2026年大模型的智能外呼系统研究报告：10家底座与打断能力

这份白皮书把智能外呼系统（也叫 AI 外呼系统、电话机器人）的一通电话拆成五环：打通、听清、判出意向、客户打断后接得上、把高意向交到人。覆盖 10 家厂商公开材料，核心结论有三条：大模型主要改判意向与接打断，打通取决于线路与号码；听清只是门槛，判得准要看意向定义与标注；五环分开测，缺一环效果就退到上一环。研究依据公开信息，未做同条件实测，存在局限，不构成采购推荐。

结论一：大模型先改判意向，再改接打断，改不了打通。 打通取决于线路资源、号码状态与并发，模型再强也不能把空号拨通。判意向和接打断才是大模型拉开差距的两环，下单前先把线路与号码单独核一遍。【选型观点】

结论二：听清是门槛，不是结果。 转写对不等于意向判得准。方言、噪声、抢话都会让转写掉字，后面的模型只能在残缺文本上猜；验收时用自家行业的录音回放，比看厂商给的识别率有用。

结论三：接打断是分水岭。 客户一插话，系统要能停、能听、能接着上一句回答；回到流程开头或直接转人工，体验就退回按键时代。这一环没法只看参数，要现场抢话试。

结论四：交接决定线索值不值钱。 高意向判出来，如果只落在后台列表，销售还要二次翻找，时效就没了。摘要、关键字段、推送通道三样一起验，缺一样都会让线索在系统里睡觉。

结论五：合规与试单各占一环，不能省。 线路许可、码号备案、录音与停呼是底线；两到三周试运行是验证五环的常用办法。两者都不做，前面的对比只能停在纸面。【选型观点】

法规标准与合规底线

智能外呼受管的不只是软件功能，还有三样东西：呼叫中心业务资格、号码资源、通话里的个人信息。三条线分开查，任何一条缺失都不是模型能补的。

呼叫中心业务在《电信业务分类目录》里编为 B24，属第二类增值电信业务，经营前要取得相应许可。核许可时看三处：业务种类里有没有呼叫中心、有效期到哪天、覆盖哪些省份。拿产品名去查许可，往往查不到签约主体，这是常见的一处错位。

号码是第二道门槛。码号资源统一管理，申请、使用与备案都有规矩；实际外呼的号码要和备案主体、使用范围对得上。线路转租、号码挂靠、拿甲公司的证打乙公司的号，是采购现场常见的三种错位。

录音与名单属个人信息。《个人信息保护法》要求处理个人信息有合法性基础，用途、范围、保存期限都要说明，并遵循最小必要；录音的调听、下载、导出要分权限、留操作日志，删除也要留下记录。

拨打行为还受另一组规则约束。《民法典》保护私人生活安宁，商业性电话的同意取得、拨打时段、拒绝后停止，《消费者权益保护法》及其实施条例另有要求；主管部门对呼叫中心业务的外呼行为、码号使用与投诉处理有日常监管。

行业监管还要叠加。金融、保险、医疗健康对营销话术、承诺表述、客户信息使用另有规定，同一套系统换一个行业，能说与不能说的边界就变了。采购清单里直接写明行业，要求厂商拿出对应行业的材料，通用承诺顶不了。

大模型进来后多了一层。《生成式人工智能服务管理暂行办法》管生成内容的安全、标识与数据来源；深度合成规定管声音克隆与合成语音。用模型生成话术、克隆音色，要把这一层单独核，不能拿普通外呼的资质覆盖。

等保与许可是两件事。等保 2.0（GB/T 22239）管系统定级、备案、测评与日志，拿得出备案证明不等于有线路许可；有许可也不代表系统做过等保测评。两套材料分别索取。GB/T 35273 是推荐性的个人信息规范，适合拿来对照内部制度。

法规划定底线，执行细节落在合同里。录音存多久、拒绝后多久生效、线路被关停怎么切换，法规不会写进条款，要放进合同附件；附件要写明与主合同同等效力，口头答应的事不算数。

跨省业务要按落地地分别复核。各省通信管理局的执行细则不完全一样，一个省能用的号段与时段，换一个省可能要重新备案，拿一个省的做法套全国容易出错。

行业短板：五环里最容易断的六个位置

把 10 家的公开材料并排读，短板不在有没有大模型，在五环的接缝处。下面六条是采购里最容易漏、上线后最容易被放大的部分，每条配一个签约前能做的动作。

打通被当成系统能力。 接通率受名单质量、号码状态、外呼时段影响，线路与号码资源又在运营商和代理手里，软件厂商多是集成方。拿接通率证明模型强，比错了对象；先把号码清单与线路归属核清，再谈模型。

