AI行业风向的逆转，来得比预想的还快。这是参加完今年的世界人工智能大会（WAIC），大多数人的感受。

从会场展台到产业论坛，场景落地与商业造血替代了单纯的技术炫技，成为全行业最核心的议题。过去几年盛行的参数暗战、榜单跑分和PPT概念，正快速让位于更加现实的商业考量。

在科大讯飞的展位上，这种务实的态度更加被具象化，从自主可控底座到真实场景落地，一系列成果的完整呈现，清晰地勾勒出了科大讯飞在AI落地大潮中，给自己锚定的独特路线——

从自主可控的技术底座出发，深入产业与公共服务场景，连接软硬一体的智能入口，并在真实使用中为用户服务、被持续验证。

这一路线浓缩了科大讯飞在当下山呼海啸的AI应用浪潮中的自我坚持。就像董事长刘庆峰所说，做个AI应用型公司，“对不起自己的初心”，也不符合讯飞的自我要求[1]。

那么，在习惯于追逐短期热点的资本视角下，究竟该如何理解当下的科大讯飞？

小场景到大场景

在6月举行的科大讯飞27周年司庆上，董事长刘庆峰为科大讯飞总结了两个锚定不动的发展方针：

一是坚持做全自主可控大模型的“孤勇者”；二是底座能力要转化为长期价值，必须进入真实行业，不是哪里热去哪里，而是引领行业、满足刚需[1]。

科大讯飞明晰发展路线的背景，是全球人工智能进入到一个全新的阶段——全面落地与产业造血。

这带来了资本与产业评价视角的根本性转变。过去仅凭一张概念蓝图、几篇SOTA榜单论文就能在一级或二级市场揽下上千亿估值的技术故事，正在失效。

靠融资烧钱、跑不出商业闭环的企业快速失宠，市场开始以更严苛的目光来审视商业模式。

在这个转型期，AI Coding（AI编程）最先爆火。

前有Claude Code年化收入狂飙推动Anthropic估值水涨船高，后有Cursor单日Token消耗量突破数百亿级别，被公认为AI落地速度最快、商业提效最显赫的领域。

底层逻辑很容易理解，代码本身就是逻辑高度统一、规则极其明确的语言，恰好命中了通用大模型能力的舒适区。加上反馈周期短、提效立竿见影，自然最容易变现。

然而，这种价值的爆发，目前来看，大多还停留在特定的专业场景里。

只做单纯的编程工具固然能快速解决AI企业的生存问题，但市场规模终究有限。如果将视线从程序员的电脑屏幕移向教室、医院和工厂的车间，就会看到一个庞大得多的主战场。

这些关乎国计民生的场景，才是刘庆峰说的“真实行业”，是更大限度释放AI能力的关键。

然而，与标准化程度极高、逻辑明确的代码场景不同，这些刚需场景标准化程度极低，业务流程极其复杂，且对容错率的要求高到了近乎苛刻的地步。

代码写错大不了报错重跑，但教室里AI答疑不能胡说八道；医院里AI辅助诊疗必须讲求因果循证；工厂生产线上AI更是直接关乎安全和工艺规程。

在这些领域，模型跑分再高，也无法直接复用到不同场景里，必须分门别类地深耕细作。

这构成了科大讯飞的差异化路线——放弃轻量级工具的小打小闹，把自研底座能力直接打入高门槛的行业，扎根进更加日常的高频场景：

在智慧教育领域，依托星火大模型底座，讯飞同窗AI黑板、星火教师助手、AI课堂实录与分析系统等讯飞智慧教育相关产品和解决方案，深度重构校内备课与教学全流程，目前已深度应用于全国6万余所学校，服务1.6亿师生。

