“ 大模型的发展，类似于计算机的发展由大到小”
最近在抖音上看到360创始人——周鸿祎说他关于大模型的发展的四个趋势，也就是开源，廉价，专业，小巧。
开源就是以openAI为代表的闭源大模型和Meta/Google为代表的开源大模型的模型大战；廉价就是大模型的训练成本会进一步降低，也就是意味着大模型会越来越便宜；专业即垂直领域的大模型会大放异彩；最后小巧是大模型在未来会被移植到手机上。
虽然不知道周鸿祎的预测是否准确，开源与闭源模型的大战最终会是什么结果；但不可否认的是，大模型的发展不可能是一家独大，而很可能是多种趋势并存。
大模型会越来越大
—
大模型越来越大这是一个趋势，毕竟根据现有的理论，大模型的参数越多其效果越好，涌现能力越强，这是一个不可争议的事实，除非出现新的理论能够颠覆现有的大模型基础理论。
因此，大模型要想越来越强大，那么大模型变大的可能性就越高；其功能也会更强。
大模型越来越大这是它的优势，但同样也是它的劣势；因为大模型越大，对算力和能源的要求越高，其训练和维护的成本越高。
这对很对企业来说是无法接受的，因此越来越大的大模型只能有那些巨头企业或国家才能玩得转。
越来越大的大模型就类似于超级计算机，其功能强大，但能玩得转的人特别少。
因此，超大模型的竞争，是大厂之间的竞争，也是国家之间的竞争。
当然，随着技术的发展，更先进的大模型架构和理论会持续出现，那时的大模型可能会越来越强，越来越小。
基于大模型的人工智能应用，后端采用多个模型实现，感兴趣的可以点击体验：
大模型越来越小
—
大模型会变得越来越小，其最终有可能会被安装到手机等移动设备之上，虽然其功能赶不上大模型，但满足普通人的日常使用还是有可能的。
而这就类似于现在的智能手机，所谓的智能手机就是把电脑的操作系统给做的更小，功能更强。
当然，虽然大模型的蒸馏和压缩技术在持续发展，但怎么才能把庞大的模型压缩到手机能够支持的体积的同时，还要同时保证大模型的强大功能，还是一个需要研究的课题。
个人预测，大模型的压缩是一个必须功课的课题；因为在实际应用领域，大模型的离线操作是一个很重要的功能，比如自动驾驶，无人设备等；在恶劣的自然环境或者没有网络的情况下，能够让设备正常使用。
而这就需要大模型能够安装到这些设备之上。
大模型垂直化发展
—
大模型有大模型的应用场景，小模型有小模型的应用场景；但从功能性和成本考虑，垂直化应用的大模型也必不可少。
毕竟，哪怕是人也有自己擅长和不擅长的方面；大模型也是如此，因此通用大模型在垂直领域的效果就大打折扣；所以垂直化的大模型就成了垂直领域最好的解决方案。
比如说，大模型在法律，金融，教育，航空航天等领域的使用；有些会涉及到国家安全和民生的领域，这时使用一个通用的超大模型，不但具有巨大的安全风险，而且一个模型也无法完全支撑如此庞大的领域。
因此，每个领域有每个领域的“专家模型”就是最好的选择，没有之一。
再有就是，类似于互联网常见的分布式部署方案，通过上层统一架构，可以在底层集成多个大模型来完成需要的功能。
比如360邀约十多家国内的大模型公司，然后基于其自研的架构，可以使得多个模型协作，来达到超越GPT4o的能力；虽然单独一个模型的表现并不出色，但通过混合模型(狼群战术)，同样能够达到GPT4o的效果。
总结
从成本和技术门槛的角度来说，发展垂直化模型是最好的选择，但同样其它的方式也不能完全放弃；只有多条腿走路，才能在大模型的竞争中生存下来，并且找到最适合自己的解决方案。