“AI大模型运用落地的第一核心是深入理解场景，用场景需求牵引着技能的发展。
”7月29日，科大讯飞副总裁、研究院院长刘聪在媒体沟通会上对外表示，中国拥有独特的运用处景上风，弘大的人口基数为行业产品供应了丰富的数据和多样化的运用处景，AI运用要能够创造商业代价，核心在于对落地场景的深入理解。
对付目前热议的小模型潮流，刘聪认为，模型大小的选择也应根据实际运用处景和任务需求来决定。

科大讯飞副总裁、研究院院长刘聪

大模型落地依赖对场景需求的认知

2024年，大模型赛道竞争更加激烈，刘聪表示，科大讯飞更关注大模型能否真正实际运用到系统中，为用户供应可衡量的代价和效果，在这个过程中对场景的认知起到关键浸染。

刘聪以科大讯飞发布的首款星火智能批阅机为例，“没有大模型时，我们也做批改，有了大模型之后，现在批改比过往厉害了很多。
”他表示，该款智能批阅机目前基于星火大模型V4.0的底座能力研发，可以在对多学科、多题型作业进行智能批改，即时天生报告，以便老师在作业讲评时进行分层辅导。

刘聪认为，这款产品之以是能迅速被市场接管，背后离不开对行业的深入理解和技能积累。
科大讯飞早在十年前便提出了全学科自动阅卷的观点，通过长期的技能积累，才能够快速将大模型技能运用在产品中，并实现产品性能的快速迭代。

正是基于对场景的深入认知，科大讯飞在实行大模型“1+N”路线时也会因时制宜。
“1+N”的“1”指通用的认知智能大模型，“N”便是大模型在各个领域的落地，包括教诲、办公、汽车、人机交互以及医疗等。
刘聪坦言，经由实践，他们创造之前设定的“1+N”的逻辑存在冗余问题，今年，他们对“1”和“N”的划分进行了调度，“N”在落地场景中，有部分场景下的常用能力可以整合到核心业务里，不再作为独立业务存在，减少重复开拓的事情。

让场景和实际任务需求来决定模型选择

大模型进入下半场，从技能到运用，市场对付更易本地支配的高效率、低本钱模型越来越感兴趣。
今年暑期，AI巨子们也密集发布小模型，既比性能，还拼价格。

7月19日，OpenAI发布GPT-4o mini，号称是“OpenAI最智能和最实惠的小模型”，不足为奇，苹果也发布了DCLM小模型，并且发布即开源。
有不雅观点指出，这些模型参数小、占内存少，在特定场景中，经由精调后利用效果可以媲美大模型，成为性价比之选。

在刘聪看来，大模型与小模型的选择，实在根据繁芜任务方案需求而定。
对付部分高难度任务包括繁芜的推理任务，比如数学推理等这类任务每每须要大规模模型的支持，由于它们涉及多步骤推理和跨领域信息整合。
对付大略的任务，比如特定行业的翻译或文本处理，乃至编写代码这类专业性事情，中小规模的模型可能就足够了。
特殊是在须要快速相应的场景下，如在个人电脑上利用，常日不须要依赖云端处理。

“不过，小模型的不断进步须要依赖大模型的发展。
”刘聪指出，无论是大模型还是小模型，最主要的是根据实际运用处景和任务需求来决定，而不是大略地追求模型的大小或繁芜度。

刘聪表示，海内拥有独特的运用处景上风，弘大的人口基数为行业产品供应了丰富的数据和多样化的运用处景，这在某种程度上是上风。
只管在通用大模型的用户生动度上可能不及国外，但在行业运用方面，中国拥有丰富的场景和数据，这反而成为机会。