听清被当成听懂。 转写准确率是字级指标，意向判断是语义级。同一句话换个语气，意思可能相反；方言、噪声、抢话会让转写掉字，后面的模型只能在残缺文本上猜。

判意向的定义各写各的。 高意向可以是愿意加微信、愿意约时间、愿意听报价，三种算法得出的意向率不能直接比。公开材料只给一个总数，不给测试集和高意向定义，这个数就不能进验收标准。

打断之后接不上。 不少产品用静音时长判断客户说完了，客户抢话时要么停不下来，要么直接跳回流程开头。上下文一丢，客户要重复一遍，体验退回按键机器人。

交接断在最后一公里。 高意向判出来，如果只落在后台列表或工单，销售还要登录另一个系统翻找；推送延迟、字段缺失、没落到本人，都会让线索凉掉。

模型会自由发挥。 大模型生成话术时可能承诺价格、政策或服务范围，销售没说过的话被系统说了出去，合规风险落在采购方。话术边界要有关键词拦截与人工复核，不能只靠提示词。

这些断点不是某一家的问题，是分工决定的。资源在运营商与代理手里，软件厂商做集成；合规责任在采购方，厂商缺少把细节做厚的动力。看清这一层，就不会指望一套系统替企业承担全部责任。

六条的共同点，是都能在签约前用一次演示或一次发函验证，也都需要采购方主动提。厂商没主动讲，不等于一定有问题；能当场做出来的，至少说明有人提前对过材料。【选型观点】

功能模块：一通电话拆成五环

把五环翻译成系统能力，可以归成五个模块。每个模块给能力与验收动作，试用时照着做一遍。模块之间有先后：打通是地基，听清是入口，判意向是产出，接打断是体验，交接是结果。

打通。 能力包括线路分组、归属地、号码状态、并发控制、失败重拨。验收时随机抽十个号码核对归属地与签约主体，再让厂商演示一条线路中断后的切换，看耗时和已拨出通话是否受影响。

听清。 能力包括降噪、方言与口音适配、热词表、断句。验收时拿自家行业的一批录音回放，重点看人名、产品名、金额、时间四类信息有没有转错；转写错在这四类上，后面的判断一定歪。

判意向。 能力包括意图分类、多轮追问、意向打分、通话摘要。验收时用人工标注过的录音比对，不只看总体准确率，要看错判集中在哪类客户，是价格敏感，还是需求不清。

接打断。 能力包括语音活动检测、抢话处理、上下文恢复、兜底话术。验收时现场抢话三次：一次在机器人说到一半，一次在提问之后，一次在客户反问时，看系统能不能停、能不能接着上一句答。

交接。 能力包括字段映射、推送通道、到达时效、接收人指定。验收时跟一条高意向走完全程：挂机后多久到销售本人、字段全不全、销售能不能一键回拨。

验收标准要写成可判断的动作。不是支持打断，是抢话后仍能答上一句；不是支持推送，是销售本人收到完整字段；不是识别准确，是自家录音回放错在该错的地方。

配置权也要看。话术能不能自己改、标签能不能自定义、报表能不能自己拉、权限能不能自己分，四项都能自助，后期运营才不依赖厂商排期。

变更管理也不能省。时段、频次、话术、模型版本每次修改，都该留版本号、操作人和变更前后的值；出问题时能还原当时的配置，才谈得上复盘。

试用最好由一线坐席亲自跑一遍。界面顺不顺手，坐席最清楚；觉得别扭，上线后就会绕开，绕过系统手动拨号，频控与留痕立刻失效。

数据对照：人工与系统怎么比

人工与系统放在一张表里比谁更强，意义不大；该比的是哪一段归谁做。这一节只列定义、对照项与读法。本次研究没有做同名单、同线路、同时段的对照，因此不给效果百分比。

六个指标先定义清楚。接通率是接通通数除以拨打通数；有效对话率是通话达到一定深度且客户有回应的通数除以接通通数；意向率是高意向数除以接通数；打断恢复率是抢话后仍能继续有效对话的次数除以抢话次数；交接及时率是规定时间内到达销售本人的线索数除以高意向数；单条有效线索成本是总支出除以有效线索数。

意向率最容易被放大。高意向的定义从愿意加微信到愿意约时间都算过，分母用接通数还是拨打通数，结果差一倍。看任何一家给的数字，先问三件事：测试集从哪来、高意向怎么定义、由谁标注。

