Marek Kozlowski

波兰主权 AI 的核心是专业化，而不是与美国或中国的前沿实验室竞速。 Marek Kozlowski 希望打造波兰语或特定领域适配模型：规模小几个数量级，但在特定语言、文化或工作流内达到参数规模大10倍模型的效果。其价值在于本地控制、更低的推理与部署成本、可在本地运行，以及即便外国模型不可用或依法无法使用，仍保留技术能力。

随着厂商围绕核心工作负载优化，小语种获得的前沿模型支持可能恶化。 Kozlowski 表示，随着开发者将重点放在编程和其他优先市场，一些 Claude 和 GPT 版本在波兰语语言与文化评测上的表现持平甚至变差。对于深度集成模型的企业而言，这构成“巨大风险”：供应商可能改变优化目标，导致波兰语表现下滑，企业被迫回滚或迁移供应商。

数据稀缺与欧盟监管，比参数规模更能定义波兰的结构性劣势。 Kozlowski 估计，前沿模型训练数据中90%或更多是英语或中文，波兰语约占1%或更少；PLLuM 去重和过滤后保留约2000亿个波兰语 tokens，而他称一个80亿参数模型要从随机权重稳定训练，至少需要1万亿个 tokens。欧洲规则可能进一步扩大差距，因为合规限制“可能从潜在训练语料中剔除80%的数据”。

PLLuM 将人类创作的后训练数据视为差异化资产。 其内部工具支持几十到数百名标注员编写和编辑指令与偏好，合成材料也必须经过人工核验，因为“语言质量差”的指令会损害生成质量。项目还发布了近100页的训练方案、Hugging Face 样本，以及“开源不只是开放权重”的原则。

近期最强的经济性来自服务10个或20个工作流的窄域本地模型，而不是覆盖数千项任务的通用助手。 Kozlowski 表示，大约1000条特定任务指令就可能足够，更多则更好，可将小模型微调到与零样本或少样本调用的云端巨型模型相当、甚至更强。买方把16张 GPU、能源、隐私和运营控制纳入成本后，“最终总会走向下缩放”。

PLLuM 是公共基础设施，而不是传统意义上追求风险投资规模和市场份额的项目。 该项目由波兰数字事务部通过一个从6家扩展至8家研究所和大学的联盟资助，优先考虑法律合规、透明度、安全性、本地部署，以及面向公民和市政机构的助手，而非客户数量或短期 ROI。这里的主权意味着保留“构建模型的能力和可能性”，即便波兰模型略逊于全球领先者。

企业领域适配有很高的数据门槛，显著压缩了可服务客户的范围。 PLLuM 曾为 PKO 展示持续预训练；Kozlowski 称，中央和东欧最大银行要实现有用的适配，需要约100亿个清洗后 tokens，过滤前可能要达到300亿–400亿个。正如他直言，“拿到100亿个 tokens 没那么容易”，因此数据盘点、权限确认和整理是前置条件，而不是实施细节。

这套策略最终建立在一个仍有争议的前沿进展及成本曲线判断之上。 Kozlowski 将 GPT-5 相比 GPT-4 的表现视为改进日益“横向化”的证据，而 Nathan Labenz 反驳称，规模从10亿美元扩大到100亿美元的训练仍可能带来巨大跃升。Kozlowski 的回答以需求为中心：先定义业务任务并设定基准，因为他看到的大多数部署根本不需要前沿推理能力。

🔗 原始收听与视频来源： 波兰主权 AI：语言适配、本地控制与成本优势——Marek Kozlowski