@松果财经原创

大洋彼岸的硅谷在 AI 硬件方面屡屡画饼，不少用户正在祛魅。

OpenAI 去年斥资 65 亿美元收购苹果前首席设计师 JonyIve 创立的硬件公司 io，SamAltman 曾满怀信心地向外界描绘一款没有屏幕、全天候感知用户周围环境的 AI 原生设备，并一度定下在 2026 年底亮相的目标。

然而如今，这款被寄予厚望的硬件已跳票到 2027 年以后。它的思路没问题，但短时间解决不了端云传输的算力、专利技术、隐私上云等问题。

AI 模型、算力和 AI 硬件，到底构建要什么样的关系，才能真正 " 相伴相生 "？这两天，科大讯飞给关于 " 大模型走出屏幕 " 的实验交出了一份成果。

10 月 22 日举行的 2026 科大讯飞全球 1024 开发者节主论坛上，科大讯飞不仅发布了基于全国产算力训练的讯飞星火 X2.6 大模型、语音基座模型 SparkAudio1.0，还一口气端出了 WinWork 数字员工平台，以及涵盖 35 克 AI 录音环、40 克 AI 眼镜、160TOPS 算力 AIPC 笔记本与 2240TOPS 算力星火办公一体机在内的软硬一体矩阵。

用户每天都在用的大模型相当于住在 " 温室 " 里，AI 硬件则是生在 " 飞沙走石 " 的社会场景中；想让大模型顺利 " 下凡 "，必须先后穿过端云分权、物理感官与算力成本三道门。而做软硬件一体，科大讯飞早已有丰富的经验。在这个节点上，它正在主动出击。

破分权之门

大模型行业已经遵循了很久的 " 云端大一统 " 思维定式，思考与推理发生在数据中心，这是它的基础技术逻辑和大多数用户的设备限制决定的。

不过，当下合适的，不一定是最好的，只是缺乏推动它改变的机会。而 2026 年行业主攻的 " 全天候个人 Agent" 与 " 企业级工作流接管 "，就是这样一个机会。

在大量长程但是很可能流程与需求相似的任务中，即便不考虑泄密风险，长周期、高频次读取海量本地资料所产生的云端 Token 消耗，很容易击穿用户预算——尤其是一些 " 读了又读 " 的内容，本身就是 Token 消耗大户。

正是看穿了云端独揽大权的死胡同，科大讯飞在本次大会上抛出了一个有意思的 " 黄金分割率 " ——科大讯飞董事长刘庆峰指出，未来的 AI 应用生态中，大约 60% 的任务将在本地端侧直接完成，30% 需要通过端云协同完成，只有剩下 10% 的超复杂任务则依赖纯云端大模型处理。

为了跑通 "6:3:1" 的分权算式，讯飞没有把星火 X2.6 做成一个传统意义上的巨无霸模型，而是设计成一套同源共生的组合拳——云端是总参数 293B、激活参数 30B 的混合专家（MoE）模型，负责攻克高难度逻辑推理与长程规划；端侧则是已全面开源的星火 X2.6-4B 轻量级模型，专门驻扎在 AIPC、手机、座舱与穿戴硬件本地。

据科大讯飞官方披露的评测结果，这颗仅 4B 参数的端侧模型在信息检索、办公处理、工具调用及端云协同四类核心任务中，综合表现超越了 Qwen3.5-4B 与 Gemma-4-E4B 等国内外主流开源同级模型。横亘在 4B 端侧模型与 293B 云端模型之间的 " 端云协同智能体路由架构 "，还放大了它的应用价值。

在讯飞同步推出的智能办公软件星火 Loomy 与专业套件星火 AStudio 中，这套路由机制扮演着 " 守门员兼保密员 " 的角色。

当用户在本地 AIPC 上发起任务时，端云路由先在毫秒级时间内判断任务难度，目前路由准确率已从上一代的 90.7% 提升至 96.1%。

日常的文档检索、日程整理、本地表格核对等 60% 的高频需求，由本地 4B 模型零 Token 成本直接消化，断网亦可运行。

一旦遇到本地算力啃不动的 30% 复杂跨文档推理任务，端侧模型会先在本地将公文与邮件里的人名、客户名称、核心财务金额等敏感字段精准识别并替换为无意义的代号，随后仅将脱敏后的逻辑骨架发往云端 293B 模型进行深度推理，待云端返回推理结果后，再于本地终端瞬间还原真实数据。

" 本地先脱敏、云端借智商、回端再还原 "，这套看似多绕了一步的端云协同架构，恰恰解开了困扰行业已久的 " 隐私安全与高阶智力不可兼得 " 的死锁。AI 因此获得了进入企业核心业务流的入场券。

在本次大会发布的 WinWork 数字员工平台上，讯飞也携手合作伙伴将企业散落在各处的规章制度、私有数据与老专家的隐性经验，沉淀为大模型能够理解并严格遵循的 " 企业业务本体（Ontology）"。

无论是智能合规审查，还是组织级协同，数字员工都能有效嵌入审批流与生产线。

在教育领域，全新的超级 AI 教师助手 " 讯飞星光 " 同样依托这套安全协同体系，将智学网的学情数据与微信家校群无缝打通，替班主任接管了从自动生成分层作业、AI 面批讲解到收集回执的全流程琐事。

