En la Conferencia Global de Desarrolladores 1024 de iFLYTEK 2026, celebrada el 22 de octubre, el presidente de iFLYTEK, Liu Qingfeng, habló públicamente sobre la situación actual del cómputo nacional y el camino a futuro para superar los obstáculos. Indicó que actualmente el cómputo nacional tiene una brecha de “casi dos generaciones” respecto a NVIDIA, concentrada principalmente en la memoria de video y el ancho de banda. Ante tareas de código y agentes que a menudo requieren un contexto de un millón, antes se enfrentaba el dilema de “no cabe, no se puede entrenar”.
Para hacer frente a este desafío, la arquitectura integral nube-dispositivo “iFLYTEK Spark X2.6” lanzada en esta ocasión por iFLYTEK ofrece una solución única. Esta arquitectura adopta una combinación de un gran modelo en la nube junto con un modelo en el dispositivo de 4B; mediante el entrenamiento paralelo dinámico de tareas de larga duración, asigna de forma adaptativa el cómputo según la longitud de la tarea, logrando que la eficiencia del entrenamiento con contextos ultralargos aumente aproximadamente 4 veces. En el lado de la inferencia, apoyándose en la colaboración adaptativa de almacenamiento y cómputo, así como en el primer KVCache de cuatro capas basado en equipos totalmente nacionales y tecnología de inferencia distribuida, la eficiencia general mejoró 4.5 veces. Los usuarios pueden decidir por sí mismos, según la dificultad de la tarea y la sensibilidad de los datos, si dejar la tarea en procesamiento local, en colaboración entre ambos extremos o entregarla a la nube.
En cuanto a la construcción de modelos en el dispositivo, iFLYTEK encontró un camino efectivo para eludir las restricciones de cómputo. Aunque existe una brecha en el cómputo general, el cómputo para entrenar modelos en el dispositivo es suficiente. Mediante un refinamiento meticuloso, iFLYTEK elevó considerablemente la tasa de finalización de tareas complejas de agentes del modelo en el dispositivo, del anterior 12 por ciento y algo más de la industria a 41.9%, y planea avanzar el próximo paso hacia el 60%. Las demostraciones en vivo de escenarios como la revisión operativa y la auditoría de contratos de compra mostraron que, mediante la desensibilización local y la distribución eficiente de enrutamiento dispositivo-nube, no solo se garantiza que los datos sensibles no salgan del dispositivo, sino que también se reduce eficazmente el costo de uso de Tokens. Al mismo tiempo, Liu Qingfeng señaló que, en la arquitectura integral nube-dispositivo, la función central de la nube reside en el entrenamiento unificado conjunto del dispositivo, la evaluación de capacidades y la orientación de respaldo.
Al hablar del ecosistema de cómputo nacional, Liu Qingfeng hizo un llamado a más fabricantes a unirse a la fila del entrenamiento de grandes modelos con cómputo nacional. Admitió que actualmente solo unas pocas empresas como Huawei impulsan activamente este trabajo, y dado que la arquitectura del cómputo nacional es distinta a la de NVIDIA y “nadie ha pisado los hoyos antes”, el costo de actuar en solitario es extremadamente alto; si todos trabajaran juntos, los costos compartidos disminuirían en órdenes de magnitud. Sobre la velocidad de reducción de la brecha, consideró que en los próximos dos años el cómputo se irá igualando gradualmente, y que iFLYTEK ya está preparando activamente la computación cuántica, con el propósito de reescribir fundamentalmente el problema de la magnitud del cómputo en un plazo de tres a cinco años.
Bajo las actuales restricciones de cómputo, iFLYTEK ha definido tres posiciones estratégicas: competir con los mejores modelos mundiales y seguirlos de cerca sobre una plataforma full-stack autónoma y controlable; alcanzar el liderazgo mundial en industrias verticales como educación, salud, energía y seguridad; y representar a China ante el mundo con grandes modelos multilingües ofreciendo una segunda opción global.