自从OpenAI推出ChatGPT大模型开始,通用大模型在全球范围内迎来爆发式增长。当通用大模型运用在特定领域内,比如医疗、金融等,由于缺乏领域内专业和庞杂的知识作为依托,其能力表现往往不尽如人意,大模型发展路径也因此分出一条岔路,市场中越来越多的企业开始将目光投向了产业大模型,在金融领域这一趋势尤为强烈。与普通模型相比,大模型具有更加复杂和庞大的网络结构、更多的参数和更深的层数。但更大规模,并不等于更强模型能力。

产业大模型考验的是算力+行业knowhow+模型精调的综合能力。其中行业knowhow尤为关键,这是专家经验、行业知识、组织能力、工程能力的综合体,而这也恰恰是垂直企业的竞争优势所在。

比如在银行运营环节,由于模型都是黑盒模式,由模型制定出的营销策略,很难让一线执行的客户经理完全信服,当模型制定的策略置于现实情况产生了偏差,此时该如何协调客户经理与AI之间的关系?或者由于外部环境发生变化,如疫情对居民收入带来了影响,金融机构原有的信贷模型与现实情况就会产生偏差,此时要如何优化原有的参数?如果仅有大模型而没有足够深入的产业knowhow是远远不够的。

作为金融数智化转型的赋能者,百融云创很多同事来自于世界各著名金融机构,对于国内外金融产业发展拥有深刻的理解,截至目前百融云创已经为7000多家不同类型的金融机构提供服务,这些都为金融产业的knowhow积累下独有的优势。

比如在某中小银行的服务中,百融云创要从数字化转型总体规划入手,逐步深入到产品和业务等多个层面。有时要协同科技部门、业务部门等多个部门,并搭配非常深厚的产业视野,才能真正深入场景,直抵产业的核心。百融云创大模型的价值和意义,是其在满足业务的真实诉求中寻找适配的技术方案,而非是为技术寻找应用的场所。