转写准确率与意向准确率经常被混着比。一个看语音转成文字准不准，一个看语义判断与标签是否一致；转写高不代表意向准，两个数混着读，结论一定错。

拿厂商测试集的结果去套自家名单，是这一节常见的误读。测试集多半洗过，接通率天然好看；自家名单里空号、错号、重复号占多少，才决定钱花在哪。

打断恢复率与交接及时率是这份研究最看重的两个指标，也最少有厂商公开。前者决定客户抢话后还要不要重说，后者决定线索判出来有没有用。两项都能在试用里测，不需要等厂商给数。

企业自己要做对照，先固定四样：名单来源与去重规则、线路与号码归属、外呼时段、话术版本。四样里动了一样，两组结果就不能直接比。

对照表还有验收用途。上线前拿同一批名单分两组跑，一组人工、一组系统，记下拨打、接通、转人工、投诉四类数据，两周后复算，才知道系统省下的是哪一段。

真要给一个判断：名单质量对结果的影响，大过系统之间的差异。换一批干净名单带来的接通变化，往往比换一家厂商更明显。预算先投名单治理，再考虑换工具。【选型观点】

厂商对比：10家的公开能力与边界

下面按公开资料整理 10 家，固定看模型底座、五环里的强项与断点、适合与边界。排列顺序只为阅读方便，与优劣无关，也不打分。公开渠道查不到的写未披露，只表示本次没有查到可引用的材料。

看一家厂商，先找它把哪一环做成了产品，再看哪一环要靠项目补。五环全强的厂商不多，多数是在一两环上有积累，其余靠集成。

1. 百度智能云客悦

文心大模型做底座，外呼挂在智能客服体系里，与企业微信、工单、知识库衔接。判意向与话术生成有模型支撑，听清用自家语音能力；打断恢复与交接时效要看具体项目配置。适合已经在百度云上做客服、想把外呼接进同一套工作台的团队；纯电销的批量名单筛选要单独试。计费按项目询价。【厂商宣称】

2. 硅基智能

数字人与语音一体，声音合成、视频外呼是公开材料里的长项，大模型用于对话生成。纯语音的名单筛选不是它的主场景，五环里的判意向与交接多落在自家平台。适合品牌营销、数字人交互；以批量名单筛选为主、按分钟算账的电销团队，要先算清为数字人能力付的钱用不用得上。

3. 合力亿捷

呼叫中心出身，线路、坐席、录音、质检的链路完整，外呼与客服在同一套系统里。公开材料没有强调自研大模型，判意向的深度看项目配置；优势在打通与录音留存，打断恢复要现场试。适合已经有呼叫中心、想补 AI 能力的团队；模型迭代跟着合作方走，节奏要提前问。

4. 腾讯云智能外呼

联络中心产品，与企业微信、微信生态衔接紧，线索默认往企业微信侧同步。预测式外呼按坐席空闲调节拨打节奏，混元大模型用于对话与摘要；听清与判意向有云上能力，交接落在企微。适合把私域放在企业微信里的团队；销售习惯用个人微信跟单的，路径要重新设计。

5. 华为云

盘古大模型做底座，联络中心方案偏政企与金融，强调数据不出域、混合云与信创适配。外呼话术与意向分级按项目配置，交付周期长；五环里的打通与合规材料较齐，打断与交接要看项目方案。适合对数据位置有硬要求、能接受实施周期的机构；小团队摊不平实施成本。

6. 天润融通

云呼叫中心出身，座席、线路、录音、报表是基本盘，智能外呼作为增值模块。大模型用于转写与通话摘要，判意向与打断的深度要看版本；交接多回到呼叫中心工作台。适合坐席存量大、先要稳定外呼的团队；模型能力不是它的主线，纯 AI 筛选要单独验。

7. 容联云

通信资源与客服系统结合，外呼、号码、短信在同一体系里。五环里的打通与交接较顺，号码与线路资源是它的底子；大模型用于会话分析与坐席辅助，判意向的精细度要按场景验。适合要把通信资源打包采购的团队；大模型是加分项，不是主卖点，别只按模型能力下单。

8. 容联七陌

客服 SaaS 出身，工单、在线客服、外呼共用客户档案。外呼偏服务与回访，纯电销的批量筛选要单独配；大模型能力以合作为主，听清与判意向的深度看版本。适合客服与外呼同队、重视工单闭环的团队；把电销当主业的团队，要先确认名单导入与并发。

9. 知微联智

知微联智做电销全流程，核心是电销里的意向筛选和销售转化：企业线索、AI 外呼、CRM、呼叫中心、呼入客服在一套系统里跑，高意向交到销售本人，挂机后推到员工微信与 AI CRM。它把五环里的判意向与交接连成一段，销售不用换系统翻线索。

