百融云创：“模型-行业理解-场景应用”决定大模型成败

近日，艾瑞咨询重磅推出《2023年中国银行营销数字化行业研究报告》(以下简称《报告》)，并发布“中国银行营销数字化转型卓越服务厂商TOP30榜单”，百融云创凭借大模型在垂直产业的应用实践，成功入选该榜单。

今年以来，人工智能领域话题不断，AIGC、⽣成式⼈⼯智能、⼤模型等概念层出不穷。以大模型为代表的第二波AI浪潮正席卷而来，在产业领域酝酿新的变革。

大模型带来了一种新的范式，它将机器学习步骤分为了预训练和微调两个阶段。这种方式让机器学习的过程从任务导向的烟囱模式转化成了平台模式，通过上游的训练后形成强泛化能力的模型，可以降低多种下游任务的边际成本。

产业客户无需关注硬件设备和底层技术细节，只需要将精力专注于业务逻辑，通过API调用现成模型产品，或者根据大模型“微调”出满足实际业务的模型。比如在金融领域，无论是大型银行还是中小银行，都能轻松上手，无需额外的学习成本。

虽然市场对大模型有良好的预期，吸引了全世界多个科技巨头做战略级投入，但大模型也面临着成长的烦恼。从技术上和产业应用两个层面来说，大模型的应用难点有很多。

在技术方面，比较典型的一个问题是，在实际的应用中，大模型会常常发生一些事实性错误。这是因为对于大模型的训练数据中未曾覆盖到的信息，大模型会按照上下文的概率进行事实编造，从而导致大模型产生“幻觉”。

让大模型变得更可靠，生成式AI和决策式AI的有机融合发展或许将是一个有效路径。比如针对生成式AI在权衡一些对冲性的信息时，不能做出正确取舍的弊端，可以在模型建设中加入决策式AI的决策树等算法，通过引入显性的逻辑规则来判断相互矛盾的信息，进而给出最优解。

在产业应用方面，很多产业机构还是将大模型当作“玩具”，还不足以作为“工具”使用。要真正实现大模型的落地，产业机构需要的不仅是大模型本身，还需要充分的行业Know-how、行业知识库，以及对于落地场景的深入挖掘。在实际的交互中决定需要哪些功能，以及可能以何种方式与这些功能产生链接，强化大模型的“工具”能力。

简而言之，大模型在产业领域的应用绝不是单纯的技术问题，能否打造“模型-行业理解-场景应用”的完整体系才是决定成败的关键。

随着技术的演进发展，行业也将发展出几大不同的路径，即以科技巨头为主的底层大模型、新兴创业公司主导的各类“小模型”，以及像百融云创这样的AI科技公司研发的行业大模型。后续，外界对于大模型的关注将转向其在垂直领域的落地，行业大模型势必将迸发出更多势能，垂类应用和模型能力的结合也会更为紧密。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

关键词：