刘庆峰谈国产算力路线：核心基座训练拥抱国产，平衡AI高投入与财务健康

财闻 张晓迪 发自北京

10月22日，在2026科大讯飞（002230.SZ）全球1024开发者节期间，科大讯飞创始人、董事长刘庆峰接受财闻等媒体采访时表示，全栈自主可控的核心底线，是大模型完整预训练跑在国产算力之上。

但并不意味着全盘一刀切舍弃海外算力环境，科大讯飞将以端云联合训练的技术路线，化解国产算力现存短板，同时控制资本开支压力。

据刘庆峰介绍，在行业不少厂商仍主要使用海外算力完成模型训练、仅在国产硬件做推理的现状下，科大讯飞将星火X2.6（293B MoE）旗舰基座完整训练放在国产算力底座上，实现国产算力下超长上下文、代码与智能体任务训练效率提升4倍，综合能力对标全球第一梯队。

“仅仅用国产算力做推理，算不上真正的自主可控。一旦遭遇断供风险，模型迭代就会被卡脖子，对外输出AI方案也缺少底气。” 刘庆峰强调，真正的全栈自主可控包含四层能力：算力层面完成完整训练、算法具备持续创新能力、数据工程自主、软硬一体化场景落地。

他同时客观坦言，当前国产算力芯片在显存带宽等指标上，与海外主流产品仍存在接近两代差距，训练生态工具链也尚不完善，适配迁移需要消耗大量研发时间与资金成本。正因如此，讯飞并非完全抛弃海外算力：海外业务、适配验证环节依旧兼容海外算力平台，给客户提供两套选择。

其核心战略解法是端云一体化，用端侧模型对冲算力硬件差距。按照讯飞的技术规划，未来60%的日常工作任务，可直接在本地端侧设备完成，数据不出域，节省Token调用成本；复杂重型任务交由云端基座处理，敏感数据支持端侧脱敏后再上传云端。 本次迭代的4B端侧模型，复杂智能体任务完成率实现大幅提升。

刘庆峰特别指出，高性能端侧小模型无法脱离强云端基座，必须做云端联合统一训练，依靠大模型指导小模型迭代，做好任务分流，区分哪些任务下放本地、哪些任务上云。只做端侧、没有云端底座的路线很难走通。

谈及行业竞争，刘庆峰称并不希望讯飞成为国内唯一做国产算力训练的企业，呼吁更多同行入局共建生态。目前国产算力训练领域可用的算子库、工程经验积累较少，如果更多厂商参与，可分摊高昂的适配成本。倘若未来行业整体切换到国产算力，讯飞乐于同台竞技。

针对海外投资人普遍关心的大模型巨额资本开支、债务攀升风险，刘庆峰表示，讯飞不会盲目追逐无限放大云端模型参数，避免无节制烧钱。公司的策略是，云端基座守住能力底线，重点把端侧模型做透，依靠端云一体化形成差异化壁垒。他提出，国内可更好发挥举国体制优势，减少大模型领域无效重复投入；同时公司已经布局 AI 与量子计算结合，谋求下一代算力范式突破。

从商业化落地来看，讯飞已经在教育、基层医疗、央国企能源等赛道跑通规模化案例。依托WinWork数字员工平台，把大模型从个人工具升级为组织级提效工具，依靠企业本体知识库、业务流程校验约束模型幻觉问题。刘庆峰提到，大模型幻觉是大小模型共同存在的客观难题，不能指望模型本身彻底消除，需要嵌入业务流程、配套测试校验机制去管控风险。

业务结构层面，刘庆峰表示，公司大的业务调整已经基本到位，后续将精选B端优质场景，做深B端、做强C端；对部分付费能力不确定、交付成本过高的项目选择后置推进。底座大模型还处在持续迭代探索阶段，但教育等部分赛道已经走完从0到1，进入1到10规模化复制阶段。

采访中，刘庆峰也谈及AI社会治理的长远命题。他认为相比AI产生自我意识的远期风险，当下更现实的挑战来自AI对就业岗位的重构，需要配套社会兜底保障、重新定义社会工作价值。人工智能是一场凝心聚力的长跑，技术发展需要人文伦理牵引。