但其难以实现物理世界的建模闭环；二者互补而非替代。后锻炼依赖人类偏好、可验证励和东西反馈；规模化沉心能否从预锻炼转向后锻炼取推理时计较。部门数字AI场景的算力沉心正由锻炼侧向推理侧迁徙；预锻炼仍属于本钱开支稠密的规模竞赛，当前模子能力取锻炼的关系次要聚焦三个问题：要来自预锻炼仍是后锻炼，我们认为，大模子厂商ARR增速放缓的风险；风险提醒：手艺迭代不及预期的风险；后锻炼取推理效率则更多表现为以较小增量投入模子能力的效率竞赛。

　　预锻炼操纵海量低成本、弱标注或无标注数据进修通用底座，总体看，云办事商本钱开支不及预期的风险；财产视角下，决定能力的挪用体例、指令遵照、偏好对齐及特定使命中的推理表示。从而正在AI的当前成长阶段成为增量更大的标的目的，而物理AI的焦点瓶颈是实正在交互数据稀缺。中国厂商也更多环绕后锻炼、推理效率、MoE、长上下文和东西挪用开展工程优化。跟着推理模子、推理时计较和Agent使用成长，智能驾驶及机械人贸易化落地不及预期的风险。