在大模型的早期階段，廠商宣傳中常提到千億級、萬億級參數為特大模型、超大模型。而在產業實際落地階段，不再追求模型參數的數量。IDC認為，大模型是對原有算法模型的技術升級，基于海量數據開發預訓練模型，到最終用戶環境中使用少量數據即可獲得比之前的算法模型更好的結果，其要點在于：

1 預訓練型學習了多少數據

2 遷移學習的效果如何

3 部署的整體成本如何

大模型浪潮最早起源于預訓練模型，Google發布的Bert模型即是自然語言處理領域最為典型的預訓練模型。OpenAI則提出的GPT模型，尤其是2020年發布的GPT-3模型參數量即達到1750億，在全球掀起大模型的浪潮。可以說，在AI模型開發領域，經歷了預訓練模型-大規模預訓練模型-超大規模預訓練模型的演進。

在國內，IDC觀察到目前大力投入大模型的研發和落地的廠商以大型云服務商為主。例如，百度智能云“文心大模型”，包括了NLP大模型、CV大模型以及跨模態大模型，其特色在于注重跨模態技術研發，融入海量知識進行知識增強，應用場景廣泛且落地實踐豐富。阿里達摩院則推出“通義大模型”系列，以M6大模型為底座，發布Alice一系列模型合集，該大模型系列既在阿里內部核心業務場景落地，也在外部醫療、能源、金融行業積累了多個實踐案例。華為則從框架層、算力層以及軟件層面全面發力大模型，既有內部自主研發的盤古大模型，也開放華為昇思MindSpore框架支持業界進行大模型的訓練，華為在大模型領域強調強泛化能力、模型精度的提升以及研發成本的降低。此外，京東云、浪潮以及主流的人工智能研究院也在積極投入大模型的研發，典型的大模型有智源研究院悟道2.0模型、浪潮“源1.0”大模型等。