巨大技术投入的尽头仍是如何创造商业价值。随着AI大模型技术的不断进步，其规模化落地应用已成为行业发展的必然趋势。近期，百川智能推出了全链路领域增强金融大模型Baichuan4-Finance，中关村科金也推出了助大模型平台2.0，奇富科技更是将大模型引入了小微金融场景。这一系列举措标志着行业大模型正加速向实际应用领域迈进。

与巨头们在通用大模型领域的算力与技术厮杀相比，特定场景的行业大模型显然更具实用价值。一位金融科技公司高管透露，由于他们身处一线，拥有真实的业务场景，因此可以直接构建大模型产品并获取用户反馈。这种“接地气”的做法使得行业大模型在落地效果上更具优势。

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表示，通用大模型并不需要太多，全国有三四个就足够了。他认为，大模型下一步的发展关键在于如何更好地应用，并构建更加完善的软件生态。这一观点得到了业界的广泛认同。

然而，技术大投入难持续的问题也愈发凸显。算力、算法、数据是大模型发展的关键三要素，其中算力和数据更是企业间的最大壁垒。随着大语言模型规模的不断扩大，参数甚至高达万亿级别，训练所需的资金、人力和稳定性能源成本愈发高昂。郑纬民以一家知名大模型创业公司为例，指出该公司虽然拥有更多的数据、更大的模型和更长的上下文窗口，但更高的推理负载却带来了宕机风险。

数据问题也是制约大模型发展的另一大瓶颈。根据Epoch AI Research的研究预测，到2026年，现存的高质量语言数据将耗尽。而信息技术分析公司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。这意味着，大模型行业需要不断探索新的数据获取方式，以支撑其持续发展。

市场共识在于，大模型行业的发展已不再是狂飙状态，而是真正进入了精细化落地的进程中。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。在这一背景下，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成为脱颖而出的三类企业。

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。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。这一观点得到了业界的广泛认同。

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。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%。虽然从绝对占比来看，金融行业在全行业并不算高，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。奇富科技首席算法科学家费浩峻表示，技术对于大模型的权重只占40%，而对于业务场景的理解和深耕则要达到60%。他认为，应用场景、数据飞轮、智能体是大模型产品三个必要条件。喻友平则指出，“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。

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，在构建大模型时，需要深入行业一线，了解具体场景和需求，以提供更加精准和有效的解决方案。喻友平举例说，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。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的前景。

目前来看，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，大模型也可以实现综合线索留资率的大幅提升。

如何从降本增效逐步升级到高效提升业务核心收益是关键。费浩峻透露，目前已经将AI能力和金融大模型集成到新的信贷业务系统Focuspro2.0当中，既可以支持消费贷业务，也可以支持小微金融的业务，较好识别欺诈风险。然而，也有业内人士透露，一些大模型在金融业务里使用后刚开始的效果还是不错的，但是随着整个迭代变多以后效果出现了不稳定。这就需要深入一线和业务团队不断沟通，持续优化和改进大模型的应用效果。

（图片来源：网络）

（文章来源：中国经营报）