敏感数据留在端，复杂任务交给云
Fast Reading
■
全栈自主可控的胜负手，在于能否在国产算力上训练，而非仅推理端国产化。只有在国产算力上训练出自己的模型，才是真的自主可控。
■
刘庆峰认为，未来，人们在手机、汽车、机器人上六成的工作，都有可能不出本地、不花Token、不上传隐私地自行完成。
■
未来五到十年，社会生产与生活可能只需10%到20%的人完成，劳动力将面临一次大规模分流与价值重塑。
作者 | 陈序宁
编辑 | 黄运涛
AI仍是当前最火热的话题，但兴奋不再压倒一切。焦虑、担忧、恐慌、迷茫，一些更多元的情绪开始浮出水面。
10月22日，在2026科大讯飞全球“1024开发者节”当日的群访中，科大讯飞董事长刘庆峰将当前行业存在的一系列挑战摆上桌面。
我们总结下来，“这届AI”要同时算三笔账：Token费用太高，用不起；数据安全有隐患，不敢用；模型能力脱缰，用不安。在美国，已出现AI编造虚假信息、险些以假乱真的案例；而能力超强的模型一旦脱离场景限制，黑客攻击、商业机密窃取乃至银行账户被攻破，都可能从想象变成现实。
这也是为什么，当同行把发布会C位留给参数、榜单与“越级对标”时，科大讯飞星火大模型将重点落在“端云一体”上——让敏感数据留在端，把复杂任务交给云。
这不是一个新鲜词。
2026年，从华为云到联想，“端云协同”几乎已成为整个行业的共同回答：云端负责学习与进化，端侧负责执行与守界。
科大讯飞区别于同业的努力，是把端云协同的共识做成了可度量的实践：当天发布的讯飞星火X2.6，首次在国产算力上跑通百万级超长上下文的代码与智能体训练，长程任务动态并行让训练效率提升约4倍、推理效率提升4.5倍；端侧星火X2.6-4B把智能体任务覆盖度做到41.9%，端云路由准确率提升至96.1%。
刘庆峰认为，未来人们在手机、汽车、机器人上六成的工作，都有可能不出本地、不花Token、不上传隐私地自行完成。
如果把视野放得更宽，会发现在安全这个大框架下，“自主可控”是个绕不开的话题。
刘庆峰给全栈自主可控下了四条定义：算力要用国产的，且不只是推理、更要训练；算法要全部自研并具备持续创新能力；数据要能自主获取与清洗；场景要软硬一体。
他甚至断言，“只有在国产算力上训练出自己的模型，才是真的自主可控”。一旦算力被卡脖子，便意味着一切归零。
不过目前，国产算力与英伟达差距仍接近两代，集群生态更是冷清。同一套算法，在英伟达集群上一个月即可验证完毕，迁到国产平台，三个月可能只跑通六成，半年才到八成。用刘庆峰的话说，科大讯飞是“孤勇者”，是“小米步枪对飞机大炮”。
星火X2.6的尝试，也是对当前甚嚣尘上的算力焦虑的回应。
当全球为2.7万亿美元AI投资争论不休、巨头们因千亿级资本开支承压、行业高呼“免费AI退场”时，讯飞主动把云端模型“不做太大”，转向端云一体、既是安全网，也是成本账。
AI带来的生产力变革并不遥远。刘庆峰判断，未来五到十年，维持现有的生产与生活质量，或许只需要10%到20%的人工作。相比起对“奇点时刻已至”的欢呼，这个即将到来的社会治理问题，可能才是真正重要的考验。
在他看来，只要用人工智能“建设美好世界”的初心不变，中国可能是全世界最有机会解决这个问题的。
以下为科大讯飞董事长刘庆峰的访谈实录（内容经摘编）：
▌训练也要在国产算力上
Q1：全栈自主可控的标准是什么？
