董事长刘庆峰进行了约两个小时的演讲，密集发布了大模型、技术架构、人机交互和智能硬件等领域的一系列新产品与新进展，国产算力、自主可控、安全与落地是贯穿演讲中的高频词。

　　作为讯飞核心布局的技术方向，全国产算力训练的大模型的进展一直受到关注，这次大会上，讯飞发布了端云一体讯飞星火X2.6。刘庆峰认为，这是一个兼顾AI安全性与性价比的技术路线%的应用场景可以在端侧完成，30%通过端云协同处理，其余10%交给云端大模型。

　　不过，国产算力生态仍处于发展早期，主力玩家还太少，“我们并不希望讯飞是唯一在国产算力上做训练的，希望有更多人进来”。

　　人工智能从数字世界走向物理世界，以及将AI带来的效率提升从个人延伸至组织。

　　提问：讯飞新一代的主力通用大模型目标是站稳国内第一梯队，您觉得依托国产算力实现源头技术领先，挑战和优势在哪里？

　　刘庆峰：挑战当然挺大的，最大的挑战是国产算力的单卡算力、显存带宽与国外主流芯片仍有差距；二是国产大模型训练生态不完善，大家基本只在上面做推理，训练侧的算子库、方法沉淀等可共享资源很少。我们的信心还是来自要“顶天立地”：拿着自主可控的算力，基于算法创新，瞄准真实刚需场景做通、做到领先。

　　教育、医疗、能源、安全等行业做到全球领先；第三，多语言大模型代表中国，给全球重要民生和重大战略领域第二种选择，这不是一个可以随便用的开源模型，而是事关国家未来战略影响力的领域。我觉得在这个工作中我们还是做的不错的。

　　刘庆峰：第一，算力要用国产的，不仅用国产算力做推理，更要用它做训练。第二，算法要全部自己掌握，并具备持续创新能力。第三，数据要能自主获取、自主清洗，甚至把数据当作科学能力，而不是简单蒸馏。第四，要有针对场景的软硬一体化创新能力。

　　从底层硬件到模型算法、数据、场景再到落地，要具备全栈能力，这才是真正的自主可控。尤其是在国产算力上做训练，如果大家都不在国产算力上做，这一步永远跨不出去，也才能真正向全球输出。

　　提问：越来越多国内厂商开始使用国产算力，这种趋势一定势在必行，之后面临的行业竞争中讯飞的先发优势还稳固吗？另外因为模型的技术迭代一直非常激烈，您怎么看持续的资本开支和财务风险？

　　刘庆峰：首先我想说一下，我们并不希望讯飞是唯一在国产算力上做训练的，我们呼吁有更多厂商加入。国产算力上因为架构和体系都有差距，我们都得自己干，如果生态里有很多家一起做，就可以分享了。所以我们是希望越来越多的国内大模型厂商在国产算力上一起做生态。

　　大家都在同台竞技，科技创新恰恰需要这种竞争精神和好胜心，同时国产算力在进步，我觉得未来两年差距会拉平，拉平以后生态会起来。就像我讲的这是一场凝心聚力的长跑，我们有这个人工智能

　　提问：您会怎么总结现在讯飞的大模型处在什么阶段？能不能说业务结构调整已经到位？

　　刘庆峰：我觉得分方向看，总体上还在快速探索，快要走完从0到1，但在教育总体来说，底座模型的综合突破还在探索中，但很多行业落地已经走过0到1，开始规模化。

　　刘庆峰：这个问题比较大，但我可以说一下，今天大会主论坛上我重点回应了三个问题：如何在解决安全的前提下推广大模型全面应用、还能节约token成本；第二是如何让人工智能从数字世界走进物理世界；第三是如何从单点的个人提效变成组织级提效。

　　国产芯片上推理，意义完全不同——训练的难度大很多，一旦断供就没法推进。作为人工智能国家队之一吧，我们还是坚定要在全国产算力上训练大模型。

　　今天我们很重要的突破，就是首次在国产算力上让超长上下文的代码和智能体任务能够被训练出来，效率大幅提升4倍，水平与业界主流模型几乎相当。

　　第二件事情我觉得特别重要的是，也是现在全球最大的焦虑，比如Agent在邮件系统中自动看邮件，不光读邮件还有很多附件里面的各种商业机密、科研的独特数据和记忆，怎么放心送到后台模型？大家都担心各种隐私和安全问题，所以我们今天特别提出来要用端侧模型，在一台本地的电脑、本地手机上解决掉60%的工作。

　　刘庆峰：客观说，从算力基础和模型摸高能力上，海外还是更领先，那为什么海外还有那么多的开发者用我们的平台，还有那么多的国家优先选我们作为大模型合作伙伴？

　　机器人、智能家居这些场景里，我们能通过软硬一体化能力能搞定。语音+语言大模型的组合起来，也是我们的综合

　　提问：大模型的能力边界一直在拓展，但一直存在信任等方面瓶颈，您认为，比如智慧座舱、AI眼镜、软硬一体的人机交互等，要真正走进普通人的生活，需要率先跨越怎样的信任门槛？

　　刘庆峰：这里面是两件事，比如医疗和教育等，信任门槛就是国家级的标准测试认证，模型能不能通过。第二是用技术手段解决数据安全的顾虑，比如我们的语音识别和模型处理都在往端侧走，数据不出端，就不用担心声音送到后台。

　　机器人汽车进入家庭，除了后台模型解决刚需，更重要的是它和人的交互，比如距离和噪声不断变化，机器人

　　机器人的语义理解和沟通能力已经没问题，比如去超市售卖东西完全没问题，但表情不生动、动作不自然，现在行业机器人机器人

　　提问：最近从科学家到一线研究员都在密集发出AI治理预警，您怎么看技术革新带来的风险治理问题，怎么在AI转型中最大化收益、最小化风险？

　　刘庆峰：AI治理是持续研究的课题，因为现在确实变化太快，本质上过去一年模型训练方法并没有大的突破，但规模变大、高质量数据越来越多，某种程度上是“大力出奇迹”。这决定了它一定是颠覆性的技术和产业革命，社会治理必须同步跟上。

　　一类风险是单一模型失控，一个超强的模型如果没谈球吧官方网站有应用场景约束，在攻破各种各样的系统中的能力是超强的，这方面我觉得要有一些社会治理必须跟上，防止出现重大的社会体系管理和运行中出现的一些风险。另一类是长期隐患，所谓硅基生命的自我意识，目前来看还不具备技术支撑，但是也不好说将来会不会出现，模型的天花板还有不确定性。

　　我觉得现在反而最要关注的社会治理，是AI在快速的多岗位快速提效之后的保障体系，很多岗位被替代，年轻人更难找工作，多年积累的高端岗位也在被替代。第一要有社会兜底保障，这是我今年两会的一号建议；第二要重新定义社会管理逻辑，比如缩短工作时长，让大家都有工作，有成就感来源；第三要快速定义工作的社会价值和新的工作类型。