iFLYTEK делает ставку на инженерный обход ограничений отечественных AI-чипов

Не победить Nvidia, а сделать ограниченное железо полезным

iFLYTEK не пытается выиграть гонку за счёт самой большой возможной модели. Её стратегия — выжать максимум из доступной отечественной вычислительной инфраструктуры, а затем продавать клиентам не «токены» и не рекордную длину контекста, а готовый результат: точный ответ, завершённый рабочий процесс или надёжную работу устройства.

Такой подход особенно важен на фоне признанного компанией ограничения. По данным, озвученным руководством iFLYTEK, отечественные ускорители могут быть примерно в пять раз менее эффективными, чем Nvidia H200, при обучении моделей с контекстом свыше 256 тысяч токенов. Это заявление руководства, а не результат независимой проверки по первичной стенограмме отчётного звонка. 8

Миллион токенов нужны далеко не всем

Большинство прикладных систем не обязаны постоянно обрабатывать непрерывную историю длиной в миллион токенов в одном окне внимания. Школьной платформе обычно нужно находить сведения в учебных программах и данных об учащихся. Медицинскому помощнику — извлекать релевантную информацию из истории болезни и справочников. Автомобильному ассистенту — учитывать текущий диалог, данные машины и ограниченный набор инструкций. Корпоративной системе — работать с определёнными внутренними документами и регламентами.

Для таких задач можно использовать поиск по базе знаний и сегментацию данных, структурированную память, а также вызовы инструментов и агентов. Это не отменяет ценность длинного контекста, но позволяет реже оплачивать самый дорогой режим обработки.

Иными словами, iFLYTEK делает узкую, но коммерчески значимую ставку: если клиентам важнее предметная точность, конфиденциальность, контроль развёртывания, задержка ответа и стабильное выполнение задач, чем рекордное контекстное окно, компания сможет конкурировать без полного равенства с Nvidia в экономике обучения.

Оптимизация по всему стеку

Ответ iFLYTEK — не одна программная хитрость, а совместная настройка аппаратной и программной частей системы. Компания работает сразу с несколькими уровнями:

• архитектурой моделей, включая подход mixture of experts (MoE, «смесь экспертов»);
• операторами и вычислительными ядрами под конкретные ускорители;
• распределёнными коммуникациями и параллелизмом экспертов;
• размещением данных в памяти и управлением KV-кэшем;
• фреймворками обучения, планированием задач и инструментами развёртывания.

Цель — сократить накладные расходы на обмен данными, устранить узкие места в памяти, повысить загрузку ускорителей и адаптировать каждую модель к особенностям отечественных чипов. Это принципиально: характеристики отдельного ускорителя сами по себе не определяют производительность всей системы обучения или вывода.

Согласно опубликованным iFLYTEK материалам, на раннем этапе отечественные кластеры работали примерно на 30% эффективности массовых отраслевых систем. После оптимизации операторов, изменений в стратегиях распределённых вычислений и комплексной инженерной настройки показатель, по данным компании, вырос до 84–93%. Это корпоративная оценка, а не независимо подтверждённый бенчмарк. 17

Spark X2 — главный практический аргумент

Наиболее наглядное подтверждение стратегии — семейство моделей Spark, которое iFLYTEK продолжает обучать и развёртывать на отечественной инфраструктуре, а не использует местные чипы только как замену для инференса.

Spark X2-Flash описывается как MoE-модель с 30 млрд параметров, полностью обученная и развёрнутая на кластерах Huawei Ascend 910B. Это важный показатель: речь идёт о полном отечественном цикле — от обучения до эксплуатации, а не о переносе модели, обученной где-то ещё. 8

Компания также указывает на конвейер инференса для длинных последовательностей и Spark X2 как на результаты совместной оптимизации модели и инфраструктуры. Мультимодальная Spark X2-VL расширяет семейство на задачи, где нужно работать сразу с разными типами данных. В материалах iFLYTEK говорится, что в 2026 году были обновлены X2, X2-Flash и X2-VL. 17