刘庆峰：我们对自主可控的定义是：必须在国产算力上训练出来。如果都用英伟达的卡训练、只在国产算力上做推理，一旦断供就没法推广；模型到了国外还非得用英伟达的卡，那怎么叫中国的模型？！国产算力跟英伟达差将近两代，原来根本训不动，今天的突破是首次在国产算力上让它跑通，效率提升4倍，跟业界最主流模型几乎相当，训练只用了两个月。
Q2：很多国内厂商也开始用国产算力，讯飞的优势能否持续、壁垒是否还在？
刘庆峰：用英伟达的卡，各家开源的成果和算法拿过来就能用；放到国产算力上，因为架构和体系有差距，根本没跑过、坑在哪都不知道，都得自己干。相当于生态里头部玩家10家一起搞，这边只有我们一家在做。同一个算法，英伟达卡上一个月验证完，移到国产算力上三个月才到60%、半年才到80%——前期我们是小米加步枪，人家已经是飞机大炮了。
所以我们巴不得同台竞技：用国产算力我们都跟他们打得七七八八了，而跟英伟达还差两代，未来两年（国产算力与英伟达）差距大概率拉平。更远的布局是量子结合，可能是上万万倍的算力提升，从根本上解决算力焦虑和能源焦虑。
我们的战略定位是三条：对标全球顶尖模型；在教育、医疗、能源、安全等行业做到全球领先；多语言大模型代表中国给全球第二个选择。
▌控风险：把60%的工作放回本地
Q3：小模型干大活，靠什么守住数据与质量边界？
刘庆峰：大家怕的是自己的数据送到后台被学走。邮件系统里自动帮你看邮件、做分析，读的不光是邮件，还有附件里的商业机密、你的科研数据和记忆，怎么能放心送到后台？否则将来真的变成后台模型厂商通吃一切，个人隐私和安全怎么办？
所以我们提出用端侧模型，将来让60%的工作在本地电脑、本地手机上解决掉。复杂智能体任务我们选4B——最适合端侧，也最适合将来放到汽车和机器人上。看任务完成率，千问和Gemini只有百分之十二点几，我们推到百分之四十一点几，下一步到60%；好处是数据不出域，同时不花一分钱token成本。
还有一点：端侧不能单干。你不知道端侧做的事达不达标，要用云端大模型判断，只做端侧的厂商大概率不行。
Q4：讯飞怎么界定"小模型干大活"和零幻觉场景的科学边界与工程路径？
刘庆峰：无论大模型还是小模型都有幻觉，现在解决不了，只能靠两件事：一是把它充分融入企业流程、增加足够多的企业本体知识；二是在每个流程节点上有严格的测试方法，让模型带着规则来达标。数字员工在每个节点不是等人告诉他，而是自己判断是否达标、再走下一步，这才是组织提效。
现在大模型应用最大的困难，是它交出来的成果你不知道对还是错。10月美国法院那个虚假案例，它连着出了7次。可信要有严格对比测试，本质是“按比例”：就像执业医师资格考试，过60分就能拿资格证，不是要满分。
Q5：从智慧座舱到AI眼镜，再到讯飞晓医这样软硬一体的人机交互，要真正走进普通人的生活，需要率先跨越什么样的信任门槛？
刘庆峰：这是两件事。像医疗和教育，新的门槛就是有国家标准的测试。二是数据问题，得有技术手段。无论我们的语音识别还是模型，现在都在往端侧做，就不用担心声音送到后台被别人听见，也不用担心要模型处理的事情送到后台。
汽车和机器人要进家庭，除了后台模型解决刚需，更重要的是类人交互：电视开着、多人讲话，在几米甚至5到10米之外、距离还在变化，怎么都听得清？这要从语音交互走到多模态交互、再到多模具身交互。机器人的语义理解和沟通已完全没问题，但表情不生动、动作不自然，因为它没有多模人机交互。今天我们发布机器人超脑平台，把这套能力也开放给了机器人厂商。
▌真落地，解决真问题
