巨大技术投入的背后，关键在于如何将其转化为可观的商业价值。随着大模型技术的规模化落地应用，近期，行业大模型发布呈现井喷态势。2024年12月底，百川智能推出了全链路领域增强的金融大模型Baichuan4-Finance，中关村科金紧随其后，推出了助大模型平台2.0，更早前，奇富科技也将大模型引入小微金融场景，标志着大模型技术正逐步深入实际应用。

　　相较于巨头在通用大模型领域的算力与技术竞争，特定场景下的行业大模型显得更为“接地气”。一位金融科技公司高管在接受《中国经营报》记者采访时表示，2024年众多云厂商主动寻求合作，因为他们身处一线，拥有实际业务场景，能够直接构建大模型产品并获取用户反馈。

　　中国工程院院士、清华大学计算机科学与技术系教授郑纬民近期在接受采访时指出，通用大模型的数量并不需要太多，全国有三四个就足够。大模型未来的发展重点在于如何更好地应用，并构建更加完善的软件生态。

　　技术大投入面临挑战

　　算力、算法、数据是大模型发展的三大支柱。其中，算力和数据被视为当前企业间的主要壁垒。随着大语言模型规模的不断扩大，参数甚至达到万亿级别，训练所需的资金、人力和能源成本急剧上升。郑纬民教授以一家知名大模型创业公司为例，指出其产品逻辑在于追求更多的数据、更大的模型和更长的上下文窗口，以提升输出效果。然而，这导致推理负载增加，存储器超负荷，存在宕机风险。该公司曾连续购买五次算力卡，但问题仍未解决。

　　数据问题同样严峻。Epoch AI Research预测，到2026年，现有的高质量语言数据将无法满足AI模型训练的需求。信息技术分析公司Gartner的研究报告也指出，到2030年，合成数据将成为AI模型的主要训练数据来源。

　　市场普遍认为，大模型行业已告别狂飙突进阶段，进入精细化落地的新阶段。郑纬民教授认为，人工智能进入大模型时代的两大特点是AI基础大模型从单模态向多模态发展，以及大模型加速行业智能化升级。他预计，研发大模型的企业、推动大模型应用落地的企业，以及支持大模型计算系统的企业将在这一时代脱颖而出。

　　场景应用呼唤商业价值

　　政策层面也在推动大模型技术的应用。2024年11月，央行、国家发展改革委等联合印发的《推动数字金融高质量发展行动方案》强调，要强化数字技术支撑能力，助力金融业数字化转型，并提升重点领域金融服务的质效。这为金融机构推动AI落地提供了强大动力。

　　恒生研究院的市场调研数据显示，2024年前三季度，我国公开披露的大模型项目中标总额达到20.75亿元，同比增长163%。其中，金融行业的大模型中标项目数量为66个，项目金额达1亿元，占比4.9%。2024年1月至11月，金融行业的大模型中标项目数量增至103个，项目金额增至2亿元。虽然金融行业在全行业中的占比不高，但由于其对技术和安全标准的要求更高，因此能够在金融领域应用的大模型能力，往往具备向其他领域迁移的条件。

　　中关村科金总裁喻友平表示，市场真正需要的是能够回归商业本质的实用工具。行业大模型必须提供端到端的解决方案，帮助企业解决实际问题，并具备全链条的服务能力。他认为，“平台+应用+服务”的模式是企业大模型落地的最佳路径。大模型平台之间的差异主要体现在算力大小、模型响应速度，以及应用构建能力上。在智能体应用构建中，场景模板是最关键的因素之一。

　　喻友平进一步解释，虽然方法论是通用的，但数据和行业场景并不通用。例如，保险销售和财富产品销售的外呼场景就不能通用，因为它们的流程不同。然而，在一定条件下，这种场景能力有可能实现迁移，尤其是在营销获客方面。只要将某个行业的垂直场景数据和知识提取出来，并注入相关行业大模型中，一旦模型训练完成，就可以在另一个领域继续使用，实现标准化。

　　目前，大模型在金融行业的主要用途包括内部赋能以及客服、外呼、获客等业务环节。以智能营销场景的大模型外呼为例，某家装平台的活动营销转化率达到了3.5%，相比传统AI外呼大幅提升130%，与人工座席相比仅有17%的差距。在智能运营环节，金融场景业务中的综合线索留资率提升了19.8%。

　　如何高效提升业务核心收益成为关键。奇富科技首席算法科学家费浩峻透露，已将AI能力和金融大模型集成到新的信贷业务系统Focuspro2.0中，支持消费贷和小微金融业务，有效识别欺诈风险。然而，也有业内人士指出，一些大模型在金融业务中使用初期效果较好，但随着迭代次数增加，效果出现不稳定，需要深入一线与业务团队沟通，持续强化。

（文章来源：中国经营报）