近日，清華大學的研究團隊在國際期刊《自然?機器智能》上發表了一項頗具啟發性的研究成果，提出了 “能力密度” 這一新概念。這項研究挑戰了傳統觀點，認為在評估 AI 大模型的實力時，不應僅僅關注模型的參數數量，也就是 “塊頭”，而更應關注每個參數所展現的智能水平，即 “密度”。

傳統上，AI 領域普遍認為模型越大，能力越強，這一 “規模法則” 在過去幾年中推動了眾多強大 AI 模型的涌現。然而，隨著參數量的增加，模型訓練和使用的成本也隨之飆升，這給 AI 技術的產業化應用帶來了限制。

清華大學的研究顯示，提升 AI 模型的 “能力密度” 并不能簡單依賴于模型的壓縮。研究人員指出，強行壓縮大模型就像把一本厚厚的字典塞進小本子，結果往往是 “智力” 的損失。因此，研究者們強調，需要一個更先進的 “數據 + 算力 + 算法” 體系來打造出 “高密度” 的小模型。

研究還發現，過去幾年發布的 51 個開源大模型中，“能力密度” 正以指數級的速度增長，大約每 3.5 個月翻一番。這意味著，如果現在需要一個體育館大小的 “大腦” 來完成某個復雜任務，不久的將來只需一個客廳大小的 “大腦”，再過 3 個半月，這個 “大腦” 的體積可能會縮小到僅僅背包大小。

在此基礎上，清華大學已經與 AI 企業面壁智能展開合作，推出了一系列 “高密度” 模型，這些模型已經成功應用于手機、汽車和智能家居等多個領域。研究團隊認為，未來的 AI 模型將不再追求龐大，而是更加注重 “精煉” 和 “高效”。當芯片的計算能力與 AI 的智能密度相結合時，個人設備將擁有前所未有的智能，能更快速反應并更好地保護用戶隱私。