股票啦网 www.gupiaola.com 2023年07月27日报道：大盘行情分析要点小模型的概念也开端进入人们的视野

生成式人工智能(161631)热此前在产业界掀起一股“百模大战”的热浪，不少企业纷纷斥资押注大模型。然而随着热潮渐渐淡去，大盘行情分析要点各方也开端冷静下来。日前，第一财经记者从多方熟悉到，企业在大模型商业化落地，促进实际效益转化转化方面还存有诸多痛点。

在算力资源方面，沐曦科技创始人、董事长兼CEO陈维良对第一财经记者指出，大模型的训练、实施都需要庞大的算力，大盘行情分析要点但当下算力的供给和需求之间存有着比较大的矛盾。“高效的算力正在支撑着生成式人工智能(161631)的进展，因此算力是一个基础需求，而假如人们不能降低AI的算力成本，实际上会限制它的推广程度。”陈维良认为，矛盾的解决路径就在于要进一步降低算力成本，提高GPU利用率。

国盛证券曾经估算，GPT-3训练一次的成本约为140万美元，大盘行情分析要点针对一些更大的LLM模型，训练成本介于200万美元至1200万美元之间。今年1月平均每天约有1300万独立访客使用ChatGPT，对应芯片需求为3万多片英伟达A100GPU，初始投入成本约为8亿美元，每日电费在5万美元左右。

事实上，由算力短缺为大模型商业落地带来的问题远非砸钱就能解决的。一位人工智能(161631)行业资深从业人士告知记者，大盘行情分析要点因受算力制约，多数大模型需要借助云端算力来帮忙训练。可是，由于训练数据的敏感性，多数企业仅情愿将大模型的训练数据留存有本地部署，而这就构成了一对无法调和的矛盾。

此外，在闪马智能创始人、董事长兼CEO彭垚看来，算力成本高昂只是当前大模型商业化落地过程中的痛点之一。他指出，大盘行情分析要点目前销售市场上的很多大模型都已经具备了很大数据量，乃至一些开源的模型已经诞生，因此数据的积存就已经花费了大量的资金和时间。而在这一背景下，对很多应用型的企业来讲，接下来需要把已有的学术资源变成业务落地性的模型。

“这里面对企业蕴涵着两大挑战，第一是算力投资，模型训练需要投入庞大的算力资源，大盘行情分析要点这需要企业延续的资金支持；第二个挑战则是在如何形成在行业数据方面的优势，这考验着企业对落地行业的明白，例如怎样将比较专业的处理数据标注出来。”事实上，记者熟悉到，当前能够进行专业数据标注的人才并不多，业界多数跨行业的合作都是为熟悉决数据标注的问题。例如此前华为联合上海联通、华山医院等公布了医疗大模型Uni-talk。

日前，“小模型”的概念也开端进入人们的视野。其实，大盘行情分析要点小模型的概念一直伴随着大模型而存有，只不过此前大模型的概念过于如日中天罢了。在业界不少人士看来，“小模型”或能够在大模型之外提供一种更为经济发展的解决方案。

从概念上看，小模型并非与大模型概念相对立的存有。根据任拓大数据钻研院院长苏迭的定义，大盘行情分析要点大模型从技术和训练内容看来位于生成式人工智能(161631)的最底层，对大模型训练的作用是建立基础的认知，让其具有泛化能力。这可以通俗明白为小学通识教育，会识字，会加减乘除。

而大模型之上还有中模型和小模型。中模型是基于大模型通过学习行业数据而建立的，针对中模型的训练集内容关键是某个具体行业的领域特征，大盘行情分析要点类似中学的学科教育，历史地理，物理化学。

位于最顶端的是场景小模型，类似大学专业，大盘行情分析要点土木工程、航空航天、工商治理。它是一种任务模型。小模型是基于中模型以及具体场景的数据而建立的，而且可以利用每家企业实际业务数据精调模型，帮忙企业解决具体工作中问题。

从训练参数量看来，与大模型几十上百亿的训练参数量相比，大盘行情分析要点小模型则更加聚焦于具体行业，训练参数量也会相对小得多。此前微软曾推出过一款训练参数量仅13亿的小模型产品ocra。而另一方面，从训练的角度看来，小模型的训练可借助端侧算力设施，在本地化部署的同时能够保证数据的安全。

针对品牌来说，大模型成本惊人难以入手，而行业中模型虽然能更垂直，但每家企业、每个品牌的应用场景各不相同，大盘行情分析要点实际操作起来仍困难重重。唯有更具体的小模型，既“接地气”地直接指向实际场景，又成本可控，让企业品牌们能够在当前降本增效的大行情趋势下，兼顾布局。有业内人士对记者指出，当前市面上多数所谓的“大模型”产品从训练参数的定义看来应该是“小模型”。这些产品关键聚焦医疗、工业、电商等垂直领域。

上述业内人士对记者表达，大模型虽然具备强大的的学习能力和学问储备，可是高昂的训练和推理成本往往让企业望而却步。此外，大盘行情分析要点大模型推理时延大，能耗和碳排放高等问题，也都限制了它在终端侧的使用。不过，小模型在应用时也存有数据标注的问题，相关人才的短缺问题照旧需要解决。