10월 22일 개최된 2026 이푸훙 글로벌 1024 개발자 페스티벌 대회에서 이푸훙 이사장 류칭펑은 국산 연산 능력의 현재 상황과 미래의 돌파구에 대해 공개적으로 언급했다. 그는 현재 국산 연산 능력이 엔비디아와 비교해 대략 '거의 2세대'의 격차가 있으며, 주로 메모리와 대역폭에 집중되어 있다고 밝혔다. 백만 컨텍스트가 필요한 코드 및 에이전트 작업을 앞두고 이전에는 '담을 수 없고, 학습시킬 수 없다'는 딜레마에 직면해 왔다.
이러한 도전에 대응하기 위해 이푸훙이 이번에 발표한 엔드-클라우드 일체형 '스파크X2.6'은 독특한 해법을 제시했다. 이 아키텍처는 하나의 클라우드 대형 모델과 하나의 4B 엔드사이드 모델을 조합한 구성으로, 장기 작업 동적 병렬 학습을 통해 작업 길이에 따라 연산 능력을 자동으로 할당함으로써 초장문 컨텍스트 학습 효율을 약 4배 향상시켰다. 추론 측면에서는 적응형 메모리-연산 협업 및 최초의 전면 국산 장비 기반 4계층 KVCache와 분산 추론 기술을 바탕으로 전체 효율을 4.5배 향상시켰다. 사용자는 작업 난이도와 데이터 민감도에 따라 작업을 로컬에서 처리할지, 양단 협업으로 처리할지, 아니면 클라우드에 맡길지 자율적으로 결정할 수 있다.
엔드사이드 모델 구축 측면에서 이푸훙은 연산 능력 제약을 우회하는 효과적인 경로를 찾았다. 전체 연산 능력에 격차가 존재하지만, 엔드사이드 모델을 학습시키는 데 필요한 연산 능력은 충분하다. 정교한 다듬기를 통해 이푸훙은 엔드사이드 모델의 복잡한 에이전트 작업 완료율을 업계 기존의 12%대에서 41.9%로 크게 끌어올렸으며, 다음 단계로 60%를 향해 나아갈 계획이다. 현장 시연된 경영 복기 및 구매 계약 심사 등 시나리오는 모두 로컬 탈식별 및 엔드-클라우드 라우팅의 효율적인 분배를 통해 민감한 데이터가 엔드 밖으로 나가지 않도록 보장할 수 있을 뿐만 아니라 Token 사용 비용도 효과적으로 절감할 수 있음을 보여주었다. 동시에 류칭펑은 엔드-클라우드 일체형 아키텍처에서 클라우드의 핵심 역할은 엔드사이드에 대한 연합 통합 학습, 능력 판정 및 최후 지원 지도에 있다고 지적했다.
국산 연산 능력 생태계에 대해 이야기하면서 류칭펑은 더 많은 업체들이 국산 연산 능력으로 대형 모델을 학습시키는 행렬에 동참할 것을 촉구했다. 그는 현재 화웨이 등 소수의 기업만이 주력으로 추진하고 있으며, 국산 연산 능력 아키텍처는 엔비디아와 다르고 '함정을 밟아본 사람이 없기 때문에' 단독으로 나서는 비용이 매우 높다고 털어놓았다. 모두 함께 나서면 분담되는 비용이 자릿수 단위로 감소할 것이라는 것이다. 격차 축소 속도에 대해 그는 향후 2년 내에 연산 능력이 점차 균형을 이룰 것으로 판단했으며, 동시에 이푸훙도 이미 양자컴퓨팅 분야를 적극적으로 준비하여 3~5년 내에 연산 능력의 규모 문제를 근본적으로 개척하고자 하고 있다.
현재의 연산 능력 제약 하에서 이푸훙은 세 가지 전략적 포지셔닝을 명확히 했다. 전 스택 자주 통제 가능한 플랫폼에서 글로벌 최고 수준 모델과 대결하며 밀착 추격하고, 교육, 의료, 에너지, 보안 등 수직 산업에서 글로벌 선도를 달성하며, 다국어 대형 모델로 중국을 대표해 글로벌에 제2의 선택지를 제공하는 것이다.