薛定谔的AI大模型箱子暂不能打开,但钱还

电风扇与空皂盒的故事，大家都听过吧？

传闻某国际知名快消大厂曾引进一条香皂包装生产线，结果发现这条生产线在包装香皂的过程中出现了一个缺陷，就是常常有盒子没装入香皂。总不能把空盒子卖给顾客，于是，他们就请了一个学自动化的博士后来设计分拣空香皂盒的方案。雷峰网

该博士后立即召集了一个十几人的技术团队，综合采用机械、自动化、微电子、X射线探测等等技术，花费90万，最后成功地研究出了一个方案，就是在生产线的两旁安装两个集成探测器，每当检测到有空香皂盒经过，就会驱动一只机械手将空皂盒推走。

可以说，这是一次技术落地解决实际产业问题的重要突破。

巧合的是，与此同时，中国南方某乡镇企业也购买了同样的生产线。老板发现这个问题后，十分火大，叫来工厂的一名小工说：「你来想想办法解决这个问题。」迫于压力，小工很快就想出了一个妙计：他花元买了一台大功率电风扇放在香皂包装生产线的旁边，产线一转就开始猛吹，空的香皂盒一出现，就被吹走了。雷峰网

小工一人，凭借机智的创意，迅速解决了这个问题，实现了业界常吹说的一个大目标：降本增效。

科技革新，智能在产业中的涵义无非就是这两个口号：一是省钱，二是增效。然而，在近几年的AI发展中，却出现了这样一个貌似违背资本规律的「怪异」现象：不管是学术界还是工业界，不管是大公司还是小公司，不管是私企还是国家资助的研究院，都在花大价钱「炼」大模型。

导致圈内有两种声音：一种声音说，大模型已在多种任务基准上展现出强大的性能与潜力，未来一定是人工智能的发展方向，此时的投入是为将来不错过时代大机遇做准备，投入成百上千万（或更多）训练是值得的。换言之，抢占大模型高地是主要矛盾，高成本投入是次要矛盾。

另一种声音则说，在AI技术落地的实际过程中，当前对大模型的全面吹捧不仅抢夺了小模型与其他AI方向的研究资源，而且由于投入成本高，在解决实际的产业问题中性价比低，也无法在数字化转型的大背景中造福更多的中小企业。

也就是说，「经济可不可用」与「能力强不强大」构成了AI算法解决实际问题中的两大焦点。如今，业界已达成一个共识：在未来，AI将成为赋能各行各业的「电力」。那么，从AI大规模落地的维度看，大模型与小模型哪一个更好？业界真的想好了吗？雷峰网

1、「大」模型到来

近年来，国内外的科技大厂在对外宣传AI研发实力的声音中，总有一个高频的词汇出现：大模型（BigModel）。

这场竞争开始于国外的科技巨头。年谷歌推出大规模预训练语言模型BERT拉开大模型的帷幕后，OpenAI相继于年与年推出GPT-2、GPT-3；年，谷歌又不甘落后，推出在参数量上压倒前者的SwitchTransformer……

所谓模型的大小，主要的衡量指标就是模型参数量的规模。模型的「大」，指的就是庞大的参数量。

例如，BERT的参数量在年首次达到3亿参数量，在机器阅读理解顶级水平测试SQuAD1.1的两个衡量指标上全面超越人类，并在11种不同的NLP测试中达到SOTA表现，包括将GLUE基准推高至80.4%(绝对改进7.6%)，MultiNLI准确度达到86.7%(绝对改进5.6%)，展示出了参数量增大对AI算法性能提升的威力。雷峰网

OpenAI先后推出的GPT-2参数量达到15亿，GPT-3的参数量首次突破千亿，达到亿。而谷歌在年1月发布的SwitchTransformer，更是首次达到万亿，参数量为1.6万亿。

面对这如火如荼的局面，国内大厂、甚至政府资助成立的研究机构也纷纷不甘落后，先后推出他们在炼大模型上的成果：年4月，阿里达摩院发布中文预训练语言模型「PLUG」，参数量亿；4月，华为与鹏城实验室联合发布「盘古α」，参数量亿；6月，北京智源人工智能研究院发布「悟道2.0」，参数量1.75万亿；9月，百度发布中英双语模型PLATO-X，参数量百亿。

到去年10月，阿里达摩院发布「M6-10T」，参数量已经达到10万亿，是中国目前规模最大的AI大模型。虽然比不上阿里，但百度在追求模型的参数量上也不甘落后，联合鹏城实验室发布了「百度·文心」，参数量亿，比PLATO-X大了10倍。

腾讯也称他们研发了大模型「派大星」，但参数量级不明。除了普遍受大家

转载请注明：http://www.abuoumao.com/hyfz/2745.html