10月22日，科大讯飞在北京举办2026全球1024开发者节主论坛，发布端云一体讯飞星火X2.6、SparkAudio 1.0、星火具身多模交互技术和讯飞星帆WinWork。作为“人工智能国家队”，科大讯飞把发布会上关于AI实际应用的讨论落在三个问题上：安全性与极致性价比、AI从数字世界走向业务场景、从个人提效到组织提效。科大讯飞此次发布方案所解决的问题，从四个分账本入手，帮企业真正压下应用AI的成本线：

一是训练账，压下研发投入。国产芯片的显存和带宽有限，长程任务和短程任务混在一起训，效率容易被拖住。科大讯飞的做法是把长短程任务自动分解，再用联合调度把国产算力的多种机制调动起来。发布会披露，长程任务训练效率提升约4倍，飞星二号万卡训练2000B、256K长度数据的时间由4.5个月缩到1.2个月。训练跑得快，意味着相同算力条件下企业一年可以多迭代几轮，固定的设备和基础设施投入被更多轮次摊薄。

二是推理账，压下运营消耗。长上下文推理的难处，一半在答得对不对，另一半在数据放不放得下、算得快不快。科大讯飞一边做基于国产异构算力的分布式推理，一边推出面向全国产设备的四层KVCache，把缓存复用效率提上来；优化后，国产芯片推理效率提升4.5倍，KVCache命中率从63%升到95.7%。通俗地说，更多请求可以直接复用已经算过的部分，不必每次从头处理，同一套算力因此能承载更多任务，每次调用的单价随之降下来。

三是调度账，压下“本可以不花的钱”。企业实践中，并非所有任务都值得调用云端高规格模型，查日程、整理文档这类轻量任务如果都送上云，调用成本、数据出端和响应时延都会增加；复杂推理、专业分析和跨系统任务，则需要更强的云端模型或端云协同。星火X2.6的端云一体协同架构，由端侧模型先判断任务在本地办、交云端办，还是两边协同办；按复杂度和敏感度将任务分档，企业就不必为每一项需求都支付最高规格的模型成本。

四是长期账，压下未来风险成本。单次训练和单次调用之外，企业还要看长期部署稳不稳、技术路线会不会被锁死。星火X2.6沿全栈自主可控路线，用全国产算力完成训练，实现代码能力和智能体能力突破，支持百万Token上下文，并上线国产万卡推理集群。国产算力的应用边界因此得以从推理环节向长上下文训练延伸，为训练、推理和部署提供了更多选择，也降低了对单一硬件生态的依赖。🌹