大模型烧钱不止，“小模型”能否率先盈利？

马斯克的Neuralink想把芯片植入完全健康的人类大脑，但一些大模型公司想最先“征服”智能手机。

近日，国内大语言模型创业公司面壁智能推出了只有20亿参数量级的端侧语言模型面壁MiniCPM，希望“以小博大”。参数量级是衡量模型规模和潜在学习能力的一项关键指标。

虽然目前大模型评测难以形成统一标准，且缺少公开的提示词和测试代码，但面壁智能研究团队发表论文称，其小模型MiniCPM的性能超越或与市面上大部分70亿规模大模型持平，超越了部分百亿参数以上大模型。

这与全行业正在给予小模型的高关注度相吻合，尤其是小模型在智能手机、嵌入式系统等边缘设备上展现出天然应用优势之后。

图源：面壁智能
面壁智能联合创始人刘知远表示，在Mistral-6B的同一模型水平下，面壁智能团队的模型参数量是最小的。这或许意味着模型的效率遭提升到了最高水平。

边缘设备通常只有有限的计算能力和存储空间，无法有效地运行大型语言模型。当手机厂商仅靠硬件难以实现差异化时，他们希望把大模型塞进手机，成为移动设备的又一卖点。更重要的是，这些大模型主要依托于云计算，例如OpenAI的ChatGPT使用了微软的云服务。

为摆脱对OpenAI的依赖，去年6月，微软便发布论文证明，13亿参数的模型也能具备非常良好的性能，此后这家公司集中开发了Phi系列小模型。同样看到小模型在降本和提高业务效益方面潜力的还有谷歌和Stability AI，他们纷纷在小模型上发力。

急需找到新增长曲线的手机厂商如华为、OPPO和vivo，已经在去年下半年开始部署端侧模型，只是模型适配尺寸暂不统一，如荣耀是把端侧模型参数局限在70亿之上，小米则是13亿。

据面壁智能团队透露，MiniCPM已经跑通了国际主流手机品牌和终端CPU芯片，目前正与多家终端厂商沟通，探讨将MiniCPM落地的各种可能。该团队还表示，将完全开源MiniCPM-2B的模型参数供学术研究和有限商用。

面壁智能此番新增一项功能——将多模态能力集中在MiniCPM里面，也算开创了行业另一先河。 图源：面壁智能 

更小的参数意味着更低的部署门槛和使用成本，某种程度上有助于解决云侧模型耗能、算力等成本居高不下的问题。

据面壁智能CEO李大海介绍，MiniCPM的单个模型成本较低，原因是足够小的参数能够实现推理成本的断崖式下跌，甚至可以实现CPU推理，只需一台机器持续参数训练，一张显卡进行参数微调，同时也有持续改进的成本空间。

不过，业界对大模型端侧部署还有些重要问题尚未达成共识，比如手机上跑大模型到底有什么用？到底能跑多大的模型？

为探究大模型在手机上的真实使用场景，阿里前副总裁、人工智能科学家贾扬清的整体感受是，做信息提取跟信息摘要效果较好，而涉及创作、展示创造的东西，则需要更大的模型承载，“大家会觉得在云端跑更好”。

对前述问题，力推端侧模型的面壁智能也不能给出明确谜底。在李大海看来，贾扬清的观点属于某个究竟时点看到的特定现象，但伴随着大模型的快速发展，端侧模型能力边界有了极大提升，这些论断就有可能不成立。

“我们不会对手机大模型的应用场景设限，因为其本身就是通用人工智能。”清华大学长聘副教授、面壁智能联合创始人刘知远表示，在为系统提供稳定接口之后，会解锁很多新玩法，比如订餐与旅游。像苹果Siri能做的事情，都可以作为端侧大语言模型驱动的应用。

他判断端侧大模型有极大可用潜力，因为其不像云端模型一样要跟隐私数据进行交互，可以高度保护个人隐私。未来大模型会是云端共存、云端协同的模式，而他们希望探索模型性能的天花板。

这家创立于2022年的公司，创始成员全部来自清华大学自然语言处理NLP实验室。