BAT 集体重做「AI 预训练」，补「脏数据」的坑

📋总体概括

国内多家AI模型厂商近大半年密集启动预训练返工，百度、阿里、腾讯等巨头均卷入其中，核心原因指向训练数据质量缺陷。部分厂商曾花一年时间死磕万亿参数大模型，落地效果却被市面仅1%规模的小模型反超，复盘发现脏数据是罪魁祸首。这一轮集体返工说明中国大模型行业正从堆参数、拼规模的粗放阶段，转向以数据治理为核心的精耕阶段，数据工程能力正取代算力和参数量成为竞争分水岭。