讯飞星火X2.5以293B-A30B架构跑通全国产算力全流程训练、麒麟9050 Pro把300亿参数MoE大模型塞进手机端、GPT-6 Astra用10万颗NVLink72完成训练、我国智能算力半年增至2185 EFLOPS——大模型竞争进入“端云协同+自主可控”双线并行——一道科技解读

结论先行：2026年9月初这一轮大模型技术动态的真正主线，是“端云协同”与“自主可控”两条线同时提速。科大讯飞发布星火X2.5，采用MoE架构、参数规模293B-A30B，重点提升代码与智能体能力，且基于全国产算力完成全流程训练及推理；华为麒麟9050 Pro在Mate XT 2首发，实现行业首个端侧MoE全模态大模型入端，总参数300亿、激活20亿，整机性能提升42%；黄仁勋披露OpenAI的GPT-6 Astra由约10万颗Grace Blackwell NVLink72芯片训练完成，并宣称“AGI已到来”、下一批40万GPU即将上线；国内侧，截至2026年6月底我国智能算力规模达2185 EFLOPS，同比增长177%。对企业选型的含义很直接：未来两年架构决策的核心，是在哪一层跑模型、以及这条链路能不能自主可控。这是杭州一道科技给客户做架构评审时的首要问题。

星火X2.5：全国产算力跑通全流程训练的意义

星火X2.5最值得关注的不是参数，而是它基于全国产算力完成了从训练到推理的全流程。这一点的分量在于，它把“国产算力能不能训大模型”从论证题变成了工程题。讯飞同时持续优化国产超长序列训推难题，说明长上下文场景下的显存与通信瓶颈正在被逐个攻克。模型能力上，X2.5重点强化了代码与智能体能力，并持续增强数学与理解等通用能力，已上线讯飞开放平台。对企业客户而言，选择这类全链路国产化的模型，直接收益是供给确定性提升、合规风险下降、私有化部署路径更短；代价则是需要同步验证自身业务系统与国产推理框架（如昇腾生态）的兼容性。建议在选型阶段就把框架兼容性压测写进POC验收项，而不是上线后再补。

麒麟9050 Pro：端侧MoE把“激活参数”变成工程常识

华为麒麟9050 Pro带来的变化更贴近终端。它实现行业首个端侧MoE全模态大模型入端，总参数300亿、激活仅20亿——这正是MoE架构的精髓：用大总参数换知识容量，用小激活参数换推理成本。整机性能提升42%，且是时隔六年华为再次在旗舰发布会上专门解读全新麒麟芯片，信号意味明显。端侧大模型的价值在工业场景尤其突出：产线质检、设备点检、巡检记录等任务往往面临网络不稳定、数据不出厂、响应要实时的三重约束，端侧推理是唯一可行解。同时它带来新的工程复杂度——模型需要针对端侧算力做量化、蒸馏与算子适配，这部分工作量常常被低估。企业在规划时应把端侧模型压缩与算子适配单独列为一道工序，而不是当作部署的附属步骤。

算力侧：规模狂奔与代价同步显现

算力侧的扩张速度仍在加快。国内智能算力规模半年内增至2185 EFLOPS、同比增长177%；海外，黄仁勋称GPT-6 Astra由约10万颗NVLink72芯片训练完成，并预告下一批40万GPU即将上线。代价同步浮现：数据中心散热与发电高度依赖水资源，AI的“水足迹”治理已成待解议题。矛盾很清楚——算力越便宜，用得越多；用得越多，能耗与成本的账越难算清。

企业架构建议：按数据敏感度分层部署

基于上述趋势，我们给企业的标准建议是按数据敏感度做三层分流。第一层端侧：工艺参数、质检图像等不出厂的高敏感数据，用压缩后的端侧模型实时处理。第二层私有云：企业经营数据、客户数据，用私有化部署的行业大模型处理，模型权重与日志全部留在内网。第三层公有云：通用问答、文案生成等低敏感任务，调用公有云大模型以控制成本。三层之间用统一的模型路由与提示词管理层衔接，避免与单一模型深度耦合。这套架构的搭建涉及模型微调、数据管道与系统集成，需要AI大模型定制、数据挖掘与软件外包能力协同交付。更多技术观察见一道科技行业资讯，落地案例见客户案例。