10 月 22 日下午，科大讯飞在北京办第十届 1024 开发者节。董事长刘庆峰在台上一口气发了一串东西：端云一体的讯飞星火 X2.6、语音基座模型 SparkAudio 1.0、数字员工平台星帆 WinWork，还有一副 40 克的 AI 眼镜和一个 35 克的录音环。

会后被转得较多的是眼镜和录音环。我倒觉得，该花五分钟弄明白的是那句听着不热闹的话——这个模型，是全程在全国产算力上训练出来的。

国产算力训练，难在哪一步

难的不是让模型跑起来，是把它训出来。

据新蓝网报道，国产芯片受显存带宽限制，超长上下文一度「训不快、放不下」。刘庆峰自己举了个对比：训练一个比较大的版本，别人三个月，他们需要一年。这不是钱的问题，是同一张卡在单位时间里算不完那么多东西。

这次的破法是按任务长度把长程和短程自动拆开，再联合调度国产算力的多种并行方式。据央广网报道，这套长程任务动态并行训练技术让超长上下文训练效率提升约 4 倍；推理侧配上四层 KVCache，推理效率提升 4.5 倍，缓存命中率从 63% 提到 95.7%。

数字挺干。换成一句人话：同样的国产卡，以前装不下的上下文，现在装得下了；以前要重算一遍的活，现在能直接取结果。

为什么非得分成「云」和「端」

发布会给出的两个理由都很实在：怕泄密，怕太贵。

据《中国日报》报道，科大讯飞的说法是，过去大家用 AI 习惯把问题一股脑全发给云端，这本身就是一种浪费。刘庆峰给的预期是，将来大概六成应用在手机、电脑这些端侧独立完成，三成端云协同，只有一成放到云端。

端侧扛不扛得住，看两个硬指标。一个是端侧模型能干多少活：星火 X2.6-4B 的端侧智能体任务覆盖度到了 41.9%。另一个是派活的准确率——哪些留本地、哪些送上云，端云路由准确率从 81.2% 提到 96.1%，这两个数央广网的报道里都有。

现场有个采购合同审核的演示，比参数好懂：端侧先把敏感信息脱敏，经用户点确认再送云端审，审完回到本地还原，最后给一份带修订记录和风险批注的 Word。

今天就能摸到的是什么

不是那个大模型，是会议记录。

据北京商报报道，SparkAudio 1.0 这一版 10 月 24 日上线，同步向讯飞办公本 X5 与 Air3 推送更新，升级就能用。它新加的能力叫实时说话人分离——机器不只把话转成字，还要判断这句话是谁说的。

为什么这事重要？一场会里难的从来不是听清。同一句「这个方案我不赞成」，出自决策层和出自执行层，分量完全不同；抢话的那十几秒，往往就藏着真正的分歧。据科大讯飞方面介绍，现在的做法是边开边认：录音时先把声音分成「说话人 1」「说话人 2」，点开补个名字，等于顺手做了一次声纹注册，下一场他推门进来，设备认的还是这个名字。

省掉的是会前那套准备。以前要让设备认人，得把参会者挨个叫过来对着机器说一段，十几人的会光这一项就占掉不少时间，临时加座和中途进来的人还常常漏掉。

同场发布的 AI 录音环，35 克，官方说法是两小时录音转写只需两分钟，说话人识别准确率超过 96%。这也还是厂商口径。

这些数字，该信几分

我的态度是：当参考，别当结论。

上面那些倍数、准确率，全部来自厂商自己的发布会和演示，没有第三方复现。这类数据的通病是测试条件挑得干净，真实场景一乱就往下掉。

更能说明问题的是另一组数。据科大讯飞方面引用的麦肯锡《The State of AI 2026》，AI 已经让 80% 的个人实现提效，但只有 6% 的企业取得明显成效。个人用得爽，和组织真的变快，中间隔着一大截。这个落差，比任何跑分都值得记住。

站在我们这一边，这件事的分量在哪

参数我并不太关心。我关心的是「训练」这一环挪回了自己家里。

过去两年国内模型不少，但相当一部分是在别人的算力底座上长出来的。底座一卡，模型就停。这次星火 X2.6 把训练放在全国产算力上完成，等于把这条链子上容易被人掐住的一段接上了。据中国日报网报道，刘庆峰的说法是，自主可控不只是能在国产算力上推理，更要能在国产平台上训练出对标国际一流的模型。

我不认为这意味着差距已经抹平。差距还在，尤其在硬件和工具链上。但路径通了这件事本身，比某一版模型的分数重要得多。

对普通人来说，它短期不会让手机里的 AI 突然变聪明。能带来的是两样更朴素的东西。同样的活，花的钱少一点；涉及单位合同、客户名单这类不能外传的材料，可以少往别人的服务器上送。

真正先起变化的，是那些天天开会、天天记纪要的人。会议记录从「把话变成字」走到「这句话是谁说的」，看着只多了一层，实际是把一份能存档的材料，变成了一份能追责的材料。