能用國芯訓出大模型才有未來

AI芯片該不該出口中國，硅谷爭論未休。

英偉達話事人黃仁勛認為應該賣，理由是徹底斷供只會把對手逼到自立門戶，最終練出一套與美國相匹敵的技術棧。

有觀點針鋒相對：即便出口不那么先進的次高端芯片，也可能讓“軍民兩用管制品”被用于美國不想看到的用途。

雙方分歧在于，美國到底是該繼續供給芯片來鎖住中國的技術生態，還是該限制供給來壓低中國能力的上限。

爭論的細節各有道理，但對太平洋這一側來說，結論只有一個：國產算力這條路，必須自己走通。

過去一年，國產大模型適配國產算力的消息越來越多。很多人會自然理解成，只要模型能在國產芯片上跑起來，大模型國產化就完成了。

但能跑起來，只解決了一半的問題。

讓模型在國產芯片上跑起來，與在國產芯片上訓練出模型，完全不是一回事。推理，是拿訓好的模型來用，解決當下能否調用；訓練，是把模型本身教出來，解決模型未來能否在國產技術體系里繼續升級。

率先跑通訓練的模型廠商，已開始在財務報表上，印證商業邏輯的可行性。

4月28日，科大訊飛發布2025年度財報。旗下通用大模型訊飛星火，系中國主流大模型中，唯一基于全國產算力訓練而來。營收271.05億元，同比增長16.12%；歸母凈利潤8.39億元，同比增長49.85%；經營活動現金流凈額32.08億元，同比增長28.57%，創歷史新高。

這組數字背后，是一個從訓練到商業的閉環。

從推理可用到訓練可進化

眼下不少高性價比大模型風頭正勁，但驚艷表現多建立在成熟的海外算力生態上；一旦遷移至國產卡，大多數只做到了推理平移——把訓練好的模型部署到國產芯片上，讓它能跑、能被調用、能服務用戶。

以近期引發關注的DeepSeek V4為例，盡管有報道稱其基于國產華為昇騰算力訓練，但僅完成了推理適配，訓練仍基于美國的英偉達芯片。

推理是部署的問題，而訓練是底層工程的問題，這是兩件事。

訓練國產化，意味著模型從數據、算法、框架、算力集群到參數更新，全部在國產軟硬件體系中完成，確保模型的技術迭代與核心數據都不假他人之手。

科大訊飛走的正是這條更艱難的路。年報披露，訊飛星火從硬件到軟件，貫穿訓練與推理，全棧自主可控。

這是一套訓練體系的持續建設。

2025年，訊飛發布基于全國產算力訓練的深度推理模型星火X1，模型參數比業界同類模型少一個數量級，卻實現了業界一流的效果；同年11月發布X1.5，在全國產算力平臺上打通了MoE（混合專家）模型的全鏈路訓練瓶頸，多語言能力覆蓋超130個語種，整體性能達到海外一線模型GPT-5（high）的95%以上；今年春節前發布的星火X2進一步升級，整體能力對標國際頂尖模型水平，并基于行業高質量數據和專家思維鏈的強化學習，推動教育、醫療等垂直領域的行業大模型持續領先。

為支撐這套體系，科大訊飛2025年研發投入53.64億元，同比增長17.12%，占營收比重19.79%——要在全國產算力上訓模型，背后是長期、高強度的工程投入。

同時，訊飛與華為正圍繞昇騰950平臺展開深度聯合攻關。950系列在顯存、帶寬、算力上較910系列有大幅提升，訊飛計劃于年內基于昇騰950發布對標業界最先進主流模型的旗艦大模型。

國產化訓練，不是把模型簡單搬到國產芯片上，芯片、框架、通信、訓練效率，每一層都要一起磨——國產算力集群的訓練效率開箱僅為同規模英偉達集群的30%，經過算子優化和分布式策略調整，才逐步提升至84%到93%。

政企和央國企客戶要求高合規、高安全，這種軟硬一體的協同，比單純模型跑分更有現實說服力。

能在國產底座上跑起來，是適配能力；能在國產底座上繼續進化，才是底座能力。全棧國產化訓練，既能確保技術迭代不受制于人，又能在核心數據在不出域的前提下，反哺模型訓練。

訓出來、用起來、再練回去。技術閉環轉起來，奠定了成本優勢和商業結果的根基。

技術閉環如何變成成本優勢

確立了訓練能力，那這一套閉環在實戰中產生了什么價值？

能訓，就能用真實場景的數據持續優化模型；能優化，就能用更小的模型逼近更大模型的效果；模型更小，單次推理成本更低，消耗的資源更少。

簡言之，在算力受限的條件下，更具商業可行性。這套邏輯在智能體時代尤其關鍵。

大模型應用正在從簡單問答，走向智能體。模型要拆任務、調工具、執行流程、反復驗證結果，一次任務背后可能包含多輪推理和大量詞元消耗。

企業客戶真正要算的，不只是模型有多聰明，更是完成復雜任務到底要消耗多少詞元、花多少錢。

變化已經發生。年初以來，“龍蝦”（OpenClaw）等一批通用智能體應用爆火，推動詞元調用量急劇攀升。截至2026年3月底，依托星辰MaaS底座及星火大模型，訊飛開放平臺第三方開發者大模型日均詞元調用量同比增長4241%。大模型正在從演示場景進入真實、高頻的使用場景。

