NVIDIA的颠覆性观点：AI Agent的未来，属于小模型(SLM)

请点击上方蓝字TonyBai订阅公众号！

大家好，我是Tony Bai。

在 AI 的世界里，“越大越好”似乎已经成为一种颠扑不破的信仰。我们见证了参数量从数十亿飙升至万亿，也习惯了将最强大的通用大语言模型（LLM）视为驱动一切 AI 应用的核心引擎。

然而，就在这股追逐“巨无霸”模型的浪潮之巅，全球 AI 硬件的领导者 NVIDIA，其研究部门却发表了一篇重磅论文，提出了一个看似反直觉，却可能重塑行业的颠覆性观点：

AI Agent 的未来，不属于大模型，而属于小模型 (Small Language Models, SLM)。

这不仅仅是一次技术路线的争鸣，更可能预示着 AI Agent 领域一次深刻的架构范式革命。

现状：“大模型单体”的困境

首先，让我们看看当前大多数 AI Agent 的工作模式：它们的核心通常依赖于对少数几个通用 LLM（如 GPT-o3、Claude 4、gemini 2.5 pro 等）的 API 调用。这个 LLM 就像一个无所不能的大脑，负责理解用户意图、进行推理、调用工具、生成代码等所有智能任务。

这种架构虽然在初期能快速验证想法，但其弊端也日益凸显：

• 成本高昂： 每一次 API 调用都在燃烧真金白银。

• 延迟不可控： 依赖中心化的云服务，难以满足实时性要求。

• 功能浪费： 大多数 Agent 子任务（如格式转换、意图识别）其实非常简单、重复，用一个“通才” LLM 去做，无异于“杀鸡用牛刀”。

这种过度依赖单一、强大、通用模型的模式，与软件工程发展史上我们早已熟悉的“单体应用 (Monolith)”何其相似！

NVIDIA 的三大核心论据：为什么是 SLM？

NVIDIA 的论文从三个维度，系统性地论证