对话面壁智能李大海：Scaling Law 之外，大模型的另一条关键路径

870 0 0

文章摘要

面壁智能的李大海在AGI Playground 2024上分享了公司在大模型和端侧模型领域的进展和愿景。面壁智能致力于开发高效的大模型，目标是打造最懂Agent的大模型公司。李大海认为，大模型作为知识压缩主要处理人的大脑系统一的工作，而Agent技术则形成系统二，与大语言模型结合，共同推动实现AGI目标。

面壁智能在端侧模型领域取得了显著成果，推出了小钢炮系列端侧模型，以1%的参数规模实现了与GPT-4V相当的多模态能力。李大海认为，端侧模型离用户更近，是落地更具象化、更现实的途径。端侧模型需要克服能耗限制，在足够小的参数下实现日常工作，挑战甚至比云端模型更大。

面壁智能提出了”大模型的摩尔定律“，即大模型的知识密度每8个月翻一番。李大海预测，到2026年底，面壁智能将实现GPT-4水平的端侧模型。这需要端侧芯片水平的不断提高，以及数据质量和算法的优化。

在实现端侧模型的过程中，面壁智能强调数据质量和算法的重要性，通过合成数据和动态学习率调度器等方法提高训练效率。李大海认为，模型能力就是产品能力，要将大模型放到离用户更近的地方，实现更懂用户的服务。

面壁智能正积极探索端侧模型的商业落地，通过2B2C的方式服务有生态的公司，同时寻找自己的场景。李大海表示，要离用户更近，需要分享更多上下文，实现更懂用户的服务。端侧模型要实现感知、决策、行为的”三位一体”，为用户提供真正有价值的服务。

面壁智能正与华为云等合作伙伴共同推动端云协同，充分利用芯片算力，降低能耗，推动大模型在端侧的应用。李大海期待与行业共同完成”面壁定律”，推动端侧模型的持续进化，为用户带来更智能、更贴近需求的服务。