AI的战场正跳出屏幕向真实世界延伸，物理AI持续升温，被视为人工智能的下一波浪潮。
各研究机构对物理AI的表述不尽相同，但内核指向一处：让人工智能具备理解并作用于物理世界的能力体系。这意味着，不仅听清、看懂，还要在动态环境中理解意图、协调行动。开源证券判断，物理世界可能成为AI能力规模化变现的出口。
AI的评价标准也随之改变。过去，人们更关注它能否生成自然流畅的文字、声音或图像；如今，更重要的是它能否感知环境、理解任务、调用工具，可靠地完成现实任务。对企业而言，AI的价值也不再停留在“会不会用”，而是能否部署进真实业务流程，形成规模化的生产力。
同样的逻辑，正在Voice AI领域上演。随着AI Agent走向执行，语音交互迎来分水岭。具备天然流式交互属性的语音，有望成为人与智能体协同更自然、高效的调度入口。Voice AI也已不只是将语音转成文字、再生成回答，而是逐步具备低时延响应、打断处理、情绪与语境理解、多轮对话和工具调用能力。
但进入客服、营销、客户经营等真实生产场景，企业面对的并不是标准化的问题与回答。用户可能带有口音、频繁改口、突然插话，业务对交互的实时性与准确性要求较高，容错空间较小，模型需要在长时多轮对话中稳定完成识别、理解与执行。
近日，百融智能发布统一Voice AI品牌“百融声动”及统一语音智能底座“VoxOne”，并同步推出百服硅基客服、百盈智能营销和百语语音交互开放平台三条产品线。VoxOne定位为“企业级生产可用的语音智能底座”，依托自研BR-Voice系列模型，面向客服、营销和语音交互等场景。
同时，百融智能展示了一条更贴近日常生活的路线。百语面向多元生态提供全双工实时语音交互能力，应用于AI陪伴玩具、智能穿戴和行业智能终端，并支持语音API、芯片与模组适配及端云协同。由此，百融声动的产品体系既面向企业联络场景，也覆盖智能终端中的语音交互需求。这一品牌动作，为观察Voice AI如何进入企业生产、如何将技术能力转化为业务结果，提供了一个具体样本。
一、从“会对话”到“能工作”，Voice AI开始接受生产环境检验
对话式AI市场仍在快速增长。根据市场研究咨询机构MarketsandMarkets的估算， 2025年全球对话式AI市场规模为170.5亿美元，预计2031年增至498亿美元，2025-2031年期间的复合年增长率达到19.6%。
市场扩容的同时，AI承担的任务也在变化。它不再只是回答一个个问题，而是开始持续交流、理解上下文并执行任务，实时互动的对象也从人与人扩展到人与 Agent。
回看Voice AI的技术演进，传统语音技术的核心指标，更多集中在识别准确率、声音自然度、响应速度。大模型进入语音交互后，真正影响系统表现的，是模型能否理解上下文、调用知识、完成推理并遵循指令。进入Agent阶段，这条链路进一步延伸至任务判断与执行，Voice AI也逐步成为智能体接收需求、推进工作的入口。
这对实时交互提出了更高要求。真实交流中，用户会停顿、补充、改口，也可能随时打断。真正好用的语音Agent，应当允许用户边说边想、随时打断和修正，AI则同步完成倾听、理解与回应。
全双工语音由此变得重要，这一模式下人与AI可以同时接收和表达信息。对话式 AI 也由此从早期被动接续的交互，向更主动、更自然的全双工对话发展，并开始尝试理解人的个性、处境、情绪与关系。在客服、营销和陪伴服务等高频交互场景中，这些能力将直接影响任务能否完成。企业级Voice AI的竞争，也因此从单点技术能力，转向“听见—理解—推理—判断—调用工具—完成任务”的全链路能力。
百融智能在语音交互领域布局较早。2017年6月，谷歌的8位AI研究员发表《Attention Is All You Need》，提出Transformer架构；4个月后，百融智能立项开展语音交互研发。2018年3月，其第一版产品上线。
如今，围绕上述方向，百融智能依托全自研语音多模态大模型BR-Voice，将语音识别、语音合成与副语言理解纳入统一技术体系。由此，AI不仅能够识别用户“说了什么”，还可以进一步理解用户的表达状态和真实意图，并动态调整回应时机与沟通策略。
官方资料显示，针对传统语音交互架构响应慢、信息传递过程中损耗较大的问题，百融智能进一步推出Vortex流式推理引擎，使原本按步骤依次运行的识别、理解与生成链路转为同步推进。由此，AI能够实现“边听、边解析、边输出”，端到端响应时延压缩至500毫秒以内，整体推理速度较传统方案提升三倍以上，推理成本同步下降30%。
技术能力之外，业务场景的落地同样重要。AICC承接企业客户服务与营销等高频交互业务，是百融智能当前重点推进的业务方向之一。中报显示，2026年上半年公司AICC业务收入为1.66亿元，同比增长52%；物流、券商、银行、运营商、车险等新场景收入同比增长195%。
