你有没有过这种体验：正用着某个 AI 工具，它突然弹窗说服务不可用；或者月初刚充的会员，月中收到通知——额度调整，请续费。

大多数人以为这是平台在作。其实背后有个更硬的原因：电不是自己发的，炉子也不是自己的。

9 月 7 日，科大讯飞正式发布星火 X2.5，把这个局面往前推了一大步。

一、先看清楚它到底是什么

星火 X2.5 采用 293B-A30B 的 MoE 架构，这两个数字要拆开看：

●293B：总参数 2930 亿，相当于这个模型"脑子里装了多少东西"；

●A30B：每次回答你问题时，实际调用的只有 300 亿。

打个比方，它像一个藏书 2930 万册的巨型图书馆，但每次回答只抽调其中 300 万册来翻。这就是为什么现在的大模型能做到又大又便宜——不是全馆一起上，而是按需取书。

这次重点增强的是代码和智能体能力，数学、理解等通用能力也一起做了提升。

但真正的关键不是参数，而是另一句话：它的全流程训练与推理，基于全国产算力完成。

二、"全国产算力"为什么是分水岭

这四个字，值得单独拆开讲。

过去几年，国内做大模型最难受的一件事，是高端芯片的供应始终悬着。今天能买多少、明天还让不让买，都不由自己说了算。

这种状态下，厂商根本不敢做长期定价承诺——芯片一涨，调用就涨；供应一紧，服务就限流。你遇到过的"额度调整""高峰期排队"，根子大多在这里。

全国产算力跑通全流程，本质上是把发电厂建在了自家院子里。

对普通人的传导链条其实很短：

●供给稳定了，厂商才敢打长期价格战；

●价格战打起来，你手里的 AI 工具才不会三天两头涨价；

●成本降下来，才可能诞生真正能离线跑、免费用的个人工具。

一句话：芯片自主，最终会变成你账单上少收的那几块钱。

三、端侧开源，才是更狠的一步

和 X2.5 一起发布的还有两款端侧模型——4B 和 1.7B，已经开源，支持最长 100 万 Token 上下文，可以本地部署。

1.7B 小到能塞进一台普通笔记本甚至高配手机。100 万 Token 大约能一次性读完七八部《三国演义》，或者你公司近半年的全部会议纪要、合同和产品文档。

两件事凑到一起，意味着一种此前很难实现的可能：你的资料，不用再上传到别人的服务器。 对做财务的、写材料的、开小公司的，这一条比任何跑分都实在。

四、便宜之后，什么会变贵

这里有个反直觉的判断：当算力不再稀缺、模型调用越来越便宜，稀缺的会换成另一样东西——电。

大模型本质是把电变成智能的装置。训练一次的耗电量够一个小镇用很久；你每问一句话，远端就有一批芯片在耗电、发热、被冷却。

所以接下来的成本战场会从"卡"转到"电"和"散热"。谁拿到便宜的绿电、把数据中心建在电力富余的地方，谁才有底气把价格一直往下打。

对你来说这意味着一件很具体的事：未来几年 AI 服务的价格差异，可能会像今天的电价一样按地区拉开。

五、但三句冷静话必须说

第一，跑通不等于追平。 全流程跑通解决的是"能不能"，不是"比别人强多少"。芯片代际差距、大规模集群的互联效率，都还需要时间追赶。

第二，开源不等于好用。 1.7B 能在本地跑，但能力边界也很清楚：做长文档整理、归纳、初筛可以，指望它替代云端大模型做复杂推理，还不现实。别把"能跑"当成"能打"。

第三，生态才是真正的护城河。 一个模型好不好用，一半看能力，一半看有多少人围着它做工具、写教程、踩过坑。这一块，国产模型还在攒人气的阶段。

六、普通人现在能做什么

第一，先把你最贵的工作流试一遍。 长文档整理、会议纪要、合同初筛——端侧模型最容易出效果的地方。找一段不涉密的资料本地跑一遍，比看十篇测评都管用。

第二，别急着为"国产"两个字多付钱。 未来半年大概率还有一轮降价。工具是拿来解决问题的，不是拿来站队的。先选能解决你问题的那一个。

第三，养成一个习惯：敏感内容不上云。 不管以后用哪家模型，这个习惯本身就比任何工具都值钱。

写在最后

这场"自建发电厂"的事，短期看是产业的胜负，长期看其实是一句很朴素的话——你手里那点东西，到底归谁管。

这事儿，值得关心。

脑机派对

2026.09.07