BAT 集体重做「AI 预训练」，补「脏数据」的坑

📋总体概括

近大半年，国内多家头部AI模型厂商（BAT为代表）密集启动「预训练返工」，核心原因直指训练数据质量不足。部分厂商曾花一年时间死磕万亿参数大模型，落地效果反而被市面上规模仅其1%的小模型倒挂，复盘后确认是脏数据拖累。这场集体返工说明：参数军备竞赛告一段落，数据清洗与治理成为决定模型真实能力的关键变量，中国大模型的竞争重心正从堆算力、堆参数转向补数据基本功。