LLM大语言模型一（概述篇）

1.引言

2022年底，ChatGPT的发布，引发了大语言模型的关注，场面非常爆炸性！但其实，距离大语言模型的诞生，已经过去了4年，早在2018年OpenAI就发布了第一个生成式预训练模型GPT-1，参数量1.17亿；同一年谷歌发布参数有3亿的BERT模型，标志着大模型时代的到来。这里，我们看出来，大模型的大，某种意义上表示着参数的规模，当然参数的规模，某种意义上表达了模型的能力。

在往前追溯，人工智能的发展已有将近70年的历史，直到今天此时此刻，让我们普通人觉得科技于生活如此之近，这是好事！一个技术，能影响普罗大众的日常生活，正是说明它的价值点到来以及成本降低到可接受的程度。就好比，芯片将计算边际成本降到了零，互联网将分发的边际成本降到零，那么大模型AIGC有望将创作的边际成本降到零。AIGC的进一步发展，终于是让人工智能告别”有多少人工，即有多少智能“的时代。

国内大模型，集中在2023年由百度发布文心一言大模型开始，拉开了百模大战的序幕。随后阿里通义，华为盘古，讯飞星火，腾讯混元，字节豆包，百川，智谱，月之暗面及正在势头的DeepSeek，好一幅”群模乱舞“！

于此，作为一个技术人，我自己也在做一些Agent的事情，希望能从技术人的角度，结合日常生活化的方向，做一些关于这个方向的思考和分享，系列内容关注：LLM+Agent应用。与大家共同交流共勉！

2.什么是大语言模型

AI大模型指的是拥有亿级以上参数的深度学习模型，深度学习延申至机器学习。从应用场景角度去看，可以分类为通用大模型和垂直大模型，垂直大模型可以进一步细分为行业大模型和垂直场景大模型。

怎么去区别看待通用大模型和垂直大模型？举个例子：

关于大模型，我们还需要知道它的基础能力域，包含：理解，数学，编码，生成，推理和多模态。

3.大语言模型发展史

大模型发展历程，可以追溯到人工智能起点时刻开始，时间线如下：

4.大语言模型产业图谱

2023年中国AIGC产业图谱：

2024年中国AIGC产业图谱：

5.大语言模型的不足和发展趋势及挑战5.1.大模型不足

当然，大模型不是万能的，至少在当下及很长的一段时间不能万能，这是从基因因素决定的：

关于以上不足，会逐步有相关解决方案，后续到分享Agent内容的时候，我们详细来看。

5.2.发展趋势

2025年大模型发展的一些趋势向产品化，商业化，产业化迈进，向降本增效提质迈进。主要有几个因素，从去年开始关注各大模型上游玩家的模型服务，和相关LLMOps平台，以及具体的AI应用平台发现：

5.3.发展挑战

大模型发展的挑战，从上游厂家来看，是成本和基础设施能力的建设。就大模型训练成本来说，不是普通玩家能玩得转的。比如GPT-4训练成本7800万美元，训练时长90-100天；最近火爆的DeepSeek号称做到了极致的性价比，训练成本600万美元，训练时长2-3个月。这些都不是普通玩家能玩的。

从不同的维度来看相关挑战：