AnswersPublished15 sources
iFLYTEK ei yritä voittaa tekoälykisaa pisimmällä kontekstilla – vaan toimivilla ratkaisuilla
iFLYTEKin mukaan kotimaiset kiihdyttimet voivat olla yli viisi kertaa tehottomampia kuin Nvidia H200 yli 256 000 tokenin kontekstien koulutuksessa. Yhtiö kertoo nostaneensa kotimaisten klustereiden tehokkuuden noin 30 prosentista 84–93 prosenttiin operaattorioptimoinnin, hajautettujen strategioiden ja muun järjestel...
JulkaisijaMuokattu mallilla GPT-5.6 LunaKuvat luotu mallilla GPT Image 1.5
Research answer
Key takeaways
- iFLYTEKin mukaan kotimaiset kiihdyttimet voivat olla yli viisi kertaa tehottomampia kuin Nvidia H200 yli 256 000 tokenin kontekstien koulutuksessa.
- Yhtiö kertoo nostaneensa kotimaisten klustereiden tehokkuuden noin 30 prosentista 84–93 prosenttiin operaattorioptimoinnin, hajautettujen strategioiden ja muun järjestelmäkehityksen avulla.
- Spark X2 Flash on yhtiön mukaan 30 miljardin parametrin mixture of experts malli, joka on koulutettu ja otettu käyttöön kokonaan Huawei Ascend 910B klustereilla.
- Strategian suurin riski on, että asiakkaat alkavat vaatia aidosti miljoonien tokenien koulutus ja päättelykykyä, jossa Nvidian etumatka on edelleen merkittävä.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: How is iFLYTEK responding to domestic compute constraints, as discussed at its August 21, 2026 earnings call, given that domestic accelerato. Article summary: iFLYTEK’s response is not to outspend Nvidia-based frontier labs on the biggest possible model. It is to make domestic compute productive enough for commercially valuable, bounded-context applications—then monetize integ. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clic
iFLYTEK ei yritä päihittää Nvidia-pohjaisia tekoälylaboratorioita rakentamalla mahdollisimman suurta mallia tai tarjoamalla pisintä mahdollista konteksti-ikkunaa. Sen strategia on käytännöllisempi: tehdä saatavilla olevasta kotimaisesta laskennasta riittävän tehokasta koulutuksen, terveydenhuollon, autojen ja yritysten käyttöön – ja myydä asiakkaille toimivia lopputuloksia, ei ennätyksellistä token-määrää.
Strategian taustalla on yhtiön myöntämä selvä rajoite. iFLYTEKin mukaan kotimaiset kiihdyttimet voivat olla pitkän kontekstin koulutuksessa jopa noin viisi kertaa tehottomampia kuin Nvidian H200, kun konteksti ylittää 256 000 tokenia. Luku perustuu johdon julkisuudessa esittämään tietoon, eikä sitä ole tässä vahvistettu riippumattomasti alkuperäisestä tulospuhelun pöytäkirjasta. 8
Kaikki sovellukset eivät tarvitse miljoonan tokenin kontekstia
Käytännön tekoälyjärjestelmä ei yleensä tarvitse käsitellä jatkuvasti miljoonan tokenin mittaista historiaa yhdessä attention-ikkunassa. Koulujärjestelmä voi hakea opetussuunnitelmasta ja oppilastiedoista vain tehtävän kannalta olennaiset kohdat. Terveydenhuollon työkalu voi etsiä potilaan tilanteeseen liittyviä lääketieteellisiä tietoja. Auton puheavustaja tarvitsee keskusteluhistorian ja ajoneuvon tilatietoja, kun taas yrityksen sisäinen järjestelmä voi käyttää rajattua dokumentti- ja työprosessikantaa.
