自從OpenAI的ChatGPT大模型的橫空出世就在國內外大型科技公司，國內巨頭型企業(yè)百度、阿里、京東等大型公司紛紛表態(tài)開發(fā)類ChatGPT相關產品。而目前在全球范圍內的ChatGPT產品幾乎都沿著通用型和垂直型兩條路線快速演進。而在特定的區(qū)域內如金融或者醫(yī)療行業(yè)這些精細的行業(yè)往往需要垂直專業(yè)細分領域，又要生成精準的定制化內容，只有選用垂直型這條路。

以百融云創(chuàng)為例百融云創(chuàng)自主搭建了大模型底層框架，通過深度微調能支持百億級參數的訓練。打造了場景驅動的產業(yè)大模型BR-LLM，他的打造是基于結合NLP、智能語音等技術的同時深度學習Transformer框架。

在AI開發(fā)層面，大模型的自動生成能力打破了模型之間的經驗不能互相積累和復用。面向不同金融場景，只需模型工程師清晰地下達指令，用文字描述出需求就能自動生成模型。在智能交互方面，大模型在處理復雜和專業(yè)性金融知識上，具有人工所不具備的能力。

在智能交互方面，百融云創(chuàng)大模型能提供“真人級”對話效果，對客戶的語音識別準確率可達到99%以上，每日進行超過億級規(guī)模的自動交互。

同時，大模型還有“高人一籌”的表現。比如，當銀行工作人員向客戶推銷金融產品時，客戶問到一些如近十年某基金收益率這樣的專業(yè)性問題，工作人員無法及時給出準確的反饋，客戶可能就此流失。而大模型跨模態(tài)、跨語言的深度語義理解與生成能力，在處理復雜和專業(yè)性金融知識上，具有人工所不具備的能力。

一家大型銀行動輒幾千萬的客戶，大模型將會為每名客戶提供一個7×24小時專屬服務，這將為金融客服、智能投顧、產品營銷等帶來質的飛躍。

在分析決策方面，以判別式AI為代表的小模型已經發(fā)揮重要作用，大模型的進場將進一步激發(fā)小模型的能量。

數字化轉型的快速推進，使得銀行內部形成了大量的非結構化數據，這對信息質量要求比較高的判別式AI而言是一片無法觸及的領域。當訓練的信息量超過一定閾值，大模型就會出現“涌現現象”，即“在較小的模型中不存在，但在較大的模型中存在的能力”。

百融云創(chuàng)大模型能夠憑借強大的信息挖掘能力，喚醒金融機構大量沉積的信息，就像是一塊巨大的磁石，做關鍵信息的抽取，為判別式小模型進行賦能。比如在風險監(jiān)控、信用評估、反欺詐等場景下，大模型能挖掘出小模型無法覆蓋到的區(qū)域，豐滿信息的維度。大模型對于小模型并非是替代或“消滅”，相反，兩者將是相互協(xié)作的關系，大模型與小模型相互搭配，將大大提升金融決策的精準度和效率。

當然，必須指出的是，無論是百融云創(chuàng)還是許多其他的大模型企業(yè)雖然具有廣闊的想象空間，但大模型這一變革性技術的應用也同樣面臨著全新挑戰(zhàn)。還有對小型金融機構來說提升算力的巨額資金，會不會造成發(fā)展的分化;如何在安全的情況下使人工智能生成的內容安全可靠等，這些都是需要破解的難題。

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。

關鍵詞：