本文来源：时代周报 作者：陈宇
随着大模型加速迈向代码、深度推理和智能体，算力竞争也进入更深水区。
8 月 21 日的业绩说明会上，科大讯飞管理层没有回避这一问题，而是直面国产算力的现实约束，将差距与追赶路径一一摊开。
科大讯飞董事长刘庆峰直言：" 因为国产算力对超长上下文的限制，在上半年这一波以代码和智能体为主的市场热点中，讯飞看起来是有所缺位的。"
作为坚持基于全国产算力训练和推理的国内主流大模型，讯飞星火的技术路线一直备受市场关注。
最新财报显示，2026 年上半年，科大讯飞实现营业收入 116.23 亿元，同比增长 6.52%；归母净利润亏损 2.04 亿元，同比减亏 14.68%。同期，公司研发投入 30.07 亿元，同比增长超过 6 亿元，占营业收入比重超过 25%。
在大模型持续迭代、国产算力仍有硬件约束的背景下，科大讯飞正在尝试用一套 " 工程化 " 路径突破算力边界。
国产算力有差距，算法工程补短板
进入代码和智能体时代后，大模型对算力提出了更高要求，而且这种需求正在从训练端向推理端延伸。
国际能源署（IEA）预测，到 2030 年，全球数据中心用电量将增至约 945TWh。其中，加速服务器的用电增长主要受 AI 应用推动，预计在基准情形下年均增速达 30%。
随着 AI 模型规模扩大、推理调用增加以及智能体等新型应用发展，算力基础设施正在进入持续扩张期。对于大模型厂商而言，如何在有限算力下获得更高训练和推理效率，正在成为模型能力之外的另一场竞争。
科大讯飞在半年报中坦言，国产算力受硬件设计限制，与英伟达 H200 相比仍存在明显差距。在智能体强化学习训练阶段，部分环节相比 H200 的效率差距一度达到约 5 倍。
刘庆峰在业绩说明会上解释，这一差距主要集中在超长上下文场景。
" 目前的国产算力跟 H200 相比，在训练效率上差距有 5 倍，但这个差距并不是对模型所有的能力都有影响，主要是对超长上下文，也就是 1M 以上，或者最起码 256K 以上上下文训练的时候，由于现在国产算力显存带宽的限制，影响了复杂智能体和代码的训练效率。"
但在教育、医疗、汽车以及央国企等实际应用中，刘庆峰认为，90% 甚至 95% 以上的场景并不需要百万级超长上下文。
因此，面对算力约束，科大讯飞没有单纯等待硬件升级，而是从模型架构、算子、通信、显存以及训练框架调度等环节持续优化，通过高性能算子库、多机多卡并行、显存优化和算力通信协同等方式提升国产算力利用效率。与此同时，公司还完成 DSA、多 MTP 等长序列推理关键算法验证，进一步提升复杂任务下的推理效率。
这种工程能力也正在通过星火模型迭代得到验证。
2026 年 2 月，科大讯飞发布星火 X2 大模型，通用能力全面升级；4 月推出星火 X2-Flash，成为首个完全基于国产算力——华为昇腾 910B 集群——训练和推理的 30B 参数 MoE 架构大模型，在智能体、代码等能力上进一步提升，同时降低开发者构建复杂 Agent 应用的使用成本。
6 月，讯飞星火多模态大模型 X2-VL 发布，进一步提升对图像、文字、表格和复杂场景等多模态信息的理解与推理能力。
同时，科大讯飞透露，公司计划于 8 月底率先推出阶段性版本，并在 1024 开发者节正式发布基于全国产算力的全新主力通用大模型，目标是在代码能力和 Token 性价比上进入国内第一梯队，并继续保持在全国产算力训练通用大模型中的领先水平。
从 " 算力约束 " 到 " 工程优势 "
科大讯飞并不否认国产算力短板，但公司对这一差距的判断正在发生变化。
刘庆峰表示，随着国产芯片和生态持续进步，训练效率差距正在快速缩小。他进一步判断，讯飞当前在算力方面的劣势预计未来两年会逐步与国内同行拉平，甚至转化为比较优势。
事实上，科大讯飞对国产算力的布局早已不只是模型适配。
今年 7 月，由鹏城实验室牵头、科大讯飞等单位参与完成的 " ‘鹏城云脑’超大规模国产智能算力系统及产业化工程 " 项目获得国家科学技术进步奖一等奖。长期参与国产智能算力系统建设，也让科大讯飞在芯片适配、模型训练和 AI 工程化方面形成持续积累。
从国产芯片适配、算子优化，到模型训练、推理部署，再到教育、医疗、汽车等行业应用，科大讯飞正在形成覆盖 " 芯片—算力—模型—应用 " 的全链条工程能力。
与此同时，大模型商业化正在成为检验这套能力的重要场景。
2026 年上半年，科大讯飞大模型 API 及 MaaS 平台服务收入同比增长约 70%；讯飞 AI 开放平台已开放 1007 项 AI 能力，汇聚 1153 万开发者，其中大模型开发者 321.9 万，同比增长 111%。
在科大讯飞看来，大模型商业化的关键正在从单纯 " 卖 Token" 走向 " 卖结果 "。
刘庆峰表示，公司未来并不计划用 300B 模型与海外最头部模型在 " 最摸高 " 的任务上硬碰硬，而是希望通过 300B 至 1T 级模型与端侧约 1B 模型组合，形成 " 云 + 端 "，以更高性价比解决产业刚需。
这也意味着，科大讯飞正在寻求模型能力、算力成本和行业需求之间的平衡，以形成商业化优势。
从技术投入走向产业化落地
这条路线背后，是科大讯飞持续加码的研发投入。
2026 年上半年，科大讯飞研发投入 30.07 亿元，同比增长超过 6 亿元。与此同时，公司增加了存储芯片等战略备货支出。
按照 " 做强 C 端、做深 B 端、优选 G 端 " 的原则，科大讯飞主动收缩部分低效项目，上半年 G 端业务收入同比下降 2.65%；B 端和 C 端收入增长 10%，营收占比达到 76%。
在大模型底座持续迭代之外，科大讯飞也在加速把底座能力 " 下沉 " 到行业。公司持续推进 "1+N" 布局，在教育、医疗、汽车等领域构建行业大模型，并通过星火 SuperAgent 覆盖教育、医疗、汽车、办公等核心场景，让通用模型能力进一步转化为面向具体行业的智能体和解决方案。
业内普遍认为，大模型进入代码、智能体和深度推理时代后，竞争已经从单一的模型能力，转向模型、算力和工程系统的综合比拼。硬件性能决定算力上限，而算法和工程能力决定了多少上限能够真正转化为模型能力。
对于坚持全国产算力训练和推理的讯飞星火而言，这套从芯片适配、模型训练到推理部署和行业应用的全链条工程能力，不仅决定模型能否在有限算力条件下实现更高效率，也构成自主可控 AI 技术体系的重要基础。
