BAT 集体重做「AI 预训练」，补「脏数据」的坑

📋总体概括

近半年国内多家头部AI模型厂商（BAT等）密集启动预训练返工，核心原因指向训练数据质量问题。有厂商此前花一年死磕万亿参数大模型，落地表现却被市面上仅1%规模的小模型倒挂，排查后发现是脏数据拖了后腿。这场集体重做预训练的浪潮，暴露出国内大模型行业从拼参数规模转向拼数据质量的拐点，数据清洗与治理能力正取代算力成为新的竞争壁垒。