企业私域AI训练与真实算力需求
评估企业级持续后训练与落地对芯片周期及算力的实际消耗
3个信源 · ↑4.5×参与该主题的先锋
全部段落
10月27日
10月24日
10月19日
10月18日
9月29日
- Shanghao Jin 金尚浩的核心判断是，市场把 AI token demand 错算成若干可枚举场景的总和，而企业真正上线前必须持续 post-train，因此算力需求被系统性低估。 空头用“1 万亿 IT 支出 × 30% 被 coding agent 替代＝3000 亿美元”来封顶需求，但他的实测结论是：“挂知识库和直接使用模型，并不是一回事。”企业要把私有数据标注、评估、训入模型，并随着新业务数据反复重训。
- 通用模型在企业私域里仍是“一个大鹦鹉”，真正值钱的是各公司独有且不断更新的数据闭环。 网络小说、教培、客服、销售、医药和跨境电商的共同点，是成功与失败记录不公开、同行间也不互通；最终服务模型可以很小，但 teacher model、数据标注和持续 post-train 仍会消耗高阶模型与大量算力。“公开能找到的数据只有 10%”之外，企业过去积累的大部分经营数据尚 …
