巨大技术投入的尽头仍是如何创造商业价值。随着AI大模型进入规模化落地应用的新阶段，近期，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，中关村科金也推出了助大模型平台2.0，而奇富科技则早已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更加贴近实际需求。2024年，众多云厂商纷纷寻求与一线业务场景结合，以构建大模型产品并获得用户反馈。

中国工程院院士、清华大学计算机系郑纬民教授指出，通用大模型无需过多，全国有三四个便足够。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。

算力与数据成为大模型发展瓶颈

算力、算法、数据是驱动大模型发展的关键要素。其中，算力和数据是当前企业面临的主要壁垒。随着大语言模型规模的不断扩大，参数高达万亿级别，训练所需的资金、人力和能源成本急剧上升。

郑纬民教授强调，基础大模型需要巨大的计算量，而具体场景的行业模型则无需如此庞大的计算资源。他以一家知名大模型创业公司为例，该公司追求数据更多、模型更大、上下文窗口更长，以带来更好的输出效果，但这也导致了推理负载的增加和存储器超负荷的风险。

据业内人士透露，大模型的训练成本高昂，但随着技术的迭代，推理成本在2024年已大幅降低。同时，数据问题也成为制约大模型发展的另一大瓶颈。据Epoch AI Research预测，到2026年，现存的高质量语言数据将耗尽，而Gartner的研究报告则指出，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的时代，进入精细化落地的新阶段。郑纬民认为，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，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。

行业大模型呼唤商业价值

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。这为金融机构在AI落地方面提供了强大动力。

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。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，项目金额也增至2亿元。

虽然金融行业在大模型应用中的占比不高，但由于其对技术和安全标准的要求较高，因此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。

一位金融科技公司高管透露，公司在制定2023年OKR时，就明确了要找到大模型在金融科技领域的最佳应用。奇富科技首席算法科学家费浩峻也表示，技术对于大模型的权重仅占40%，而对业务场景的理解和深耕则要达到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。

中关村科金总裁喻友平认为，“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，场景模板是最关键的因素之一。

喻友平进一步解释，虽然对场景价值和知识能力的理解在方法论上是通用的，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。

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。据喻友平透露，以智能营销场景的大模型外呼为例，公司在某家装平台的活动营销转化率达到了3.5%，相比传统AI外呼大幅提升了130%，与人工座席相比仅有17%的差距。在智能运营环节，大模型也可以实现综合线索留资率的显著提升。

费浩峻透露，目前公司已将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，并能较好地识别欺诈风险。然而，也有业内人士指出，一些大模型在金融业务中使用后，随着迭代次数的增加，效果出现了不稳定，需要深入一线与业务团队不断沟通，以持续优化。

（文章来源：中国经营报，内容有删减）