深水研究
DeepWater Research
深度影响决策
｜对话｜
国产大模型和硅谷大模型的最大区别是什么？科大讯飞的星火大模型和其他国产模型的区别又是什么？
这是我在与词元星火CTO刘权交流时，最想弄清楚的两个问题。
今年6月，科大讯飞宣布成立词元星火，作为科大讯飞面向Token经济市场设立的全资子公司，其核心团队是星火大模型的主力研发团队。10月8日，科大讯飞在回答投资者提问时表示，词元星火将聚焦通用大模型研发与Token经济发展战略，承担讯飞星火通用大模型的技术研发、版本迭代、能力运营与商业化落地。
要论2026年人工智能行业的核心关键词，毫无疑问是商业化。从上半年的全球人工智能危机引发的美股跳水，到AI泡沫论的反复出现，都说明在算力的持续重压下，人工智能行业迫切需要找到商业模式。
过去几年，我们已经习惯了通过榜单、参数和评测理解大模型之间的差异。但这些越来越强大的AI能力，到底怎样变成一门可持续的生意？这个问题，远比模型又考了多少分更难回答。
在这件事上，中国公司并没有一个可以直接照搬的硅谷答案。
到今天即便是OpenAI、Anthropic和谷歌这三家头部模型公司，技术上的领先，也不能直接等同于商业模式的成熟。订阅、模型调用、企业服务，这些收入来源当然也已经存在，但在持续升级的训练投入和推理成本面前，怎样让收入增长支撑下一轮技术竞争，仍然需要反复验证。
在国产大模型行业，词元星火是一支有些特殊的队伍。它的核心技术团队成员有长期的语音和自然语言处理积累，深耕认知智能领域研究多年，承担着全国认知智能重点实验室的研究工作，还选择了一条需要付出大量额外工程努力的国产算力路线。
因此，评价国产大模型的未来，既要看它今天能做到什么，也要看这些能力究竟建立在怎样的基础上。讯飞选择国产算力路线，是理解其技术进展、竞争压力和长期布局的重要前提。
这些积累和选择，究竟会成为优势，还是新的约束？
在与刘权的交流中，我把问题集中到了技术路线和商业化上。
技术路线的选择，往往只有在事后回望的时候才显得清晰。身处其中的人，需要在信息有限、资源有限的情况下作出判断。而对于大模型公司，一旦选错，付出的可能是整个团队的代价。
商业化同样如此。模型能力的提升已经有目共睹，但能力如何变成收入，收入能否覆盖持续投入，仍然没有一个所有公司都能照搬的答案。
刘权的回答，比我预想中更为克制。他承认，在复杂长程任务、复杂推理以及模型训练方法上，与头部模型仍有差距；国产算力条件也会影响训练效率，进而影响版本迭代。
但他认为，这个市场必须参与。背靠一家在互联网时代已成功跑通硬件商业化的母公司，词元星火在 AI 时代沿袭经验，对端侧模型、云端与端侧结合的软硬件一体化，已经想得比较清楚。
“
技术路线：国产算力后面会迎来曙光
深水研究：如果把视野放到全球，你认为国产模型与头部模型的差距，主要在哪里？
刘权：在非常复杂的长程任务、复杂推理任务上，我认为仍有代际差距，至少有一代的差距。另外，模型内部训练的技巧和方法，也有一些我们尚未完全摸透的地方。这不是简单学习别人的回复就能解决的。别人为什么能够不依赖外界太多参照，把能力做出来？内部肯定有很多创新的方法。这也是我们正在探究的东西。
深水研究：你们如何选择技术路线？现在整个行业都在加速，如果大家追逐的方向错了怎么办？
刘权：我们做通用人工智能这个方向的信念是坚定的，但具体技术路线和方向的选择，内部有非常密集的研讨和碰撞。在重投入的情况下，一旦选错路径，一个团队很容易就崩盘，或者被解散、被放弃。这完全有可能，所以每次技术选型，我们都会做很多内外部分析。
