AI仍是硅谷话题，但热度稍减，训练算力需求放缓，谷歌Gemini下一代模型训练两次失败，GPT-5延期，LLM层面增大模型有难度，存在模型收敛和数据瓶颈问题。

🎯AI在硅谷的热度不如去年，scaling速度放缓，训练算力需求的减缓需警惕。如谷歌内部训练Gemini下一代模型时两次失败，导致类似情况的GPT-5也延期发布。

💡LLM层面把模型做大难度较大，原因之一是MOE后post-training效果不佳，模型难以收敛，这给模型的进一步发展带来阻碍。

📊数据是瓶颈，合成数据质量比网上搜的数据质量差不少，这限制了模型的优化和提升，成为AI发展的一个重要问题。

1、 大模型：AI仍是硅谷唯一的话题，但是没有去年那么狂热了，主要是scaling的速度有所放缓（警惕对于训练算力的需求放缓），大约3-4周前谷歌内部训练Gemini下一代模型（比上一代大10倍，类似GPT-5）时2次都失败了。这也解释了为什么GPT-5延期发布。硅谷目前认为LLM层面再把模型做大难度较大，原因在于： a) MOE后post-training效果不太好，模型没有收敛 b) 数据是瓶颈，合成数据质量比网上搜的数据质量差了不少 2、 不排除GPT-5继续延期，OpenAI下一步精力是