如今，大模型蓬勃發展，有沒有指標來衡量AI大模型的“智力能力水平”？近日，清華大學研究團隊提出了大模型的密度法則，相關論文刊發于自然子刊《自然·機器智能》上。密度法則揭示大語言模型的最大能力密度隨時間呈指數級增長，2023年2月至2025年4月，約每3.5個月翻一倍。
計算機領域的“摩爾定律”大家已經耳熟能詳：芯片上可容納的晶體管數量，每隔一段時間就會翻一番。計算機的強大，不是因為芯片變得像房子一樣大，而是因為它在指甲蓋大小的面積上集成了天文數字的計算單元。清華大學計算機科學與技術系助理研究員肖朝軍告訴科技日報記者，大模型的智力能力水平應該也有一個指標，這就是“能力密度”。
研究的核心假設是，采用相同制造工藝、充分訓練的不同尺寸模型，其能力密度相同。正如芯片行業通過提升電路密度實現了計算設備的小型化和普惠化，大模型也在通過提升能力密度實現高效化發展。
肖朝軍說，過去，在規模法則的指引下，大家關心一個大模型的“塊頭”（參數量）有多大，越大就越智能，就像關心一個舉重運動員的體重，體重越重，力量越大。現在，密度法則從另一個視角揭示了大模型“高效發展”的規律——我們更應該關心它的“能力密度”，即每一單位“腦細胞”（參數）里包含了多少“智慧”。“如同評價一個武林高手，看的不是他肌肉多發達，而是他一招一式里蘊含了多少功力。”肖朝軍說。
研究團隊對51個近年來發布的開源大模型進行了系統分析，他們發現了一個重要規律：大模型的最大能力密度隨時間呈指數級增長，2023年以來平均每3.5個月翻一倍。這意味著，隨著“數據—算力—算法”的協同發展，可以用更少參數實現相同的智能水平。
團隊還給出了一些推論。比如，同能力模型的推理開銷隨時間指數級下降，同時大模型能力密度正在加速增強。ChatGPT發布前能力密度每4.8個月翻倍，而ChatGPT發布后能力密度每3.2個月翻倍，密度增強速度提升了50%。這表明隨著大模型技術的成熟和開源生態的繁榮，能力密度提升正在加速。
肖朝軍表示，從直觀上看，能力密度越高，大模型就越聰明，運行大模型所需要的算力越少，成本就越低。圍繞這一科學指引，學術界、工業界能進行多維度的技術創新，讓大模型越來越普惠。
從大模型的應用角度來說，密度法則也意味著AI正在變得越來越可用。肖朝軍介紹，隨著芯片電路密度（摩爾定律）和模型能力密度（密度法則）持續增強，此前只能在云端部署的大模型，未來用終端芯片就裝得下、跑得動。大模型跑在終端設備上，在響應速度、用戶隱私等方面具備先天優勢，可以為用戶做得更多。
肖朝軍舉了個例子。此前大模型在智能汽車上的應用，都是“幫我打開車窗”“幫我查一下附近的餐廳”等“被動式”服務。端側模型“上車”后，通過豐富的“艙內外感知”和“意圖理解”能力，可以實現艙內外環境的多模態感知融合與主動決策閉環，驅動智能座艙從“被動響應”走向“主動服務”，讓智能浸潤每一次駕駛體驗。