我们认为，首先要努力向最优秀的技术创新学习，与美国相比，目前我们的创新能力方面仍然存在差距。其次，要结合产业实践思考。每一个技术方案，都要尽可能论证、试验，分析它的投入、最终收益，以及未来实际应用时的成本，再综合作出判断。
我们还保留了一支团队，对非常前沿的算法做前期探索。有些结构、有些方法，不能只是听外面怎么说，必须自己动手做。因为算力比较紧张，这个过程可能会长一些，但我们仍然会做。深入研究、求证，再综合分析，这是我们判断技术路线的方法。
深水研究：讯飞经历过统计模型、深度学习，再到大模型。这些技术范式发生变化时，怎样判断应该坚持什么、放弃什么？
刘权：我们对把AI做好、服务各行各业这个目标，是非常坚定的。但我们不会因为自己创新了一种方法，就永远锁定在这套方法上。不能对某种方法产生个人崇拜或者固执。
有些公司非常笃定地相信自己的路线永远不会过时，但时代变化之后，它坚守的方法可能就过时了。
GPT-3出来的时候，我们就已经关注大模型了，也做过深入研讨。当时它的参数规模非常大，而行业里实际落地的模型，参数规模要小得多。我们当时的判断是，先把行业认知做好，把客户最核心的问题通过深度学习（语言理解式专家模型）解决好，这是那个阶段最主要的任务，同时保持对新技术的跟进。
深水研究：坚持国产算力，是讯飞与其他模型公司的一个区别。这个选择带来了什么现实代价？
刘权：坦白说，训练效率就是会低一些。我们能够做的，是尽量优化，接近它的理论上限。所以大家也能看到，星火今年的模型迭代，相比外面会慢一些。
今年训练消耗的算力时间，比前几年大得多。任务的难度、长度都在增加，算力消耗也随之增加。过去迭代一个版本，正常周期可能是一个月；现在如果不仔细优化、不增加算力投入，可能三个月起步。但在这样的竞争环境下，三个月之后，别人可能已经把你甩得很远了。
对于国产算力这条路线，我们不后悔，也认为后面会迎来曙光。但眼下的困难，需要一点一点解决。
“
商业化：
模型服务要做，软硬件一体化要走通
深水研究：技术竞争也在改变商业的组织方式。科大讯飞成立词元星火的原因和目标是什么？
刘权：最核心的原因是，做好通用大模型必须更加专注。核心团队自讯飞研究院延续至今，做的事情没有根本变化。如今研究、工程、数据团队已端到端整合，协作链条大幅缩短，汇报更短、更直接，自主探索空间更大。过去是研究员提需求、工程人员实现，再交回研究员实验调参；现在是端到端一体化，研究员也需要具备自己编写和优化的能力。这是很大的变化。
深水研究：商业模式问题是全球AI的一个主要瓶颈。相比纯模型公司，讯飞已经有硬件产品和行业积累。这是否意味着，你们对软硬件结合的商业化路径更有把握？
刘权：首先，我们要把通用大模型做到业界一流水平，同时在一些细分领域形成特色优势，争取一部分模型服务、Token市场的份额。我们不是盲目地认为自己要拿下所有市场，但我们有足够的信心拿下一部分API调用的市场份额。为此，要极致优化模型成本，服务更多用户。
但在这个领域，我们的判断是很难赚太多的钱。即便如此，这件事也必须做，必须在这个市场中，让更多用户使用我们的模型。
当然，端侧模型，以及云端和端侧结合的软硬件一体化，是我们比较有特色的方向。未来把这些能力落到更多AI硬件产品上，也是我们已经想得比较清楚、准备往前走的方向。此外，我们可能会在一些专业垂直领域布局特色能力，都可能是星火未来突破的地方，但这部分目前还在探索之中。
