在小公司可以做大模型吗？心得经验分享

关注

原创最新推荐文章于 2026-04-15 11:52:45 发布 1.5k 阅读 AI 写同款· GEO 优化 ›

【GPT】Coze使用开放平台接口-【7】Dify 比较篇 coze 用于社交，dify 用来内部构建。抛开工作流，机器人，工具，coze 最大的区别在于可以直接发布到社交媒体上。所以，coze 对操作体验上也花了不少功夫，而 dify 就专注在帮助使用者打磨工作流。coze 各个大模块之前可以联动的机制也比较多，所以侧重点各不相同。阅读详情

导读

继ChatGPT发布以来，各种大模型相继问世。近日Sora也突然走入大众的视野。那么做模型是否只有OpenAI这种巨头公司才能做呢，答案是否定的。在小公司做大模型，是可以的。本文作者结合切身经历，回答了如何在小公司做大模型。

在小公司做大模型，这个事情是可以的。

笔者在小公司，做了一年多的大模型。先列一下成绩单：

开源了目前业界可能是分类较完整（50类）、数量较大（1100+万）的SFT数据集：匠数科技大模型sft数据集[1]
通过SFT、DPO、RLHF等技术训练了领域写作模型。实测下来，在该领域写作上，强于国内大多数的闭源模型。

如何在小公司做大模型，笔者总结，有如下几点：

1、至少要有基础的硬件条件。

如果双卡3090都没有，那是比较难的。实在没有，可以说服老板，租机器训练。

2、要有选择跟进模型训练、部署的最新进展，选主流、走大道。

技术迭代太快，人力有限的情况下，不可能什么都跟进的。比如部署，市面上的部署方案很多了，但是主流的就是vllm，所以，集中精力将vllm搞懂用好，就够了，其他的可以了解，但不用重点关注。

再比如各种训练技术，经过验证好用的也就是那么几个。看起来过于旁门左道的论文，可以先放放，让子弹飞一会儿再说。提一点，DPO确实是小公司对齐训练的福音。

3、要坚持开放交流，多加群。

围绕llm，有很多社群，也有很多活动，可以选择性参加，但是切记切记，不要过分沉溺其中，以为这样就能紧跟时代前沿，掌握最新趋势了。假装学到很多，是很有害滴。记得前段时间不是有个什么架构，号称取代transformer吗？铺天盖地的宣传，笔者当时也听了作者的线上分享。现在呢？自己连个像样的模型都没搞出来。纯纯浪费太多精力。相信时间会证明一切。

4、要针对业务场景解决问题，不要陷入llm崇拜。

这种现象典型的就是不是llm的工作就提不起神，不想做。实话实说，这是病，得治。笔者根据业务问题需求，开源的cutword[2]，就是为了替代jieba的新一代分词工具，同时，ner类型和效果都是目前开源中一流的，也收获了大家的认可。

解决问题才是关键。不能有了llm这个锤子，看什么都是钉子。具体问题具体分析的能力很重要。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述