👀 非常有趣…. • 模型評估：50% • 數據清理與組織：40% • 系統整合：8% • 模型訓練：2% 重點不在於訓練不重要，而在於大多數人嚴重低估了數據和評估的重要性。 在與開發 AI 相機、機器人和邊緣 AI 系統的創始人合作時，我們也見過同樣的情況。 團隊經常花數週時間爭論該使用哪個模型，卻花很少時間定義成功標準、改善標註或理解失敗案例。 更好的模型只能帶來漸進式提升，但更好的反饋迴路卻能改變整個產品的發展軌跡。 隨著基礎模型變得越來越容易取得，真正的護城河可能不在於模型本身，而在於數據的品質以及評估時的嚴謹性。