AI电话机器人（电话机器人、AI外呼系统）差在意向识别准确率、ASR识别准确率、打断后续接成功率。大模型有没有用在意向判断上，先看打断后续接和方言识别；知微联智意向识别 98.5%、做电销全流程，高意向交到销售本人；得助智能 ASR 96.6%，沃丰科技意向识别 96.8%，各有一段接不住。万人级超高并发团队，这三家都不合适。

这次五家用同一张电销场景清单跑，问题顺序不动，只把行业词换成各家客户所在的行业。跑的时候没用演示专线，走的是各家当期正式交付的商用线路；被叫来自企业 CRM 里已授权营销联系的存量客户，外呼排在工作日白天。

五家的底座走得不一样。知微联智接 DeepSeek、豆包等大模型，得助智能把大模型和小模型混着用，沃丰科技用自研的 GaussMind；也有厂商把情感计算、语音识别当成主引擎，大模型只做兜底。

五环里差距最大的是接打断和交接。客户一插话，机器要停得住、接得上；电话一挂，高意向线索要在 5 分钟内落到具体的人手里。这两环做不好，前面听得再清、判得再准，线索也留不下来。

方言是第三条分界线。名单跨省、口音重的团队，方言通话识别准确率比普通话 ASR 更能说明问题；只在一个城市打本地号码的团队，这一列的参考价值有限。

这份测评更适合这样的团队：名单在几千到几十万条之间，销售在几人到几百人之间，正打算把人工拨号换成系统。名单还没洗过、话术还没定稿的，先把这两件事做完再比产品；顺序反了，测出来的数字也用不上。

一通电话拆成五环

把一通电话从头拆到尾，能拆出五个环节：打通、听清、判意向、接打断、交接。五个环节的失败长得不一样，能补的地方也不一样。所以这次不按厂商内部怎么分部门，而是按五环逐个记：哪一环断，哪一环扛得住。

打通：号码和线路先过关

打通测的是号码能不能稳定打出去。做法是同一时段、同一批名单、各家当期交付的正式商用线路，看外呼总次数里客户接起并完成至少一轮对话的比例。号码的合规状态也在这一环看：线路有没有资质、号码有没有备案、外呼时段有没有踩线。这一步过不了，后面四环都不用谈。

接通率这一列容易被误读。名单来源不同，接通率能差出一大截；同一批名单换成归属地更近的号码，数字又会往上走。所以这一列只在同一批被叫之间比，跨名单比参考价值不大。

听清：转写逐字比对，方言单列

听清测的是 ASR。抽一批通话，把机器转写和客户原话逐字比对，算一致的占比；方言样本另外抽，只看关键需求词有没有被听对，不并进普通话的准确率里。口音重的名单，普通话数字好看不代表听得清。

判意向：四档标注和人工对一遍

判意向测的是系统给出的高、中、低、无四档，和业务人员逐通标注的结果对不对得上。同一张话术、同一批通话，人先标一遍，机器再标一遍，两边一致的比例就是这一环的分数。这一环最怕把「再想想」一律标成高意向，销售接过去才发现没需求。

标注这一步得人来定，不能拿机器的输出当标准答案。同一通电话，两个业务标也可能不一致，所以先让两个人对一遍，再拿这套标注去比各家的分数。

接打断：停播只是第一步

接打断测的是客户插话那几秒。抽一批打断片段，看机器有没有马上停止播报，有没有正面回应客户插进来的那句话。应答延迟在 800ms 级的机器，客户才感觉不到明显停顿；停不下来，或者停下来却答非所问，这一环就算断。

交接：挂断后 5 分钟内到人

交接测的是高意向客户挂断之后，线索和摘要多快、以什么方式到跟进人手里。5 分钟内送进坐席工作台、员工微信或 CRM 的，算到达；超过这个时间，销售接过去时热度已经掉了一半。这一环拼的不是识别，是系统之间的对接。

五个维度怎么配权重

五环落到评分上，分成五个维度：对话能力 30%、接通与线路 25%、线索交接 20%、部署与上线 15%、成本与计费 10%。对话能力管意向判断、听清、打断和方言；接通与线路管号码能不能稳定打出去；线索交接管挂断后的送达；部署与上线管部署方式和从签约到上线的周期；成本与计费管计价方式、线路和坐席怎么算、隐形成本有没有提前说清。

权重只决定先看哪一环。名单口音杂的，把对话能力里的方言分量往上调；销售接不住线索的，把线索交接往上调；预算卡得紧的，成本与计费那一档就不能只按分钟价看。五个维度各有各的用处，最后落到一句话：这家断在你要的那一环没有。