破感官之门

解决了数据放在哪儿、算力怎么分的问题，大模型走向软硬一体还要跨过第二道窄门：如何听懂并看懂真实、粗糙且混乱的物理世界。

然而，把大模型塞进硬件外壳很容易，让大模型在物理世界里保持清醒却极难。

正如我们的用词，" 温室 "，网页或者云端都是这样的环境，我们打出的、AI 接收的几乎都是边界清晰、信噪比极高的标准符号。但真实的物理空间是一个充满干扰的声学泥潭：展会现场的鼎沸人声、会议室里三四个人同时抢话、说话人自己的叹气与停顿、工厂与街道的机械轰鸣。

物理世界的信息，需要经过提纯，才能让 AI 更容易交互。

这正是以语音起家的科大讯飞在软硬一体浪潮中卡住的第二个身位：在别人忙着给硬件套大模型外壳时，讯飞在 1024 开发者节上拿出了迭代多年的 " 感官基础设施 " ——语音基座模型 SparkAudio1.0 与机器人超脑平台 V3.0。

一方面，它是对复杂声学空间的 " 提纯与还原 "。

SparkAudio 1.0 不再把声音机械地切成干瘪的字词，而是直接对多人交叠的复杂音频流进行端到端解析——既能把纠缠在一起的多人抢话声逐一剥离，又能保留说话人的情绪波动、停顿与语气助词，使语音交互的首字响应耗时缩短一半。

落到仅有 35 克重的讯飞 AI 录音环与 40 克重的 AI 眼镜上，结合摄像头对说话人 " 唇部微动 " 的视觉锁定，即便身处 90 分贝的鼎沸人声中，设备依然能像人类在鸡尾酒会上专注倾听同伴一样，从声学泥潭里精准捞出目标对象的每一句话。

另一方面，它是对物理空间里 " 有效意图 " 的筛选。

在无人零售场景里，四名顾客围在柜台前同时开口——有人在问价格，有人在跟朋友闲聊，有人在自言自语——搭载机器人超脑 V3.0 的具身店员能够综合视线朝向、唇动与声纹，瞬间判断出哪句话是对自己下达的服务指令，哪句话只是需要忽略的环境旁白。

这体现了一个理论：软硬一体的真正壁垒并不是模具和制造，而是在无序的物理连续流与有序的数字逻辑流之间，架起一座低损耗的转换桥。它是 AI 的感官之桥，让模型的能力可以走出二维世界，拥抱现实。

破底座之门

纵观科大讯飞这次的发布会，最让人印象深刻的，可能是一个并没有在很多行业验证过的法则：充裕甚至过剩的资源，往往会纵容出昂贵而粗放的技术路线；而严格的资源受限，反而会倒逼出极致的工程进化。

在 10 月 22 日的演讲台上，刘庆峰没有讲任何盲目乐观的场面话，而是抛出了两个极为坦诚的判断：第一，目前全国产算力平台对标国际最顶尖的英伟达芯片集群，客观上仍存在两代差距；第二，中美顶尖基础大模型在综合能力上，依然保持着 3 到 6 个月的差距，呈现出你追我赶的胶着态势。

当硅谷巨头习惯堆叠最新代际的英伟达 GPU 时，在 " 飞星二号 " 全国产万卡平台上耕耘的讯飞研发团队，走上了 " 向工程架构要红利 " 的突围之路。

为了降低长程智能体反复读取历史上下文带来的算力浪费，讯飞在国产算力底座上重构了四层 KV Cache（键值缓存）分层存储架构。据大会披露的实测数据，这套架构直接将星火 X2.6 在真实业务中的缓存命中率从过去的 63% 推高至 95.7%，整体推理吞吐效率飙升至原来的 4.5 倍，并将 256K 长文本的训练周期从 4.5 个月硬生生压缩至 1.2 个月。

95.7% 的缓存命中率，意味着绝大多数重复的上下文计算在底层存储调度阶段就被巧妙化解。反映到商业定价上，星火 X2.6 云端模型的缓存命中输入价格被直接压到了 0.08 元 / 百万 Tokens，综合调用成本甚至比以极致性价比著称的 DeepSeek-V4.1-Flash 还要低 10% 至 20%。

" 只有真正地在国产算力上训练出自己的模型，才是真的自主可控。" 而全国产算力通过架构创新跨过了性价比拐点，它在商业上的想象空间也就拓宽了。

" 全国产底座 + 端云同源模型 + 具备 2240TOPS 算力的星火办公一体机 "，是一套既绝对安全可控、又在单 Token 经济账上很划算的组合武器。对于医疗、教育、金融、央国企以及公检法等对数据主权有着严苛要求的行业而言，这种全栈自研且成本可控的方案，就是一场及时雨。

今年前三季度，讯飞研发投入超过 38 亿元，同比增长 20.78%。它的征途还没有结束，但目前交出的成果，已经足够让很多人思考 AI 发展的下一步：除了云端基座模型的参数竞赛与刷榜跑分，AI 应用的呼声越来越高，是时候做出一些改变了。

本文来源：松果财经（公众号：songguocaijing1）—— 解读财经热点事件，以独特视角带你挖掘新经济时代的商业机会。