我们这期聊到了一件很具体的事：一个人，一间不让猫进去的房间，里面堆着几十块从拼多多淘来的二手硬盘。这是语丝做大模型多模态数据的日常现场。 从这个细节往外看，你会发现这个行业比你以为的更 "物理"——TB 级的视频数据，最快的传输方案是 "拿着硬盘走过去"；文本模型的预训练已经基本收尾，卡点转移到了人类专家才能回答的那些极限难题上；而模型训练最稀缺的资源，已经不是算力，是认知。 但这期真正想聊的，不只是数据工程。语丝做大模型数据已经五年，从来没有 "决定" 过要创业 —— 是客户一个一个推着她走到今天。一人公司，不是她...