10月22日的科大讯飞1024开发者节，塞满了从模型、算力到硬件、行业应用的新品：MoE架构的星火X2.6、国产万卡算力底座、岗位级数字员工平台、统一语音基座、环形AI录音环……
虽然新品众多，但整场论坛听下来，最令人记忆深刻的反倒是科大讯飞董事长刘庆峰抛出的三个数字，60%、30%、10%，即：未来60%的应用可在本地完成，保障数据安全；30%的应用通过云端协同完成；10%交给云端大模型解决。
这组数据，其实不单单是一个技术架构层面的流量分配方案，更是写给所有被大模型云调用账单“教育”过的企业的一本明白账。
从“卖token”到“算总账”：端云分工戳中了企业付费的核心痛点
过去两年，国内大模型行业的竞争，本质上是沿着互联网C端产品的逻辑在走：比谁的参数大、跑分高，比谁的token定价低，靠补贴拉开发者、抢客户，最后算下来全是糊涂账。
企业端一开始也是抱着尝鲜的心态接API，可真把业务跑上去才发现：每天百万次级别的调用下，token费用是跟着业务量线性上涨的，业务做的越大，账单越摸不到底；更麻烦的是，合同、客户信息、内部经营数据全量往公有云传，合规风险像是一颗不知道什么时候炸的雷。
60%、30%、10%的分配逻辑，恰恰是冲着这两个痛点来的。把六成业务负载切到本地，本质上是把大模型支出从互联网式的按量订阅，拉回了企业IT最熟悉的固定资产采购逻辑：一次性投入硬件和部署成本，后续的电费、运维钱是算得清的，不像全量云调用，业务规模翻一倍，账单可能跟着翻1.5倍，永远做不出准确的年度预算。
要实现这个比例，靠的不是模型结构上的颠覆性创新，是硬啃国产算力的工程骨头。全国产算力的现实是，单卡显存、集群带宽和海外顶尖芯片确实存在差距，讯飞没有绕开这个现实，也没有拿“下一代硬件”画饼：
训练侧用长程任务动态并行技术，根据任务长度灵活分配算力，把超长上下文的训练效率提了4倍；推理侧做了全国产设备上的四层KVCache，配合分布式推理和中间结果复用，把推理效率拉到原来的4.5倍，硬生生靠调度和缓存优化补上了硬件的短板。
很多人觉得这些工程细节不够“炫”，可在全国产算力落地的赛道上，愿意把“怎么绕开带宽瓶颈、怎么省显存”讲透的企业不多——这些上不了学术头条的优化，恰恰是方案能不能从PPT跑进企业机房的分水岭。
配合这套架构的定价也透着明确的算账逻辑：云端输入每百万tokens 0.9元、缓存命中0.08元、输出3.6元，端侧4B模型开源、推理限时免费。
两个“限时”背后不是简单的价格战，是和端云分工匹配的商业设计：端侧免费抢高频、低复杂度的场景入口，把常规任务截留在本地；云端用低价承接剩下的高复杂度需求，不靠全量token赚钱，靠高价值任务盈利。
再加上96.1%准确率的端云路由机制——能本地处理的绝不往云端发，需要上云的先在本地做数据脱敏，用户确认后再传，原始文件不出端——这套组合拳打下来，本质上是把大模型的定价权，从“按调用量收费”的云厂商逻辑，拉回了“帮客户省总成本”的企业服务逻辑。
把模型做薄：不拼跑分的人，在给端侧能力找真正的落脚点
当行业里的玩家还在拼云端模型的跑分榜时，讯飞的思路反而是把模型“做薄”：不追求一个通吃所有场景的超大模型，而是把能力拆碎，塞到离用户最近的端侧设备里，嵌到企业真实的业务流程中。
这次发布的星帆WinWork数字员工平台，最容易被误解成“更聪明的企业版聊天机器人”，但它从一开始就没打算做陪人对话的助手。它要做的三件事——搭建企业业务本体、把规章制度和老师傅的经验挂载上去、嵌到现有流程里做任务分发和跨系统执行——本质上是给60%的本地任务找一个业务载体。
讯飞给出的数据是这套系统靠端云分流能省44%的token消耗，这个数字刚好和60%本地跑的逻辑对上：常规审批、信息查询、数据整理这类标准化任务，直接在企业本地的私有化环境里办完，根本不产生云端调用费用。
