2026-09-04 08:10:22 分类：科技
万亿参数竞赛的突然刹车
2026年开年的中国大模型产业峰会上，我绕着展台走了三圈，没找到一块印着“十万亿参数”“全栈自研预训练”的巨型展板。
搁去年，这可是各家抢C位的标准配置。
今年，全没了。
上个月和某头部云厂商负责大模型业务的朋友吃饭，他吐了一晚上槽。去年他们推定制化预训练服务，报一个十万亿参数基座的价格是三千万，当时还有七八个客户排队谈。今年直接把价格砍到八百万，连一个询价的都没有。
说白了，钱烧完了。声音也没了。
很多人不知道，预训练的烧钱速度有多夸张。训练一个GPT-4级别的十万亿参数基座模型，总耗电量超过5亿度，相当于一个30万人口的江淮中小型城市一整年的居民生活用电量。光是电费就快两个亿，还不算GPU采购、人力、数据清洗的成本。
2026中国大模型产业峰会主论坛实拍
说实话，前两年大模型热，谁都想自己训一个基座，抢个卡位。创业公司拿了A轮融资，一半钱砸进去预训练，出来测效果，和人家开源的预训练基座比，PPL只低了两个点，跑分差不到5%，钱没了，公司也快没了。
喊了三年的参数竞赛，突然就踩了刹车。
分工重构的商业账本
预训练到底是什么？很多人说得玄乎，其实说白了，就是给大模型提前攒家底。
我更愿意用生物进化的逻辑来类比：预训练本质上就是大模型的进化预适应——就像寒武纪生命大爆发之前的十亿年里，单细胞生物早就完成了基础基因工具的预演化，攒够了支持多细胞复杂结构的所有基础能力，只等着寒武纪的环境变化触发分化。预训练给大模型攒的就是通用认知能力，后面的微调只是根据不同场景触发分化而已。
过去行业的误区是什么？所有人都想自己从头攒家底，都想自己做全套预训练，仿佛不做就是技术不行。
但本土玩家早就跑出了新的玩法。
智谱AI去年就把预训练拆成了两层：底层通用预训练，由智谱做，做好了卖给下游客户；下游只需要做自己垂直领域的增量预训练和微调。同样是70B参数的通用基座预训练，头部云厂商的整包定制报价是1200万元，而智谱拆分出来的预训练基座授权，只需要不到280万，模型效果差距不到7%。差了四倍的价格，换谁都会用脚投票。
大模型预训练GPU集群算力调度监控界面
不过话说回来，能把预训练做成标准化生意，不是谁都能做的。字节跳动为什么能把自己的预训练成本压得比同行低三成以上？你以为是技术有多牛？其实是人家本身有庞大的闲置算力错峰，还有全球最大的图文短视频语料库，数据清洗成本比创业公司低了不止一个量级。百度更不用提，早在2019年文心一言还没出来的时候，就已经攒了好几代预训练模型的家底，现在卖基座相当于把原来的沉没成本二次变现。
原来这场博弈，从一开始就不是技术参数的比拼，是成本账本的比拼。你账算不对，砸再多钱堆出来的参数，也没人买你的账。
剥掉光环之后的普通人机会
预训练的分工拆分，最大的受益者不是头部大厂，是产业链中下游的普通从业者。
放在三年前，你一个做垂直领域AI应用的小团队，想做一个自己的行业大模型，第一件事就是凑钱搞预训练，没有几千万根本启动不了。绝大多数传统行业的团队，手里有行业数据，懂行业需求，就是拿不出这么多钱砸预训练，只能看着蛋糕吃不到。
现在呢？几十万块钱就能拿到一个预训练好的70B通用基座，只需要把自己的行业数据灌进去做增量训练，一两个月就能上线产品。
我上个月见了一个五个人的小团队，原来做律所的知识管理，今年拿了预训练好的基座，只用了三个月就做出来了专门给离婚官司用的法律助手，现在已经铺了十几家律所试用，客单价一年两万，活得很舒服。换两年前，他们根本不可能凑得出几百万预训练的钱。
当然也有争议。很多人说，大家都不做底层预训练了，都用头部的基座，会不会未来被卡脖子？
我反倒觉得，这才是正常的产业分工。就像现在发电都是电网公司做，你开个工厂不需要自己建火电厂吧？大家都做自己擅长的事，效率才会更高。真正该淘汰的，是那些靠烧钱堆预训练参数讲故事，从来不算账的泡沫玩家，本来就该被洗掉。
现在越来越多的开发者，已经不用再花半年时间调预训练参数了，只需要把精力放在解决行业实际问题上。这才是大模型真正落地的开始啊。
不出三年，预训练就会从大模型厂商抢破头的核心护城河，变成无人争抢的公共基础设施。
对不对？
免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。如有侵权请联系删除。
文章名称：预训练不是技术问题，是算账问题
文章链接：https://www.lfdjt.com/info_23_16839.html
