国内各大厂百度、阿里、腾讯、华为、商汤等都发布了AI大模型试分析各模型异同。

国内各大厂的AI大模型都是基于深度学习技术构建的，其目的是为了提高AI算法的准确性和效率。但是，不同的模型在技术实现、用途和性能等方面存在一些异同。

1. 百度的ERNIE模型：该模型是基于Transformer架构的预训练语言模型，其主要应用于自然语言处理任务，如文本分类、情感分析、机器翻译等。

2. 阿里的DLAD模型：该模型是一种分布式深度学习框架，可以自动划分模型、并行训练模型、分布式调度等，主要应用于图像识别、自然语言处理、推荐系统等领域。

3. 腾讯的EfficientNet模型：该模型是一种基于自动化网络结构搜索技术构建的高效卷积神经网络，能够在保证准确性的情况下，提高计算和存储效率，主要应用于图像识别任务。

4. 华为的MindSpore模型：该模型是一种开源的AI开发框架，可以支持多种硬件平台，包括CPU、GPU、NPU等，主要应用于图像识别、自然语言处理、语音识别等领域。

5. 商汤的MNAS-Net模型：该模型是一种基于自动化网络结构搜索技术构建的高效卷积神经网络，能够在保证准确性的情况下，提高计算和存储效率，主要应用于图像识别任务。

总体来说，国内各大厂的AI大模型都在不同程度上体现了技术创新和领先性，但是在具体应用领域和性能表现方面存在一定的差异。未来，随着AI技术的不断发展和应用场景的不断拓展，这些模型也将不断优化和升级，为人工智能领域的发展注入新的活力