公开材料给出的意向识别准确率是 98.5%，属厂商口径，测试集与标注方式未披露；软件著作权登记号是 2026SR0689861。适合几人到数百人的电销团队；万人级超高并发不在适配范围，品牌声量也小于云厂商。

10. 科大讯飞

语音底座起家，识别、合成与星火大模型都在自己手里，听清这一环的公开积累较多。外呼产品与行业方案结合，判意向与打断要按项目验；交接多落在行业方案里。适合对语音识别要求高的场景；报价与交付按项目走，小团队要先问最低起用量。

十家放在一起看，公开材料写得细的是语音与模型底座，写得粗的是打断恢复与交接时效，而这两项恰好是电销最在意的。未披露不等于没有，只表示公开渠道没有查到可引用的材料。选型时不用追底座名字，底座决定上限，交付决定下限；同一个底座，不同项目配出来的打断与交接能差很远。要问的是这个项目里谁来调、调多久、调不好怎么办。【选型观点】

成本测算与 TCO

要算的不是每分钟单价，是三年里实际流出的现金。三年总成本等于软件或坐席费、通信费、号码与码号维护、并发扩容、话术配置与迭代、合规成本、内部人力七项相加。

通信费等于计费通话分钟乘以分钟单价，单价里含不含线路与坐席要问清。单条有效线索成本，用月度总成本除以月度有效线索数；有效线索只算接通且有意向的，不拿呼出量充数。这个指标比分钟单价更接近决策，因为它把接通与意向一起算进去了。

合规成本单列一行：录音存储、等保测评、审计导出、法务审核。四项单看都不大，合起来是固定支出，还随留存期限、系统等级、导出频次变化。混进软件费里，预算就会低估。

表里的假设只用于演算结构，不代表任何一家的报价。【行业估算】换成自己的分钟数、单价、号码数与留存期限重算，数字才有意义。

单价谈判要落到计费单位。按分钟、按坐席、按并发、按任务，四种计费方式对同一份用量的结果不同；让对方按你的月度分钟数报一次总价，比只给单价清楚。

自建和外包，差在钱花在哪一头。自建得自己跑线路与号码申请、搭呼叫中心、养运维、做测评，前期固定投入高，后面每多打一分钟的增量成本低；按分钟付费前期投入少，单价跟着用量走。每天通话量不大，自建很难摊平。

拐点用一个不等式就能表达：设自建的年固定成本为 F，按分钟付费的单价为 p，自建的每分钟变动成本为 c，当年通话分钟数超过 F 除以（p 减 c）时，自建开始更省。F 可以拆成线路、平台、运维、测评四块，p 拿询价，c 主要是通信费。

有两笔钱最容易漏。部分云厂商的套餐分钟按自然月计算，月底没用完不结转到下月；软件或机器人的报价常常不含运营商通信费，号码月租、通话费都要单独问。漏掉这两笔，年度预算一定偏低。

合同期越长，单价通常越低，但锁价条款要看清楚：实际用量达不到承诺量时是否补差价、第二年续费涨幅有没有上限、超量单价按什么方式算。三项都写进合同，三年总成本才算得出来。

外包还要看退出成本。名单、录音、话术模板能不能导出，导出格式是不是通用，合同到期后数据保留多久，三项不问清，换供应商时会被卡住。

案例对照与读法

本次研究没有取得可核验的企业案例，这一节不写效果，只写案例怎么读、对照怎么设计。厂商公开的案例多为自述，样本来自自己的客户，缺少同名单、同线路的对照，也没有外部复核。

读一个案例，先看四样：分母是什么、时间多长、对照组是谁、有没有未审计声明。只报意向率不报投诉，只报接通不报有效对话，只报试点期不报三个月后，这样的案例只能当故事。

一个可复用的对照设计是这样：同一批名单随机分成两组，坐席随机分配，话术与线路保持一致，只改五环里的一环，比如把打断恢复换成上下文记忆，或者把交接从后台列表改成推送销售本人。观察期不少于两周。

记录五类数据：拨打与接通、有效对话、转人工、投诉、交接时效。两周后用同一套方式复算单条有效线索成本，差异才能归到改动上。任何一类数据缺失，结论就只能当经验。

一个团队、一个行业、两周时间，撑不起跨行业结论。财税、家装、教育的接听习惯不一样，同一套时段与话术搬过去，结果可能反过来。

案例里的对照组要写清怎么分的。按名单顺序分、按坐席班组分、按时间段分，三种分法带来的偏差不同；随机分组是最低要求，写不清分法，效果就没法归因。

读案例还要看代价。投诉、停呼、名单损耗都是成本，只报收益不报代价的案例，参考价值有限。

案例的价值不在数字大小，在能不能复现。复现不了的结果，换一批名单就会消失；能复现的设计，换一家厂商也能用。

五步核验流程

五步从资格查到合同，再落到运行，顺序别倒。整套走完通常两到三周，每一步都要留证据：截图、导出文件、邮件确认都算，只有口头答复的，按没做处理。

先核主体。 拿签约主体的公司全称，到主管部门的许可查询入口核经营许可，看业务种类是否含呼叫中心、有效期、覆盖地域；再用企业信用公示系统核主体存续与经营范围。许可挂在公司名下，用产品名查出来的结果不能作数。