很多人没意识到，企业级数字员工的瓶颈从来不是模型够不够聪明，是两个绕不开的现实问题：一是权限，跨系统执行意味着AI要拿到OA、CRM、财务系统的操作权限，企业敢不敢给；二是责任，AI办错了审批、填错了合同，这个责任算谁的。
WinWork主打全栈国产化、私有化部署、全流程可审计可追溯，其实就是在回答这两个问题：数据留在企业自己的服务器上，操作全链路留痕，出了问题能溯源，权限体系可以按企业现有规则配。所谓“从个人提效到组织提效”，说穿了就是把AI从员工桌面上的聊天玩具，变成组织流程里权责清晰的一个“虚拟岗位”——岗位是要签责任状的，不是光会聊天就能上岗。
如果说数字员工是端侧能力的业务载体，那一系列硬件和统一语音基座，就是端侧能力的物理载体。这次首次发布的SparkAudio 1.0语音基座，把语音识别、翻译、语义理解、说话人分离、情绪识别整合到同一个模型里，解决的是过去单点语音能力“能转写但分不清谁在说”的老问题——会议、访谈、课堂这类多人插话的场景里，分不清说话人的转写稿就是一团浆糊。
而全新的AI录音环用4+1环形麦阵列、Wi-Fi 6传输，做到96%以上识别准确率、2小时录音2分钟转写，本质上是给高频办公场景做了一个最适合拾音的端侧入口；再加上支持122种语言互译的AI眼镜、升级语音交互的智慧座舱3.0、给机器人提供感知能力的超脑平台、全新发布的AIPC系列，这些看起来零散的硬件，其实都是端侧算力的落脚点——60%的任务要在本地跑，总不能靠空气算，总得有设备把这些能力接起来。
合规是入场券：大模型下半场拼的不是参数是交付
教育、医疗、司法三个行业，这次成了端云一体架构最先落地的场景，不是讯飞刻意选了这几个赛道，是这三个领域是对数据安全要求最刚性的地方：学生信息不能出校，病历不能出医院，卷宗不能出律所，在这些领域，本地化部署从来不是“降本选项”，是能不能进门的入场券——你就算模型跑分再高，过不了数据合规这道门，连投标资格都拿不到。
具体落地的产品逻辑也在往“真能用”上靠：教育侧的讯飞星光教师工作台，把备课、教研、家校沟通、事务处理整合到同一个入口，还打通了校内系统和外部办公平台，按14000多名一线教师的实测评分拿到了4.7的满意度；AI学习机新上的探究式学习模式，也不再是直接给答案，而是引导学生自己推导。
医疗侧的影像云把质控水平做到了超过专家会诊的标准，晓医从单次问诊升级到了长期健康管理，还加了中医体质辨识；司法侧的晓法覆盖了从卷宗解析到诉讼策略推演的全流程，声称能把办案效率提45%以上。
当然要说明的是，这些效率和准确率数字目前还是讯飞的官方口径，医疗和司法都是对错误零容忍的领域，真正的效果要靠医院、律所、学校的真实场景长期检验，不是发布会的PPT能证明的。
开发者生态里藏着一个容易被忽略的信号：本届大赛52120支参赛团队里，43%的参赛者是非技术专业背景。这意味着AI应用开发已经不是程序员的专属技能——懂教学的老师、懂看病的医生、懂办案的法务，甚至懂产线的工人，只要能把业务逻辑讲清楚，就能做出好用的AI应用。
配套发布的星辰TaaS平台把模型能力、行业知识、业务流程打包成现成组件，帮开发者省掉了从底层搭系统的功夫，本质上就是把AI开发的门槛从“会写代码”降到了“懂业务”，这才是生态真正能转起来的基础。
整场发布会看下来，讯飞选的路其实很明确：不去凑“最大模型、最高跑分”的热闹，而是沉下来给企业算清成本账，给端侧能力找好落地的载体，给合规要求高的行业做能进门的方案。
这条路没有那么多炫酷的故事，甚至有点“笨”——每一单都要做私有化部署，要跟企业磨流程、磨权限、磨责任划分，要做大量的定制化交付，赚的是辛苦钱。但反过来看，过去两年烧钱换流量、靠补贴打价格战的大模型玩家们，到现在也没几家算得清自己的单位经济模型，反而这种一笔一笔算成本、一个场景一个场景啃交付的路径，走得更稳。
大模型行业的下半场，从来不是比谁的故事讲得大，是比谁能真的把产品搬进企业的机房、嵌进真实的流程里，让客户觉得钱花得明白、风险控得住。