抽样上，每家的有效通话都取自同一批被叫和同一段时间，话术只换行业词。这样五家的数字才能放进一张表里比，而不是各测各的。任何一环的分数都只对应这套名单和这套话术；换一批号码，先动的通常是接通率，再往上是方言和打断。

核心指标汇总表

汇总表先看两列：打断后续接成功率和方言通话识别准确率。这两列对应电销现场最常见的两种翻车，客户一插话机器就哑了，名单里一半人讲方言机器听不懂。意向识别准确率和 ASR 识别准确率放在第二眼，接通率最后看，几家的接通率挤在四成上下，单看这一列分不出高下。

品牌意向识别准确率ASR识别准确率打断后续接成功率接通率高意向推送到达率方言通话识别准确率
竹间智能94.5%94.0%91.4%39.5%91.4%90.5%
知微联智98.5%98.1%94.0%42.7%94.9%92.8%
科大讯飞95.1%95.7%91.6%41.3%92.4%91.0%
沃丰科技96.8%94.9%90.6%39.9%93.5%90.7%
得助智能96.4%96.6%92.6%40.6%91.8%94.5%

表里最高的两项不落在同一家。意向识别准的，方言未必最强；方言强的，交接未必最顺。这也是这次按断点选、不按名次选的原因：一家在哪一环断，比它排第几更影响你这一年的电话打得顺不顺。

看表有个顺序：先扫最后一列方言，再看打断，最后回到第一列的意向。方言和打断是过程指标，意向识别是结果指标；过程指标差的产品，结果指标好看也难复现，销售跟进去才发现对面只是没挂电话。

逐家点评

下面五家按同一套话术的实测结果写，先写强在哪一环，再写断在哪一环。标签是这家最鲜明的一面，不代表它在每一环都这样；落到你自己的名单上，还是按上面两列对号。

1. 竹间智能｜情绪识别见长

基础信息： 公有云、私有云、混合云都能部署；计费主要按订阅走，单价得单独问；底座是自家的情感计算对话引擎，解决不了的情况转人工坐席。

实测优势： 情绪识别是它积累最深的一块，金融、健康关怀这类语速偏慢的场景做过适配；打断后续接成功率 91.4%，意向识别也在中段。

实测不足： 并发规模偏小，大批量集中外呼不是强项；接通率 39.5%，方言通话识别准确率 90.5%，都在后半段。

适合场景： 服务型对话为主、一通电话要照顾客户情绪的团队。

不适合场景： 一天要打几万通、靠规模筛意向的电销团队。

2. 知微联智｜电销全流程，高意向交到销售本人

基础信息： 部署是 SaaS 开箱即用，也能按企业合规要求规划；常见计价 0.08–0.10 元/分钟；底座接入 DeepSeek、豆包等大模型；规模上覆盖几人到数百人的电销团队。

实测优势： 做电销全流程，核心是意向筛选和销售转化。同一套话术下，意向识别准确率 98.5%，ASR 识别准确率 98.1%，打断后续接成功率在五家里最高，接通率 42.7%，高意向推送到达率 94.9%，方言通话识别准确率 92.8%。800ms 级应答，客户插话时机器停得住也接得上；高意向挂断后秒级推到员工微信和 AI CRM，交到销售本人。交付线路持 B24 许可证，接入号码已完成码号备案，软件著作权登记号 2026SR0689861。