在智慧医疗领域，星火医疗大模型驱动的“智医助理”已常态化覆盖八百多个区县，经系统提醒而修正的有价值病历超203万例；

与此同时，讯飞晓医（面向C端）和医学影像云平台（服务B端医疗机构，并延伸至C端医患） 协同发力，三者共同推动临床级AI真正下沉基层。

在央国企与工业领域，讯飞大模型中标金额与项目数长期位居全行业第一，深度嵌入中石油“昆仑大模型”、国能智能评标助手及中国物流“流云大模型”等核心生产决策流中。

从轻量级的代码生成，到重度的产业流程改造，在科大讯飞的产品体系下，AI真正从单点工具演化为底层生产力。

这些在民生与产业腹地跑出来的真实效果，再次验证了一个朴素的商业逻辑：通用大模型决定了AI能力的下限，而深入复杂场景的综合落地实力，才真正决定了AI商业化的上限。

这将行业较量的焦点，从单项的模型能力重新转移至企业的综合实力上。

底座与护城河

铺开当前的产业图景，资本市场上的AI公司大致可以分为三类形态：

第一类是纯大模型初创公司（如智谱 AI、MiniMax），凭借庞大的想象空间和SOTA榜单成绩，在尚未跑通稳定盈利的情况下仍然被资本给予天价估值；

第二类是流量与入口的争夺者，如各类AI助手与随身智能硬件，拼的是离用户近、高频调用；

与这些初创公司不同，科大讯飞代表了AI浪潮里第三种形态的公司——“全栈纵深型”企业。

其业务横跨了三大核心板块：

一是底座模型，坚持自主可控，实现从算力、算法到框架的全国产化；

二是硬件入口，通过学习机、办公本、AI眼镜、翻译机等软硬一体终端，提前锁定庞大的消费者，为软件服务与Token调用打下物理基础；

三是行业应用，深度渗透教育、医疗、政法、汽车、央国企等高门槛场景，持续提供稳定的现金流与高质量数据。

在这三大板块中，全栈自主可控的底座模型，是科大讯飞最核心的技术屏障。

刘庆峰说：“如果没有一个人做全国产，那中国自主可控的大模型就没有未来[1]。”

WAIC开幕式上，一句“让人工智能这匹千里马既跑得快又跑得稳”成功出圈[2]，也从最高层面为产业发展指明了方向。

面对地缘政治与技术封锁等外部干扰，全国产底座的深层价值在于“行稳致远”。它不仅是应对风险的避风港，更是大模型能否长期、安全、可持续地嵌入央国企与工业等关键行业主战场的决定性前提。

对科大讯飞而言，“跑得快”对应着技术突破与行业落地的效率，“跑得稳”则依托于全国产底座的安全可控。这种将企业商业逻辑融入国家AI战略框架的选择，赋予了其跨越周期的战略确定性。

需要指出的是，当前绝大多数国产大模型的算力国产化，做的是推理适配，也就是在海外高端芯片上把模型训好，再移植到国产芯片上做推理。虽能解决简单的部署问题，但底层仍然受制于人。

科大讯飞选择的是难得多的“训推一体”路线，也就是从预训练、模型升级到最终部署，全链路跑在全国产算力上。

众所周知，大模型的“训”与“推”，难度不在一个层级。训练拼芯片算力，更考验万卡集群的通信效率、软件生态与训练稳定性。

科大讯飞通过与华为昇腾等国产芯片深度绑定，全链路协同攻坚，推出了我国最早基于全国产算力底座打造的星火大模型。

其中，30B中等尺寸的星火X2-Flash，在深度研究报告与复杂系统执行等任务上的效果逼近万亿级参数模型，Token消耗不到主流大模型的1/3。这意味着AI应用在国产算力上不仅能跑通，还能把成本降到企业用得起的区间。

正是这种建立在自主可控国产算力之上的研发与工程经验，构成了对手难以跨越的技术高墙。

由此，底座、硬件与行业三大板块互为表里，在讯飞内部形成了一个相互支撑的三角循环：

自主可控的底座提供算力和模型能力；行业应用带来稳定的项目收入与独家数据，反哺模型迭代；学习机、AI眼镜、办公本等硬件终端，则直接锁定用户，成为软件和Token调用的物理载体。

这契合了科大讯飞的底层战略：深入还没有被AI彻底改造的复杂场景，解决具体的真实问题。唯有将根系深深扎进复杂的行业土壤，上层的AI商业生态，才能生长出跨越周期的韧性。

为此，单靠聪明的算法远远不够，技术研发、产品工程与本地化交付服务能力缺一不可——正是这些构成了讯飞在与互联网巨头的生态挤压中真正的护城河，注定需要极其漫长的时间去打地基，需要在产业腹地的重度沉淀。

而从另一角度看，也正是这种略显厚重的布局，使得科大讯飞常被误读。

偏见与误读

人工智能不是一个单点技术，也不是一门可以被装进单一标签里的生意。

尤其是当下大模型行业的叙事正在发生变化。市场不再只为炫目的Demo、快速增长的用户数和模型榜单买单，而是开始追问更本质的问题——

AI到底解决了谁的什么问题？能否进入真实产业流程？能否产生持续收入和可验证价值？

在这样的转向里，科大讯飞长期积累的复杂性，开始显现出新的意义。

表面上看，科大讯飞给人的财报印象常常是“业绩平平，报表复杂”。长期高强度的研发费用拖累了短期扣非净利润，加上账上偏高的应收账款和补贴，常被框在传统的静态PE或PS模型里压低估值。

