备货，下半年公司将因为涨价多支出数亿元。 就行业层面而言，存储等元器件涨价是行业性趋势，从目前判断，未来一到两年内供需偏紧的状态可能仍将持续。对公司来说，首要任务是确保供应链的稳定与安全，尤其是在讯飞被列入美国实体清单的背景下，更需要在全栈自主可控的国产芯片及配套硬件元器件供应上做好保障。这方面，公司与多家厂商保持着良好的战略合作关系；同时，由于公司承担了重要的国家战略任务，在供应保障上也相对更有优势。此外，以存储芯片为例，长鑫存储同样是合肥本地的龙头企业，双方合作关系紧密。总体而言，现阶段的首要任务是保障供应链安全，而不是寄望于单方面压低采购价格，价格走势需跟随行业整体趋势。 二、从被动承压到主动传导：用产品代差提升产品竞争力 在保障供应链安全的前提下，公司今年上半年毛利率出现下降，在一定程度上也影响了部分产品线的推广力度。上半年智能硬件收入下滑超过15%，原因既包括整体消费电子市场的消费降级趋势，也包括成本上涨后，公司主动放缓了部分中低端产品的推广节奏。但同行之所以陷入"涨价丢份额、不涨价亏利润"的两难，根源在于产品缺乏差异化、困在同质化红海里。讯飞的破局路径很清晰：持续强化技术刚需价值与代差优势，在此基础上合理提价，将上游成本压力有序传导至市场，而非由制造端独自吞下。产品力够硬，定价权才够稳。 以学习机业务为例：上半年学习机销售出现下滑，与此前保持50%以上增长的态势相比，上半年还下滑了1%，一定程度上低于市场预期；同期行业整体也出现下滑，公司部分低端产品线因供货能力不足，也主动没有加大铺货力度。但进入暑期后，公司围绕"用讯飞学习机，无需额外报班刷题"这一核心卖点展开推广，通过学习机的过程性的批改、个性化辅学能力等，向市场证明产品本身的刚 需价值，多个省市的高考状元也是学习机用户，口碑逐步扩散。7月单月SO销量实现明显反弹同比增长30%，在行业整体仍然下滑的情况下实现逆势增长，公司也相应上调了部分产品价格。 三、不与趋势为敌，用硬实力穿越周期 总的来看，公司无法改变行业整体的供需关系和成本上涨趋势，但可以通过提升具体产品的核心竞争力和性价比，来对冲消费降级和元器件涨价带来的压力，从而实现相对良性的产业发展态势。周期不可控，产品可控；趋势不可逆，竞争力可累积。这是讯飞在行业波动中保持良性发展态势的底层逻辑。 问：当前大模型市场尤其是Coding这一块，模型加速在收敛，市场更像是一个通缩和内卷的状态，如何看待这样的现象？新成立的词元星火公司的商业闭环方面，有哪些考虑？ 答： 未来一段时间，工具类的代码能力逐步收敛，最终各家的代码能力差距不会很大，只是部分企业会通过使用更大尺寸的模型、承担更长程的任务来体现差距，这在一定程度上更多是为了回应资本市场的关注，而非完全出于客户的真实需求。 一、从token计费转向任务价值付费，讯飞靠底座能力+行业刚需+数据飞轮，已找到新商业模式。目前行业内关注点正在从强调token的用量，转向讨论任务完成后的付费方式。讯飞一直在思考，大模型时代的商业变现要如何才能打破当下这种“不断开辟出一片蓝海市场，却很快又坠入红海竞争”的内卷循环。我们认为，答案还是要落在底座模型能力和行业刚需的结合上，依靠数据飞轮在行业中形成领先一步的优势，并找到与之匹配的商业模式。这样讲可能显得比较概念化，结合几个具体例子来说明： 以教育业务的讯飞批阅机为例，软件上，我们依托模型实现了比友商精准的作业批改，不仅覆盖理科，文科主观题同样可用；并且具备能进行过程性错因分析，并据此生成个性化辅学推荐的深层能力。硬件上，我们自研适配，支持多种 规格纸张、褶皱、顺序错乱等复杂条件的自动快速扫描，友商需二三十分钟完成扫描，讯飞五分钟完成，这意味着，老师下课十分钟就可以完成全班作业和试卷的批改，小时级学情闭环，能够直接指导教学。基于软硬一体优势，我们的模式不是直接按token计费，而是按学校、按设备、按年收取服务费，硬件和后台服务共同构成年度服务包。目前一些优质民办学校单校采购超20台，在学校场景中已经成为刚需。上半年该细分市场招投标约5000台，讯飞份额超90%，续费率同样达90%。这不是卖一次硬件，而是一种全新的、闭环的商业模式。 再以医疗业务的影像云为例，运用讯飞AI进行影像质控和影像压缩，实现三秒调阅，效果等同于在院内阅片，单次费用约5元，由国家医保局承担相关费用。诊后患者管理方面，患者出院时，系统会根据其病情提供用药时间、复查安排的指引，一旦出现紧急情况，也能协助调整用药和康复方案，患者可以随时通过电话联系到主任医生——约90%的常规问题可由AI自动处理，剩余部分由高年资护士介入，必要时安排主治医师到场。这种服务模式相当于患者在出院时购买了未来三个月至半年的院外管理服务，费用从几百元到上千元不等，患者满意度从此前的80%多提升到95%，部分场景达到98%；三个月内的意外入院率从2%降至0点几个百分点，出院后并发症发生率也从原来的3%降至接近0。 上述这些教育、医疗AI服务的本质，就是把过去纯粹按流量计费的token服务，转化为真正按完成任务、达到既定效果来持续收费的服务，这样才不会陷入目前商业逻辑不断被削弱的内卷局面。 在行业场景中，比如招投标类的大模型应用，讯飞采用FDE的方式，深入企业的招投标业务场景中联合共创，形成持续的、年年付费的合作模式。token经济下一阶段的竞争重点，一方面在于token本身，当各家代码能力趋同时，就要比拼谁能在国产算力上针对不同类型的代码实现最高的推理性价比：相对简单的工业代码可能用3B、4B级别的模型就足够，复杂场景可能需要300B甚至1T级别的模型，通过闭源与开源模型的组合，找到效率最优的搭配方式。基于此，我们希望在软硬一体、面向智能硬件的代码开发领域做到业界第一。