誰能把任務成本降下來，誰就更容易做大規模部署。

單純堆大參數并非智能體場景下的最優解。萬億級參數模型在部分能力上有優勢，但每個任務都要消耗大量詞元，企業一旦規?；渴?，成本很快就扛不住。

科大訊飛沒有跟著卷參數，它用技術閉環支撐中尺寸模型，更強調性價比。

4月29日發布的30B中等尺寸模型星火X2-flash，搭配為復雜任務設計的智能體框架AstronClaw，在深度研究報告、工具管理與調用、系統控制與執行等復雜智能體任務上，效果已接近萬億級參數模型，但詞元消耗不到三分之一。

為什么中尺寸模型，能逼近大參數模型的效果？

因為訊飛的訓練體系搭在自主可控的算力上，開放平臺上數千倍增長的真實調用數據——哪一步卡住了、哪類任務詞元偏高、哪個工具調用失敗——可不受外部合規限制，無縫進入下一輪訓練，用于模型的定向壓縮和優化。

只做推理平移，訓練仍依賴外部算力，那國產生態里產生的使用數據，就無法直接進入訓練循環，模型的優化就不在自己手里。

這套閉環的轉速，取決于數據來源的廣度。

2025年，訊飛開放平臺已開放920項AI能力與解決方案，AI開發者規模突破1000萬，大模型開發者達到229萬，年度增速124%。千萬開發者在真實場景中持續工作。平臺越大，數據越多，訓練越精準，模型越高效，成本越低。

30B模型本身，就是這個訓練循環的階段性產出。AI平臺及授權服務收入12.52億元，其中大模型API及MaaS平臺服務收入3.85億元，同比增長263%——收入增長的背后，有更多開發者選擇了這一能持續降本的底座。

用真實場景數據反哺訓練，用訓練能力壓縮成本，再用更低的成本獲取更多調用和數據。能訓，才能持續把成本降下來。

技術跑通，商業跟著來

技術閉環能不能變成商業結果？

當前多數模型廠商仍在大幅虧損，行業面臨商業化變現的共同難題，但科大訊飛的答案不太一樣。

大模型相關項目中標金額23.16億元，超過第二名至第六名的總和，中標數量和金額再獲雙第一。

國家能源集團、國家電投、中國國航、工商銀行、中國人保、奇瑞汽車——高合規要求的頭部企業，看重安全、穩定、持續迭代的底座能力，而非單單一個模型。在信創采購的合規要求下，全國產化訓練本身就是更高級別的安全保障。

這些項目落地后，行業場景產生的數據也在反哺模型訓練。

以教育為例，智慧教育業務營收89.67億元，同比增長24.04%，星火智能批閱機日均批改作業超360萬份。海量的真實教育場景數據，直接進入訓練體系，推動模型在垂直領域持續優化。

業務產生數據、數據反哺訓練、訓練提升業務，這種高效循環，純推理平移路線很難復制。

閉環不止在國內市場成立，出海業務同樣受益于底座能力。

2025年9月，訊飛基于全國產算力，為東盟地區專門訓練了覆蓋十種語言的星火多語言大模型底座，2025年海外營收同比增長275%。

若只追求在國產芯片上“跑得起來”，科大訊飛拿不到這樣的成績。數字背后的共同點，在于客戶在一個當下可用的模型之外，更看重能持續進化的底座。

一套國產技術體系不僅能滿足自身需求，還能為其他國家訓練屬于它們自己的模型。對國產大模型而言，自主可控之外，更具備了向外輸出能力的基礎。訊飛與華為昇騰在海外主權大模型（為各國用本地數據、本地部署訓練的專屬大模型）上的深度合作，正是沿著這條路徑展開。

技術閉環正在變成商業閉環。

尾聲

國產化訓練并不容易，但要讓模型的長期發展與迭代下去，這條路繞不開。

國產大模型的第一個階段，是讓模型在國產算力上跑起來。下一階段，則是讓模型在國產算力體系里能持續訓練、持續升級、持續進入行業。前者，解決當下能不能用。后者，解決未來能不能進化。

硅谷還在爭論AI芯片該不該賣給中國，而中國已經用行動表明了立場：

幾天前，國家發改委做出決定，禁止外資收購智能體公司Manus，要求當事人撤銷收購交易。一家由中國團隊、中國數據、中國市場訓練出來的AI應用，試圖遷冊新加坡，再賣給太平洋另一側的科技巨頭，被監管層直接叫停。

信號足夠明確：核心數據和有潛力的關鍵AI技術，不應建立在競爭對手的底座上，必須留存在本土監管框架內。

這與政企市場要求大模型全棧國產化的核心訴求如出一轍。

美國在考慮要不要繼續供給，中國已經在要求自主可控。無論從哪邊的邏輯出發，留給國產大模型的答案都一樣：國產算力這條路，得自己走通。

國產大模型未來能否在國產的技術體系里訓練、升級、承擔關鍵業務？只有解決了這個問題，這條路才算走通了。

科大訊飛2025年財報釋放的信號正在于此：它做了模型，但不只是在做模型。訊飛把底座訓練、行業模型、開放平臺、智能體應用和商業反饋，放進了同一個國產化閉環。

這條路更重、更慢，更難被單純的推理平移路線替代，也更值得踏實走下去。

特別策劃