近年来，人工智能（AI）领域经历了重大的变革，尤其是在生成式AI的推动下，越来越多的企业和投资者涌入这个迅速发展的市场。初期的亢奋情绪促使各大公司争相推出具有高算力的大模型，但随着时间的推移，市场开始逐渐冷静，务实成为新趋势。
通用大模型的兴起
在AI发展的早期阶段，创投圈对生成式AI的热情空前高涨，许多科技公司投入巨资，致力于开发比以往更强大的模型。其中，以ChatGPT为代表的通用大模型展现了强大的算力，极大地提升了自然语言处理的能力。这些大模型通常需要庞大的计算资源支持，训练时依赖“万亿参数”的规模，使得性能趋于巅峰。
例如，英伟达凭借强大的Blackwell GPU芯片，成为了AI算力市场的领导者，2024年6月市值突破3.3万亿美元，超越了微软与苹果，成为全球市值最高的公司之一。这一现象不仅显示了AI技术的力量，也突显了其对计算资源的极高需求。
高昂的成本与资源消耗
虽然大模型代表了AI的技术巅峰，但其高昂的部署和运行成本却成为行业面临的重要挑战。随着模型体积的增加，计算资源、存储资源以及能源消耗的需求也水涨船高。这要求企业在投资时必须谨慎，考量未来能否实现投资回报。
数据显示，自2024年初以来，国内AI领域的融资案例大幅减少，融资金额约为2023年的80%。显然，务实的思维逐渐占据上风，投资者更加关注投入的效益和回报。
模型降价潮与新技术的兴起
随着市场的转变，国内模型厂商开始出现降价潮，以争夺市场份额。同时，技术创新也为行业带来新的契机。例如，一些公司通过在推理阶段引入强化学习和思维链等新技术，提升了模型在推理端的能力。这一变化促使行业从单纯的参数竞争，转向更加注重逻辑学习和知识计算推理的新路径，尤其是在金融、医疗和教育等高信息密度领域。
华为在2023年7月发布的盘古大模型3.0版之后，其5.0版加入了更多行业应用，展现了其从“通用”向“有用”转变的能力。这种模式的变化不仅提高了模型的适用性，也能更好地满足行业特定需求。
小模型崛起：经济与效率的结合
与此同时，小模型的迅速崛起为行业带来了新的活力。这些小规模模型在保持与大模型相当甚至更优性能的同时，显著降低了成本和资源消耗。例如，阿里巴巴推出的Qwen-7B模型，在一次基准测试中展现出超强的得分，而小规模的Qwen1.5-7B的得分更是提升了一倍多。这表明，通过改进训练方法和使用更高质量的数据，小模型同样能够达到卓越的性能。
此外，vivo推出的蓝心端侧模型与微软的Phi系列模型，均在性能和功耗方面进行了优化，展现出小模型在实际应用中的独特优势。英伟达的Minitron小语言模型也是在保持性能的前提下降低了模型规模。
大小模型的协作未来
值得注意的是，AI的未来并不是“大小模型”的简单竞争，而是二者的协作关系。普遍的做法是，先训练出具备强大能力的通用大模型，然后通过筛选数据训练出小模型，从而以更低的成本实现与大模型相媲美的应用效果。这种逐步优化的策略，不仅提高了效率，也降低了资源的消耗。
综上所述，人工智能模型的发展呈现出从大型化到小型化的趋势。这一转变不仅是技术进步的体现，也是市场需求变化的反映。随着大小模型各自的优势被充分发挥，AI行业将迎来更加多元化和务实的发展未来。
发表评论 取消回复