AI芯片该不该出口中国，硅谷争论未休。
英伟达话事人黄仁勋认为应该卖，理由是彻底断供只会把对手逼到自立门户，最终练出一套与美国相匹敌的技术栈。
有观点针锋相对：即便出口不那么先进的次高端芯片，也可能让“军民两用管制品”被用于美国不想看到的用途。
双方分歧在于，美国到底是该继续供给芯片来锁住中国的技术生态，还是该限制供给来压低中国能力的上限。
争论的细节各有道理，但对太平洋这一侧来说，结论只有一个：国产算力这条路，必须自己走通。
过去一年，国产大模型适配国产算力的消息越来越多。很多人会自然理解成，只要模型能在国产芯片上跑起来，大模型国产化就完成了。
但能跑起来，只解决了一半的问题。
让模型在国产芯片上跑起来，与在国产芯片上训练出模型，完全不是一回事。推理，是拿训好的模型来用，解决当下能否调用；训练，是把模型本身教出来，解决模型未来能否在国产技术体系里继续升级。
率先跑通训练的模型厂商，已开始在财务报表上，印证商业逻辑的可行性。
4月28日，科大讯飞发布2025年度财报。旗下通用大模型讯飞星火，系中国主流大模型中，唯一基于全国产算力训练而来。营收271.05亿元，同比增长16.12%；归母净利润8.39亿元，同比增长49.85%；经营活动现金流净额32.08亿元，同比增长28.57%，创历史新高。
这组数字背后，是一个从训练到商业的闭环。
从推理可用到训练可进化
眼下不少高性价比大模型风头正劲，但惊艳表现多建立在成熟的海外算力生态上；一旦迁移至国产卡，大多数只做到了推理平移——把训练好的模型部署到国产芯片上，让它能跑、能被调用、能服务用户。
以近期引发关注的DeepSeek V4为例，尽管有报道称其基于国产华为昇腾算力训练，但仅完成了推理适配，训练仍基于美国的英伟达芯片。
推理是部署的问题，而训练是底层工程的问题，这是两件事。
训练国产化，意味着模型从数据、算法、框架、算力集群到参数更新，全部在国产软硬件体系中完成，确保模型的技术迭代与核心数据都不假他人之手。
科大讯飞走的正是这条更艰难的路。年报披露，讯飞星火从硬件到软件，贯穿训练与推理，全栈自主可控。
这是一套训练体系的持续建设。
2025年，讯飞发布基于全国产算力训练的深度推理模型星火X1，模型参数比业界同类模型少一个数量级，却实现了业界一流的效果；同年11月发布X1.5，在全国产算力平台上打通了MoE（混合专家）模型的全链路训练瓶颈，多语言能力覆盖超130个语种，整体性能达到海外一线模型GPT-5（high）的95%以上；今年春节前发布的星火X2进一步升级，整体能力对标国际顶尖模型水平，并基于行业高质量数据和专家思维链的强化学习，推动教育、医疗等垂直领域的行业大模型持续领先。
为支撑这套体系，科大讯飞2025年研发投入53.64亿元，同比增长17.12%，占营收比重19.79%——要在全国产算力上训模型，背后是长期、高强度的工程投入。
同时，讯飞与华为正围绕昇腾950平台展开深度联合攻关。950系列在显存、带宽、算力上较910系列有大幅提升，讯飞计划于年内基于昇腾950发布对标业界最先进主流模型的旗舰大模型。
国产化训练，不是把模型简单搬到国产芯片上，芯片、框架、通信、训练效率，每一层都要一起磨——国产算力集群的训练效率开箱仅为同规模英伟达集群的30%，经过算子优化和分布式策略调整，才逐步提升至84%到93%。
政企和央国企客户要求高合规、高安全，这种软硬一体的协同，比单纯模型跑分更有现实说服力。
能在国产底座上跑起来，是适配能力；能在国产底座上继续进化，才是底座能力。全栈国产化训练，既能确保技术迭代不受制于人，又能在核心数据在不出域的前提下，反哺模型训练。
训出来、用起来、再练回去。技术闭环转起来，奠定了成本优势和商业结果的根基。
技术闭环如何变成成本优势
确立了训练能力，那这一套闭环在实战中产生了什么价值？
能训，就能用真实场景的数据持续优化模型；能优化，就能用更小的模型逼近更大模型的效果；模型更小，单次推理成本更低，消耗的资源更少。
简言之，在算力受限的条件下，更具商业可行性。这套逻辑在智能体时代尤其关键。
大模型应用正在从简单问答，走向智能体。模型要拆任务、调工具、执行流程、反复验证结果，一次任务背后可能包含多轮推理和大量词元消耗。
企业客户真正要算的，不只是模型有多聪明，更是完成复杂任务到底要消耗多少词元、花多少钱。
变化已经发生。年初以来，“龙虾”（OpenClaw）等一批通用智能体应用爆火，推动词元调用量急剧攀升。截至2026年3月底，依托星辰MaaS底座及星火大模型，讯飞开放平台第三方开发者大模型日均词元调用量同比增长4241%。大模型正在从演示场景进入真实、高频的使用场景。
