AI导读:

随着大模型进入规模化落地应用阶段,行业大模型密集发布。算力、算法、数据成为关键壁垒,市场共识在于大模型行业已进入精细化落地进程。行业大模型需提供端到端解决方案,帮助企业解决实际问题,商业价值与应用场景成为关注焦点。

巨大技术投入的尽头仍是探索如何创造更多商业价值。随着大模型步入规模化落地应用的新阶段,近期,多个行业大模型密集发布。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,中关村科金也发布了助大模型平台2.0,更早前,奇富科技已宣布将大模型引入小微金融场景。

相较于巨头在通用大模型领域的算力与技术竞争,特定场景的行业大模型显得更具实用价值。这些行业大模型直接针对业务需求构建,能够快速得到用户反馈。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指出,通用大模型无需过多,全国三四个便足够,关键在于如何更好地应用,并构建完善的软件生态。

算力、算法、数据是驱动大模型发展的关键三要素。当前,算力与数据成为企业间的主要壁垒。随着大语言模型规模的不断扩大,训练所需资金、人力及稳定性能源成本激增。同时,数据问题也成为制约大模型发展的另一大瓶颈。Epoch AI Research预测,到2026年,现存的高质量语言数据将耗尽,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,大模型行业已从高速发展期进入精细化落地阶段。郑纬民认为,大模型时代,AI基础模型正从单模态向多模态发展,同时加速行业智能化升级。在此背景下,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,将脱颖而出。

中关村科金总裁喻友平表示,市场真正需要的是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,具备全链条服务能力。随着数字金融高质量发展行动方案的推出,金融机构在推动AI落地上有了更强动力。

恒生研究院数据显示,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,金融行业大模型中标项目数量为66个,金额达1亿元。尽管金融行业在全行业占比不高,但因其对技术和安全标准较高,能在金融领域应用的大模型往往具备向其他领域迁移的能力。

企业侧对于场景价值已有深刻认识。奇富科技首席算法科学家费浩峻指出,技术对于大模型的权重为40%,而对业务场景的理解和深耕则需达到60%。应用场景、数据飞轮、智能体是大模型产品的三大必要条件。喻友平认为,“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。

场景能力在一定程度上可实现迁移,尤其是在营销获客方面。通过提取某个行业的垂直场景数据和知识,并注入相关行业大模型中,一旦模型训练完成,便可在另一领域继续使用,实现标准化。这种能力迁移和标准化的可能性,为大模型在不同行业中的应用提供了广阔空间。

目前,大模型在金融行业主要用于内部赋能以及客服、外呼、获客等业务环节。以智能营销场景的大模型外呼为例,某公司在某家装平台活动营销中的转化率达到了3.5%,较传统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,大模型也能显著提升综合线索留资率。

如何从降本增效逐步升级到高效提升业务核心收益成为关键。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,部分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,需持续强化与业务团队的沟通。