OpenAI重启10万亿参数预训练，高质量语料成AI新瓶颈

2026年8月，大模型行业进入新一轮技术博弈期。OpenAI代号Astra的GPT-6模型因安全问题紧急暂缓后，仅隔三天便启动代号Doug的新一轮大规模预训练，参数规模约10万亿，预计最迟2026年11月前推出。与此同时，高质量训练数据短缺，正取代算力成为行业新的结构性瓶颈。

Astra暂缓与Doug重启：三天之内的转向

据长期跟踪OpenAI动态的业界爆料，GPT-6代号Astra，参数规模约10万亿，原计划2026年8月发布，发布前因安全团队对模型能力担忧而紧急暂缓。8月10日，距Astra暂缓仅三天，OpenAI便启动代号Doug的新一轮大规模预训练。

GPT-4参数约1.8万亿，GPT-6的10万亿参数在数量级上完成跃升，较GPT-4翻超五倍。值得关注的是，OpenAI近两年的能力增长主要依靠后训练、强化学习和推理时计算（test-time compute）推动，Doug项目的启动标志着大型预训练的重启。

参数跃升背后的工程挑战

参数增长带来的逻辑推理和泛化能力提升，需要在安全对齐和推理效率之间寻找新的平衡点。10万亿参数并非简单的规模放大，而涉及训练框架、数据管道和算力调度的全面升级。在Astra暂缓后三天即启动Doug，也反映出OpenAI与Anthropic竞争的时间压力。

高质量语料：被忽视的新瓶颈

随着可合法获取的高质量文本、代码、多模态数据逐渐见顶，高质量训练数据短缺成为行业新瓶颈。出版与新闻企业正加速向AI语料供应商转型，把自身合规内容资产打包成训练数据 sourcing。这意味着AI产业链的竞争，正从「谁有更多GPU」延伸到「谁掌握更干净、更稀缺的语料」。

需求侧仍在爆发：周调用量达69万亿Token

据2026年8月11日AIGC日报数据，全球AI大模型周调用量已达69万亿Token，中国模型包揽周调用量前四名。应用侧的持续放量，反过来加剧了对训练与推理两端资源的争夺。阿里千问开放平台已上线，支持手机、PC、眼镜三端接入；Meta开源Muse Glimmer，英伟达也推出开源端到端语音对话模型，大模型竞争从能力比拼进入生态竞争阶段。

FAQ

Q1：Astra和Doug是什么关系？

Astra是GPT-6的原代号，原计划2026年8月发布，因安全团队对模型能力担忧而暂缓；Doug是Astra暂缓三天后启动的新一轮大规模预训练项目代号，目标仍是推进下一代约10万亿参数模型。

Q2：为什么高质量语料会成为瓶颈？

可合法获取的高质量文本、代码与多模态数据逐渐见顶，而模型参数与训练规模持续放大，数据供需缺口扩大，推动出版与新闻企业向AI语料供应商转型，语料成为继算力之后的关键稀缺资源。

Q3：OpenAI近年的能力提升主要靠什么？

主要依靠后训练、强化学习和推理时计算（test-time compute），而非单纯扩大预训练规模。Doug项目标志着在暂缓Astra后，大型预训练路线被重新启动。

Q4：这对创业公司有什么影响？

算力与语料双重稀缺抬高了基础模型创业门槛，但也催生了语料清洗标注、合规数据 sourcing、推理优化与垂直小模型等工具链机会，应用层创业者可更多借助开源与云推理降本。