己想的？”周昀的回答让他有些意外，就算是他手下那几个要读博的研三的学生，也没有谁的研究课题是完全独立想出来的。

这对于一个研零的学生来说已经是非常不错了。

“你继续。”

周昀翻到下一页ppt，没有文字，ppt上是一些著名的ai公司的logo：“这些都是现在比较著名的ai公司，

gpt，claude，gemini这都是现在世界上顶尖的大模型，不可否认的是，这些大模型的性能都非常强，但相对应的，训练他们所耗费的资源也是海量。

一个先进的图像识别模型可能需要几十甚至上百兆的内存，数以亿计的计算量。

它们就像高性能的跑车，必须在云端数据中心这样的大跑道上才能发挥实力，但是现实生活中，大家的设备都是电脑，手机，摄像头等等。”

说到这里周昀停了一下，将ppt翻到下一页。

老师没有提问，那他就继续讲。

“这种情况下，我们面临一个巨大的挑战：如何让庞大、复杂的ai模型，在这些资源有限的“小设备”上，也能跑得又快又好，还能实时响应？

以下四点是我认为的需要解决的几个痛点：

1.尺寸不符：大模型在小设备上跑不动，或直接装不下。

2.速度滞后：即使勉强能跑，响应速度也慢，用户体验差。

3.能耗巨大：小设备电池续航有限，大模型会迅速耗尽电量。

4.网络依赖：依赖云端意味着有延迟，且断网就失效，隐私也难以保障。”

“不好意思，我打断一下。”

“老师您说。”

“你刚才提到了这些大模型性能虽强，但资源消耗巨大，而现在你想把这些大模型塞进小设备里，其中的难点我理解，

但是，既然这