然而，简单地使用PE或PS指标来衡量科大讯飞，存在较大的局限。

科大讯飞并不是一家业务结构单一的传统软件公司，而是一个横跨了大模型底座、高频AI硬件、SaaS平台和行业应用的复合体，每个领域生长曲线完全不同，用单一的市盈率生搬硬套，就像削足适履。

事实上，在不少权威机构与卖方分析师看来，将讯飞不同属性的业务拆开独立定价，才能还原其真实的资产价值。

沿着这个框架去拆解，会发现科大讯飞的三大板块各自对应着清晰的估值逻辑与重估弹性：

首先是C端AI硬件资产（如AI学习机、办公本）。

市场过去容易把这一业务归类为一次性交易的消费电子，给予较低的硬件倍数。但实际上，这是一种典型的“软硬一体”资产。高销量带来的不只是稳定强劲的消费级现金流，还有后续SaaS软件服务的二次变现入口。

这种兼具消费电子现金流与教育SaaS高毛利特性的业务，应当脱离传统硬件框架，参照高成长消费科技及SaaS公司给予溢价估值。

其次是开放平台与MaaS/Token生态资产。

在传统的PE账本里，庞大的生态投入往往被算作侵蚀利润的成本项，难以体现价值。但若把视线转向一级市场与港美股，智谱AI、MiniMax等纯赛道初创公司凭借API调用和生态想象力，获得了40到80倍PS的天价估值。

与之相对的是，科大讯飞的开放平台开发者规模已突破1000万，API调用量与大模型Token流转激增，按照同类AI生态与MaaS平台的估值标准，科大讯飞庞大的开发者生态与Token流转资产被严重低估。

最后是企业AI与行业大模型落地资产。

资本市场过去的误解，是把它同等于低毛利、一次性的传统软件外包和项目集成。但现实中，纯大模型初创公司受限于安全信任与本地交付能力，根本打不进央国企和医疗核心流程；传统软件集成商又缺乏自研大模型与全国产算力底座，只能做边际效应极低的外包。

科大讯飞则是以“全国产算力底座解决安全信任、深厚Know-How沉淀业务大脑、嵌入生产流形成极高迁移成本”三层壁垒，构建了极深的护城河。其中标金额与数量长期保持全行业第一，绝非简单的项目性收入，而是高粘性、可持续造血的基石资产。

撇开估值工具的错配，深入看科大讯飞的财务数据，其实也远比表面上看到的扎实。

2025年，公司净利润同比增长近50%，现金流与回款双创历史新高；今年上半年，公司主动砍掉长账期、低毛利的G端项目，聚焦B端和C端，半年度销售回款即达118亿元，自我造血韧性显著。

高盛年初报告指出，随着国产算力平台规模效应显现，2026年模型训练和推理成本预计大幅下降，将直接利好毛利率提升和盈利规模化释放[3]。

而成本的大幅下降，带来的将是AI产业底层逻辑的颠覆。

当底层通用大模型越来越聪明，也越来越便宜，模型本身不可避免地会变成像“水和电”一样的基础资源。此时决胜的关键，不再是单纯卖水卖电，而是谁铺设了通往千行百业的“管道与电网”，谁手里握着终端入口。

说到底，当行业从“比模型跑分”转向“用AI解决具体问题”，早已把根扎进垂直场景、占领着终端入口的科大讯飞，可能才是那个真正握紧了变现主动权的人。

尾声

人工智能无疑是这个时代最宏大的商业叙事，但商业世界的法则从未改变，所有的资本开支与技术狂欢，终究要回到“盈利与造血”的常识中来。

科大讯飞选择的，并非一条讨好短期资本市场的路径。在百模大战、热浪奔涌的日子里，不盲目追捧热点、不靠概念炒作估值，往往意味着要承受资本市场的冷落与错配。

但这种估值的错配只是一时，产业的规律终将拨乱反正。

当潮水退去，科大讯飞在千行百业扎下的深根，将变成最稳固的盈利壁垒。而这，或许也将成为资本重新为其定价的起点。

[1] 科大讯飞27周年：让自主可控的国产AI走向行业深处、日常生活，中国日报网

[2]让人工智能这匹千里马既跑得快又跑得稳，求是网

[3] Goldman Sachs-iFlytek （002230）： New AI model Spark X2 released； 4Q25 NI guidance largely in line； Neutral-260220