打个比方来说，大模型类似于一个知识非常渊博的老师，他学了无数多的数据，但是如果从事一件具体的工作，就不需要那么渊博的知识，这时候，我们可以根据需求，自动蒸馏出一个小模型，教出一个小徒弟来做这项工作。 人工智能要迈上工业化阶段，必须要满足以下几个条件，批量化，成本低，易访问，轻能耗以及最大程度的开源开放。未来，“云端的大模型+末端小模型”很可能会成为人工智能应用的重要模式。 记者：这个平台，目前是否有一些成功的应用？ 徐波：我们已经有一些应用，效果很好。以前解决不了或者解决不好的现在有了全新的技术手段。 我们在智慧媒体方面做了一些探索。和头部视频网站合作，针对其海量的短视频、电影和电视剧，做到了跨模态内容的检索。比如输入一段文字，就能定位到视频中的某一个片段；可以根据电视剧的简介自动生成1分钟的视频摘要；还可以指定某个特定演员出现的场景、某件事的前因后果等内容进行“跳播”。 工业视听觉已经进行了应用尝试。过去，人工智能在工业领域的应用是一个痛点，因为样本非常少，而且很多时候数据是多模态的。比如发动机的质检，往往是靠老师傅们“听”出来的。用人工智能怎么做呢？我们把各种各样的工业缺陷数据混合在一起，首先让机器进行模型自学，应用的时候只需要给两个样本，就可以达到很高的质检精度。这方面我们已经实验过了，原来可能需要一万个样本才能做到90%以上的识别率，现在只要用几个或几十个样本，精度就能达到90%，大幅降低了人工智能的应用门槛。 另外一个应用案例是具像化的教学，可以在打手语的同时生成对应图片，辅助学生理解，更好地达到教学目的。
我们把各种各样的工业缺陷数据混合在一起，首先让机器进行模型自学，应用的时候只需要给两个样本，就可以达到很高的质检精度。这方面我们已经实验过了，原来可能需要一万个样本才能做到90%以上的识别率，现在只要用几个或几十个样本，精度就能达到90%，大幅降低了人工智能的应用门槛。
