在科技日新月异的今天，技术投入的终极目标是实现商业价值的最大化。随着大型模型步入规模化应用的新阶段，近期，众多行业巨头纷纷发布其专属大模型。2024年12月底，百川智能推出了全链路增强的金融大模型Baichuan4-Finance，与此同时，中关村科金也推出了助大模型平台2.0，更早之前，奇富科技已宣布将大模型引入小微金融场景，以探索新的业务模式。

　　相较于巨头们在通用大模型领域的激烈竞争，特定场景下的行业大模型因其贴近实际应用而更受欢迎。一位金融科技公司高管透露，2024年，许多云厂商主动寻求合作，因为他们在业务一线，拥有真实的业务场景，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、清华大学计算机系郑纬民教授指出，通用大模型的数量并不需要太多，全国有三四个就足够。他强调，大模型未来的发展关键在于如何更好地应用，并构建完善的软件生态。

　　技术投入的可持续性挑战

　　算力、算法、数据是大模型发展的三大核心要素。其中，算力和数据是当前企业间的主要壁垒。随着大模型规模的不断扩大，算力需求急剧增加，训练成本高昂，成为行业大模型落地的一大障碍。郑纬民教授以一家知名大模型创业公司为例，该公司追求更大的数据量、更大的模型和更长的上下文窗口，以提升输出效果，但这也带来了更高的推理负载和存储器超负荷的风险。

　　数据方面，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。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，大模型行业已从快速发展阶段转向精细化落地阶段。郑纬民教授认为，大模型时代的特点是从单模态向多模态发展，并加速行业智能化升级。他预测，三类企业将在这一时代脱颖而出：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。

　　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。他强调，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。

　　场景应用与商业价值的融合

　　随着央行、国家发展改革委等联合发布的《推动数字金融高质量发展行动方案》的实施，金融机构在推动AI落地上获得了强大动力。该方案强调了数字技术在提升金融服务质效方面的作用。

　　恒生研究院的数据显示，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，较2023年全年增长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。这表明，虽然金融行业在大模型应用中的绝对占比不高，但由于其对技术和安全的高标准，能够在此领域应用的大模型往往具备向其他领域迁移的能力。

　　金融科技公司高管透露，公司在制定战略目标时，已明确将大模型在金融科技领域的应用作为重点。奇富科技首席算法科学家费浩峻表示，对于大模型的成功，技术仅占40%的权重，而对业务场景的理解和深耕则达到60%。他强调，应用场景、数据飞轮、智能体是大模型产品的三个必要条件。

　　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。他指出，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，场景模板是关键因素之一。

　　喻友平进一步解释说，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，从而实现标准化。

　　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，中关村科金在某家装平台的活动营销中实现了3.5%的转化率，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，大模型也实现了综合线索留资率提升19.8%等显著成效。

　　费浩峻透露，公司已将AI能力和金融大模型集成到新的信贷业务系统Focuspro2.0中，该系统既能支持消费贷业务，也能支持小微金融业务，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后，初期效果良好，但随着迭代次数增加，效果出现不稳定。因此，需要深入一线与业务团队不断沟通，持续强化相关领域。

（文章来源：中国经营报）