上個月，美國科技公司OpenAI，推出了文本到視頻的生成模型Sora。此後，越來越多的中國公司，也開始著手開發輕量級大語言模型，為全球人工智能競爭格局，帶來了新變化。

輕量級模型，也被稱為較小的大型模型，指的是對參數需求更小的模型。這意味著它們相較於大型模型而言，處理和生成文本的能力會受到限制。

簡單來說，這些小的模型就像緊湊型汽車，而大模型則像運動型、多用途的豪華汽車。

今年二月，中國人工智能初創公司面壁智能(ModelBest Inc)，推出了其最新的輕量級大語言模型，引起了人工智能行業的廣泛關注。

該模型名為MiniCPM-2B，參數規模為 20 億，遠小於OpenAI的GPT-4.0可以處理的1.7萬億參數。

去年十二月，美國科技巨頭微軟發佈了Phi-2，雖然參數規模僅為27億，但這款小型語言模型，能夠進行常識推理和語言理解。

面壁智能的CEO李大海表示「新模型在開源通用基準方面的性能，接近於法國人工智能公司Mistral的Mistral-7B，在中文、數學和編碼方面具有更強的能力。該模型的整體性能，超過了一些參數達到100億級別的同類大型模型。」

李大海還表示「不論是大型還是較小的大語言模型，都有各自的優勢，這取決於任務的具體要求，和它們的性能限制，但在人工智能蓬勃發展的環境中，中國公司可能會在小模型中找到一條出路。」

360集團創始人兼董事長周鴻禕，此前在接受採訪時也表示，要在當下打造出一個超越GPT-4.0的通用大模型，可能具有挑戰性。不過，雖然GPT-4.0目前「無所不知，但它並沒有深耕。」

他說「如果我們可以訓練出，具有特定行業數據的模型，並將其與行業內的其他工具整合起來，從而在該行業中取得卓越成績。這樣的模型不僅具備智能化，還將具備獨特的業務知識，從而變得無所不能。」

李大海表示，如果這樣的輕量級模型能夠應用於產業中，其商業價值將會巨大。他說「如果模型的參數規模被壓縮，運行時的計算過程就會減少，同時，這也意味著對處理器的性能要求會降低，並且響應時間也會縮短。隨著這類終端模型的普及，未來更多電子設備，如手機等，推理成本將會進一步降低。」