四问大模型落地：Scaling Law是否会放缓？企业究竟需要大模型还是小模型？｜钛媒体AGI

文章摘要

【关 键 词】 人工智能、大模型、技术路线、应用场景、人才培养

专家们普遍认为，虽然大模型技术路线Scaling Law存在争议，但其有效性已被多次验证。然而，Scaling Law背后的资源需求巨大，成本效益比成为考虑重点。

专家们提出，数据质量对模型性能提升的重要性不亚于模型规模，应从只关注数据量转向同时重视质量。在应用场景方面，大模型发展的垂直化和水平化路径受到关注。

企业高层对大模型的重视与中层的冷漠形成鲜明对比。高层领导将大模型视为未来社会的基础设施，而信息化和业务负责人则相对冷淡。

对于未来，专家们认为应坚定信心，持续投入研发，同时选择长期合作的人工智能企业深入了解业务。高校和科研人员应关注如何将大模型变小，实现边缘计算和端侧应用，探索更高效的架构和算法。

在教育领域，武汉大学等高校已经开始重视人工智能教育，培养具备数智能力的通识人才。国家层面也出台了人工智能教育方案，上海和北京等地有重要举措。

总之，大模型作为人工智能领域的重要方向，虽然面临诸多挑战，但发展前景广阔。通过技术创新、应用场景探索和人才培养，大模型有望在各行各业发挥更大作用，推动社会进步。

原文和模型

【原文链接】 阅读原文 [ 5178字 | 21分钟 ]
【原文作者】 钛媒体AGI
【摘要模型】 moonshot-v1-32k
【摘要评分】 ★★★★★

Moonshot AI

月之暗面是一家 AI 初创大模...