Q6：讯飞的国产底座在海外吸引力有多大？怎么为全球开发者提供第二种选择？
刘庆峰：从算力基础和模型摸高能力上，美国还是更领先。但首批跟中国签的29个国家人工智能合作，有一大半是跟我们在合作的，本质在于两点：
一是真落地的场景，而不是一个模型：教育，全国智慧教育示范区70%是我们做的，北京去年选的29所示范校里25所是我们做的；医疗，赋能基层医疗已在800个县区使用，90%以上是我们做的；能源行业80%以上的大模型是我们提供的。
二是语音加大模型的软硬一体化：手机你能凑近嘴边，但远场、多人，机器人进家庭，智能家居在几米之外、一边放着电视一边在厨房，怎么搞定？只有我们能搞定。
Q7：讯飞如何用全栈自主可控的星火大模型，把标杆案例做成可复制的社会价值？
刘庆峰：我们在央国企中标了那么多大模型和智能体应用，要把这些龙头企业的成功案例赋能给更多产业伙伴和中小企业。
今天做的WinWork，大家最感兴趣的就是它，都在问“真能解决问题吗”——是真能解决。互联网上各种Bot确实很好，但它解决不了真正的刚需：没法真的懂你的业务、成为企业自己人，没法融入你的业务流程。把央国企沉淀的东西变成企业的基本资产、形成本体知识，使它的运行不再受限于模型幻觉，还有本体约束，交出来的作业你是放心的。
Q8：讯飞目前的业务结构调整到位了吗？
刘庆峰：分方向看：底座模型的综合突破还在探索、快要走完从0到1；教育已差不多在1到10。今年上半年教育业务增长百分之二十几，软硬一体化的批阅机5分钟批完考卷、打印留痕，还能分析全班学情，告诉老师下一堂课怎么上，这块我们有代差级优势。今年上半年用过的学校中90%都要续签，最近进了3万所学校全面推。
类似这样的应用有不少。总体来说，底座模型的综合突破虽然还在探索过程中，但是在很多行业的落地已经走过了0到1，要开始规模化落地了。
业务上大的调整基本到位：精选优选G端、做深B端（WinWork）、做强C端（学习机、办公本）。
▌AI治理与社会重塑
Q9：如何看待技术革新带来的风险治理？怎么最大化收益、最小化风险？
刘庆峰：现在最要关注的社会治理，是人工智能快速多岗位提效之后的社会保障体系。
首先要有一个兜底保障体系，这是我今年两会的一号建议。第二要重新定义管理逻辑：除了社保，是不是5天工作日可以变成3天、8小时变成4小时，让大家都有工作和成就感。第三是重新定义工作的社会价值和新的工作类型。
未来最多5到10年，我们现在所需要的生产和生活质量，可能真的只需要10%到20%的人干就行了，那客观上就面临一次劳动力的分流和新价值创造的重塑。
Q10：Anthropic一位联合创始人认为“奇点已经到来”，到2030年对美国经济增幅非常大。你怎么看？
刘庆峰：他说增幅很大，但并不是所有人都能受益。这个奇点要看怎么定义：如果定义成它可以自己造原子弹，或者解决了菲尔兹奖级别的数学问题，下一个可能又会颠覆物理，这是有可能的。
真正要防的是另一种失控：模型找漏洞、攻破系统的能力已超强，把超强模型放出去又没有场景限制，拿去做黑客攻击、攻破银行去转账，治理必须跟上。而“自我意识”“自己改代码”现在还不具备，那是你交了指令、在特定环境中被人定义出来的。
经济增量我相信一定会有，但怎么确保10%的人就能创造比过去多好几倍的财富，那90%的人干嘛呢？这就是社会治理的问题。
用人工智能建设美好世界，这个初心不能变。只要初心不变，中国可能是全世界最有机会解决这个问题的。
封面来源：企业官方
