智源研究院林咏华：多模态模型需求旺盛，但基础能力仍有提升空间

21世纪经济报道记者雷晨 北京报道

今年下半年以来，大模型经历了残酷的淘汰赛，少数用户活跃度高的大模型脱颖而出，进入决赛圈。与此同时，各界对于这些模型的性能表现、发展潜力等方面的关注与日俱增。

近期，北京智源人工智能研究院（简称：智源研究院）发布并解读了国内外100余个大模型的综合及专项评测结果，涵盖语言、视觉语言、文生图、文生视频、语音语言等多个领域。

围绕大模型发展趋势、行业现状及相关热点问题，智源研究院副院长兼总工程师林咏华与21世纪经济报道等媒体进行了一场深度对话，从专业视角对大模型的发展趋势、行业现状以及相关热点问题进行剖析。

互联网大厂优势明显，模型发展仍具潜力

林咏华指出，互联网大厂在大模型领域具有显著优势。在语言模型方面，凭借强大的流量优势，大厂能获取更多用户反馈，推动数据飞轮，在主观评测中表现良好。例如字节、快手等公司，在文生图、文生视频领域，因自身短视频平台积累的高质量数据而领先于非互联网厂商。

针对前OpenAI联合创始人、SSI创始人Ilya提出的预训练停滞观点，林咏华予以反驳。她表示，当前互联网存在数据孤岛现象，大量数据未被充分利用，中文数据在全球占比下降，但使用中文上网人数未变。同时，海量视频数据也有待挖掘，以促进模型对世界的认知学习，大模型发展仍有巨大潜力。

模型发展态势分化，多模态潜力凸显

智源评测结果显示，2024年下半年大模型发展呈现新趋势：多模态模型发展迅速，新厂商与新模型不断涌现，在K12学科测试中，融合语言和视觉的多模态模型表现出色，其理解和推理能力更强。语言模型发展则相对放缓，开源的第一梯队模型已达到较高水平，继续提升需更多创新，模型尺寸出现两极分化，除大型稠密模型外，7B或以下小模型下载量也较高。

林咏华认为，多模态模型需求旺盛，但基础能力仍有提升空间，预计2025年将有更多新模型出现。对于资金不强但创新能力足的团队，可在多模态模型的拼接、预处理、后处理、学习方式等方面进行创新。

AI应用趋势明确，算力需求将提升

林咏华还对AI应用趋势进行了展望。她表示，2024年语言模型基础能力提升，推动了复杂应用发展，2025年基于语言模型的Agent将成为热点，用于构建更复杂的AI应用和系统。文生图、文生视频应用也将在2025年迎来发展，VLM多模态模型在企业的落地场景广泛，未来需提升基础能力以形成新应用。

随着模型发展，对算力需求也将变化。林咏华提到，端侧模型正在发力，未来端云结合将成趋势，小模型和大模型将分别承担不同工作，以平衡资源消耗与效率提升。

开源生态持续发展，国内外差距仍存

在模型开源生态方面，除了坚定开源的机构外，新的开源贡献者不断出现。林咏华同时指出，中国在大模型技术领域与国际先进水平相比，在数据和AI系统方面存在差距，包括各类数据资源及算力。未来，国内需加强数据建设，提升算力水平，以推动大模型技术的进一步发展。