文 | 京比特

2026年10月22日，科大讯飞全球1024开发者节十周年。北京、合肥双会场联动，主题“解放生产力，释放想象力”。52120支团队参赛，覆盖15国351城。

刘庆峰开场没有先讲产品，而是先讲了三个问题。

如何解决大模型的安全性和极致性价比？如何让AI从数字世界进入物理世界？如何让AI从个人提效走向组织提效？

三个问题不是并列关系，是递进关系。安全与性价比解决“敢不敢用”，数字到物理解决“能不能落地”，个人到组织解决“值不值得投”。三个问题层层递进，共同指向一个判断——AI产业化已经从“技术能不能做到”进入“组织能不能接住”的阶段。

而三个答案——端云一体、巨声多模态、Winwork——共同锚定在一个底座上：全国产算力+飞星平台。这不是三个独立的产品故事，是一套完整的“全栈国产AI方法论”。

一、问题一：安全与性价比 → 答案一：端云一体+飞星平台

安全与成本，是AI产业化的第一对矛盾。敏感商业数据不敢上云，复杂任务Token成本高企，用户隐私泄露风险难控。科大讯飞的解法是端云一体化：60%的应用在本地完成——数据不出端，零Token成本；30%通过端云协同——大量触达本地数据的复杂业务由云端分解指导、端侧执行，不仅更快，还节约5倍以上Token成本；10%才真正在云端独立处理。

只有云端，解决不了数据安全和成本问题。只有端侧，没有云端协同训练，端侧模型能力不够。端云一体是唯一解。

支撑这套架构的，是星火X2.6在全国产算力上的训练与推理突破。

星火X2.6首次基于全国产算力实现代码和智能体能力突破。代码和智能体需要256K甚至百万级长上下文，而国产算力因显存带宽限制，超长上下文训练一直是瓶颈。科大讯飞的突破在于：长程任务动态并行训练技术，自动分解长域和短域任务，用多种国产算力联合调度，将超长上下文训练效率提升4倍——原来训一个大版本模型需要一年，现在两三个月完成。星火X2.6就是在过去两三个月训练出来的。

推理侧同样有突破：基于国产异构算力的分布式推理技术，解决“放不下、跑不快”问题；首个基于国产设备的KV Cache技术，命中率从63%提升到95.7%，推理效率提升4.5倍。

端侧同样在突破。端云一体训练，在云端构建多个教师模型资源池，端侧模型自动判断向哪个云端模型学习。端侧可完成的智能体任务覆盖度从行业最好的12.8%提升到40%以上，端云路由准确率从81%提升到96.1%。

在公开对比中，星火X2.6与千问、智谱、DeepSeek、Kimi各有优劣——但星火是唯一用国产算力训练的，且模型尺寸最小。

而这一切的物理基础，是飞星平台。科大讯飞联合华为基于昇腾生态打造全国产万卡算力底座，可支撑万亿参数大模型训练。没有飞星平台，星火X2.6的“全国产算力训练”就缺少底层支撑。

全栈国产不是“模型层的国产替代”，是从算力底座到模型训练到端侧部署的完整链路自主可控。刘庆峰的原话是：“只有真正在国产算力上训练出自己的模型，才是真的自主可控。”

端云一体回答了“敢不敢用”的问题——数据不出端、成本可控、安全可保障。飞星平台提供了“能不能做到”的底座——万卡算力、万亿参数、全国产。

二、问题二：数字到物理 → 答案二：SparkAudio 1.0+机器人超脑3.0+AI眼镜

AI从数字世界进入物理世界，核心障碍不是“智能不够”，是“交互不够”

科大讯飞的解法是巨声多模态交互——从语音交互到多模态交互，再到一边行动一边交互的巨声多模态。

SparkAudio 1.0是语音底座。首次将语音识别、同传、语音交互等能力在一个底座模型上训练，相互借鉴。整体效果提升20%，响应速度加快15%，成本降低60%。已在讯飞输入法、讯飞听见等产品全面上线。

据官方数据，关键指标值得细看：说话人实时分离（谁在讲话）行业最高90分，讯飞95分；环境声理解第二名81分，讯飞89分；音频理解第二名76分，讯飞79分；情绪识别第二名69分，讯飞87分。

这些能力是AI进入物理世界的关键。一个小组开会要写会议纪要，如果说话人识别不准，这件事就做不成。会议纪要连着后面的待办事项和跟踪系统，说话人识别是第一块多米诺骨牌。

机器人超脑平台3.0是巨声多模态的落地载体。以巨声多模态交互技术为核心，提供硬件（超脑板、多模态交互组件、智能开发套件）和软件（前后端协同、行业定制落地）一整套工具。据官方信息，已有近500家机器人公司使用，国内头部机器人90%是讯飞客户。

