近年来，以ChatGPT、DeepSeek、Qwen等为代表的人工智能大模型发展迅速，但动辄千亿级参数带来高昂训练与部署成本，只有少数大型科技公司能够负担其开发和运行成本，普通科研机构、企业乃至个人开发者都面临着巨大的门槛。近日，中国科学院理论物理研究所研究员苏刚团队联合首都师范大学教授冉仕举课题组，将量子物理张量网络思想引入大模型压缩，提出Tensor Mixture（MixT）张量混合压缩框架，在精简参数的同时同步削减算力、显存与能耗。研究论文已在预印本平台arXiv公开发布，相关技术最近获得国家发明专利。

主流大模型压缩方式如剪枝、量化、低秩分解等通过降低权重精度、引入稀疏结构等降低资源开销，其效益取决于算法实现、计算内核和硬件支持。苏刚介绍，MixT则是将变换器（Transformer）模块中的标准稠密线性映射（包括自注意力中的Q、K、V、O投影，以及前馈网络中的Gate、Up、Down投影）重构为可直接执行的张量算子混合体，并非仅仅将张量作为压缩参数的手段。“MixT 全程保留张量运算架构，既能压缩参数量，还可同步削减计算开销与显存占用。”

研究团队在LLaMA2-7B模型上测试了MixT的压缩能力。结果表明，在最佳压缩位置，MixT使得模型总参数减少47.5%，推理计算量降低37.1%，训练计算量降低52.1%，推理显存降低60.4%。同时，在大规模多任务语言理解基准（MMLU）测试中综合能力几乎保持不变。“这意味着，用同样的GPU，可以运行更大的模型；或者更便宜的GPU，也能运行原本只有高端服务器才能运行的大模型。”苏刚说。

此外，该研究揭示出大模型具有“临界点”。研究人员逐步增加压缩程度时观察到一个有趣的现象：在压缩幅度抵达阈值前，模型体量不断缩小，性能却几乎不会衰减。然而，当压缩超过某一临界位置后，模型能力会骤然下降，如同物理中的“相变”。该现象揭示，大模型会在“压缩临界点”突然失去智能，说明大模型并非参数量越大性能越强，而是存在一个能够保持智能的最低结构复杂度。此外，研究发现压缩呈现明显方向差异：从模型后层向前压缩拥有充足稳定区间，从前至后压缩则性能即刻持续下跌，印证压缩过程与信息流方向需保持一致。

该研究以物理范式探究智能生成底层机理，实现了量子物理、张量网络与人工智能的交叉融合。借助物理学处理复杂系统的理论方法，该研究为理解人工智能（AI）如何产生智能、哪些结构真正重要提供新的研究方法。据介绍，MixT既可独立部署，也能与量化、剪枝、蒸馏等技术深度融合，有望推动大模型在笔记本电脑、移动终端及边缘设备上的本地部署与实时运行，为下一代高效、可解释、低能耗的智能系统奠定科学基础。

相关论文信息：

https://doi.org/10.48550/arXiv.2605.25344