摘要
　　中信证券财富管理与中信里昂研究观点一致。根据中信里昂研究在2026年8月21日发布的题为《Small isbeautiful》的报告，小语言模型获得的关注少于其前沿对应模型，但这种情况可能很快会改变。学术进展使其能力更强、具备多模态能力且硬件效率更高。Microsoft的140亿参数Phi-4在部分基准测试上可胜过GPT-4o，而阿里巴巴的Qwen3-VL 8B为该模型配备了图像/视频处理能力。更好的软件也可以释放智能手机内部已配备的NPU潜力。AI需求已准备好从云服务器扩展到消费设备、工业设备、车辆和机器人。
　　更好的数据驱动更好的、更小的模型：Microsoft Phi-4
　　小语言模型历来遵循规模定律：更大的模型通常表现更好。蒸馏（Distillation）产生了更便宜的“学生”模型，但它们通常仍明显落后于其更大的“老师”模型。
　　Microsoft的Phi-4对这一上限提出了挑战。Microsoft并非主要依赖原始网络数据，而是使用经过精心筛选和专门构建的合成数据来训练这个140亿参数模型。更好的数据带来了一个更好的、尽管更小的模型。
　　Phi-4在部分数学和科学基准测试中优于GPT-4o，证明模型规模不再是获得更强智能的唯一途径。
　　更小的模型也能处理视频和图像：Qwen3-VL
　　早期小语言模型面临两大限制。它们的上下文窗口较短，而且大多数主要是为文本而非图像或视频而设计。
　　Qwen3-VL解决了这两个问题。其较小的20亿和40亿参数版本可在256,000 token的上下文窗口内原生支持文本、图像和视频。
　　阿里巴巴对该模型进行了渐进式训练。该模型先掌握较短的材料，然后才被要求处理更长得多的输入。
　　Qwen3-VL还改变了其在文本、图像和视频之间跟踪时间和空间位置的方式，从而在利用各种信号时提供了更高的一致性。
　　Qwen3-VL 8B在多模态性能方面于某些基准测试上几乎可媲美Gemini 2.5 Pro和GPT-5。
　　最大化利用智能手机中的神经处理单元：llm.npu 
　　智能手机已经包含CPU、GPU和神经处理单元。NPU是为大规模、重复性的AI计算而设计的。问题在于兼容性。
　　移动端NPU偏好固定大小的输入和整数计算，而语言模型处理长度不一的提示并需要非整数运算。
　　llm.npu系统将提示拆分成若干部分，将适合的整数计算发送至NPU，并将不规则或对精度敏感的工作分配给CPU和GPU。
　　llm.npu将预填充速度提升了22.4倍，并将能耗降低了30.7倍。
　　智能体需要专家，而不是每项任务都需要一个天才：NVIDIA对小语言模型的论证
　　NVIDIAResearch认为，小语言模型特别适合智能体AI。
　　对用户而言，一个智能体可能看起来是通用型的，但其底层工作流通常由许多狭窄且重复的步骤组成。针对特定任务训练的较小模型，可能具有足够准确性、显著更快且运营成本低得多。
　　小语言模型更容易通过微调来专门化以适应某项任务，这在智能体环境中很有用。许多工作流要求对输出进行严格约束，而一个经训练可执行单一工作的专用小语言模型可能提高系统的可靠性。
　　部署一个70亿参数的小语言模型成本可能比使用一个大得多的模型低10-30倍。当一个智能体重复调用模型时，这种节省会进一步累积。
　　小语言模型不会取代前沿模型。然而，它们可以处理底层的大部分工作，使智能体更便宜、更快速且更易于部署。