全球人工智能领域初期追求构建庞大模型，旨在通过海量数据训练模拟人类智能。但现状显示，众多科技企业及初创公司正转向开发小型或中型语言模型，它们更为精简、高效且专注于特定任务。这些模型相较于诸如OpenAI的GPT-4等大型语言模型，不仅训练成本大幅降低至千万美元以下，参数规模减至百亿以下，还因减少算力需求而降低了每次查询的成本。
微软正积极推广其轻量级AI模型系列“Phi”，这些模型体积虽仅为ChatGPT的百分之一，却能以相近效能完成多种任务。微软首席商务官Yusuf Mehdi指出，未来AI领域或将由不同规模模型共存。鉴于高昂运维成本，微软已着手在新产品中集成占用资源极少的AI模型，实现终端设备上的即时应用，无需依赖云数据中心。
谷歌、Mistral、Anthropic、Cohere等企业，以及苹果，均在今年展示了向小型模型的转变趋势，旨在实现手机等设备上的快速、便捷及安全运行。OpenAI虽曾引领大型模型风潮，但也发布了运营成本更低的GPT-4o，并对后续推出更小模型持* 态度。
对于许多日常任务，大型语言模型的使用被比喻为“用坦克买菜”，显得过于昂贵和不切实际。因此，在生成式AI技术回报尚不明朗的当下，业界积极探索经济高效的AI解决方案。小型模型通过微调，能在特定任务上媲美大型模型，同时大幅削减成本，成为AI发展的新前沿。
企业界亦逐渐采纳小型模型，如益百利将其AI聊天机器人由大转小，实现了成本效益与性能的平衡。Salesforce指出小模型在速度上的优势，认为它们更适合实际应用需求。随着大型模型迭代放缓，对小型模型的关注与投资进一步增加，标志着AI正从概念展示过渡到注重实用性和效率的商业实践阶段。尽管如此，大型语言模型并未被完全摒弃，苹果和微软等仍在特定产品中融入OpenAI技术，但显现出在AI战略中寻求多元化和灵活性的趋势。
