当前，大模型技术正在从“拼训练”转向“拼落地”。过去几年，行业主要靠扩大参数规模来提升能力，从GPT-3到国内多款千亿级模型相继出现，算力和数据规模不断被推到新高。但随着模型体量逼近工程与资源的上限，继续堆参数的收益明显变小。香港大学黄超教授指出，在闭源模式下，技术集中带来的垄断问题更突出，也在一定程度上压缩了创新空间。
从“训练驱动”到“推理驱动”——不只是技术路线的切换——也意味着产业组织方式在重构；大模型要走向广泛可用，关键在于把能力沉到系统里，把效率落实到工程上，把安全纳入全流程。面向智能体协作的下一站，谁能在开放生态中搭建稳定可靠的“模型+环境”体系，谁就更有机会抓住新一轮技术跃迁带来的窗口期。