自今年2月以来，deepseek如火如荼，以迅疾不及掩耳之势，火遍大江南北，各行各业，但凡涉及新项目，莫不在其项目名称前增加"AI"、“大模型”、“基于DeepSeek”等亮眼字眼；谈及大模型，莫不是“有了AI，不用写代码了”、“替代人工了”、“基于本地知识库自动分析数据”了；如果再受到短视频里的大模型宣讲，好似大模型已经到了无所不能的地步。
康师傅在水务行业也深深受到了“DeepSeek”的冲击，基本来源于水务业主单位，业主经常有这样疑惑，“大模型不是能干。。。。。。”。基于行业里业主的需求以及市场的趋势，康师傅这几个月也在琢磨AI大模型，想以一个AI小白的视角，给大家讲讲AI大模型，它是什么，能做什么，有哪些应用，一个小白如何开始学习利用等。
1.学习思路
简单了解大模型，从ollama、vllm、lmdeploy三种主流方式学习部署模型，使用llamafactory、xtuner微调模型，使用opencompass评估模型，然后进阶的通过RAG完善优化模型，其间通过小案例熟悉使用。
核心：了解模型，不深究原理，熟练使用，初步尝试。
2.什么是大模型
既然有大模型，那就有小模型。为何我们现在使用的模型我们都叫它们大模型呢。以魔搭社区中的“DeepSeek模型”为例，大家经常听到的0.5B、7B、满血版模型，它们后面带的后缀“B”意味着是以10亿为单位的参数。比如0.5B就是参数量为5亿的模型，32B就是参数量为320亿的模型。
大模型一般是指参数了超过1B的模型，还有一些比较小的模型，比如bert模型，可能总共几百M，算是GPT3.5、qwen、DeepSeek之前的优秀模型了，大家刚开始玩的时候，可以先用bert模型试一试。
3.网上那么多0.5B、1.0B的模型，到底是什么？
我猜大家在工作、生活中估计也看到了许多DeepSeek0.5、1.0、7.0、8.0的各种版本，这些模型都是哪里来的，是DeepSeek开发出来适配不同算力、不同显卡的版本么？
答案并不是，以魔搭社区为例，这个1.5B的DeepSeek模型，就是大家常看的版本，这些版本并不是DeepSeek开发的，而是其他的一些优秀模型，通过“知识蒸馏”方法蒸馏出来的模型。
简单来说，就是以一个qwen的一个小模型为base模型，以DeepSeek为老师，在不断的学习过程中，初始加重DeepSeek的输出比例，慢慢的的降低它的比例，让这个qwen不断的学习，最终形成一个对GPU、算力要求没那么大的模型。
4.对电脑配置的要求
一般来讲，显存24GB以内的，大家也就玩玩0.5、1.0之类，小于7B的，个人大多数用ollama部署部署玩一玩，简单易上手，如果到企业的话，不建议，因为都是ollama自有的GGUF格式，基本都是阉割版本。和我们自己使用xtuner、llamafactory微调量化不一样，自己使用工具量化模型，知道量化的地方，哪些地方会有问题，所以从企业应用的角度，不推荐使用ollama。
5.为什么之前那么多模型，真正火了ChatGPT
我们大多数人接触大模型是从ChatGPT开始，然后国内的百度、智谱、阿里等普遍跟进。为什么从ChatGPT3开始，大众觉得大模型真的好用呢。这里不得不提一个模型的“涌现能力”。openai这家公司，有钱有人有显卡，每个模型参数量的上升，都是以“B”为单位，这就意味着大量的显卡，大量的电费，大量的技术人员做支撑。
openai公司通过不断的技术发展和尝试，发现模型的参数量达到10B的时候，模型会突然展现小模型完全不具备的能力，能流畅的编故事了，发展历程如下表：
| 迭代 | 参数量 | 功能 |
| GPT-1（2018） | 0.01B | 仅能完成简单文本生成（如续写句子），效果弱于同期BERT |
| GPT-2（2019） | 15B | GPT-2已能生成流畅的新闻、故事 |
| GPT-3（2020） | 175B | “涌现能力”明显，写代码对话接近人类水平 |
| GPT-3.5（2022） | 推测200B以上 | 结合人类反馈强化学习（RLHF），实现了“类人对话”的突破 |
下一篇，会通过一些小一点的模型，带大家开始尝试踏出AI大模型的第一步，并通过云服务器开始部署，一点点开始逐步深入。
大模型算是目前当之无愧最火的一个方向了，算是新时代的风口！有小伙伴觉得，作为新领域、新方向人才需求必然相当大，与之相应的人才缺乏、人才竞争自然也会更少，那转行去做大模型是不是一个更好的选择呢？是不是更好就业呢？是不是就暂时能抵抗35岁中年危机呢？
答案当然是这样，大模型必然是新风口！
那如何学习大模型 ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。但是具体到个人，只能说是：
最先掌握AI的人，将会比较晚掌握AI的人有竞争优势。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
但现在很多想入行大模型的人苦于现在网上的大模型老课程老教材，学也不是不学也不是，基于此我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近100余次后，终于把整个AI大模型的学习路线完善出来！
在这个版本当中：
您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型路线+学习教程已经给大家整理并打包分享出来, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓
一、大模型经典书籍（免费分享）
AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。
二、640套大模型报告（免费分享）
这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)
三、大模型系列视频教程（免费分享）
四、2025最新大模型学习路线（免费分享）
我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。
L1阶段:启航篇丨极速破界AI新时代
L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。
L2阶段：攻坚篇丨RAG开发实战工坊
L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。
L3阶段：跃迁篇丨Agent智能体架构设计
L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。
L4阶段：精进篇丨模型微调与私有化部署
L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。
L5阶段：专题集丨特训篇 【录播课】
全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方二维码，免费领取
2059
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
