还得拿别的offer过来才能要价，怎么听都感觉有点缺乏定价能力的味道。 和我的dreamNet现在彻底打开了深度学习的大门，可以预见，在短时期内，各个方向和领域的AI模型性能将会有一个巨大的突破。”
“不错，如今正是比拼时速的时候，一步快，则步步快。”李彦弘点头称是，肯定了这个前提。
“技术上的指标是一回事，从总体的趋势上来看，如果想要真的把AI的技术落地，让人们都可以使用，无非就是把模型做大或者做小。”
“做大或者做小...？你是指终端还是云端两种发展的方向？”李彦弘很快跟上了孟繁岐的思路。
“没错，学术研究的时候起初不会过多关注模型的参数量大小，和它的计算损耗。但实际投入使用的时候，则会必然分出极致优化缩减的小模型，和强调性能开放接口给人使用的云端大模型。”
“在早期的时候，可能会反复魔改和调整模型的结构和设计，让模型尽可能快，尽可能好。但久而久之，随着数据的积累，筛选，更高质量的标注，以及最重要的，更大的模型参数量。”
“规模极其庞大的模型，会在某一个临界点彻底产生质变，让绝大部分小模型失去价值。尤其是以语言语音类，和图像生成类模型。它们的使用体验是无法向下的。”
孟繁岐回想起重生前，李总面对chatGpt(3.5版本)和Gpt-4，强行顶住压力提早推出的大模型文心一言，不得不在心中叹了口气。
其实文心一言并不是一无是处，只是这种与人交互的智能模型，如果相形见绌，就会显得特别不堪一击。