业务层面，百融智能以企业级AI Agent推动AICC业务落地：声动·VoxOne提供面向智能联络场景的Voice AI能力，覆盖语音模型、实时交互和Voice Agent应用；Results Cloud则通过百基、百工、百汇三层架构，支撑智能体的构建、运行与结果交付。
商业模式上，百融智能主要采用RaaS（结果即服务）模式，可按成功完成且无需转人工的工单或有效通话数收费，按实际部署的硅基员工数收费，也可根据促成的业务规模进行分润。
二、从分段接力到全栈协同，百融智能的技术路线有何不同
无论是低时延回应，还是后续的工具调用，前提都是AI先在真实环境中听清、听懂。
在复杂语音任务中，一种方案是把自动语音识别（ASR）、说话人归因、口语语言理解（SLU）等环节拆开，每个环节单独建模、单独调优。环节增多后，误差可能沿链路逐级放大，最终理解准确率可能远低于单环节最优。
另一种方案，是用一套完整的端到端方案,从听清到听懂一次性完成。 这是百融智能的做法,也是 BR-Voice 一直坚持的技术路线。对比来看，前者优化对象是“中间环节”的局部指标，后者优化对象是“最终结果”的全局指标。
公开评测提供了观察这类能力的一个切面。据公开信息，2026年8月，在IEEE SLT 2026的SmartGlasses挑战赛中，BR-Voice四项任务全部进入全球前五，其中两项SLU任务获全球第二名。该挑战赛聚焦第一视角（穿戴）场景下的多说话人语音识别与理解。百融智能证明的是，穿戴场景、多人说话、真实环境下,能否实现从听清到听懂的端到端贯通。
据赛事组委会披露，该届赛事所有有效提交均采用端到端大模型方案，以统一建模范式完成转写、时间戳和说话人归因输出，替代传统级联方案。至少在这一赛事中，端到端已经成为参赛团队的共同选择。
组委会披露的数据还呈现出一条清晰的能力梯度:语义题 > 声学-语义联合题 > 纯声学题。Track 1 头部系统的语义题准确率接近 90%,到 Track 2 部分系统语义题突破 90%,但纯声学推理题准确率仍不足 65%。这条梯度揭示了当前音频大模型的能力分层:“会思考”已较为成熟,“会听声”仍是核心短板。百融智能在 IEEE SLT 2026 拿下的两个第二,均出在 SLU 任务上,也就是“听懂”那一层。
另一项成绩来自多语种场景。2026年7月，百融智能自主研发的BR-Voice语音多模态大模型在INTERSPEECH 2026的MLC-SLM挑战赛“多语种对话语音理解”任务中，获全球第三名、国内产业界名列前茅，测试准确率94.84%。
今年9月，在语音助手公开评测基准 VoiceBench 榜单中，百融语音理解与推理模型 BR-Voice-Reasoner以90.46分位列综合测评头部。VoiceBench关注的不是语音合成得像不像真人，而是语音进入模型之后，模型能否完成知识理解、推理、指令遵循、安全判断和开放式交互。
三、从智能硬件到企业服务，语音能力如何形成规模化生产力
梳理来看，围绕BR-Voice，百融智能已经形成两条落地路径：一条通过语音Agent全栈服务平台“百语”进入智能硬件，另一条深入企业服务。前者要解决模型如何稳定运行在终端上，后者要回答语音Agent如何进入业务流程。
其中，在智能硬件侧，百语面向AI陪伴玩具、智能穿戴和行业智能终端提供语音交互能力，支持语音API、芯片与模组适配及端云协同，无论是具备技术储备的软件团队，还是缺少硬件研发经验的品牌厂商，都可以根据自身能力选择合适的接入路径。
在企业服务侧，百融智能将全双工语音能力与“硅基员工”、百工 AgentOS 及结果云体系相结合，推动语音 Agent 深入客服、营销和客户经营等关键流程。AI 不再只是完成一次对话，而是能够连接企业知识库与业务系统、调用工具并执行任务，最终以任务完成情况、客户服务效果和业务转化结果接受考核。
两条路径指向同一套逻辑：百融交付的不只是语音模型，而是一条从技术能力到业务执行、再到业务结果的完整链路。
除模型与产品外，百融也在参与评测体系建设。近期，百融智能披露，团队提出的CoDeTT上下文感知轮次决策评测基准被语音领域顶级会议Interspeech 2026收录。轮次决策关系到AI何时倾听、何时接话，也是语音交互从“能回应”走向“更自然”必须解决的问题。
从这个角度看，Voice AI的竞争力很难用一个榜单分数或一次演示来衡量。它既要经得起高并发、强业务约束和复杂环境的考验，也要能在不同终端和业务流程中复制。只有语音Agent能够稳定完成任务，语音才会从一种交互方式变成可规模化复制的硅基生产力。
语音是入口，执行是能力，结果才是企业最终关注的价值。对百融智能而言，声动·VoxOne、BR-Voice与百语共同指向的，正是从模型能力到业务执行、再到业务结果的通路；对行业而言，这也是AI向物理世界延伸必须跨过的一步。
10.10.48.97, 216.73.216.14
