全球諸多科技公司已經砸下數(shù)百億美元來構建各種大型語言模型，為生成式人工智能產品提供動力，而如今，這些公司開始寄望于一種推動收入增長的新方式——小型語言模型。
小型語言模型的參數(shù)相較于大型語言模型少很多，但仍然具有強大的功能。微軟、Meta和谷歌近期都發(fā)布了新的人工智能小參數(shù)模型。
通常來說，參數(shù)的數(shù)量越多，人工智能軟件的性能就越好，它所能執(zhí)行的任務就越復雜和巧妙。上周，OpenAI公司新宣布的最新模型GPT-4o和谷歌的Gemini 1.5 Pro估計擁有超過1萬億參數(shù)，而Meta的開源Llama模型約有4000億參數(shù)。
不過，運行大型語言模型所需的計算能力龐大，也就意味著成本高昂。除了難以說服一些企業(yè)客戶支付大筆運營費用外，數(shù)據(jù)和版權問題也成了人工智能產品使用的阻礙。
替代方案
一些科技公司目前正在將只有幾十億個參數(shù)的小型語言模型視為更便宜、更節(jié)能、可定制的替代方案進行宣傳。這些模型可以用更少的電力來訓練和運行，并且還可以保護敏感數(shù)據(jù)。
谷歌、Meta、微軟和法國初創(chuàng)公司Mistral已陸續(xù)發(fā)布了各自的小型語言模型，這些模型顯示出先進的功能，并且可以更好地專注于特定的應用功能。
Meta全球事務總裁Nick Clegg直言，Llama 3最新的80億參數(shù)模型可與GPT-4媲美。他指出，“我認為，在你能想到的幾乎所有衡量標準中，你都看到了卓越的表現(xiàn)。”
微軟則表示，其擁有70億個參數(shù)的Phi -3小型模型的性能優(yōu)于OpenAI模型的早期版本GPT-3.5。
微軟Azure人工智能平臺的副總裁Eric Boyd表示，“通過以更低的成本獲得如此高的質量，你實際上為客戶提供了更多的應用程序，讓他們可以做一些令人望而卻步的事情�！�
Boyd還指出，“更小的型號將帶來有趣的應用，并且能夠延伸到手機和筆記本電腦”。
小型模型另外的一大優(yōu)勢就是可以在設備上“本地”處理任務，而不是將信息發(fā)送到云端，這一點可能會吸引那些注重信息隱私的客戶。
目前，谷歌最新的Pixel手機和三星最新的S24智能手機中已嵌入了谷歌的“Gemini Nano”模型；蘋果公司也暗示它也在開發(fā)AI模型，以運行iPhone上。上個月，蘋果發(fā)布了OpenELM模型，這是一個小型模型，旨在執(zhí)行基于文本的任務。
