在ChatGPT横空出世后的一段时间内，业内严格遵循Scaling Law（规律定律），即更大的参数、更大数据和更强算力才能收获更好的模型智能，现在业内的理念正在转变，“大力出奇迹”的时代已经过去，海外巨头如Mistral、Deepseek、微软、Meta、Google等纷纷推出小巧但功能强大的小模型，就连Scaling Law的提出者OpenAI也加入了小模型赛场，发布了轻量版GPT-4o mini。

这些迹象显示，AI赛道的竞争格局正在重塑，大模型不再是唯一，而是AI产业的一部分，越来越多的小模型、专用模型以及行业定制模型正在崭露头角，它们将与大模型互补结合,对外输出更加智能化的解决方案。

小模型集体涌现的背景是海内外市场竞相掀起的模型价格战，甚至将API调用的价格卷至“白菜价”，激烈的商业竞争下，模型需要更加考虑性价比和轻巧化落地，针对不同的应用场景，将模型参数做小、做精几乎是一种必然。

国内公司如百融云创也在推进轻量级模型的布局，该公司强调在追求算力参数的同时，也需要考虑用户意图和实时反馈的平衡，警惕陷入“博算力”的误区，百融云创还提出了“模型应用一体化”的战略方向，并搭建了一站式开发平台Cybertron，将大模型与RAG（检索增强生成）等技术相结合，落地到金融、出行、租赁、物流等多个垂直场景中。

百融云创认为，并不是所有的应用场景都需要非常强大的模型，在某些特定场景中，更需要的是借助大模型实现精准化文本解析、信息抽取和语义匹配，小模型的崛起还与大模型端侧化落地的趋势相关,小模型可以更好地适应终端算力受限的场景。

除了成本平衡约束，机构推测小模型的崛起未来可能会持续，基于端云协同的战略方向，百融云创也在将智能语音、多模态等技术集成到端侧，开发高效、低能耗的端侧小模型，应用于手机、车载等智能终端。

从技术角度来说，轻量级模型实现有限算力下的超强性能门槛并不低，需要大量的训练数据投入、模型优化及对于硬件的有效利用等，以百融云创的智能语音机器人（Voice-GPT）为例，该产品基于Transformer架构，内置了多项技术，提供“真人级”的互动体验，同时客户语音识别的准确率能达到99%以上，这得益于百融云创在语音识别、语音理解等通用技术领域的沉淀,以及自主研发的语音质检分析方法及系统。

百融云创还借势决策式AI的力量来增益大模型性能，在2023年，该公司共上线了300余个小模型，其中蕴含决策式AI技术的小模型可以增强模型间的互补性，提高对于不同应用场景的适配度，百融云创认为，单一模型无法解决垂直行业的所有问题，需要的是多模型、多元化的AI技术组合拳，以大模型为基座，结合成熟的小模型，再加上行业Know-How,可以提升整个数智系统的成熟度和性价比。

未来是混合AI的时代，单一大模型的时代已经过去,轻量级模型的崛起将对AI产业产生深远影响。