观点认为高质量预训练数据需求会迫使大模型公司自建全网抓取与索引系统。
推荐理由：把高质量预训练、网页索引和代理检索连成一条链，点出大厂会沉淀低频版私有 Google；数据新鲜度和反 AEO 污染将成为模型实验室的基础设施壁垒。
阅读原文