点击上方蓝色字「大全Prompter」>右上角...>设为星标
大家好，我是大全，90 后宝爸，BAT 大厂架构师，专注于输出 AI 入门 + AI 提示词内容，全国最大 AI 俱乐部教练，关注我一起进步。
最近，国内很多大厂都推出了自己的大模型，比如百度的ERNIE和讯飞的模型，
但这些“首发”的模型表现不如人意，反而是一些新晋选手，比如KIMI、豆包等初创公司的模型更受欢迎。
到底是怎么回事？大全来和大家聊聊其中的几个原因。
1. 数据质量：大厂“多”，不一定“好”
大厂有海量数据资源，看起来优势明显，但这些数据不全是优质的。
要想训练出好的大模型，需要是“精心挑选和处理”过的数据，而不是随便堆一堆数据。
大厂的资源是多，但数据处理这块，未必比得上那些专注于小而精的初创公司。
KIMI和豆包的团队在数据选择上就特别的用心，靠着优质数据，模型效果自然会更好。
2. 算力：有钱有设备，但不一定效率高
大厂硬件资源确实强，动不动就是一堆GPU和TPU，训练速度快。
但资源多并不代表效率高，分布式训练、算法优化这些并不是靠硬件堆就行。
反而是初创公司在资源紧张的情况下，往往会用更聪明的方法提升效率，最大化利用每一分算力。
像KIMI和豆包团队，小而精，更懂得资源的高效使用。
3. 算法策略：大厂急着上线，初创公司细水长流
大厂急着“抢跑”，就像百度，最早版本的ERNIE是基于BERT的架构改的，后来ChatGPT火了，又得重新来。
这样的策略短时间内能跟上节奏，但少了很多创新优化。
KIMI等初创公司不着急，他们在长文本处理上做了很多优化，算法上更精细，效果自然比那些追求“先出活”的大厂好。
4. 团队文化：大厂复杂，初创公司一条心
大厂内部复杂，部门多、利益纠葛多，研发效率往往打折扣。而初创公司更简单直接，团队目标一致，沟通顺畅，执行力更强。
KIMI和豆包的团队靠这种“心往一处想，劲往一处使”的精神，能更快更好的迭代优化模型，打磨出更优的产品。
所以，说到底，大模型的竞争不只是比资源和钱，更是比谁更懂得如何用好这些资源。
大厂有它们的优势，但也有不少掣肘，初创公司凭着“专注、敏捷、高效”风格，在这场比赛中脱颖而出。
对啦，大全之前写了一篇阅读达6万的 kimi 详细使用教程，大家也可以看看：
AI工具：别再只会对话聊天，9 个 Kimi 高阶用法，80%的人都不知道！
AI 提示词：Kimi 一键生成万字长文？90%的人都没用过！
老规矩，学废了点个赞或在看呀～
