AI界風向變了？《經濟學人》：別再迷信ChatGPT，小型模型才是「隱藏王牌」

OpenAI的ChatGPT於2022年問世，掀起人工智慧浪潮，迅速改變許多產業的樣貌以及人們的日常生活：比起自己上網篩檢資料，詢問AI總是更便捷快速。近來科技圈經常將ChatGPT等大型語言模型類比智慧型手機，指出AI發展漸趨平淡，就像新一代智慧型手機上市，雖然性能升級，但缺乏真正的創新與突破。2007年蘋果革命性的iPhone引發轟動，而8月27日OpenAI推出最新AI模型「GPT-5」話題性卻低於預期，熱度甚至不如蘋果9月9日的iPhone 17發表會。

《經濟學人》（The Economist）分析，生成式人工智慧發展放緩的趨勢，也顯示大型語言模型（LLM）未能符合人們的期待，而另一方面，較小、較靈活的AI模型逐漸崛起，同時備受企業界青睞，許多公司偏好客製化的小型語言模型（SLM），以達到特定需求。無論是透過公司內部系統或雲端服務，小型語言模型都可以順暢運行，而且因為尺寸較小，格外適合高度要求電源效率和速度的裝置，例如智慧型手機、自動駕駛系統和機器人等。相較於SLM，開發、訓練全方位、多功能的LLM需要花費更多資金，而且後者無所不知的神通可能無用武之地。IBM人工智慧研究部副總裁的考克斯（David Cox）就說：「你的人資聊天機器人不需要懂進階物理。」

大型語言模型和小型語言模型目前尚無精確定義，兩者之間的主要差異在於模型訓練時的參數（協助模型理解資訊的設定）數量多寡，LLM的參數量高達數千億，SLM的訓練參數則可能為400億或更少，最「迷你」的SLM參數量甚至不到10億。不過模型訓練的方式改進，小型模型可以部不必上網爬蟲學習，可以交由大型模型「教導」，而SLM的性能也慢慢趕上LLM。AI模型評測機構「Artificial Analysis」表示，輝達（NVIDIA）近期推出的AI模型「Nvidia Nemotron Nano」具有90億參數，在各項測試中，表現比Meta四月推出的「Llama-4」模型還要好，後者的參數是前者的40倍。市場研究公司Counterpoint研究總監阿瓜拉瓦（Mohit Agrawal）指出：「現在的小型模型，性能比去年的大型模型還要強。」

SLM的卓越性能吸引了企業客戶，科技研究及顧問機構Gartner表示，LLM會自信滿滿地生成看似合理但錯誤的陳述，也就是「AI幻覺」（hallucination），這些LLM的缺陷眾所皆知，也已經減損用戶的興趣。企業需要更專業的AI模型，最好可以針對產業內的數據進行微調，雖然專業化的小型模型需求基數遠比LLM低，但Gartner預測2025年市場對這類AI模型的需求成長速度，會是LLM需求成長速度的兩倍，而且隨著時間推移，小型模型將會轉由企業內部開發。

（相關報導： 《經濟學人》大哉問：當AI泡沫吹的那麼大，要是破了美國股市會怎樣？ ｜ 更多文章 ）

另一項SLM的魅力所在則是經濟效益。企業從早期不顧一切投入生成式AI的模式，轉而更加重視投資回報，儘管企業仍然能夠利用性能全面的LLM執行多項任務，但如果使用多個SLM分別處理重複性的任務，將可節省成本。考克斯舉例，IBM開發的工具「Docling」能夠解析PDF等常見文件格式，並匯出為結構化數據方便儲存。Docling僅有2.5億參數，若是在具有數十倍參數的LLM運行，效益反而不高。最小的AI模型可以直接使用CPU運行，不必仰賴高算力的圖形處理器（GPU），這是小型AI模型的一大賣點，考克斯表示，GPU就像「總是停在展間的法拉利。」

企業紛紛投入AI部署，SLM的吸引力將會愈來愈大。輝達內部的研發部門「輝達研究」（NVIDIA Research）今年六月發表一篇報告，大膽主張小型語言模型才是Agentic AI（代理式人工智慧）的未來。報告指出，目前大多數AI工具都是由雲端服務供應商合作託管的LLM驅動，大量資金挹注AI相關的雲端基礎建設的浪潮，也顯示市場預期LLM仍會繼續為代理式 AI提供動力。輝達研究質疑這個推斷，主張SLM足以取代代理式 AI執行任務，而且經濟效益更高，舉例來說，一個70億參數模型的運行成本，只有25倍參數模型的十分之一至三十分之一。報告稱，SLM將引領「樂高式」的AI建構模式，即企業摒棄單一LLM，轉而使用多個小型、專精特項的模型。輝達企業級生成式AI部門副總裁布里斯基（Kari Briski）表示，這篇報告不代表輝達的營運方針，她指出企業客戶需要各種尺寸、種類的AI模型，大型模型比小型模型更擅長處理困難的問題，布里斯基還指出，推進LLM創新發展非常重要，因為如此一來，它們更能勝任SLM導師的職位。

無論將來SLM是否取代LLM的地位，AI模型的異質性愈發凸顯。對於ChatGPT等消費者導向的AI工具而言，LLM仍至關重要，不過OpenAI也開始關注不同尺寸的AI，最新模型GPT-5內部架設了不同大小、不同專長的模型，可以依照任務的複雜程度，來決定使用哪個模型執行。

隨著SLM發展，也許裝置端AI（On-Device AI）的評價也會爬升。Counterpoint的阿瓜拉瓦預期蘋果利用最新一代iPhone推廣小型模型的潛力，該公司的AI產品「Apple Intelligence」運用SLM在iPhone上執行部分任務，同時使用使用「私密雲端運算」處理更困難的部分，阿瓜拉瓦認為Apple Intelligence可能預示未來的發展方向。蘋果迄今為止的AI戰略令人失望，阿瓜拉瓦表示，有鑑於蘋果的影響力，該公司總能後來居上。

目前市場的主要焦點仍是LLM，雖然微軟、Google等雲端龍頭已經推出多款迷你AI模型，不過他們仍繼續斥重資訓練更大型的AI模型並擴建資料中心等基礎設施。如果SLM持續發展，愈來愈穩定，蘋果與其他科技公司不盲從斥資開發LLM的做法，長遠來看將會是正確的決策。
（相關報導： 《經濟學人》大哉問：當AI泡沫吹的那麼大，要是破了美國股市會怎樣？ ｜ 更多文章 ）