自從2022年11月ChatGPT誕生以來，全球科技巨頭紛紛投身大語言模型的研發，掀起了一場規模空前的科技競賽。然而，隨著眾多企業投入數十億資金後，他們發現大語言模型所需的大量數據和算力，是以高昂的運行成本和能耗為代價的，這也成為了許多中小企業難以承受之重。在這種背景下，一些科技企業開始探索小型語言模型作為推動收入成長的新途徑。
近期，苹果、微软、Meta和谷歌等科技巨头纷纷推出参数精简但性能卓越的小模型，旨在打开AI领域的盈利新局面。例如，微软在今年4月推出了名为Phi-3-mini的轻量级AI模型，其参数数量仅为38亿，相较于ChatGPT的4千亿级别参数有了显著的缩减。微软表示，这款小模型不仅性能与GPT-3.5等模型相当，而且非常适合在手机等设备上本地运行。更重要的是，其成本大大降低，使得它能够吸引更广泛的客户群体。
儘管具備與大型語言模型（LLM）相媲美的能力，微軟也承認Phi-3 mini在執行某些任務時受到其容量的限制。該公司表示，“這款模型在存儲大量事實知識方面存在局限”，但微軟堅信“這種局限性可以通過搜尋引擎的增強功能得以彌補”。
此外，Google也發表了名為"Gemini Nano"的小型機型，並已將其內建於新款Pixel手機中。模型有兩個版本，分別適用於不同效能的手機，其中速度較慢的手機版本擁有18億參數，而功能更強大的手機版本則擁有32.5億參數。 Meta同樣推出了擁有80億參數的Llama 3模型，聲稱其性能可與OpenAI的GPT-4相媲美。
小模型有什麼優勢？
谈及小模型的优势，其最显著的特点在于其参数量仅有数十亿甚至更少，这与大模型动辄千亿、万亿级别的参数形成鲜明对比。因此，小模型在存储和计算资源的需求上显得尤为轻量，能够迅速完成训练和推理过程。这一特性使得小模型在需要快速响应的应用场景中表现出色，如移动应用程序或嵌入式系统。同时，由于其资源占用较低，小模型更易于在移动设备、嵌入式系统或低功耗环境中部署和集成。
儘管大語言模型在性能上佔據優勢，但它們也伴隨著高昂的成本、較慢的運行速度以及對互聯網連接的依賴等限制。而小模型則展現出了獨特的優勢，即使在無網路環境下，使用者也能與虛擬助理互動，甚至在不上傳資料的前提下實現內容總結，有效解決了AI領域中的部分挑戰。展望未來，小模型可望與智慧型手機深度融合，甚至內建於日常家電中，為使用者提供個人化的智慧建議。
对于中小企业而言，小模型在计算资源需求上的优势尤为明显。它们不仅降低了硬件投入成本，还显著减轻了日常运维的计算负担。此外，小模型还具备强大的定制潜力，更易于与企业的既有工作流程和基础设施集成，提供更具针对性的AI解决方案。这些优势使得小模型在资源有限的环境中成为理想选择，为各种人工智能应用的普及和使用提供了更多可能性。
歡迎與我們分享您在業務上的挑戰：https://go.factset.com/zh/
* 本文內容僅代表作者個人觀點，讀者不應以本文作為任何投資依據。在做出任何投資決定之前，您應該尋求獨立財務顧問的建議，以確保您了解風險。差價合約（CFD）是槓桿性產品，有可能導致您損失全部資金。這些產品並不適合所有人，請謹慎投資。查閱詳情