现场演示的7×24小时AI无人超市，机器人店员“小飞”与一家人完成多轮对话——推荐商品、根据健康状况调整建议（孩子肚子不舒服就不推荐酸奶）、根据“上火”需求将咖啡换成绿茶、回答中国工艺美术馆路线和闭馆时间、完成扫码支付。没有超强的巨声多模态交互，即便造出来手眼动作都非常好的机器人，也没法真正在日常生活中使用。

AI眼镜是眼前的超级AI助理。戴显示AI眼镜中最轻，仅40克。多模态降噪拾音、支持122种语言互译、联动办公智能体。智能题词根据阅读进展自动翻页，基于语义理解，无需手动操作。现场演示中，用眼镜记录演讲内容、连接电脑打开图文记录、邀请西班牙语和英语朋友上台实时翻译交流、用眼镜点四杯咖啡。AI眼镜不是“手机配件”，是“眼前的超级AI助理”——全程录音、全程转文字、全程翻译、图文并茂留存、做纪要、做整理。

巨声多模态回答了“能不能落地”的问题——从语音到多模态到巨声交互，让AI从屏幕里走出来，进入真实世界的行动场景。

三、问题三：个人到组织 → 答案三：Winwork数字员工平台

麦肯锡数据揭示了一个现实：AI可以让80%的个人提效，但只有6%的企业有明显收益。代码编程大幅提升，但整个企业研发中心的效率提升不大。

问题出在哪？

两个关键缺失。第一，数字员工不能只会写PPT、写文案、写总结，要真正懂ERP、CRM里的客户信息，懂研发流程和客户需求，成为组织的“自己人”。第二，要真正融入流程，知道机器跟人如何协同，风险可控、关键节点质量可自动检测。

Winwork的解法是“企业本体”——三个层面的构建：业务规程（理解企业全量工作规范，对齐业务目标）、业务数据库（数据清洗、API适配、跨系统语义映射对齐）、专家知识（把优秀员工、老员工的隐性经验沉淀为数字员工可掌握的知识）。

两个现场演示很有说服力。

供应商“明达”后壳组件涨价30%，数字员工自动评估影响范围并给出替代方案：不替换则企业一年将多花400多万元，一周之内需紧急启动替代，筛选出三款候选物料，结合价格、质量、交付周期综合评分，推荐评分最高的配件并给出理由。

供应商失信风险的跨部门协同更复杂。数字员工“小Win”发现供应商被列入失信名单后，自主连接供应链、合同等系统，生成风险报告，推荐由采购专员赵敏牵头，财务与法务数字员工加入联合团队。三个部门数字员工同时开工——财务梳理付款清单，法务逐条审核合同，采购梳理当前采购情况。当法务建议解约、采购提出“解约就断供”的分歧时，团队助理建议赵敏决策。赵敏权衡后决定：先不解约，由法务修订合同兜住风险，等备选供应商接上再切换。从预警到最终处置方案，不到半天完成业务闭环。

现在所谓的办公助手，都没法完成这样的任务。必须用模型在本地构建各种本体，融入专家工具，深入业务流程。

Winwork平台包括模型层、接入层、本体层、平台层，全栈国产化，可审计可追溯，支持私有化部署。配套发布讯飞AI PC（灵机N9000），在笔记本上部署9B/1.7B模型。联合麒麟操作系统打造操作系统级安全沙箱和围栏，确保不能泄密的安全事项出不去。

市场验证同样清晰：央国企大模型招标连续两年第一，今年前三季度唯一三位数中标，第二名不到讯飞的一半。80类数字员工可马上上岗，覆盖采购、投标、供应商客服、研发等岗位。开发者中50%以上与企业有关。

Winwork回答了“值不值得投”的问题——从6%到50%以上的组织提效，让AI从“个人工具”变成“组织能力”。

结语：三个问题的答案，指向同一个底座

刘庆峰提出的三个问题，构成了AI产业化的“决策三问”——敢不敢用（安全与性价比）、能不能落地（数字到物理）、值不值得投（个人到组织）。三个答案——端云一体、巨声多模态、Winwork——逐一回应了这三个问题。

三个答案不是并列关系，是递进关系。端云一体解决“敢用”，巨声多模态解决“能用”，Winwork解决“值得用”。而支撑三个答案的，是同一个底座——全国产算力+飞星平台。星火X2.6是全国产算力上训练出来的模型，SparkAudio 1.0是全国产语音基座，Winwork是全栈国产化部署。全栈国产不是“标签”，是“方法论的物理基础”。

刘庆峰把AI比作长征——“需要使命，需要信念”。国产算力对标全球还有两代左右差距，但“很快就会到一代，很快就会到半代，一定会有并跑甚至领跑的这一天”。三个问题的答案，指向的不是“科大讯飞的胜利”，是“全栈国产AI从技术突破到产业落地”的一条可行路径。

三个问题，一个答案——全栈国产，不是备选方案，是确定性的底座。