清华大学和Miracl AI在《自然机器智能》上发表文章，提出了“能力密度”指标——即每个参数可支持的有效智能，指出模型性能应当注重“密度而非规模”。团队分析了51个主流开源大型模型，发现密度每3.5个月翻倍，使同一任务所需的参数数量呈指数级减少。数字化转型网www.szhzxw.cn
研究强调，高密度并不意味着简单的压缩;“把词典塞进一本小书里”会导致智能流失，因此需要“数据-力量-算法”的协作设计。基于此，Miracl AI推出了“高密度”0.5B-2B系列模型，在相同下游任务上实现了相当于7B-13B模型的性能。这些模型已被扩展并应用于手机语音助手、车载交互和智能家居边缘盒，推理延迟低于100毫秒，终端端功耗降低了45%。
Miracl AI首席执行官李丹表示，下一步将与清华大学合作，将密度提升曲线纳入模型开发的关键绩效指标（KPI）。目标是在2026年前推出一款“背包级”个人大型模型，可运行于NPU智能手表上，推动“模型微型化”生态系统的发展。数字化转型网www.szhzxw.cn
若您对人工智能感兴趣，可添加数字化转型网小助手思思微信加入人工智能交流群。若您在寻找人工智能供应商，可联系数字化转型网小助手思思（17757154048，微信同号）
若您为人工智能服务商，可添加数字化转型网小助手Nora，加入人工智能行业交流群。
若您为人工智能创业者，可添加数字化转型网社群主理人Carina，加入人工智能创业交流群。
声明：本文来自网络，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。数字化转型网www.szhzxw.cn
本文由数字化转型网（www.szhzxw.cn）转载而成，来源于网络；编辑/翻译：数字化转型网（Professionalism Achieves Leadership 专业造就领导者）默然
