AI正迎来范式转变？

过去，大家热衷于调用大型通用语言模型（LLM）API，但现在越来越多企业开始自主训练、优化并运行基于开源的小型、专业化模型。

近期多个信号印证这一趋势：

- Karpathy 推出 nanochat，几行代码即可训练模型

- Thinky Machines 推出微调产品

- vllm、sgl、Loras、trl等工具快速走红

- Hugging Face 90天内新增100万个代码库，甚至包括OpenAI首个开源LLM

- NVIDIA发布DGX Spark，强大到足以让每个人在家微调模型

这背后原因？除了强化学习（RL）和后训练成本下降，企业对数据隐私、模型透明度和业务定制的需求也推动了这波浪潮。

不过，也有人认为：

- 大多数普通用户依然依赖ChatGPT、Gemini等大厂通用模型

- 微调和自主训练还主要是资本雄厚企业的游戏

- 开源和闭源模型性能差距依然存在，但已趋于接近

- 专业化小模型未来更受欢迎，尤其在医疗、心理咨询等领域表现更优

趋势的核心在于：

“小而专”的模型能更好地贴合企业具体需求，降低成本，保护隐私，促进生态共建。

未来，AI将从“通用黑盒”走向“专属定制”，人人皆可拥有适合自己业务甚至个人的大模型。

这不仅仅是技术迭代，更是AI应用和商业模式的深刻变革。我们正进入一个“后训练时代”，数据质量、微调能力和工具链成熟，推动AI走向去中心化和多样化。

原推文：

x.com/ClementDelangue/status/1978113358772449379