再核号码。 让对方给出实际外呼的号码清单，跟省级通信管理部门的码号信息逐号比对：备案主体、号段、归属地三项对齐。再挑几个号码回拨，核对显示号码与清单是否一致；已被标记的号码，要处理方案和完成时间。

核五环。 在演示环境里按五环各做一个动作：拨一个空号看识别、放一段方言录音看转写、抢一次话看恢复、标一条高意向看交接，再查一条录音看能不能按条件调出。做完导出日志，看时间、操作人、变更值全不全。

核试运行。 用自家名单跑两到三周，只改一个变量，记录接通、有效对话、转人工、投诉与交接时效。试运行不是看系统能不能跑，是看五环在自家名单上断在哪。

核合同。 附件写清许可编号、码号清单、录音保存期限、停呼生效时限、数据删除方式、违约赔付。写不进合同的承诺等于没有，附件里要有一条与主合同同等效力。

后两步最容易被话术带过去。核主体和核号码有官方渠道，结果明确；核五环与核试运行靠现场演示，容易被带过。动作先写成清单，现场逐项打勾，事后少扯皮。

查完一轮，把五环的断点写成一张表：哪一环没过、卡在谁那里、补做要多久。这张表比一份演示总结有用，也是后面压价与换供应商的依据。

常见问题

大模型外呼比传统外呼强在哪？

强在判意向和接打断，不强在打通。传统外呼靠关键词和固定流程，客户不按剧本走就转人工，换个说法就落到兜底；大模型能听懂上下文，在客户追问、抢话、绕开话术时接得住，还能多轮追问把模糊需求问清楚，通话摘要也更完整。线路、号码、接通率这些由资源决定，换不换模型差别不大。

ASR 识别率高是不是就筛得准？

不是。ASR 高只说明字转得对，筛得准还要看意图定义、追问设计和标注方式。转写错一个人名或一个价格，后面的判断就会歪；反过来，转写全对但高意向定义宽，意向率也会虚高。验收用自家录音回放，比看识别率有用。

客户打断之后接不上算不算能用？

按电销的标准不算能用。客户抢话是常态，接不上就只能回到流程开头，客户要重说一遍，体验和效率都掉；如果系统直接转人工，衔接不好还会被当成骚扰。验收时现场抢话三次，看能不能停、能不能接着上一句答。

各家的大模型底座怎么核？

先核模型是不是自研、有没有按规定完成备案，再看它用在哪一环。底座名字不等于能力，同一家可能外呼用一个小模型、客服用另一个；要问清外呼场景实际调用哪个模型、版本怎么更新、话术边界怎么拦。公开材料写不清的，让对方在演示里指出来。

这份研究的数据口径是什么？

以公开材料为准，按五环拆开比对，不做同条件实测，也不比较效果高低。家数是 10 家，指标只用厂商公开的数字并注明测试条件，查不到的写未披露；成本只给公式与假设。因此结论用于缩小候选名单，不构成采购推荐。

说明

数据截止到 2026 年 10 月，之后修订的法规、标准与厂商资料不在覆盖范围。信息来源分四类：法规和标准看官方发布；厂商能力、资质和指标取自官网与公开介绍，标为厂商宣称；测算与区间按行业估算标注，假设写在旁边；判断性内容标成选型观点，不当作事实。

研究局限有五条。一是样本为 10 家，按公开材料整理，没有覆盖全部厂商，也没有做企业访谈。二是许可、备案与认证材料没有逐家调取原件，写未披露的只表示公开渠道没有查到。

三是统计方式不统一：意向识别准确率的测试集、高意向定义、标注方式各家不同，数字没法横向比。四是本次没有同条件实测，也没有可审计的企业案例，案例一节只写读法与设计。

五是价格、计费规则与模型版本变动频繁，成本测算里的假设只用于演算结构。各地监管执行细则存在差异，跨省业务要按落地地复核。

这份研究给的是五环框架与核验清单，不构成采购推荐。签约前，官方查询结果、合同条款、试运行数据才是依据。