多年来，谷歌等科技巨头和OpenAI等初创公司，一直在不遗余力地利用海量在线数据，打造更大、更昂贵的人工智能（AI）模型。这些大型语言模型（LLM）被广泛应用于ChatGPT等聊天机器人中，帮助用户处理各种各样的任务，从编写代码、规划行程，到创作诗歌等。

　　自ChatGPT面世以来，AI模型便在变大、变强之路上“狂奔”。但喧嚣过后，科技公司也越来越关注更小、更精简的小型语言模型（SLM）。他们认为，这些小巧玲珑的模型不仅“术业有专攻”，而且部署成本更低廉、更节能。

　　随着AI技术突飞猛进，AI模型的“块头”与日俱增。ChatGPT的缔造者OpenAI去年夸耀称，其GPT-4模型拥有约2万亿个参数。参数表示AI模型的大小，一般参数越多，AI模型的能力越强，庞大的参数量使GPT-4成为迄今最强大的AI模型之一，能回答从天体物理学到动物学等多领域包罗万象的问题。

　　但是，如果某家公司只想借助AI模型解决特定领域（如医学）的问题，或者一家广告公司只需一款AI模型来分析消费者行为，以便他们更精准地推送广告，GPT-4这类模型就有点“大材小用”了，SLM反而更能满足用户们的要求。

　　微软公司生成式AI副总裁塞巴斯蒂安·布贝克表示，虽然SLM的参数量目前并没有统一标准，但大约在3亿到40亿个之间，小巧到可以安装在智能手机上。

　　法国初创公司LightOn的负责人劳伦特·都德认为，与LLM相比，SLM拥有诸多优势：首先，这些模型的反应速度更快，能同时响应更多查询，回复更多用户；其次，SLM部署成本更低，能源消耗也更少。

　　都德解释道，目前很多LLM需要大量服务器来进行训练，然后处理查询。这些服务器由尖端芯片组成，需要大量电力来运行，并进行冷却。而训练SLM所需芯片更少谷歌游戏需要翻墙玩，运行耗费的能源也更少，这使其更便宜、更节能。

　　SLM还可直接安装在设备上，在不依赖数据中心的情况下运行，这能进一步确保数据的安全性。《福布斯》表示，SLM能以最少的计算资源执行各种任务，使其成为移动设备、边缘设备等的理想选择。

　　去年12月底，微软公司正式发布了只有27亿个参数的语言模型Phi-2。微软研究院在其X平台官方账号上表示，Phi-2的性能优于现有其他SLM，且能在笔记本电脑或移动设备上运行。今年4月，微软又推出了只有38亿个参数的Phi-3系列模型。

　　今年8月，微软公司再接再厉，推出了最新的Phi-3.5-mini-instruct。这款SLM为高效、先进的自然语言处理任务量身打造。9月，英伟达公司开源了Nemotron-Mini-4B-Instruct。该公司表示，这款SLM特别适合边缘计算和设备端的应用。报道称，这两款SLM在计算资源使用和功能表现之间实现了良好平衡。在某些方面，其性能甚至可媲美LLM。

　　OpenAI也不甘示弱。今年7月，OpenAI公司发布了GPT-4o mini，称其是该公司最智能和最实惠的SLM。

　　其他公司也纷纷开发更适合自身需求的SLM。例如，美国制药巨头默克公司正与波士顿咨询集团（BCG）合作开发一款SLM，旨在探究某些疾病对基因的影响。这将是一款参数介于几亿到几十亿之间的AI模型。

　　虽然SLM在效率等方面具有独特优势，但LLM在解决复杂问题、提供更广泛的数据访问方面仍然具有极大优势。

　　当遇到用户提出的某个问题时，一款SLM会“一马当先”，理解这个问题，再根据问题的复杂性，将相关信息发送给几个大小不一的AI模型。这些模型“群策群力”“并肩携手”为用户解决难题。

　　人民日报社概况关于人民网报社招聘招聘英才广告服务合作加盟供稿服务数据服务网站声明网站律师信息保护联系我们

　　人 民 网 股 份 有 限 公 司 版 权 所 有 ，未 经 书 面 授 权 禁 止 使 用