声网&开发者社区：2025年对话式AI发展白皮书

人们对更自然、便捷的人机交互方式的追求，是对话式 AI 发展的核心驱动力。在传统 的交互模式中，无论是命令行界面、图形界面还是触摸操作，都需要用户主动适应机器的操 作逻辑，存在一定的学习成本。相比之下，语音交互凭借其表达灵活、信息丰富、易于理解 的优势，成为最符合人类本能的交互方式。这种优势在特定场景中尤为突出：在智能车载系 统、智能家居设备等无键盘环境中，语音成为最直接的操作方式；在移动场景下，语音交互 也能解放用户的双手。这些多样化需求共同推动了传统对话式 AI 的初期发展。 然而，在大语言模型出现之前，传统对话系统的能力存在明显局限。其技术架构主要基 于语音识别（ASR）和自然语言理解（NLU）模块，配合预设的对话流程和规则引擎。这种架 构虽然能够处理简单的任务型对话，如设备控制、信息查询等，但在理解复杂语义、维持多 轮对话、处理开放域话题等方面表现欠佳。对于需要深度语言理解和生成能力的场景——如 情感陪伴、个性化教学、复杂客服咨询等——传统系统往往难以提供令人满意的体验。