人工智能从小模型到大模型的演进，核心拐点集中在三次浪潮的交替之中：2006年深度学习理论突破带动第三次浪潮加速，2020年OpenAI发布GPT-3.0后中美差距拉大，以及2022年11月ChatGPT发布后引爆全球关注。其中，大模型涌现能力（模型规模达到阈值后性能突增）是催生ChatGPT现象级应用的根本原因，标志着AI从“专用工具”走向“通用能力平台”的范式切换。

小模型时代：针对特定场景的“专用工具”

在第三次浪潮前期，AI模型普遍是针对特定应用场景需求训练的小模型。这类模型的通用性差，换到另一个应用场景往往不适用，需要重新训练，牵涉大量调参、调优的工作和成本。同时，由于训练依赖大规模标注数据，某些场景数据量少时，模型精度不理想，最终导致AI研发成本高、效率低。

大模型时代：泛化能力与涌现能力

过去5年，随着数据、算力和算法的提升，AI从小模型发展到大模型。大模型在大规模无标注数据上训练，学习特征和规则，泛化能力强——基于大模型进行应用开发，微调或不微调即可完成多个场景任务，有效降低应用研发门槛，也解决数据量少、精度低的问题。

更重要的是，大模型具备涌现能力：当模型规模达到某个阈值时，模型对某些问题的处理性能突然呈现快速增长。正是基于这种能力，才有了ChatGPT这一现象级应用。

ChatGPT拐点：从技术突破到大众引爆

2022年11月，OpenAI发布基于GPT-3.5大模型的聊天机器人程序ChatGPT，短短5天注册用户超100万，60日月活破亿，成为史上增长最快的消费者应用。英伟达CEO黄仁勋断言：“我们正处在AI的iPhone时刻！”这标志着人工智能技术即将广泛应用于生产生活，深刻影响经济社会方方面面。

常见问题

小模型和大模型的核心区别是什么？

小模型针对特定场景训练，通用性差，换场景需重新训练，调参成本高且依赖标注数据；大模型在大规模无标注数据上训练，泛化能力强，通过微调或不微调即可完成多任务，显著降低AI应用研发门槛。

什么是大模型的涌现能力？

涌现能力指当模型规模达到某个阈值时，模型对某些问题的处理性能突然呈现快速增长，而非线性提升。这种能力是小模型不具备的，也是ChatGPT能够实现现象级应用的根本技术基础。

ChatGPT的发布为何被视为行业拐点？

ChatGPT发布后5天注册用户超100万、60日月活破亿，成为史上增长最快的消费者应用，被黄仁勋称为“AI的iPhone时刻”。它让AI从专业领域走向大众，标志着人工智能技术即将广泛进入生产生活，并带动国内百度、阿里、商汤等企业陆续发布各自的大模型。