** 為什麼要談基礎建材？**
在軟體開發裡，我們常說「工欲善其事，必先利其器」。
生成式 AI 看似神奇，但它其實建立在三塊基礎建材之上：語料庫、算力、框架。
少了任何一塊，模型都不可能有今天的表現。

一、語料庫：知識的原料
語言模型的「智慧」來自資料。

• 早期：模型依靠 Wikipedia、新聞、論壇。
• 後來：規模擴大到數兆個字的語料，甚至包含程式碼、學術論文。

我第一次嘗試自己訓練小模型時，資料只有幾萬筆客服紀錄，結果模型學出來的回答就像一個「失憶的客服人員」，語言通順，但知識有限。
這讓我深刻體會：
👉 沒有足夠、乾淨、多樣的資料，再強的架構都派不上用場。

** 二、算力：燒錢的引擎**
有了資料，還需要龐大的算力。
GPU / TPU 是主力，能加速矩陣運算。
訓練成本：訓練 GPT-3 級別模型，據估計需要數千張 GPU、幾週時間，花費上千萬美元。

我自己最接近這塊的經驗，是用幾張租來的雲端 GPU 訓練小模型。短短三天，帳單就逼近一個月薪水。
那時候我才明白：訓練大模型不是技術問題，而是「錢包問題」。

三、框架：讓模型跑起來的骨架
最後，開發者需要一個框架，把資料與算力串起來。

• TensorFlow / PyTorch：研究界與產業界的主流。
• Hugging Face Transformers：把大模型開發帶入「NPM 套件化」的時代，下載即可用。
• 新興工具：像 vLLM、DeepSpeed，專注於效能與推理速度。

我印象很深的一次，是第一次用 Hugging Face 下載 BERT 模型。不到五行程式碼，模型就能開始推理。這種體驗差不多就是 AI 開發的「Hello World」時刻。

** 四、三者的關係**
如果要用一個比喻：

• 語料庫是「食材」
• 算力是「火力」
• 框架是「廚房」

只有三者齊備，才能端出一道真正能吃的菜。
缺資料，就算火力再強也是空煮；缺算力，食材再多也煮不熟；缺框架，就算有廚房與食材，也沒有辦法組合成菜色。

結語
生成式 AI 的魔法，其實只是這三塊基礎建材的結果。
理解它們，能幫助我們看清楚：
AI 不是魔術，而是工程。

這樣，我們在談論模型的時候，就能更務實地回答：
「它需要多少資料？」
「跑得動嗎？」
「用什麼框架才最適合？」

當我們開始問這些問題時，才算真的踏進 AI 開發的大門。