Этот курс продолжает более раннюю работу компании. iFLYTEK заявляет, что модели Spark проходят на полностью отечественной вычислительной базе весь цикл — обучение, итерации и развёртывание инференса. Ранее сообщалось, что адаптация каждой новой алгоритмической версии под отечественные чипы занимала более шести месяцев, прежде чем удавалось превысить 80% производительности высококлассных систем Nvidia. 5

Следующая проверка — отечественная флагманская модель

На брифинге по итогам первого полугодия 21 августа 2026 года iFLYTEK объявила о запуске новой универсальной флагманской модели на полностью отечественных вычислениях. Её должны представить на фестивале разработчиков Global 1024. В сообщениях также говорится о поэтапном выпуске версии до мероприятия, однако точные сроки, которые позволили бы уверенно говорить именно о запуске «в конце августа», из объявления не следуют. 1

Эта модель станет проверкой того, может ли подход iFLYTEK выйти за пределы специализированных сценариев. Успешный релиз покажет, что отечественная инфраструктура способна поддерживать очередное крупное поколение моделей. Но сам по себе он не докажет равенство с Nvidia во всех типах обучения.

Почему компании выгоднее продавать решения, а не контекст

У компании, ограниченной в вычислительных ресурсах, есть два пути. Первый — напрямую соперничать с передовыми лабораториями в стоимости и масштабе обучения. Второй — встраивать модели в продукты, где вычисления являются лишь частью ценности. iFLYTEK явно выбирает второй вариант.

Портфель компании ориентирован на образование, здравоохранение, автомобильные системы и корпоративные решения. В этих сферах приватное развёртывание, качество в конкретной предметной области и эксплуатационная надёжность могут быть не менее важны, чем результаты универсальных тестов. В материалах iFLYTEK Spark связывается с образовательными и другими прикладными сценариями, а для медицины компания продвигает систему поддержки клинических решений на базе медицинской модели Spark. 17 35

Такой продуктовый подход позволяет многократно использовать инженерные улучшения. Более эффективные операторы, методы коммуникации, управление памятью и фреймворки развёртывания могут переноситься на новые поколения моделей и разные установки клиентов. Преимущество здесь не обязательно означает абсолютное удешевление обучения. Скорее, речь идёт о возможности извлечь больше полезной работы из ограниченного оборудования и сохранить контроль над всем жизненным циклом системы.

Откуда берётся прогноз о двух годах

Оценка председателя iFLYTEK Лю Цинфэна основана не на предположении, что отечественные чипы уже сравнялись с Nvidia, а на накопленном опыте. Компания несколько лет адаптировала архитектуры моделей, распределённые системы и программные инструменты под местную инфраструктуру. По мере развития чипов, сетевого оборудования, компиляторов, фреймворков и экосистемы разработчиков этот опыт может сокращать время, необходимое для эффективного запуска каждого нового поколения.

В таком сценарии нынешний недостаток способен превратиться в организационное преимущество. iFLYTEK может получить более низкую стоимость миграции, больший производственный опыт и зрелый отечественный стек развёртывания. Компания описывает этот курс как создание независимой и управляемой системы — от вычислительной инфраструктуры до прикладных моделей. 3 17

Но это возможная траектория, а не гарантия. Публикации о китайском рынке AI-железа по-прежнему разделяют успехи отечественных чипов в инференсе и сохраняющееся преимущество Nvidia в обучении, особенно в части производительности подсистемы памяти. 2 6

Главный риск — гонка требований

Стратегия iFLYTEK работает лучше всего, пока её целевые клиенты ставят на первое место безопасность, контроль размещения, задержку ответа, точность в предметной области и результат рабочего процесса. Она станет менее убедительной, если образовательным, медицинским, автомобильным и корпоративным заказчикам понадобится полноценное обучение и рассуждение с контекстом в миллион токенов как стандартная функция.

Поэтому главный вопрос состоит не в том, сможет ли iFLYTEK устранить каждый аппаратный разрыв. Важнее другое: сумеет ли инженерная и продуктовая интеграция сделать этот разрыв коммерчески несущественным для достаточного числа ценных прикладных задач. Семейство Spark X2, заявленный рост эффективности и готовящийся отечественный флагман показывают, что компания движется именно в эту сторону. Однако длинный контекст остаётся её самым очевидным нерешённым ограничением.