近年来，AI的发展遵循着一个简单直接的规则——模型越大、能力越强。这个被称为“规模法则”的路径，催生了今天我们看到的各种强大的AI大模型。但同时，随着模型参数量的增大，模型训练的成本、使用的成本也随之飙升，一定程度上制约了大模型的产业应用进程。

　　清华大学的一项最新研究成果——大模型“密度法则”20日在国际期刊《自然·机器智能》上作为封面文章发表，为AI发展指出了一个新方向：AI大模型变强，不应只靠“体型”，更要靠“密度”。

　　“过去，我们往往关心一个AI模型的‘块头’有多大，即参数量有多大，其实我们更应该关心模型的‘能力密度’，即每个单位的参数能展现出的智能水平。”论文第一作者、清华大学计算机科学与技术系助理研究员肖朝军说，“这就好比评价一个武林高手，不是看他块头有多大，而是看他一招一式里蕴含了多少功力。”

　　研究人员表示，实现这样的“能力密度”，不能靠“模型压缩”。研究发现，强行压缩一个大模型，就像是把一本厚厚的字典强行塞进小本子里，很多内容会丢失，导致“智力”下降，因此需要采用更先进的“数据+算力+算法”体系，才能培养出“高密度”的精干小模型。

　　通过研究过去几年发布的51个开源大模型，研究人员发现：AI大模型的“能力密度”正以指数级速度增长，大约每3.5个月就翻一倍。

　　这意味着什么？打个比方，如果今天我们需要一个体育馆大小的“大脑”才能完成某项复杂任务，那么约3个半月后，我们只需要一个客厅大小的“大脑”就够了；再过3个半月，这个“大脑”可能只需要一个背包大小。

　　据了解，目前，清华大学已与AI企业面壁智能的团队合作推出了系列“高密度”模型，已应用于手机、汽车、智能家居等生活领域。

　　“AI模型不是越大越好，‘精炼’‘高效’是其未来发展的方向。”肖朝军说，强大的AI大模型在未来将会更广泛地在手机、电脑、汽车等终端上运行。当芯片的计算能力和AI的智能密度这两条快车道交汇时，“端侧智能”的时代或将来临。届时，个人设备有望拥有前所未有的智能，不仅反应更快，还能更好地保护个人隐私。