往期文章有讲述人工智能的发展史和具体概况，而本期讲述的是人工智能中最核心深度学习能力——大模型。大模型是人工智能领域的一种超大规模深度学习模型，它通过海量数据训练和千亿级参数实现对复杂信息的理解与创造。随着我们学习的深入，通过主角“大模型”的叙述，了解人工智能深度学习背后的故事。

一、大模型简介

大模型通常指的是大规模的人工智能模型，是一种基于深度学习技术，具有海量参数、强大的学习能力和泛化能力，能够处理和生成多种类型数据的人工智能模型，其显著特征有以下几点：

训练数据大：使用互联网级文本（书籍、网页、代码等）进行训练，量级可达TB~PB级文本，而传统的AI模型仅达到GB级文本。

参数规模大：模型参数量可达数十亿至数万亿，而传统的AI模型仅达百万至千万级。

算力需求大：需数千块GPU/TPU并行训练数周甚至数月，其训练成本可达千万至亿美元级，传统的AI模型成本是数万美元。

人工智能包含了机器学习，机器学习包含了深度学习，深度学习可以采用不同的模型，其中一种模型是预训练模型，预训练模型包含了预训练大模型（可以简称为“大模型”），预训练大模型包含了预训练大语言模型（可以简称为“大语言模型”）。

（图片整理：厦门大学大数据教学团队研报）

二、大模型的分类

按模态能力分：可分为单模态模型和多模态模型。单模态模型支持的数据类型仅有文本类型，主要应用于对话形式的生成、写作内容的生成和代码生成；多模态模型的支持数据类型会多些，有文本、图像、音频、视频等，能应用于图片处理并理解分析和跨模态的推理分析。

按参数量级分：可分为轻量级、中量级和重量级。轻量级的参数规模一般会小于10亿级，应用端硬件通常在手机或消费级的GPU上，满足日常手机处理所需功能；中量级参数规模在10亿至700亿级之间，应用端一般是服务器的GPU上，一些大企业有专门服务器支持会使用到；重量级的参数规模甚至可达千亿级，像GTP-4用到的千卡集群。

按处理的数据模态分：可分为语言模型、视觉模型和多模态模型。语言模型指在自然语言处理领域中的一类大模型，通常用于处理文本数据和理解自然语言。这类大模型的主要特点是它们在大规模语料库上进行了训练，以学习自然语言的各种语法、语义和语境规则；视觉模型指在计算机视觉领域中使用的大模型，通常用于图像处理和分析。这类模型通过在大规模图像数据上进行训练，可以实现各种视觉任务，如图像分类、目标检测、图像分割、姿态估计、人脸识别等；多模态模型指能够处理多种不同类型数据的大模型，例如文本、图像、音频等多模态数据。这类模型结合了NLP和CV的能力，以实现对多模态信息的综合理解和分析，从而能够更全面地理解和处理复杂的数据。

三、大模型的产品

大模型的产品出了国外的ChatGPT、Gemini等外，还有国内在持续爆火的DeepSeek、豆包、Kimi、文心一言等，在市场上占据高份额。

豆包：豆包是字节跳动基于云雀模型开发的 AI，能理解你的需求并生成高质量回应。它知识储备丰富，涵盖历史、科学、技术等众多领域，同时具备出色的文本创作能力，能撰写故事、诗歌、文案等各类体裁。个人感觉在文章写作灵感和图片创作上使用的体验感较好。

Kimi：北京月之暗面科技有限公司于2023年推出的一款智能助手，支持长文本处理，主要应用于学术研究、法律分析和API文档理解等领域。在数据收集和分析上，它的优势会比较明显。

DeepSeek：DeepSeek是杭州一家名为“深度求索”的中国初创公司，最初发布DeepSeek-V3模型，在多个基准测试中，性能均超越了其他开源模型，甚至与顶尖的闭源大模型GPT-4o不相上下，DeepSeek在硅谷被誉为“来自东方的神秘力量”。

四、大模型的基本原理

大模型是基于Transformer架构的，这种架构是一种专门用于自然语言处理的“编码-解码器”架构。在训练过程中，大模型将输入的单词以向量的形式传递给神经网络，然后通过网络的编码解码以及自注意力机制，建立起每个单词之间联系的权重。大模型的核心能力在于将输入的每句话中的每个单词与已经编码在模型中的单词进行相关性的计算，并把相关性又编码叠加在每个单词中。这样，大模型能够更好地理解和生成自然文本，同时还能够表现出一定的逻辑思维和推理能力。

五、全文小结

大模型的发展对于推动产业升级、应对市场挑战和促进技术进步具有重要意义，近年计算机技术和大数据的不断发展，大模型将在更多领域发挥重要作用，成为人工智能时代的重要引擎。同时大模型的应用也面对诸多挑战，例如计算成本和能耗、过拟合与泛化问题、数据隐私问题等，这些在未来都需要我们众多研究学者共同攻克的核心问题。

 如何学习AI大模型？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

 

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