在巨大的技术投入背后，如何创造商业价值成为行业关注的焦点。随着大模型技术的不断成熟，越来越多的行业大模型开始进入规模化落地应用阶段。

　　近期，百川智能推出了全链路领域增强金融大模型Baichuan4-Finance，中关村科金则推出了助大模型平台2.0，奇富科技也将大模型引入到了小微金融场景中。这些行业大模型相较于巨头在通用大模型领域的算力与技术竞争，更加接地气，更加注重实际应用效果。

　　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年有很多云厂商主动找到他们，因为他们在一线，有业务场景，可以直接构建大模型产品并得到用户反馈。

　　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也指出，通用大模型不需要太多，全国有三四个就足够了。大模型下一步的发展重点是如何更好地应用，并构建更好的软件生态。

　　然而，技术大投入难持续的问题也日益凸显。算力、算法、数据是大模型发展的关键三要素，其中算力和数据被行业普遍认为是现阶段企业间的最大壁垒。随着大语言模型规模越来越大，参数高达万亿级别，动用一次训练所需要的资金、人力和稳定性能源愈发昂贵。

　　郑纬民教授以一家知名大模型创业公司为例，透露了该公司因推理负载过高导致存储器超负荷，连续买了五次算力卡都未能解决问题的困境。这一成本显然绝大多数机构难以承受。

　　数据问题则是另一大瓶颈。Epoch AI Research研究预测显示，到2026年，现存的用于AI模型训练的高质量语言数据将耗尽。信息技术分析公司Gartner的研究报告也提到，到2030年，合成数据将成为AI模型的主要训练数据来源。

　　尽管面临诸多挑战，但市场共识在于，大模型行业的发展已进入精细化落地的进程中。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。他预测，在大模型时代，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也表示，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。

　　随着央行、国家发展改革委等联合印发《推动数字金融高质量发展行动方案》，金融机构在推动AI落地上也有了强烈动力。金融行业成为当前大模型落地的一个重要领域。恒生研究院市场调研数据显示，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，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，占比4.9%。

　　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的标准更高，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。企业侧对于场景的价值已有相当共识，认为应用场景、数据飞轮、智能体是大模型产品三个必要条件。

　　喻友平指出，“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、模型响应速度以及以智能体为代表的应用构建能力上。在智能体应用构建中，场景模板是最关键的因素之一。

　　对于场景价值和知识能力的理解，虽然方法论是通用的，但数据和行业场景并不通用。因此，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，大模型在金融行业实际生产中的主要用途为内部赋能以及客服、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转化率达到了3.5%，对比传统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，金融场景业务中可以实现综合线索留资率提升19.8%。

　　然而，也有业内人士透露，一些大模型在金融业务里使用后，随着迭代次数增多，效果出现了不稳定。因此，需要深入一线和业务团队不断沟通，持续强化领域知识。

（文章来源：中国经营报）