晚点聊 LateTalk 144: 从「大而强」到「小而强」，密度法则、RL 的 Scaling Law 和智能的分布式未来
本期嘉宾，是清华大学的刘知远和肖朝军，他们刚在 11 月的《自然》杂志《机器学习》子刊上发表了封面文章：Densing Law of LLMS，大模型的密度法则。所谓“密度”，就是用更少的算力和数据获得相当乃至更多的智能。
刘知远是清华计算机系副教授和面壁智能首席科学家，肖朝军现在在清华做博士后，也是面壁 MiniCPM 系列的文本模型负责人。
图注：此图描述了 2023 年 4 月之后，主要开源模型的能力密度的变化。能力密度是衡量单位参数/算力下，模型能力的指标。目前版本的密度法则总结了预训练大语言模型的密度变化，o1、R1 等后训练强化学习对能力密度的提升尚未体现在指标里。
我们讨论了密度法则研究的源起，也展开聊了业界提升模型能力密度的具体做法：如何从架构、数据治理、算法和软硬协同优化 4 个环节着手提升模型能力密度。
而再往后，更大的密度提升，可能需要一些全新方法，因为强化学习的 Scaling Law 还未清晰展现，未来可能有两种技术路线：一是继续扩大强化学习的规模，观察其中是否涌现更多泛化能力；二是寻找新的学习方式。
在刘知远的设想中，未来，更高密度的模型，会支持每个人在端侧的专属模型，智能会分布式存在：也许手机都不是最终的入口，而是一个可以随身携带的个人计算设备：“就像一个可以随身携带的 NAS”。
图注：达到 GPT-4V 水平的模型参数规模随时间增长迅速缩减，而端侧算力快速增强，当芯片电路密度（摩尔定律）和模型能力密度（密度法则）两条曲线交汇，端侧设备将能运行以往只能在云端运行的大模型。
性能一直是人们更关注的模型演进的脉络，而这期我们会讨论，在另一条主线“效率”上，我们可以做出什么努力。
本期嘉宾：
刘知远，清华大学计算机系副教授、面壁智能首席科学家
肖朝军，清华大学计算机系博士后、面壁智能 MiniCPM 系列文本模型负责人
本期主播：程曼祺，《晚点 LatePost》科技报道负责人
时间线跳转：
-大模型时代的“摩尔定律”
02:09 Gemini 3 和 Nano Banana Pro 的启发：统一的“自回归式视觉+语言生成”即将突破
04:31 大模型演进的两条主线：能力和效率
10:23 和摩尔定律一样，“密度法则”是行业现实，也是“自我实现”
18:43 每 3.5 个月，大模型的能力密度翻一番
21:01 2023 年下半年的抉择：花几千万再训一个更大的模型，然后呢？
-提升密度的四个环节
27:08 架构、数据、算法、软硬协同优化
30:41 (1) 架构：MoE (混合专家系统) + 注意力机制改进
34:28 (2) 数据治理：Ultra-FinWeb 用 1/10 数据量达到更好效果
40:24 (3) 算法：RL 还没有 Scaling Law，接下来可能有两条路
49:21 (4) 软硬协同优化
52:02 InfLLM-V2 的核心更新：把稀疏注意力做到预训练阶段
55:18 注意力改进趋势：长文本不仅是长输入，更多关注“长输出”
-大模型上车、上手机
58:53 5 年内，手机可跑 GPT-4~5 级别的模型
01:06:23 大模型在汽车上已开始量产落地
01:10:34 “别人得到的，不一定是你失去的”，AGI 既会发生在云端，也会发生在终端
01:15:07 未来入口也许不是手机，而是属于每个人的移动计算终端
-AGI 下一步：自主学习 + 分布式的智能
01:17:40 自主学习→AI 协作网络→真正的创新
01:21:04 2023 年初，有巨头说世界上只会拥有几个大模型，就像 1943 年，IBM 董事长曾说全球不需要超过 5 台主机
01:24:46 AI 助手帮成为更好的工作者
01:28:53 不担心生产过剩，未知领域还太多
01:31:39 机器制造机器，AI 制造 AI
01:40:01 ☆连点成线
相关链接：
晚点聊 143 期：《再聊 Attention：阿里、Kimi 都在用的 DeltaNet 和线性注意力新改进》
晚点聊 103 期：《用Attention串起大模型优化史，详解DeepSeek、Kimi最新注意力机制改进》
剪辑制作：Nick
附录，本期提到的一些论文（更多具体名词解释，见本期文字版）：
Densing law of LLMss（《大模型的密度法则》）
Efficient GPT-4V level multimodal large language model for deployment on edge devices（本期中提到的，具身行业喜欢引用的图的原始论文。）
InfLLM-V2: Dense-Sparse Switchable Attention for Seamless Short-to-Long Adaptation（InfLLM 稀疏注意力改进的第二版。）
☆《晚点聊 LateTalk》建立「 播客听友群」啦！☆
欢迎关注科技、商业大公司动态和创业创新的小伙伴进群交流，第一时间收听新节目。
这里有更多互动，更多话题讨论。欢迎贡献选题 & 推荐嘉宾。
请先添加「晚点」小助手的微信号，备注：“晚点聊”，我们邀请您入群。
关注公众号《晚点 LatePost》和《晚点对话》，阅读更多商业、科技文章：
