作者：小巖

編輯：美美

乘著ChatGPT爆火的東風，2023年成為了當之無愧的“大模型爆發(fā)之年”。跟隨ChatGPT的腳步，諸多大廠和知名企業(yè)推出了自己的AI大模型。也正因此，大模型賽道的競爭變得異常激烈，燒錢的勢頭也變得異常兇猛。

不過，這樣的趨勢很可能在2024年產生變化。每個事物的發(fā)展都要經歷“產生，發(fā)展，高潮，低谷”的階段，已經在2023年大放異彩，涌現無數高光時刻的大模型很可能在2024年漸漸冷卻，褪掉光環(huán)，而小模型，則有可能成為今年的破局之道。

“大模型雖然亮眼，但企業(yè)對這些技術的采用幾乎沒有實質性的增長”。

眾所周知，在高新技術和燒錢測試的加持下，大模型產品的表現變得十分突出，整個賽道也卷的出奇。但可惜的是，這些花大力氣砸出來的優(yōu)秀大模型產品很難成功變現。

根據印度IT巨頭Infosys的最新發(fā)現，只有6 %的歐洲公司通過生成式AI用例創(chuàng)造了商業(yè)價值。麥肯錫也在2023年的一份報告中得出結論，“盡管生成式AI的使用可能會刺激其他人工智能工具的采用，但我們認為，企業(yè)對這些技術的采用幾乎沒有實質性的增長。”

而資本市場對于大模型AI的態(tài)度也不樂觀。從融資規(guī)模來看，生成式AI的投資浪潮是一次“短暫繁榮”，盡管頭部以及率先搶占先機的AI公司獲得了不少資本的青睞，但后續(xù)的AI公司如果想要收獲資金，并不容易。根據Crunchbase數據顯示，2023 年，人工智能獨角獸公司的融資大幅下降，僅為 2021 年市場高峰時的25 %左右；全球最活躍的9大 VC 在AI獨角獸公司的投資也是大幅下降。

究其原因，這并不難理解。潮水退去，方知誰在裸泳。投資者都是趨利避害的，自然想看到自己投資的AI公司產出盡可能多的利潤。在這種情況下，針對AI的投資泡沫會越來越少，據此，AI公司試錯的成本將大大提高。

大模型發(fā)展即將受阻，小模型能否順勢而為，迎來自己的井噴元年？

在這種情況下，AI模型需要朝著效率更高，成本更低的方向去發(fā)展。從這個角度去說，小模型很可能比大模型更實用，更方便。

Snorkel AI曾做過一個試驗，分別用GPT-3微調和自己搭建的小模型來訓練一個法律領域的垂直模型。GPT-3的微調和搭建成本是7418美元，10000推理的花費是173美元，而自己搭建的小模型成本僅為1915美元，10000次推理也只是花費了0.26美元。從正確率來看，GPT-3微調的垂直模型正確率為71.4 %，小模型則為71.3 %。

值得一提的是，GPT-3的參數量很大，是小模型的1400倍。我們當然不能因為GPT-3微調的正確率與小模型的正確率相似就妄下結論，認為“參數量沒用”。不過，這或許就是“殺雞焉用牛刀”的道理，就像《華爾街日報》提到的那句玩笑，用GPT-4總結電子郵件就像“讓蘭博基尼送披薩”。畢竟，在很多場景下，用戶需要的并沒有那么多。

目前，國內的AI領域也在面臨相同的狀況。

如今，國內已經發(fā)布的所謂“大模型”超過200個，“百模大戰(zhàn)”進行的如火如荼。而處于頭部的幾個大模型都曾宣稱自己的參數規(guī)模超千億級別，有的甚至達到了萬億的規(guī)模。

但規(guī)模只要夠大，就一定夠好嗎？未必。百度的李彥宏曾經說過，“100多個大模型浪費社會資源……尤其在中國算力還受限制情況下，企業(yè)應該去探索各行各業(yè)的應用結合，全新的 APP產品可能性等。”

事實上，與李彥宏持有相同觀點的人并不在少數。相較于要把AI模型的規(guī)模不斷做大這件事，大家更應該關注如何將模型更好的應用到實處。不是大模型做不起，而是小模型更具性價比。

做小模型的本質，其實是在做離用戶更近的模型。

更重要的是，從某種層面來說，更好操作，更低成本的小模型或許更能匹配C端用戶的核心訴求。

大模型看似高大上，但卻存在成本高，個性化不足的問題。如果大模型可以變小，甚至直接走進移動端，將模型塞進手機，智能汽車，機器人等設備，那么一定會大大提高C端用戶的黏著度。特別是從創(chuàng)業(yè)角度來看，搭建離用戶更近的模型自然也更有生存空間，因為他們離用戶更近。

事實上，很多企業(yè)已經將這樣的策略提上了日程。有媒體報道，早在2022年初，阿里巴巴達摩院，上海浙江大學高等研究院，以及上海人工智能實驗室的聯(lián)合研究團隊通過蒸餾壓縮和參數共享等技術手段，將3.4億參數的M6模型壓縮到了百萬參數，其規(guī)模只有以大模型的三十分之一，卻保留了大模型90 %以上的性能。當然，2022年的3.4億，較今天的大模型規(guī)模來看不算太大，但這個舉動無疑為“大規(guī)模瘦身”開了一個好頭。

2023年初，關于AI大模型的競爭逐漸激烈，局面逐漸焦灼，最終演變成了一場聲勢浩大的模型競賽。如今，潮水褪去，在耗費了大量金錢，人力，時間成本之后，愈來愈多的AI公司悟出了一個道理：如何“變大”并不是關鍵，關鍵在于要如何“既大又好”，更重要的是，當大模型進入應用環(huán)節(jié)，如何該做到“以小馭大。

如同區(qū)塊鏈行業(yè)一樣，野蠻生長之后勢必會迎來監(jiān)管的壓力，AI也將面臨同樣的狀況。如今，隨著AI影響力的增強，相關的問題也開始凸顯譬如Midjourney + Elevenlabs 生成的假新聞就引起過極大的影響。

此外，AI大模型的推進將消耗掉大量的資源。有新聞報道，到2027年，全球的AI需求可能會消耗掉66億立方米的水資源，幾乎相當于美國華盛頓州全年的取水量。AI對環(huán)境和能源可能造成的影響會對AI行業(yè)造成一定的經濟壓力和政治壓力。到了那時，如何用更少的數據，更少的能源訓練出更好用的模型，就成為了未來的重中之重。

審核編輯 黃宇