Tällaisissa käyttötapauksissa tietoa voidaan hakea ja pilkkoa osiin, säilyttää rakenteellisessa muistissa tai tuoda järjestelmään työkalukutsujen ja agenttien avulla. Tämä ei poista pitkän kontekstin arvoa, mutta vähentää tarvetta käyttää kaikkein kalleinta konteksti-ikkunaa jokaisessa tehtävässä.
iFLYTEKin veto onkin tarkasti rajattu mutta kaupallisesti olennainen: jos asiakkaat arvostavat toimialakohtaista tarkkuutta, tietosuojaa, käyttöönoton hallintaa, viivettä ja luotettavaa työnkulun suorittamista enemmän kuin ennätyksellistä kontekstipituutta, yhtiö voi kilpailla ilman Nvidian koulutustehokkuuden täydellistä jäljittelyä.
Optimointi ulottuu koko tekoälypinoon
Ratkaisu ei ole yksi ohjelmistokikka. iFLYTEK kehittää laitteiston ja ohjelmiston yhteensopivuutta usealla tasolla:
- mallien arkkitehtuurissa, mukaan lukien mixture-of-experts-ratkaisut;
- kiihdytinkohtaisissa operaattoreissa ja ytimissä;
- hajautetussa viestinnässä ja asiantuntijamallien rinnakkaisuudessa;
- muistirakenteissa ja KV-välimuistin hallinnassa;
- koulutuskehyksissä, ajoituksessa ja käyttöönoton työkaluissa.
Tavoitteena on vähentää viestinnän kustannuksia, kiertää muistipullonkauloja, parantaa laitteiston käyttöastetta ja sovittaa mallit kotimaisten piirien ominaisuuksiin. Raaka kiihdytinspeksi ei yksin ratkaise koko koulutus- tai päättelyjärjestelmän suorituskykyä.
Yhtiön omien julkaistujen tietojen mukaan sen kotimaiset klusterit toimivat aluksi noin 30 prosentin tehokkuudella alan valtavirran klustereihin verrattuna. Operaattorien optimointi, hajautettujen strategioiden muutokset ja laajempi järjestelmätason säätö nostivat raportoidun tehokkuuden 84–93 prosenttiin. Nämä ovat yhtiön ilmoittamia lukuja, eivät riippumattomasti auditoituja vertailutuloksia. 17
Spark-mallit ovat strategian selkein näyttö
Vahvin käytännön osoitus strategiasta on se, että iFLYTEK on jatkanut Spark-malliperheen kehittämistä kotimaisella infrastruktuurilla sen sijaan, että paikalliset sirut toimisivat vain muualla koulutettujen mallien päättelyalustana.
Spark X2-Flash on kuvattu 30 miljardin parametrin mixture-of-experts-malliksi, joka on koulutettu ja otettu käyttöön kokonaan Huawei Ascend 910B -klustereilla. Merkittävää on päästä päähän ulottuva kotimainen ketju: koulutus ja käyttöönotto tapahtuvat samalla kotimaisella laskentapolulla, eivätkä kyseessä ole vain muualla koulutetun mallin jälkikäteinen siirto. 8
Yhtiö on nostanut esiin myös pitkän sekvenssin päättelyputken ja Spark X2:n esimerkkeinä siitä, kuinka malli ja infrastruktuuri suunnitellaan yhdessä. Spark X2-VL laajentaa malliperheen multimodaalisiin tehtäviin. iFLYTEKin julkaistujen materiaalien mukaan X2, X2-Flash ja X2-VL päivitettiin vuonna 2026. 17
Suunta jatkaa yhtiön aiempaa kotimaisen laskennan kehitystyötä. iFLYTEK kertoo Spark-mallien käyttäneen täysin kotimaista laskentapolkua koulutuksessa, iteroinnissa ja päättelykäyttöönotossa. 17 Aiemmassa raportoinnissa puolestaan kuvattiin, kuinka peräkkäisten mallialgoritmien sovittaminen kotimaisille siruille vaati yli kuusi kuukautta, jotta tehokkuus ylitti 80 prosenttia huippuluokan Nvidia-piirien tasosta.
