在一轮轮大模型竞速里，很多玩家把比拼重心放在通用对话能力、多模态炫技效果上。科大讯飞董事长、创始人刘庆峰的判断始终和主流赛道保持距离：通用能力只是底座，AI 产业真正的立足点，永远是扎根社会刚需。脱离真实痛点的技术迭代，最终只会停留在演示 Demo。对讯飞而言，教育、医疗、工业、语言服务这些强刚需场景，不只是商业化落地载体，更是反向校准大模型能力边界、检验技术价值的标尺。
01/ 通用不是万能，刚需才是技术的试金石
“通用大模型可以天马行空地生成内容，但解决刚需的 AI，必须学会收敛、可控、可量化效果。” 刘庆峰说。当下行业有一种普遍误区：认为通用能力越强，自然就能横扫所有行业。现实恰恰相反，很多通用模型走进垂直场景之后，因为不懂行业规则、缺少领域约束，输出结果看似流畅，却无法满足业务标准。
在他看来，技术创新有两条路线：一条是追逐能力上限，探索智能的边界；另一条是锚定刚需下限，用稳定、低成本的智能解决存量难题。讯飞选择长期押注后者。源头底层创新，最终的归宿是普惠，而不是停留在实验室的性能榜单。
02/ 人机分工：AI 做放大器，守住人的主体位置
外界常常有一个担忧：AI 助手普及之后，会替代教师、医生、基层服务人员。刘庆峰的分工框架非常清晰：AI 的定位是能力放大器，而不是责任主体。
放到教育场景，AI 承接批改作业、错题诊断、同步练习、学情统计这类高重复工作，把老师从海量机械劳动中释放，让老师把精力投向教学设计、价值引导、心理陪伴、个性化沟通。放到语言服务场景，AI 实时翻译、转写、字幕生成，打破语言壁垒，但复杂谈判、文化理解、情感沟通，依然依靠人做最终判断。
他强调，每个人的专属 AI 助手，未来会成为基础设施。这个助手记住使用者的知识体系、目标节奏、偏好习惯，辅助检索推演、规划任务、整理信息。但独立思考、价值取舍、伦理判断，这些核心权责不能移交 AI。人机协同的本质，是把人的创造力，从低价值事务里释放出来。
03/ 底层根基：源头自主创新，才是长期护城河
很多垂直 AI 应用，可以直接调用第三方基座快速搭建，短期落地速度很快。刘庆峰对此保持警惕：刚需场景对稳定性、持续迭代、隐私合规、定制化深度的要求极高，如果底层能力依赖外部基座，长期很容易陷入被动。
讯飞的逻辑是 “底座 + 行业” 一体化。一方面持续深耕大模型、多模态感知、语音语义等底层核心算法；另一方面，持续在刚需场景沉淀行业知识库、业务规则、评价体系。底层技术和场景数据双向飞轮，场景持续给模型反馈，模型迭代反过来提升场景效果。
他并不排斥生态合作，但坚持核心根技术必须自主可控。尤其是面向教育、政务、医疗这类和公共民生紧密绑定的赛道，安全可控、持续迭代能力，和模型效果同等重要。只做应用集成，很难建立穿越周期的壁垒。
04/ 普惠是终点，供给失衡才是真正的时代命题
刘庆峰眼中，AI 更深层的价值，是平衡优质资源的结构性稀缺。国内优质师资、专业服务资源集中在大城市，县域、偏远地区长期供给不足。依靠人力扩张，很难快速填平鸿沟；AI 助手可以把标准化优质能力下沉，让不同地域的人，都能接触到高质量的教育、健康、信息服务。
但普惠化的路上，同样有绕不开的矛盾。技术下沉之后，如何规避同质化、减少过度依赖 AI、保护使用者独立思考能力？如何设置合理的监管边界，在放开创新的同时守住教育、医疗的底线？技术可以快速普及，配套的评价体系、使用规范、伦理引导，往往滞后于产品迭代。
在大模型浪潮中，一部分玩家追逐短期用户增长与估值，讯飞选择沉到漫长的刚需赛道里。对刘庆峰而言，AI 的终极目标不是造出无所不能的机器，而是借助智能，让更多人有机会获得原本稀缺的资源。返回搜狐，查看更多