#AI
Fireworks CEO：找回 PMF 后先做后训练
Fireworks AI CEO 兼联合创始人 Lin Qiao 在红杉资本的分享中，把「后训练」重新定位成 AI 产品在**找到 PMF 之后**几乎绕不开的一门必修课。她的核心判断是：当任何人都能快速复刻界面和功能时，真正的壁垒从「做出产品」转向「拥有自己的智能」——即把对客户的理解、判断与品味写进模型。
她给出的更具体主张是，后训练同时解决差异化和成本问题：既能把企业独有的数据编码进模型，也可能把推理成本降到原来的**五分之一到十分之一**。她还预测未来不会只有少数几个通用大模型，而可能出现数百万个针对法律、医疗、金融、招聘、销售等垂直场景的专业模型。
💡 为什么值得看后训练成为产品规模化必修课，成本可降 5-10 倍。
查证
来源档案
腾讯新闻
媒体访谈编译稿，编译自 Fireworks AI CEO Lin Qiao 在红杉资本的英文演讲视频。
单源编译稿，内容为 CEO 本人主题演讲观点转述，观点本身可信，但属于其公司立场（Fireworks 正出售后训练与推理基础设施），数字（成本降 5-10 倍）未经独立验证。
延伸阅读
她逐级拆解了从提示词、RAG 到 SFT、偏好优化、RL、蒸馏的路线，哪种问题该用哪种技术，适合产品团队对照自己的阶段。
她以 Cursor、Doximity、Factory 为例说明开放模型之上做后训练的实际路径与基准表现，对想复制这条路线的团队有参考价值。