近日，清华大学的研究团队在国际期刊《自然・机器智能》上发表了一项颇具启发性的研究成果，提出了 “能力密度” 这一新概念。这项研究挑战了传统观点，认为在评估 AI 大模型的实力时，不应仅仅关注模型的参数数量，也就是 “块头”，而更应关注每个参数所展现的智能水平，即 “密度”。
传统上，AI 领域普遍认为模型越大，能力越强，这一 “规模法则” 在过去几年中推动了众多强大 AI 模型的涌现。然而，随着参数量的增加，模型训练和使用的成本也随之飙升，这给 AI 技术的产业化应用带来了限制。
清华大学的研究显示，提升 AI 模型的 “能力密度” 并不能简单依赖于模型的压缩。研究人员指出，强行压缩大模型就像把一本厚厚的字典塞进小本子，结果往往是 “智力” 的损失。因此，研究者们强调，需要一个更先进的 “数据 + 算力 + 算法” 体系来打造出 “高密度” 的小模型。
研究还发现，过去几年发布的 51 个开源大模型中，“能力密度” 正以指数级的速度增长，大约每 3.5 个月翻一番。这意味着，如果现在需要一个体育馆大小的 “大脑” 来完成某个复杂任务，不久的将来只需一个客厅大小的 “大脑”，再过 3 个半月，这个 “大脑” 的体积可能会缩小到仅仅背包大小。
在此基础上，清华大学已经与 AI 企业面壁智能展开合作，推出了一系列 “高密度” 模型，这些模型已经成功应用于手机、汽车和智能家居等多个领域。研究团队认为，未来的 AI 模型将不再追求庞大，而是更加注重 “精炼” 和 “高效”。当芯片的计算能力与 AI 的智能密度相结合时，个人设备将拥有前所未有的智能，能更快速反应并更好地保护用户隐私。
