[智能应用]坚持国产算力自主可控，有实力做也必须做 [复制链接]

科大讯飞董事长刘庆峰在9日的公司26周年庆上发表内部讲话。
刘庆峰表示，相比使用英伟达等海外算力，基于国产算力开展大模型训练和算法创新存在诸多挑战，需要增加移植适配、性能调优、对比验证等额外步骤和算力。“基于国产算力的所有新算法的研发会慢三个月。三个月，在今天这个你追我赶的时代，是不得了的差别。”
他直言，如果不付出，中国的算力支撑不了深度推理模型的训练，“基于国产算力的新算法研发，会慢一些，但不会矮”。坚持自主可控，一是因为有这个实力，能做；二是为了不被卡脖子，必须做。
刘庆峰表示，科大讯飞在数据提取层面更有经验，特别是行业数据，“我们要有一桶水，才能倒出一碗水”，不仅要让AI会答题、能评分，更要因材施教。面对激烈的AI竞争，科大讯飞将坚持使命，抢占AI时代“根红利”。
刘庆峰还透露，讯飞深度推理模型星火X1将在7月迎来升级

坚持国产算力自主可控：实力与必要的抉择
科大讯飞的实践体现实力
科大讯飞董事长刘庆峰在公司26周年庆上的讲话，充分展现了公司在国产算力自主可控方面的实力。科大讯飞是目前国内唯一一家坚持自建国产算力平台的企业，且讯飞星火是国内唯一一个基于全国产算力平台训练的大模型。2023年，科大讯飞携手华为成功打造出中国首个支持万亿参数训练的国产算力平台飞星一号；2024年10月，飞星二号正式启动，首批算力于2025年交付试用。此外，2025年1月15日，科大讯飞对外发布的深度推理模型讯飞星火X1，也是首个使用全国产算力训练的深度推理模型。科大讯飞仅仅使用了1万张910B的国产算力卡，不仅取得了大模型研发上的先进成果，还在国产算力平台上实现了大量无人区的适配和效率优化，把国产算力利用到了极致，体现了其有实力坚持国产算力自主可控。

面临的挑战与克服
虽然科大讯飞有实力做国产算力自主可控，但也面临着诸多挑战。基于国产算力开展大模型训练和算法创新存在挑战，需要增加额外步骤和算力，基于国产算力的新算法研发会比使用海外算力慢三个月。并且，和业内不少使用英伟达算力集群训练的大模型相比，国产算力在性能、功耗上仍有一定差距。科大讯飞董事长刘庆峰此前在公司内部透露，自主可控的生态探索十分不易，他们30%的算力都消耗在大模型训练的无人区探索上。即便如此，科大讯飞依然克服困难，坚持使用国产算力，用了不到同行1/10的卡，做了比别人多几倍的任务。

坚持国产算力自主可控的必要性
避免被卡脖子
美国自2022年开始对华实行芯片禁令，以阻止中国公司获得先进制程芯片，此后禁令不断加码，2025年1月禁令扩大到禁止美国企业在半导体、人工智能及量子领域的对华投资方面，试图全方位围堵中国科技产业。在这样的国际形势下，坚持国产算力自主可控是避免被卡脖子的必要选择，只有实现自主可控，才能保障我国人工智能等科技产业的持续发展。

形成自主可控的算力生态
在众多人工智能公司中，科大讯飞几乎是唯一一家坚持自建国产算力平台的企业。如果大家都想着摘果子，等别人先做好生态再使用，那么自主可控的平台生态就无法成长，整个创新能力也会停滞。就像中国科学院的龙芯虽然已经具备接近英特尔CPU的性能，但由于缺乏应用，导致CPU一直未能赶上，操作系统当年也是如此。因此，从国家角度来看，必须有一批企业在国产算力平台上进行大模型训练，并在大模型工具链的设计上取得突破，形成自主可控的算力生态

科大讯飞董事长刘庆峰在公司26周年庆上的内部讲话中提到了以下几点关键信息：

1. 国产算力挑战：刘庆峰指出，与使用英伟达等海外算力相比，基于国产算力进行大模型训练和算法创新面临更多挑战。这些挑战包括需要进行额外的移植适配、性能调优和对比验证等步骤，这将增加研发时间和算力需求。

2. 研发时间延迟：他提到，基于国产算力的新算法研发可能会比使用海外算力慢三个月。在当前竞争激烈的科技时代，三个月的时间差是一个很大的差别。

3. 坚持自主可控：尽管存在这些挑战，刘庆峰强调坚持自主可控的重要性。他认为，中国有能力进行这样的研发，并且为了避免在关键技术上受制于人，这是必须要做的事情。

4. 科大讯飞的数据提取经验：刘庆峰表示，科大讯飞在数据提取方面，尤其是行业数据方面，拥有丰富的经验。他强调了数据的重要性，比喻说“我们要有一桶水，才能倒出一碗水”，意味着只有拥有大量高质量的数据，才能开发出优秀的AI产品。

5. AI的使命和竞争：面对激烈的AI竞争，科大讯飞将继续坚持其使命，抢占AI时代的“根红利”。这表明科大讯飞致力于在AI领域取得领先地位，并利用其技术优势来推动行业发展。

6. 星火X1模型升级：刘庆峰还透露，科大讯飞的深度推理模型星火X1将在7月进行升级。这表明科大讯飞在持续推动其AI技术的进步和优化。

总的来说，刘庆峰的讲话强调了国产算力的重要性、科大讯飞在数据和AI领域的专业能力，以及公司在AI竞争中的决心和计划。