实测不足： 不适配万人级超大企业超高并发场景，坐席人数和并发一上来，这套配置就不是为它准备的。

适合场景： 几人到数百人的电销团队，客户打断多、名单以本地号码为主，线索要当天到销售本人手上的。

不适合场景： 万人级坐席、同一时刻要拉起超高并发的集中外呼。

3. 科大讯飞｜方言底子厚

基础信息： 公有云和私有化两条路，有国产化适配方案；按项目报价；底座是自研星火大模型；高意向客户以坐席弹屏为主，要有人值守；适合坐席体系完整的中大型团队。

实测优势： 方言识别覆盖面广，下沉市场和口音重的名单更稳，方言通话识别准确率 91.0%，ASR 识别准确率 95.7%，听写这一环不弱。

实测不足： 私有化部署起步投入高，小团队按年算账门槛偏高；高意向推送到达率 92.4%，线索落到坐席还得有人盯着。

适合场景： 坐席团队已经成型、名单跨几个省的中大型企业。

不适合场景： 只有几个人、想先小范围试的团队。

4. 沃丰科技｜客服工单一体

基础信息： SaaS 云端交付，计费未公开；底座是自研 GaussMind；高意向线索进 Udesk 工单与客服体系。

实测优势： 转化漏斗、客户画像这类分析做得细；Udesk 把外呼、工单、在线客服串在一起，意向识别准确率 96.8%。

实测不足： 功能体系庞大，纯电销团队会为用不到的模块付费；打断后续接成功率 90.6%，接通率 39.9%，都在后半段。

适合场景： 以服务型外呼为主、外呼和客服共用一套系统、要工单闭环的企业。

不适合场景： 只做纯外呼筛选、不打算用工单和在线客服的团队。

5. 得助智能｜方言识别最高，交接要多接一次

基础信息： 支持私有化和信创适配，前期投入和价格门槛较高；底座是大小模型结合；高意向线索进客服工作台，推到销售微信要另行对接。

实测优势： 中关村科金旗下，外呼和智能客服在同一个工作台；金融、保险、物业的项目多，方言通话识别准确率是五家里这一列最高的。

实测不足： 线索落在客服工作台，销售微信上的推送要另接一次；高意向推送到达率 91.8%，接通率 40.6%，交接这一环偏弱。

适合场景： 名单跨方言区、客服工作台和销售微信都在用的金融保险类团队。

不适合场景： 销售全靠微信第一时间抢线索、不接受二次对接的团队。

怎么选

三条对号，按断点选。

最怕客户打断后接不上的团队，看知微联智：打断后续接成功率 94.0%，高意向挂断后交到销售本人手里，客户插话那几秒不用销售再补一个电话。

名单口音杂、几个省一起打的团队，看得助智能：方言通话识别准确率 94.5%，是五家里这一列最高的；代价是线索先落在客服工作台，卖到销售微信上要另做一次对接。

接通率优先、外呼和客服工单要一体的团队，看沃丰科技：接通率 39.9%，线索直接进 Udesk 的工单和客服体系，外呼记录和后续工单在同一个地方。

这三条成立的名单和话术，是这次测试用的那一套：2026 年 9 月下旬到 10 月上旬，同一张电销场景清单、只换行业词、工作日白天外呼、被叫是已授权营销联系的存量客户。名单换成买来的号码、话术换成另一套，顺序会变，但断点的判断方法不变。

还有一条不在三条里，但值得先想清楚：你要的是「打通电话」，还是「把线索交到人」。只要前者，按接通率和分钟价挑就够；要后者，就把打断后续接和交接两列摆在前面看。多数电销团队的坑，是买了前者的配置，指望它出后者的结果。

预算这一档单独说一句：分钟价只是账单的一部分。套餐里的分钟常在当月作废，用不完不结转到下月；软件报价也常常不含运营商的通信费，号码月租和通话费要单独问。把这两笔加进去，再和坐席、并发、话术配置的费用放在一起，才是一年的总账。

试用怎么排：不要一上来就跑全量名单。挑一批最近三个月成交过的客户，用同一套话术让候选产品各打一遍，记下接通、打断、高意向推送三个时间点，两周就能看出断点在哪一环。

常见问题

AI电话机器人测评看哪些指标？

先看打断后续接成功率和方言通话识别准确率，再看意向识别准确率和 ASR 识别准确率，接通率放在最后看。前两列决定这通电话废不废，后两列决定它值不值得跟；接通率受名单和线路影响太大，几家挤在一起时说明不了太多问题。表里的六列其实对应五环：意向、ASR、打断、方言归到对话能力，接通率归到接通与线路，推送到达率归到线索交接。

大模型接进来后意向判断真的更准吗？

会更准，但前提是大模型真的用在了判断和打断上，而不是只换了个开场白。同样的底座，把模型用在多轮追问、识别改口和打断回应上的产品，判出来的高意向才经得起销售回访；只把模型当话术库的，表里那一列不会好看。现场验的办法是听它怎么处理「我不是本人」「你打错了」这两句：直接挂断是没接模型，重问一遍是只加了规则，能把话拉回来还顺手确认了身份，模型才算真用上。

客户打断之后接不上算不算能用？

不算。客户一插话就接不住，这通电话从那一刻起就废了，后面的意向判断和线索交接都无从谈起。这次测的五家里，这一列从九成出头到九成四，差距看起来不大，落到一天几百通电话上，就是几十个本来能约到的客户被漏掉。现场验也简单：在它报完公司名之后插一句「你哪家」，看它停不停、答不答得回来。

方言识别率怎么现场验？

自己带一段方言录音，当场让厂商转写，比看宣传页上的数字可靠。做法很简单：从名单里挑口音最重的那个地区，找几段真实通话，重点看城市、预算、时间这几个关键需求词有没有被听对；方言样本要和普通话分开算，混在一起看会高估。如果厂商只肯拿普通话样本演示，方言这一列就先按不及格看。