DeepSeek橫空出世，業內外都在討論為什麼是DeepSeek，為什麼是梁文鋒（深度求索公司創始人）？這對於科大訊飛和劉慶峰而言，不能說沒有壓力。

“DeepSeek對科大訊飛有衝擊嗎，會帶來怎樣的影響？”“是壓力、遺憾，還是極客之間那種高手過招的興奮？”對於此類問題，中國人大代表、科大訊飛董事長劉慶峰在2025年中國兩會期間接受了採訪。

在劉慶峰看來，不同的企業有不同的使命和願景。相比於梁文鋒DeepSeek團隊在大模型演算法技術上的專注與純粹，科大訊飛需要考慮更多“造血”和“發展”問題。“在通用人工智慧發展的新階段，科大訊飛要做全棧自主可控的大模型國家隊。”劉慶峰說。

當然，在中國國產算力底座能力仍較為有限的現實下，繁榮國產AI生態不能只靠一兩家企業的努力。劉慶峰呼籲，加快構建中國國產算力平臺之上的產業生態體系，“若誰都不用，不加快解決國產自主可控人工智慧產業生態薄弱、適配困難等問題，無異於在別人地基上建高樓。”

源頭創新沒有終點

“我們為DeepSeek鼓掌，也感到非常自豪。我覺得它最大的意義是提升了各個方面對中國自主創新的信心，他們是很了不起的。”劉慶峰說。

劉慶峰坦言內心的羡慕：“他們很專注、純粹，只是做底層大模型的創新，不考慮短期變現。中國需要這樣的極客精神，一定程度上我們都很羡慕，因為科大訊飛得想辦法做行業落地，想辦法自我造血。”

26年前，劉慶峰正是和一群敢想敢拼的極客，懷揣著“要把中文語音技術做到全球第一”的夢想，堅定走上了智能語音、自然語言處理、認知智能等技術研發之路。

26年後，時鐘指向通用人工智慧發展的關鍵節點，已過天命之年的劉慶峰對創新有了更深刻的理解，那就是創新要有“長期主義”。“客觀來說，DeepSeek的創新主要體現在工程優化層面，但通用人工智慧技術的持續發展，還需要在基礎的源頭技術創新上進行更多探索。”劉慶峰認為，通用人工智慧的源頭創新沒有終點。

今年3月5日提請十四屆中國人大三次會議審議的政府工作報告提出，持續推進“人工智慧+”行動。目前，AI賦能千行百業正上演“加速度”，大模型運用場景也日益豐富多元。無論是智能座艙服務中的語音連續交互、千萬畝耕地的精准病蟲害預測，還是新藥研發過程中大幅提升靶點發現與驗證效率，AI已成為必不可少的新質生產力工具。

“人工智慧底座大模型的‘天花板’還在持續打開，所以絕不能說現在大模型底座不用做了，這是絕對不對的。我們必須客觀冷靜地看到，我們在通用人工智慧領域還存在差距。”劉慶峰強調，實現原始創新的全球引領，這才是關鍵的超越。

中國構建繁榮的國產AI生態

除了源頭創新，構建繁榮的產業生態對中國國內人工智慧創新發展也十分重要。

“很多年前，中國不少國產CPU已達到不錯水準，但因缺乏應用，中國CPU產業發展始終受限，操作系統也是同樣。”劉慶峰直言，“若不能形成從產業應用到技術開發、再到源頭創新的良性互動和完整生態體系，中國國產自主創新技術長期發展必然受限。”

就在DeepSeek V3及R1模型正式上線的前幾個月，劉慶峰帶領科大訊飛團隊把深度推理模型的技術路線“跑通”了。他介紹，2024年10月，科大訊飛便完成深度推理模型的技術路線驗證，但是要在中國國產算力平臺上進行訓練和適配，不得不又多花了兩個月時間。

2025年1月15日，科大訊飛發佈中國國內首個基於全國產算力平臺訓練的具備深度思考和推理能力的大模型——訊飛星火深度推理模型X1。“因為算力受限，所以我們1月15日只推了一個13b參數量的模型，3月3日，我們推出了70b的模型。”劉慶峰說。

這是擺在人工智慧從業者眼前的一個突出問題：使用中國國產AI算力晶片訓練，成本更高，耗時更長。“但即便如此，中國國產算力也必須要用起來，否則就是在別人的地基上建高樓。”劉慶峰強調，從中國國產算力生態建設角度看，一定要有一批企業在中國國產算力平臺上進行大模型訓練和推理，形成自己的工具鏈、生態體系和開源社區。

這離不開政策的大力支持。劉慶峰建議，中國要鼓勵基於自主可控國產算力平臺的大模型研發和應用，專項支持基於國產算力平臺的生態體系建設。例如，對國產算力晶片企業和使用國產晶片訓練大模型的企業給予專項支持，在國家公共算力上給予資源傾斜，加速基於國產算力的大模型演算法創新，鼓勵優先採購等。

既要“頂天”更要“立地”

形成良好的人工智慧產業應用生態，目的在於賦能人們的生產生活。在劉慶峰看來，人工智慧技術既要“頂天”，即做到全球領先，更要“立地”，也就是著力滿足人們生產生活過程中的實際剛需。

“如果能讓孩子們每天少一個小時的無效低效重複學習，能讓每一個偏遠地區的患者享受到跟大城市一樣的醫療服務，這件事情就會很有意義。這也是科大訊飛的使命。”劉慶峰說。

劉慶峰表示，底座大模型的能力要真正應用到具體行業，必須要有一整套完整的工具鏈。比如，如何更快地做行業數據的清洗和快速訓練，如何更好地解決“AI幻覺”等問題。

但在現實中，很多行業都存在“數據孤島”現象，人工智慧應用不得不進行“私有化”“定制化”部署，這極大提高了成本。對此，劉慶峰建議，構建數據資源充分共用機制，依託中國國內廣泛的應用場景，積極推廣大模型在產業領域的應用，並形成從數據資產到業務應用雙向正迴圈的“數據飛輪”，讓中國率先獲得AI產業落地的紅利。

今年兩會期間，中國政府工作報告起草組成員、國務院研究室副主任陳昌盛表示，在確保安全前提下，加快人工智慧在低空經濟、教育培訓、醫療健康等多場景應用，在這個過程中，要防止過多採用“私有化部署+專案制”的方式，造成市場“碎片化”問題，要充分發揮大規模應用和快速迭代升級優勢，促進科技創新和市場應用的良性互動。

面對通用人工智慧的澎湃大潮，劉慶峰認為，應用場景落地已進入紅利兌現期，“我們比以往任何時候都更有信心！”

來源：中國證券報