11月4日至9日，模型剪枝自然語言處理領域三大頂級國際會議EMNLP（Conference on 國際Empirical Methods in Natural Language Processing）在蘇州舉行。視源股份人工智能團隊在大會上取得突破性成果——由視源AI團隊主導的學術選國“模型剪枝”技術論文被大會主論壇接收。本次會議投稿量達8174篇，界權際主會接受率僅為22.16%，威認文入該成果的可視入選標志著視源股份在算法端側化領域的技術實力獲得國際學術界權威認可。

EMNLP是源論議自然語言處理領域三大頂級國際會議之一，與ACL、模型剪枝NAACL并稱為自然語言處理領域三大頂級國際會議。國際會議聚焦自然語言處理的學術選國前沿實證研究方法，每年吸引全球頂尖學者參與，界權際入選論文代表行業最高創新水平，威認文入具有極高的可視學術權威性和產業影響力。

研究成果躋身國際頂尖學術舞臺

視源AI團隊的源論議研究成果基于大模型不同模塊對精度影響存在差異的觀察，提出一種自適應的模型剪枝剪枝方法，該方法將剪枝問題轉換成一個組合優化問題，并通過嚴謹的數學推導將求解的時間復雜度從指數級化簡為多項式級。經試驗驗證，該方法不僅在非微調方法中獲得較好的效果，在微調方法中也超越了當前的先進水平。相關技術論文已被頂會EMNLP主會接受，獲得了國際學術界對該方法的認可。

現在大模型已經開始規模化應用于各終端產品中，大家都在既提升模型精度又提升模型的推理速度，多維度提升用戶體驗。“模型剪枝”獨特的優勢在于，可以保證精度的前提下，速度上能有所提升。

視源股份AI技術團隊分享研發經過：“研發過程中我們發現幾何體識別的任務在端側推理延遲約15秒，經過一系列優化之后可以到3秒左右，但我們仍不滿意，希望能壓到2秒以內，因此才開展剪枝方法研究，要求疊加量化方法后保持精度不變的前提下，剪枝50%的參數，從而降低推理延遲。”

據悉，該方法屬于大模型的輕量化技術，未來將應用于幾何體識別、語音助手等大模型相關的業務場景，在保證識別效果的前提下，可提高模型的推理速度至1.5倍*以上，提升用戶體驗。

從研發到應用落地 推動“AI+”賦能千行百業

視源股份深厚的技術底蘊源自持續的研發投入。今年8月，視源股份旗下教育科技品牌希沃的研發團隊在國際語音領域頂級盛會Interspeech MLC-SLM（多語種對話語音語言模型）挑戰賽中榮獲賽道二第三名、賽道一第八名的優異成績，展現在語音語言模型領域的卓越研發實力與技術積累。當前，獲獎研究成果已廣泛應用于希沃全系列AI產品與解決方案中，幫助希沃AI有效提升語言識別能力。例如，教師通過AI備課生成的智能體，能夠更加準確地識別語音互動內容，幫助其打造更加沉浸的情景課堂。

當前，視源股份在人工智能領域展開豐富的場景應用：視源股份依托“三院一站”研發體系，在運動控制、自主導航、多模態感知等機器人關鍵技術上實現閉環研發；在AI+企業服務領域，MAXHUB品牌多款會議產品已通過微軟Teams Rooms認證；在教育領域，AI教育解決方案可以實現課前 AI 備課、課中 AI 識別、課后課堂觀察報告等功能。

尤其在“AI+教育“領域，希沃構建了“1+N+N”的AI技術體系，持續推動人工智能技術更深層次地賦能教育場景應用。截至2025年6月底，希沃課堂智能反饋系統已在全國建成19個重點應用示范區，覆蓋超3,000所學校，應用于超7,000間教室，生成超36萬份課堂智能反饋報告；希沃AI備課激活用戶數量超60萬。

*1.5倍為研發數據

*數據來源于視源股份2025中報