全球諸多科技公司已經砸下數百億美元來構建各種大型語言模型，為生成式人工智能產品提供動力，而如今，這些公司開始寄望于一種推動收入增長的新方式——小型語言模型。

　　小型語言模型的參數相較于大型語言模型少很多，但仍然具有強大的功能。微軟、Meta和谷歌近期都發布了新的人工智能小參數模型。

　　通常來說，參數的數量越多，人工智能軟件的性能就越好，它所能執行的任務就越復雜和巧妙。上周，OpenAI公司新宣布的最新模型GPT-4o和谷歌的Gemini 1.5 Pro估計擁有超過1萬億參數，而Meta的開源Llama模型約有4000億參數。

　　不過，運行大型語言模型所需的計算能力龐大，也就意味著成本高昂。除了難以說服一些企業客戶支付大筆運營費用外，數據和版權問題也成了人工智能產品使用的阻礙。

　　替代方案

　　一些科技公司目前正在將只有幾十億個參數的小型語言模型視為更便宜、更節能、可定制的替代方案進行宣傳。這些模型可以用更少的電力來訓練和運行，并且還可以保護敏感數據。

　　谷歌、Meta、微軟和法國初創公司Mistral已陸續發布了各自的小型語言模型，這些模型顯示出先進的功能，并且可以更好地專注于特定的應用功能。

　　Meta全球事務總裁Nick Clegg直言，Llama 3最新的80億參數模型可與GPT-4媲美。他指出，“我認為，在你能想到的幾乎所有衡量標準中，你都看到了卓越的表現。”

　　微軟則表示，其擁有70億個參數的Phi -3小型模型的性能優于OpenAI模型的早期版本GPT-3.5。

　　微軟Azure人工智能平臺的副總裁Eric Boyd表示，“通過以更低的成本獲得如此高的質量，你實際上為客戶提供了更多的應用程序，讓他們可以做一些令人望而卻步的事情。”

　　Boyd還指出，“更小的型號將帶來有趣的應用，并且能夠延伸到手機和筆記本電腦”。

　　小型模型另外的一大優勢就是可以在設備上“本地”處理任務，而不是將信息發送到云端，這一點可能會吸引那些注重信息隱私的客戶。

　　目前，谷歌最新的Pixel手機和三星最新的S24智能手機中已嵌入了谷歌的“Gemini Nano”模型;蘋果公司也暗示它也在開發AI模型，以運行iPhone上。上個月，蘋果發布了OpenELM模型，這是一個小型模型，旨在執行基于文本的任務。