人工智能公开文本禁止当已经用不完。2026年存量耗尽窗口必须单列。芯片不是唯一闸。高质量人类公开文本有限，按现在吃法，窗口大约落在本十年前半到前中。合成数据、多模态补量必须另开一列，不能写成已经填上缺口。过训会更早把字吃完。方案作废。

人工智能数据痛点在把「网上还有很多字」写成「训练永远不缺字」

扩规模一直靠更多参数、更多字。建设者该把「有效公开文本存量」写成硬规格。管数据的人，该拒收只有芯片采购、没有文本台账的材料。

两处只有对着存量才清楚。其一，头牌系统主要吃互联网上人类写出来的字。字不是无限的。有效、够质量、还能拿来训的公开文本，大约在十万亿到一百万亿字这个量级，中位落在三十万亿字附近，并且已经把多轮重复训练算进去。按数据集历史增速，或按训练算力对应需要的字量往外推，吃完的窗口大约在二零二六到三二年。按算力最优配比，能撑到大约二零二八年那一档；若继续少参数、多字的过训，窗口会更早关上。其二，索引网页大约五十万亿独特字，到三十年底大概再增一半；图、视频、音频可能把可用量再抬几倍，但要打质量折扣，不能按全文入账。合成数据不是已经填上缺口，必须能核：来源、重复、污染、是否还在吃同一批公开文本。周报必须分列：有效存量、今年吃掉多少、窗口、合成是否可核。只有「网上还很多」，方案作废。

操作上再钉三件事。第一，耗尽窗口必须单列到年和季度。第二，合成和多模态不得写成已经无限供应。第三，过训必须单独算字账。建设者该把「本周有几次把网页总量写成已经用不完」写进例会。管训练的人，该拒收没有文本台账的扩参计划。

人工智能文本闸2026五步：禁已经用不完、禁无限供应、禁只缺芯片不缺字、禁合成已填缺口、禁多模态当用不完

1. 公开文本禁止当已经用不完。存量耗尽窗口必须单列。
2. 人类公开文本禁止当已经无限供应。耗尽年份必须分列。
3. 训练数据禁止当已经只缺芯片不缺字。文本存量必须单列。
4. 合成数据禁止当已经填上公开文本缺口。替代必须可核。
5. 多模态补量禁止当已经等于文本用不完。质量折扣必须核。

上表对应「存量耗尽窗口必须单列核」。分列的价值是让「网上还很多」进事故表，不是反对用公开文本。

现场还要防口号替换验收。把「数据不是问题」写成周报，不等于窗口已经画上。若只能改一处：先把耗尽年份写进计划，空着不准报已经用不完。

结论：人工智能扩训要以公开文本窗口为准，不要把网页总量写成永远够吃

有字不是用不完。仍拿互联网交差，数据评审会先拒绝你。

你下次报扩训，先写出有效存量、今年消耗、窗口、合成是否可核；四格空着，已经用不完五字先不要进材料。

现场还要防口号替换验收。把「研究报告说能扩、斜率还在、文本还多、禁运已经挡住、算法更省所以少花钱」写成周报，不等于四道闸对照齐了、提前期写进订单、耗尽窗口单列了、转口差额复验了、效率按加量核了。周报可以写，门禁必须绑在对照表和分列指标上。缺对照表的方案，一律按未完成处理，不能进月报。

若只能改一处：先把「趋势图看起来还能翻」从唯一成功标准里拿掉。演示可以记，供电批复没有、封装产能对不上、公开文本窗口空着、转口差额没核、效率省下来又加码五件跟不上就算事故。事故要写负责人、复验日期和作废条件，不许用「下期优化」搪塞。

落地时把指标钉在周会上：电力芯片数据延迟四列、提前期、文本存量、转口当量、算力开支。哪一格空着，哪一项不准对外说已经上线。空格超过两周仍空，项目暂停扩面。

现场还要防口号替换验收。把「研究报告说能扩、斜率还在、文本还多、禁运已经挡住、算法更省所以少花钱」写成周报，不等于四道闸对照齐了、提前期写进订单、耗尽窗口单列了、转口差额复验了、效率按加量核了。周报可以写，门禁必须绑在对照表和分列指标上。缺对照表的方案，一律按未完成处理，不能进月报。

若只能改一处：先把「趋势图看起来还能翻」从唯一成功标准里拿掉。演示可以记，供电批复没有、封装产能对不上、公开文本窗口空着、转口差额没核、效率省下来又加码五件跟不上就算事故。事故要写负责人、复验日期和作废条件，不许用「下期优化」搪塞。

落地时把指标钉在周会上：电力芯片数据延迟四列、提前期、文本存量、转口当量、算力开支。哪一格空着，哪一项不准对外说已经上线。空格超过两周仍空，项目暂停扩面。

本文侧重全链路风控方法论。落地时请用自身业务单据做回放验证，不要把示例阈值直接当生产策略。 相关：风控体检 · 方案资源