猜你想问
方正焦娟大模型13讲主要讲了什么内容？
该报告深入分析了大模型能力形成的核心要素，指出算力、数据、算法、工程、反馈五项要素构成闭环生产链。报告详细阐述了有效算力的重要性，包括集群利用率、训练周期、单位训练成本等关键指标；强调了数据从原材料到能力原料的升级过程，预训练、后训练及反馈数据对模型能力的影响；探讨了算法在算力与数据转化效率中的作用，以及全模态技术突破可能带来的模型差异拉大。此外，报告还梳理了大模型完整生产链条，从数据采集到模型迭代，突出了数据飞轮驱动的重要性。
大模型赛道未来发展趋势如何？
大模型赛道呈现显著的技术迭代特征，未来发展趋势将围绕算力效率提升、数据质量优化、算法创新突破展开。算力方面，集群利用率与单位训练成本将成为关键竞争指标；数据方面，高质量、高抑制性、高密度的数据价值凸显，反馈数据驱动模型进化成为重要方向；算法方面，基座算法与后训练算法协同发展，全模态技术突破可能带来新的能力组合。AI时代与互联网时代运行特征差异明显，高质量成果将获得更多奖励，能力迭代周期决定领先窗口，预计2027年年中行业格局将初步形成。
报告重点分析了哪些方向？
报告重点分析了算力、数据、算法、工程、反馈五项要素如何协同决定大模型能力，并构建了完整的大模型生产链条。在算力方面，报告区分了名义GPU与有效算力，提出关注集群利用率等关键指标；在数据方面，强调了预训练、后训练及反馈数据对模型能力塑造的作用；在算法方面，探讨了基座算法与后训练算法对能力空间与组合的影响；在工程方面，突出了部署API/产品与回收反馈的重要性；在反馈方面，强调了高价值反馈驱动数据飞轮的关键作用。
当前大模型市场处于什么阶段？
当前大模型市场处于快速发展但尚未成熟的阶段，呈现出技术快速迭代、竞争格局逐步形成的特征。算力投入持续增加，但算力效率与数据质量成为新的竞争焦点；数据要素价值日益凸显，高质量数据获取与处理能力成为关键；算法创新不断涌现，全模态技术突破可能带来新的能力跃迁。AI时代与互联网时代运行特征存在显著差异，行业正逐步从高配输入端向谨慎决策过渡，预计2027年年中可能初步形成行业格局。
报告提示了哪些风险？
报告提示了大模型发展面临的多重风险。首先，合成数据的复用比例与投资价值尚需进一步观察与评估；其次，第三方测评机构的商业化落地路径存在不确定性，可能影响市场评价体系的完善；此外，大模型收费转化率受全模态技术突破进度影响较大，技术突破的快慢可能直接关系到商业化进程的效率。这些风险需持续跟踪，以便及时调整策略。