为啥那些火得快的大模型公司，最终跑得比哪位都快 膝盖碎了，还得持续跑三公里 最近 Anita 被裁员的时候，我还在工位上擦键盘。

那时候她手抖得能搓出火星子，明明那个大模型是昨天刚买的，结局公司一看就要了。

这画面忒美我不敢看，但确实形成过了。 那会儿我也当作，只要模型了得，就能当个 CEO。结局后来才明白，大厂里跑大模型的条件，跟去便利店取快递简直没两样。 说确实，为啥那些号称“无限算力”的公司，最终都卷起来了？ 实际上没那么高科技，也没那么难。 硬件焦虑像滚雪球 去年夏天，科研界有个小插曲。清华团队出了一款新模型，参数 70 亿，号称能懂我，还能跟任何人聊天。

当时全网都在聊聊。结局转头，各大厂商的算力账单直接报警。 硬件这东西，不是你想买就买，是你得排队等。 别说芯片了，显卡都要打爆库存。联想、戴尔、华硕，这些原本只卖电脑的老友，突然就成了“大模型 GPU 供应商”。它们的日子不好过，出于大模型不是拿来就用的，得配环境。 环境配不好，模型就跑不出门。 那会儿你下载个模型就能跑，目前是得先搞定硬件，再配软件，最终还得调参数。

这中间一口气得喘几百次。 我有个哥们儿，一启动在搞大模型，想着只要算法好就行。结局硬件配好后，发现环境配置忒费事，参数调多了跑不动，调少了效果又差点。最终他拉倒了，转而去做更好办的模型。 为啥？出于目前不是哪位都能造出好配环境的机器。 利润被切得只剩骨头 大家可能都明白，大模型是个烧钱的大生意。 训练一个模型，费钱、花工夫、还费电。

要是是小公司，自然不中。但真正的大公司，钱那是赚不完的。 故此，目前一家公司的资本，大量都堆在大模型上了。 但这笔钱花出去，能不能收回来？ 这还得看模型能用多少钱。 目前大模型的边际成本实际上挺低，特别是开源了之后，大家都能用。可那些闭源模型呢？ 他们不能开源，故此卖给别人，就得按量收费。

这就害得一家公司卖模型，人家就付钱；你要是高价卖，人家认定亏；你能够低价卖，人家也不愿抢。 便，公司想多卖，但客户也不敢买，出于怕你认定贵。 这种“卖得出去还是卖不出去”的买卖，让大公司的现金流变得挺脆弱。 那会儿公司还能靠融资续命，目前银行给大模型贷款挺难。一旦模型没热度，要么卖不出去，资金链一断，老板就得想别的工作。 就像那会儿开厂一样，目前开大模型厂，没爆款产品，资金链一断，厂子就得关门。可要是关门了，老板能去干别的工作吗？ 人才像大海捞针 还有一个缘由，是人。 那会儿招人，看简历就行，面试问几句就能定。目前招大模型人才，难度不降反升。 出于大模型不是单纯的技术，它是工程、算法、数据、硬件、商业全结合。 一面招不到的，有时候还要再面三遍。面试时问“为啥选这个项目”，答“出于认定它有意思”的项目，赶明儿老板不乐意了。 想要有大模型技术，得与此同时懂算法、懂工程、懂数据，还有懂如何卖。 这种人才忒难找，忒难培养。 先不说目前招聘难，就是看简历，那个工作岗位上的大模型工程师，往往得有三段硕士加三年项目经验。

要是简历上没这几个，直接被刷了。 并且，目前的技术迭代忒快，昨天火的今天就过时了。 你上一波模型火，下个月就过期。公司得随时预备着招人，随时预备着淘汰。 这节奏，对大多数非核心企业的老板来说，确实有点难。 结论：别做那个没运气的人 故此，总结一下。 大厂卷大模型，不是出于技术特别难，而是出于成本忒高，利润忒薄，人才忒难找。 对于非大厂的人来说，做这个确实有门槛，有成本，有风险。 但这不代表大模型不好，也不代表它没价值。 只是，目前的市场环境，让做这个变得真难。 要是你没背景，没资源，也没那几百万的启动资金，大约率是跑不动的。 但这不是说你不能做。 AI 只是工具。你能够用它来写代码、做设计、搞管理。 关键是，你得看清自己能走到哪一步。 别等膝盖彻底断了，才想起要步行。 毕竟，能跑起来的，总比那些原地不动的好。 （完）