贾扬清指出，大模型尺寸的发展趋势正重现CNN时代的路径。在ImageNet时代，模型参数规模经历了快速增长后转向更小、更高效的设计。这与当前GPT系列、苹果、谷歌等大模型参数激增、业界普遍认可的Scaling Law以及出现的迷你版模型如GPT-4o mini、苹果DCLM-7B、谷歌Gemma 2B相呼应。贾扬清强调，行业未来将因小型垂直模型而真正繁荣，这些模型虽然规模较小，但在特定领域展现出与大型模型媲美的智能。

贾扬清通过分析CNN的发展历史，总结了其从崛起、缩小规模、追求平衡、再到适应端侧计算的过程。他指出，大模型尺寸的发展趋势可能会遵循与CNN相同的发展轨迹，即在现实应用中，倾向于采用成本效益高、性能强大的小型模型。

网友们的反馈显示了这一趋势的共识，许多人认为这种“先大后小”的策略比单纯追求参数规模更为实用和有效。然而，也有人持不同意见，指出目前市场上最强竞争力的模型仍集中在大型模型的研发上，并未显示出小型化模型的明显优势。

贾扬清解释称，讨论大模型尺寸走向CNN老路并不意味着呼吁停止研发大型模型，而是反映了技术实践逐渐重视性价比高的模型选择。未来，更高效的小型模型或能重新定义AI的“智能”，挑战传统的“越大越好”的假设。