在国产AI竞争进入“算力硬约束”阶段后，科大讯飞给出的答案不是等芯片和生态完全追上，而是先用架构把现有能力用到极致。

10月22日，在2026科大讯飞全球1024开发者节大会上，科大讯飞董事长刘庆峰直面一个并不轻松的话题：国产算力与英伟达相比仍有将近两代差距，压力尤其集中在显存和带宽。对于需要处理百万级上下文的代码任务和智能体应用来说，这种短板会直接转化为“模型装不下、训练跑不动”的现实问题。

星火X2.6的思路：不硬拼，先重构算力使用方式

面对这一瓶颈，讯飞新发布的端云一体方案“讯飞星火X2.6”并没有简单追求更大参数，而是把云端大模型与一个4B规模的端侧模型组合起来，让不同任务在不同位置完成。

这套架构的关键在于动态分配。通过长程任务动态并行训练，系统可以根据任务长度自适应安排算力，使超长上下文训练效率提升约4倍。在推理环节，讯飞又结合自适应存算协同，以及首个基于全国产设备的四层KV Cache和分布式推理技术，将整体推理效率提升约4.5倍。

对开发者而言，这种设计带来的直接价值是选择权：简单或敏感的任务可以留在本地；复杂任务可以交给云端；需要平衡隐私和能力时，则采用端云协同。

端侧模型不再是配角，而是破局点

过去，端侧模型常被视为云端大模型的轻量补充。但刘庆峰这次释放出的信号很明确：在整体算力暂时受限的情况下，端侧反而可能成为最容易被做深、做透的一环。

原因并不复杂。训练一个高质量端侧模型所需的算力，远比训练超大云端模型低，这给了国产平台更多优化空间。讯飞通过持续打磨，将端侧模型在复杂智能体任务上的完成率，从行业此前约12%的水平提升到41.9%，并计划下一步冲击60%。

现场展示的经营复盘、采购合同审核等场景，也说明了端侧模型的商业价值：本地脱敏可以减少敏感数据外流，端云路由则能把任务分发给最合适的模型处理，从而降低Token消耗和整体使用成本。

当然，端云一体并不意味着云端退居二线。刘庆峰强调，云端模型依然承担关键角色，包括对端侧模型进行联合统一训练、能力判定和兜底指导。换句话说，端侧负责轻快落地，云端负责持续托底和能力升级。

国产算力生态需要更多“一起踩坑”的玩家

相比单点技术突破，刘庆峰更希望行业能形成合力。他坦言，当前真正以国产算力为主力训练大模型的企业仍然不多，华为等少数厂商在推进，但整个生态还远远不够。

问题在于，国产算力架构与英伟达路线不同，很多工程问题没有现成经验可循。如果每家公司都独自试错，成本会非常高；而一旦更多厂商共同参与，分摊成本可能带来数量级下降。

对于未来，刘庆峰给出的判断并不悲观。他认为，未来两年国产算力差距有望逐步缩小。与此同时，讯飞也在布局量子计算，希望在三年到五年内，从更底层改变算力规模的问题。

讯飞接下来要做的三件事

在算力受限的现实条件下，科大讯飞也把自身战略压缩成了三条清晰路径：

• 在全栈自主可控平台上持续对标全球顶尖模型，并保持跟进；
• 在教育、医疗、能源、安全等垂直行业做出全球领先水平；
• 通过多语言大模型，代表中国向全球市场提供第二种选择。

从这次发布来看，讯飞并没有把国产算力短板当成等待外部解决的难题，而是把它转化为一次架构创新机会。星火X2.6真正值得关注的，不只是效率数字，而是它展示了一种更现实的国产AI路线：在算力尚未完全追平时，先用端云协同、工程优化和生态协作，把大模型继续推向真实场景。