谁能把任务成本降下来，谁就更容易做大规模部署。
单纯堆大参数并非智能体场景下的最优解。万亿级参数模型在部分能力上有优势，但每个任务都要消耗大量词元，企业一旦规模化部署，成本很快就扛不住。
科大讯飞没有跟着卷参数，它用技术闭环支撑中尺寸模型，更强调性价比。
4月29日发布的30B中等尺寸模型星火X2-flash，搭配为复杂任务设计的智能体框架AstronClaw，在深度研究报告、工具管理与调用、系统控制与执行等复杂智能体任务上，效果已接近万亿级参数模型，但词元消耗不到三分之一。
为什么中尺寸模型，能逼近大参数模型的效果？
因为讯飞的训练体系搭在自主可控的算力上，开放平台上数千倍增长的真实调用数据——哪一步卡住了、哪类任务词元偏高、哪个工具调用失败——可不受外部合规限制，无缝进入下一轮训练，用于模型的定向压缩和优化。
只做推理平移，训练仍依赖外部算力，那国产生态里产生的使用数据，就无法直接进入训练循环，模型的优化就不在自己手里。
这套闭环的转速，取决于数据来源的广度。
2025年，讯飞开放平台已开放920项AI能力与解决方案，AI开发者规模突破1000万，大模型开发者达到229万，年度增速124%。千万开发者在真实场景中持续工作。平台越大，数据越多，训练越精准，模型越高效，成本越低。
30B模型本身，就是这个训练循环的阶段性产出。AI平台及授权服务收入12.52亿元，其中大模型API及MaaS平台服务收入3.85亿元，同比增长263%——收入增长的背后，有更多开发者选择了这一能持续降本的底座。
用真实场景数据反哺训练，用训练能力压缩成本，再用更低的成本获取更多调用和数据。能训，才能持续把成本降下来。
技术跑通，商业跟着来
技术闭环能不能变成商业结果？
当前多数模型厂商仍在大幅亏损，行业面临商业化变现的共同难题，但科大讯飞的答案不太一样。
大模型相关项目中标金额23.16亿元，超过第二名至第六名的总和，中标数量和金额再获双第一。
国家能源集团、国家电投、中国国航、工商银行、中国人保、奇瑞汽车——高合规要求的头部企业，看重安全、稳定、持续迭代的底座能力，而非单单一个模型。在信创采购的合规要求下，全国产化训练本身就是更高级别的安全保障。
这些项目落地后，行业场景产生的数据也在反哺模型训练。
以教育为例，智慧教育业务营收89.67亿元，同比增长24.04%，星火智能批阅机日均批改作业超360万份。海量的真实教育场景数据，直接进入训练体系，推动模型在垂直领域持续优化。
业务产生数据、数据反哺训练、训练提升业务，这种高效循环，纯推理平移路线很难复制。
闭环不止在国内市场成立，出海业务同样受益于底座能力。
2025年9月，讯飞基于全国产算力，为东盟地区专门训练了覆盖十种语言的星火多语言大模型底座，2025年海外营收同比增长275%。
若只追求在国产芯片上“跑得起来”，科大讯飞拿不到这样的成绩。数字背后的共同点，在于客户在一个当下可用的模型之外，更看重能持续进化的底座。
一套国产技术体系不仅能满足自身需求，还能为其他国家训练属于它们自己的模型。对国产大模型而言，自主可控之外，更具备了向外输出能力的基础。讯飞与华为昇腾在海外主权大模型（为各国用本地数据、本地部署训练的专属大模型）上的深度合作，正是沿着这条路径展开。
技术闭环正在变成商业闭环。
尾声
国产化训练并不容易，但要让模型的长期发展与迭代下去，这条路绕不开。
国产大模型的第一个阶段，是让模型在国产算力上跑起来。下一阶段，则是让模型在国产算力体系里能持续训练、持续升级、持续进入行业。前者，解决当下能不能用。后者，解决未来能不能进化。
硅谷还在争论AI芯片该不该卖给中国，而中国已经用行动表明了立场：
几天前，国家发改委做出决定，禁止外资收购智能体公司Manus，要求当事人撤销收购交易。一家由中国团队、中国数据、中国市场训练出来的AI应用，试图迁册新加坡，再卖给太平洋另一侧的科技巨头，被监管层直接叫停。
信号足够明确：核心数据和有潜力的关键AI技术，不应建立在竞争对手的底座上，必须留存在本土监管框架内。
这与政企市场要求大模型全栈国产化的核心诉求如出一辙。
美国在考虑要不要继续供给，中国已经在要求自主可控。无论从哪边的逻辑出发，留给国产大模型的答案都一样：国产算力这条路，得自己走通。
国产大模型未来能否在国产的技术体系里训练、升级、承担关键业务？只有解决了这个问题，这条路才算走通了。
科大讯飞2025年财报释放的信号正在于此：它做了模型，但不只是在做模型。讯飞把底座训练、行业模型、开放平台、智能体应用和商业反馈，放进了同一个国产化闭环。
这条路更重、更慢，更难被单纯的推理平移路线替代，也更值得踏实走下去。