“刘庆峰认为，未来大模型的安全性和性价比问题，一定要通过“端云一体”化来解决：可能60%的应用在手机、电脑端侧独立完成，数据不出域、Token花费少；30%的应用采用端云协同，复杂场景任务由云端模型分解指导；只有10%的应用在云端独立处理。”
“讯飞星火X2.6采用全国产算力训练，但国产算力距英伟达仍有差距，刘庆峰判断为“将近两代”，差距主要集中在显存和带宽；百万级上下文的代码与智能体任务此前状态被概括为“装不下、训不动”。”
““这事很难，因为端侧模型现在要解决的问题很多都是复杂智能体的长期任务；好处是不用担心任何数据隐私问题，同时不花一分钱token成本。我觉得这真正符合中国用户现状，将来可能成为在全球实现突破的模型。””
“我们的算法曾经在国际主流算力上一个月就把验证做完了，可迁移到国产算力上，花了三个月才到60%，花了半年才到80%。时间就是钱，算力成本并没有降低，还拖慢了研发节奏。”
“从底层硬件到模型算法，再到数据与场景，最后是软硬一体化落地，要具备全栈能力，才是真正的自主可控。”
“未来5至10年，支撑我们当前生产运转与生活需求的全部工作，可能仅需10%到20%的劳动力即可完成。”
““通用大模型可以天马行空地生成内容，但解决刚需的 AI，必须学会收敛、可控、可量化效果。””
“AI 的定位是能力放大器，而不是责任主体。”
“如果底层能力依赖外部基座，长期很容易陷入被动。”
““未来，约60%的应用在手机、电脑端侧可独立完成，数据不出域、Token花费少；30%的应用采用端云协同实现，涉及复杂场景的任务由云端模型来分解指导；只有10%的应用在云端独立处理””
“国产算力芯片与国际主流芯片相比仍有约两代差距，但随着国产算力的进步，有希望在未来两年拉平差距，生态也能慢慢好起来。”
““大模型仍然需要在能力上持续‘摸高’，人工智能的创新远没有结束，量子计算与经典人工智能预训练方法的结合或是重要变量。””
“全栈自主可控端云一体大模型，是解决AI安全性和极致性价比的必然选择。”
“只有真正地在国产算力上训练出自己的模型，才是真的自主可控。”
“大模型深入业务，既要具备处理复杂任务的能力，也要守住数据边界、降低使用成本。”
“未来两年，国产算力与英伟达的差距大概率拉平”
“刘庆峰判断，未来五到十年，维持现有的生产与生活质量，或许只需要10%到20%的人工作”
“国产算力训练大模型仍然面临很大的挑战和压力，当下国产算力跟英伟达相比有近两代代差。”
“国外芯片的算力确实比我们多，生态也更好。但如果大家都不在国产算力上做训练，我们自主可控这一步永远跨不出去。”
“他认为，虽然现在国产算力对标全球最优水平还有差距，但未来一定会有并跑甚至领跑的一天。”
“现在反而最要关注的社会治理方面，是AI在多岗位快速提效之后的保障体系。很多岗位被替代，年轻人更难找工作，多年积累的高端岗位也在被替代。”
“从人工智能的进展，尤其软硬件化的发展来看，未来几年之内，我估计也许5年、最多10年，现在我们所需要的所有的生产和生活资料，可能真的只需要10%到20%的人干就行了，剩下的不需要干了，这客观上就面临着一次劳动力的分流和新价值创造的重塑，这件事情比模型具备自我意识、未来会不会出现失控更迫切。”
“刘庆峰认为，端云一体是兼顾AI安全性与性价比的技术路线，未来约60%的应用场景可在端侧完成，30%通过端云协同处理，其余10%交给云端大模型。”