您所在的位置：首页 - 科普 - 正文科普

荣耀赵明不用刻意追求大模型，端侧够用即可

admin 2024-06-17 【科普】 1005人已围观

摘要在人工智能和机器学习领域，大模型（LargeModels）已经成为许多研究和应用的焦点。然而，荣耀公司的赵明认为，不必刻意追求大模型，而是应该根据具体的应用场景和需求来选择合适的模型规模，端侧（Edg

在人工智能和机器学习领域，大模型（Large Models）已经成为许多研究和应用的焦点。然而，荣耀公司的赵明认为，不必刻意追求大模型，而是应该根据具体的应用场景和需求来选择合适的模型规模，端侧（Edge）计算能够提供足够的解决方案。

大模型通常指的是参数量巨大、计算复杂度高的深度神经网络模型，如GPT3、BERT等。它们在自然语言处理、计算机视觉等领域取得了显著的成果，但也面临着一些挑战：

相比之下，端侧计算即在设备本地进行数据处理和决策的方法，可以更好地应对一些实际问题：

赵明建议，企业在选择模型规模时应该权衡各种因素，不一定非要追求最大的模型规模：

“在实际应用中，我们发现很多场景下，并不需要最大的模型来达到理想的效果。在资源有限或需要快速响应的情况下，选择适合端侧计算的小型模型可能更为合适。”

他认为，随着边缘计算技术的发展和智能硬件的进步，小型化的模型已经足以满足许多实际需求，同时能够在性能和效率上取得平衡：

“我们要在‘足够’和‘最好’之间找到平衡。在保证足够效果的前提下，尽量选择更加适合端侧设备的解决方案，这样可以更好地发挥边缘计算的优势。”

总而言之，赵明的观点提醒我们在人工智能和机器学习应用中，不应盲目追求大模型的复杂性和庞大的计算资源消耗。根据具体需求和场景选择合适的模型规模，结合端侧计算的优势，可以更有效地解决实际问题，提升应用的效率和用户体验。

因此，不管是在技术开发还是产品设计中，理性地评估和选择模型规模，将有助于推动人工智能技术的可持续发展，为用户和企业带来更实际、更可靠的解决方案。