自從OpenAI的ChatGPT大模型的橫空出世就在國內外大型科技公司，國內巨頭型企業百度、阿里、京東等大型公司紛紛表態開發類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。而在特定的區域內如金融或者醫療行業這些精細的行業往往需要垂直專業細分領域，又要生成精準的定制化內容，只有選用垂直型這條路。

以百融云創為例百融云創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、跨語言的深度語義理解與生成能力，在處理復雜和專業性金融知識上，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揮重要作用，大模型的進場將進一步激發小模型的能量。

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，無論是百融云創還是許多其他的大模型企業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。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：