2023年，AIGC巨浪涌入千行百业，深刻影响和重塑着各个行业形态。

　　在2023年中国国际服务贸易交易会上，AIGC催生出的新产品、新场景、新应用集中亮相。作为一站式服务的AI科技领航者，百融云创携公司最新AIGC研发成果出席大会，现场展示AIGC产品库及行业落地经验。
　　产业大模型BR-LLM在金融场景落地
　　自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。但与市场喧嚣不同的是，百家争鸣的背后，是大模型如何能够接地气，真正在产业落地的困境。
　　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。
　　百融云创基于深度学习Transformer框架，结合NLP、智能语音等技术，打造了场景驱动的产业大模型——BR-LLM。百融云创自主搭建了大模型底层框架，通过深度微调能支持百亿级参数的训练。
　　百融云创大模型主要提供AI开发、智能交互、分析决策三种服务能力。在开发端，不仅适用于金融机构不同开发能力的技术人员，也适用于非技术人员实现自动化开发。在交互端，提供语言理解、多轮对话、语言处理、文本生成“听、说、读、写”四种能力，适用于金融营销、客服等场景；在决策端，为金融全生命场景的智能决策提供更全面的信息，为决策效率的提升注入更为强大的动能。
　　百融云创希望让大模型变成像水、电一样供金融机构按需使用，实现金融领域的模型即服务。
　　BR-LLM给产业带来的惊喜
　　在AI开发方面，百融云创大模型展现出强大的代码自动化生成能力。目前，百融云创已将ORCA机器学习平台融入到大模型BR-LLM之中，形成全新产品ORCA-GPT。利用BR-LLM的代码生成能力，ORCA-GPT创新性地实现了跨编程语言和框架的智能分析模型自动转换和部署，极大地降低了模型产品开发和部署的时间周期及成本。
　　在智能交互方面，百融云创生成式AI技术的另一拳头产品——智能语音的自然语言处理（NLP）语义理解模型同步实现升级迭代，有效推动运营转化率进一步增长。据悉，百融云创智能语音机器人对客户语音识别的准确率达99%以上，可以在最小化人工成本的前提下实现多轮对话。
　　同时，大模型还有“高人一筹”的表现。比如，当银行工作人员向客户推销金融产品时，客户问到一些如近十年某基金收益率这样的专业性问题，工作人员无法及时给出准确的反馈，客户可能就此流失。而大模型跨模态、跨语言的深度语义理解与生成能力，在处理复杂和专业性金融知识上，具有人工所不具备的能力。
　　一家大型银行动辄几千万的客户，大模型将会为每名客户提供一个7×24小时专属服务，这将为金融客服、智能投顾、产品营销等带来质的飞跃。
　　在分析决策方面，以判别式AI为代表的小模型已经发挥重要作用，大模型的进场将进一步激发小模型的能量。
　　数智化转型的快速推进，使得银行内部形成了大量的非结构化数据，这对信息质量要求比较高的判别式AI而言是一片无法触及的领域。当训练的信息量超过一定阈值，大模型就会出现“涌现现象”，即“在较小的模型中不存在，但在较大的模型中存在的能力”。
　　百融云创大模型能够凭借强大的信息挖掘能力，唤醒金融机构大量沉积的信息，就像是一块巨大的磁石，做关键信息的抽取，为判别式小模型进行赋能。比如在风险监控、信用评估、反欺诈等场景下，大模型能挖掘出小模型无法覆盖到的区域，丰满信息的维度。大模型对于小模型并非是替代或“消灭”，相反，两者将是相互协作的关系，大模型与小模型相互搭配，将大大提升金融决策的精准度和效率。
　　行业know-how更为重要
　　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know-how+模型精调的综合能力。其中行业know-how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。
　　百融云创CEO张韶峰近日在公司中期业绩发布会讲话时，曾反复多次强调行业know-how。
　　在张韶峰看来，百融云创能够成为国内唯一一家找到生成式AI和决策式AI规模化应用场景，并且实现增收又增利的AI科技公司，主要源于其AI技术优势和积累近十年的行业know-how在发挥作用。
　　算力可以买，行业know-how买不来。“对于我们在垂类行业做AI应用的科技公司来说，相比算力，行业know-how更为重要。”张韶峰说道。
　　行业know-how到底会释放多强的势能，张韶峰谈了以下两点：
　　第一，行业know-how决定了对于行业洞察的深度。以CRM（客户关系管理）为例，CRM管理需要很深刻的industry know-how和domain knowledge。做好了这两点才能在领域内形成专有部署，才能不断优化模型，进而乘上规模化的良性飞轮。
　　第二，行业know-how决定了对于行业洞察的广度。众所周知，百融云创是以“AI+金融”起跑，经过多年的数智服务，百融云创的产品和解决方案可以覆盖金融领域的全生命周期，涵盖信贷场景、增量用户获取、机构资产端、财富场景、存量用户运营、机构负债端等等。
　　以银行运营环节为例，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know-how是远远不够的。
　　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。
（文章来源：北京商报）