在人工智能快速发展的今天，大模型技术作为一项核心技术，吸引了众多创业者和投资者的目光。然而，在这一领域，却存在着一条明显的“鄙视链”。本文将深入探讨大模型领域内不同派别之间的认知差异、技术路线以及背后的原因。
一、认知差异与入局姿势
大模型领域的鄙视链可以从以下几个方面来分析：
1. 硬件派与软件派
硬件派主要关注机器人的硬件能力，如控制和电机等。他们通常由机器人出身的创始团队组成，更关注机器人本体（人形/四足狗）和臂或关节等硬件方面的设计。而软件派则更注重机器人的智能化和泛化能力，尤其是AI软件的开发。
2. 传统AI背景与大模型背景
在软件派中，又可以分为传统AI背景和大模型背景。传统AI背景的团队通常拥有CV、强化学习等领域的经验，而大模型背景的团队则专注于真正的大模型技术。
3. 技术路线与共识
不同派别在技术路线上也存在差异。例如，硬件派在机器人硬件方面更注重本体设计，而软件派则更关注智能化和泛化能力。目前，行业内对于大脑和小脑的边界、具身智能的实现方式等问题还没有达成共识。
二、行业现状与挑战
1. 软硬之争
在行业内部，软件派和硬件派之间的矛盾尤为明显。软件派认为硬件公司在AI软件上的投入过低，只是简单接接国外开源的大模型。而硬件派则认为机器人才是立身之本，欢迎客户使用他们的硬件，即使软件被删除。
2. 技术瓶颈与创新
当前，大模型领域的技术瓶颈主要表现在以下几个方面：
- 推理能力不足：苹果公司的AI研究人员发现，大规模语言模型在逻辑推理方面存在不足。
- 搜索能力竞争：从拼参数到拼搜索，大模型竞争的核心逐渐转向搜索能力的提升。
- 行业认知偏差：部分舆论只关注大模型公司，忽视了基础学科、原始创新和智能本质的研究。
三、行业发展趋势与建议
1. 加强行业共识
为了促进大模型领域的发展，行业内部需要加强共识，特别是在大脑和小脑的边界、具身智能的实现方式等方面。
2. 深化技术创新
针对大模型领域的技术瓶颈，企业应加大技术创新力度，提高推理能力和搜索质量。
3. 关注基础研究
在追求商业价值的同时，也要关注基础学科、原始创新和智能本质的研究，为AI领域的发展提供源源不断的动力。
总之，大模型领域内的鄙视链反映了行业内部在认知、技术路线等方面的差异。要想推动大模型技术的发展，需要行业内外共同努力，加强共识，深化技术创新，关注基础研究，共同推动人工智能领域迈向新的高峰。