一句话看懂：AI 从业者 Herman Jin（@ShanghaoJin）在 X 上提出，post train（后训练）的需求规模远超外界想象，是一个持续扩张、供不应求的大市场，并计划开 Zoom 会展开讨论。
事件核心：发生了什么
2026 年 9 月 25 日，Herman Jin 在 X 发帖称，自己近期做的一系列 AI 探索让他意识到“post train 需求有多惊人”。他把这描述为一个持续、扩张的大场景，并直言“海量公司需要，无法被满足”。他同时提醒不要把视野局限在推理、coding、2C agent，甚至只用 Anthropic 的 ARR 来衡量行业热度，认为这样的眼光过于狭窄。帖子获得约 40.3 万次浏览，他在评论区回应“今天晚上要出去吃饭，我周末找个时候”，暗示将另择时间开 Zoom 交流。
评论区的 waroy 分享了一线视角：团队一直在做 fine tuning（微调），认为这是打开更多需求的方式。他指出企业尚无法充分用 AI 降本增效，症结在于模型成本，而 post training 能让更小的模型完成更好更快的工作；JEV 之所以火，也是成本与速度双重驱动，并提到 Roboflow 在这条路线上做得不错。
为什么重要
当前行业讨论高度集中在推理侧价格战、coding 工具和 2C agent，Herman Jin 的观点把注意力拉回训练链条的后半段。post training（含 SFT、RLHF、微调、领域适配等）直接决定模型在具体业务里的可用性，且往往按客户、按场景反复发生，天然具备持续性和定制化属性。如果企业级需求真如他所言“供不应求”，那么市场机会可能不在少数几家基础模型公司，而在大量做垂直适配、数据治理和工具链的服务商与开源生态里。这也与“更小模型 + 更好 post train”降低推理成本的路径相呼应。
对用户/开发者/创作者的影响
对开发者而言，信号是技能重心可能从“调用推理 API”向“数据构建、微调与评估流水线”迁移，掌握 fine tuning、偏好数据、评测集设计的团队更容易接到企业需求。对企业采购方，值得重新评估“直接用大模型 API”与“用小模型 + 后训练”的成本结构，后者在延迟、单价和数据可控性上可能更有优势。对创作者和产品团队，这意味着差异化未必来自模型本身，而来自对特定场景数据与后训练流程的把握。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Herman Jin 是否真的开成 Zoom 会，并披露具体需求案例或数据；二是“海量公司需求无法被满足”这一判断是否有更可核查的样本支撑，目前公开信息显示仍属个人观察；三是工具链侧是否出现更多像 Roboflow 这样的公司，以及开源与闭源方案在 post train 环节的竞争如何演变。
来源：@ShanghaoJin
