近半年来，国内多家头部AI模型厂商陆续启动预训练“返工”。

有厂商万亿参数模型因网页垃圾、重复语料、标注规则不清及评测集污染，实际表现甚至不及其1%规模的小模型，前期算力和人力投入被大量消耗。

业内人士认为，大模型竞争正从追求参数和数据规模，转向信息密度、语料质量及数据治理能力。随着优质预训练语料、专家数据和智能体长程轨迹日益稀缺，建立贯通数据获取、清洗、评测与训练的合规闭环，将成为AI企业构筑长期竞争力的关键。