5
Kotimainen lippulaivamalli on seuraava testi
iFLYTEK ilmoitti 21. elokuuta 2026 järjestetyssä tulosinfossa julkaisevansa uuden yleiskäyttöisen lippulaivamallin, joka perustuu täysin kotimaiseen laskentaan. Julkaisu on määrä tehdä saman vuoden Global 1024 Developer Festival -tapahtumassa. Ilmoitus tukee vaiheittaista ennakkojulkaisua ennen tapahtumaa, mutta se ei vahvista täsmällistä kysymyksessä mainittua elokuun lopun ajankohtaa. 1
Mallista tulee tärkeä testi sille, ulottuuko strategia erikoistuneiden käyttötapausten ulkopuolelle. Onnistunut julkaisu osoittaisi, että kotimainen infrastruktuuri pystyy tukemaan jälleen uutta merkittävää mallisukupolvea. Se ei kuitenkaan yksin todistaisi laitteiston olevan Nvidian veroinen kaikissa koulutustehtävissä.
Miksi lähestymistapa voi tukea tuoteliiketoimintaa?
Laskennasta riippuvaisella yhtiöllä on käytännössä kaksi reittiä. Se voi kilpailla suoraan edistyneimpien mallien koulutuksen kustannuksista ja mittakaavasta tai upottaa mallit tuotteisiin, joissa infrastruktuuri on vain yksi osa asiakkaalle syntyvää arvoa. iFLYTEK painottaa jälkimmäistä.
Sen mallistoa suunnataan esimerkiksi koulutukseen ja terveydenhuoltoon, joissa yksityinen käyttöönotto, toimialakohtainen laatu ja toimintavarmuus voivat olla yhtä tärkeitä kuin yleismallien vertailupisteet. Yhtiön materiaalien mukaan Spark tukee koulutusta ja muita sovelluskohteita, ja terveydenhuollon ratkaisuissa korostetaan Spark-lääketieteelliseen malliin perustuvaa kliinistä päätöksenteon tukijärjestelmää. 17
35
Tuotelähtöinen strategia tekee teknisistä parannuksista uudelleenkäytettäviä. Paremmat operaattorit, viestintätavat, muistinhallinta ja käyttöönoton työkalut voidaan siirtää seuraaviin mallisukupolviin ja asiakasasennuksiin. Etu ei välttämättä tarkoita absoluuttisesti halvempaa koulutusta. Se voi tarkoittaa kykyä saada rajallisesta laitteistosta enemmän käyttökelpoista työtä ja samalla hallita koko käyttöönoton elinkaarta.
Miksi Liu Qingfeng uskoo tilanteen voivan kääntyä kahdessa vuodessa?
Ajatus kuilun umpeen kuromisesta perustuu kertyneeseen kokemukseen, ei oletukseen siitä, että kotimaiset sirut olisivat jo nyt Nvidian veroisia. iFLYTEK on käyttänyt vuosia malliar porras? Need fix typo!
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "iFLYTEK ei yritä voittaa tekoälykisaa pisimmällä kontekstilla – vaan toimivilla ratkaisuilla"?
iFLYTEKin mukaan kotimaiset kiihdyttimet voivat olla yli viisi kertaa tehottomampia kuin Nvidia H200 yli 256 000 tokenin kontekstien koulutuksessa.
What are the key points to validate first?
iFLYTEKin mukaan kotimaiset kiihdyttimet voivat olla yli viisi kertaa tehottomampia kuin Nvidia H200 yli 256 000 tokenin kontekstien koulutuksessa. Yhtiö kertoo nostaneensa kotimaisten klustereiden tehokkuuden noin 30 prosentista 84–93 prosenttiin operaattorioptimoinnin, hajautettujen strategioiden ja muun järjestelmäkehityksen avulla.
What should I do next in practice?
Spark X2 Flash on yhtiön mukaan 30 miljardin parametrin mixture of experts malli, joka on koulutettu ja otettu käyttöön kokonaan Huawei Ascend 910B klustereilla.
Sources
pandaily.comUnder Domestic Compute Constraints, iFLYTEK Turns to Engineering
edu.iflytek.comWAIC收官！从“数字世界”走向真实课堂，需要“更懂教育的AI”
chinadaily.com.cnTech firms deepen innovation, strengthen resilience
news.aibase.comChina's Large Model Receives Another Major Upgrade ...
iflytek.comTwo Key Industry Signals from WAIC 2026-News-iFLYTEK