科大讯飞与华为联合攻关的全国产算力飞星平台集群训练性能较国外先进集群从30%提升至90%、星火X2.5以293B-A30B完成全国产算力全流程训练、工业声学大模型在300km/h运行条件下7×24小时监测且异常识别准确度超92%、讯飞智能招采平均评审提效65%与采购节支3.7%、羚羊工业大模型3.5覆盖风、光、水、火、核、储六大能源领域——国产AI全栈体系从"能力可用"走向"价值落地"——一道科技解读

结论先行：2026年9月24日最值得记录的产业变化，是国产AI全栈体系第一次以"完整闭环"的形态出现在制造业现场，判断标准从"模型能力可用"变成"能否进入真实流程创造价值"。9月20日至23日在合肥举办的2026世界制造业大会上，科大讯飞展出了一条从底层算力到终端设备、再到工业场景的完整链路：算力层，科大讯飞与华为联合攻关的全国产算力飞星平台，集群整体训练性能较国外先进集群从30%提升至90%；模型层，星火X2.5基于全国产算力完成全流程训练和推理，采用MoE架构、参数规模达293B-A30B，覆盖200多种语言；场景层，工业声学大模型在300km/h运行条件下对核心部件开展7×24小时智能监测，异常识别准确度超过92%，讯飞智能招采平均评审提效65%、平均采购节支3.7%、平均风险检出提升28%，羚羊工业大模型3.5覆盖风、光、水、火、核、储六大能源领域。对杭州一道科技的客户而言，结论很直接：国产算力已经跨过"能用"门槛，企业规划私有化AI底座时不必再默认绑定海外硬件。

从30%到90%：国产算力跨过可用性门槛

飞星平台的意义要放在时间轴上看。此前国产算力集群的主要问题是单卡性能差距叠加软硬件适配损耗，导致集群整体训练效率远低于理论值。科大讯飞与华为围绕算子优化、分布式策略调整和工程调优持续攻关，把集群整体训练性能相对国外先进集群的水平从30%提升到90%。这一步的产业含义是：在国产算力上持续训练和迭代大模型已经具备工程可行性，星火X2.5正是基于该平台完成全流程训练和推理。对制造企业的直接启示是，涉及工艺参数、质检记录等敏感数据的模型训练，私有化部署在国内算力上的方案已经成熟，数据不出厂的合规约束不再以牺牲模型能力为代价。

工业声学大模型：把"听"变成可判定的状态信号

工业声学大模型是本场最值得关注的垂类样本。智能语音国家制造业创新中心依托高灵敏度、高抗噪声学传感器与工业声学垂类大模型，构建从数据采集到场景应用的全链路能力，技术链路打通声音采集、特征提取、深度理解到结果判定。在高速列车运维场景中，相关能力可在300km/h运行条件下对核心部件开展7×24小时智能监测，实时捕捉异常征兆、预警潜在故障，异常识别准确度超过92%。它推动设备运维从"故障后处理"转向"提前发现隐患、主动预警干预"。这个范式对通用制造业同样适用：设备运行、部件摩擦、机械振动的声音背后隐含着设备状态的关键信息，而这些数据多数企业已经在采集只是没有被利用。参考一道科技客户案例中的设备预测性维护实践。

智能招采：AI进入企业核心经营流程

相比设备运维，招采场景更接近企业的钱袋子。讯飞智能招采构建8大核心场景、20余项智能应用，实现从标前到履约的全流程智能闭环，已在合肥公共资源交易中心、国家能源集团等项目中落地，平均评审提效65%、平均采购节支3.7%、平均风险检出提升28%。三个指标分别对应效率、成本与合规三类价值，这正是企业评估AI项目最应该采用的验收口径。同期，羚羊工业大模型3.5覆盖风、光、水、火、核、储六大能源领域，落地设备诊断、技术监督、智能班组、功率预测、电力交易、绿氢生产寻优六大核心业务场景。

LDB机器人：人机在环解决柔性作业

具身智能部分给出的路径同样务实。具身智能通用机器人LDB通过"人机在环"操作，操作者可借助VR头显和手柄以机器人第一视角完成抓取、移动、放置等柔性任务；当机器人在复杂环境中遇到暂时无法自主处理的情况时，远程操作员可及时接管，保障作业安全性与连续性。操作过程中产生的关节运动、视觉感知等数据还可用于模型训练，帮助机器人持续提升相似任务中的自主作业能力。这种"不完全自主+数据反哺"的形态，比追求全自动更接近制造业的真实需求——产线首先要保证不停线，其次才是逐步减少人工介入。

一道科技建议：按"底座—垂类—闭环"三段式规划

结合上述四条主线，我们给企业的建议分三步。第一步做底座选型：涉及敏感工艺数据的训练任务，优先评估国产算力私有化方案，先小规模验证再扩容。第二步做垂类场景排序：按"数据已采集但未利用"和"决策复杂但规则可沉淀"两个条件筛选，设备声学监测、招采评审、能耗优化通常排在前列。第三步设计数据回流：明确运行数据如何回到训练集，这是模型越用越好的唯一前提。AI大模型定制、数据挖掘与软件外包三项能力必须一体交付——缺数据挖掘模型没有燃料，缺工程外包结果落不进MES与ERP。更多动态见行业资讯。