Lors du Global 1024 Developer Festival 2026 de iFLYTEK, organisé le 22 octobre, Liu Qingfeng, président du conseil d'administration de iFLYTEK, a publiquement évoqué l'état actuel de la puissance de calcul nationale et la voie future de la percée. Il a déclaré qu'à l'heure actuelle, la puissance de calcul nationale accuse encore un retard d'environ « près de deux générations » par rapport à Nvidia, concentré principalement sur la mémoire vidéo et la bande passante. Face aux tâches de code et d'agents exigeant souvent un contexte d'un million de tokens, on se heurtait auparavant au dilemme « ça ne tient pas, on n'arrive pas à entraîner ».
Pour relever ce défi, « iFLYTEK Spark X2.6 », l'architecture intégrée bord-cloud publiée cette fois par iFLYTEK, apporte une solution originale. Cette architecture combine un grand modèle cloud avec un modèle embarqué de 4B ; grâce à un entraînement dynamique parallèle des tâches de longue durée, qui alloue la puissance de calcul de manière adaptative selon la longueur des tâches, l'efficacité de l'entraînement sur des contextes ultra-longs a été multipliée par environ 4. Côté inférence, grâce à une collaboration adaptative stockage-calcul et à la première technologie de KVCache à quatre niveaux et d'inférence distribuée basée sur des équipements entièrement nationaux, l'efficacité globale a été multipliée par 4.5. L'utilisateur peut décider librement, selon la difficulté de la tâche et la sensibilité des données, de la traiter localement, de manière coordonnée entre les deux extrémités, ou de la confier au cloud.
Dans la construction des modèles embarqués, iFLYTEK a trouvé une voie efficace pour contourner la contrainte de puissance de calcul. Bien qu'un écart global de puissance de calcul subsiste, la puissance disponible pour entraîner des modèles embarqués est suffisante. Grâce à un raffinement minutieux, iFLYTEK a fait passer le taux de complétion du modèle embarqué sur des tâches d'agents complexes de 12 et quelques pour cent, niveau antérieur du secteur, à 41.9 %, et prévoit de franchir la barre des 60 % à l'étape suivante. Les démonstrations sur place, comme le bilan d'exploitation et l'audit de contrats d'achat, ont montré que grâce à la désensibilisation locale et à une distribution efficace par routage bord-cloud, non seulement les données sensibles ne quittent pas l'appareil, mais le coût d'utilisation des tokens est également réduit efficacement. Liu Qingfeng a également souligné que, dans l'architecture intégrée bord-cloud, le rôle essentiel du cloud réside dans l'entraînement conjoint et unifié du modèle embarqué, l'évaluation des capacités et le secours en dernier ressort.
En évoquant l'écosystème de la puissance de calcul nationale, Liu Qingfeng a appelé davantage de fabricants à rejoindre le rang de ceux qui entraînent de grands modèles sur de la puissance de calcul nationale. Il a admis qu'à l'heure actuelle, seules quelques entreprises comme Huawei poussent activement ; comme l'architecture de la puissance de calcul nationale diffère de celle de Nvidia et que « personne n'a encore piétiné les pièges », le coût d'une lutte solitaire est extrêmement élevé ; si tous travaillaient ensemble, les coûts partagés diminueraient de plusieurs ordres de grand. Concernant la vitesse de rétrécissement de l'écart, il estime que la puissance de calcul s'égalisera progressivement dans les deux prochaines années ; parallèlement, iFLYTEK s'active déjà sur l'informatique quantique, cherchant à réécrire fondamentalement la question de l'ordre de grandeur de la puissance de calcul d'ici trois à cinq ans.
Sous les contraintes actuelles de puissance de calcul, iFLYTEK a défini trois positionnements stratégiques : rivaliser avec les meilleurs modèles mondiaux et suivre de près sur une plateforme full-stack souveraine ; atteindre une position de leader mondial dans les secteurs verticaux tels que l'éducation, la santé, l'énergie et la sécurité ; représenter la Chine à l'échelle mondiale et offrir un second choix au monde grâce à un grand modèle multilingue.