自 2022 年 11 月推出以来，以ChatGPT为代表的AI大模型迅速风靡全球，驱动该领域成为人工智能最 新和最火爆的赛道。在全世界范围内，大模型创业公司如雨后春笋般涌现，大厂推出代表性大模型的步伐更是马不停蹄。Gartner预计，从现在到 2027 年，生成式AI将进一步加速企业创新。
在国内，创业者对大模型的热情仅次于诞生地美国。斯坦福大学人工智能研究所发布的《 2023 年人工智能指数报告》显示，美国AI私人投资总额以 474 亿美元位居世界前列，中国以 134 亿美元的投资总额位居第二。科技部新一代人工智能发展研究中心的最 新数据则显示，短短半年，中国已发布的AI大模型已有 79 个，可谓“百模大战”。
然而，在创业者激战正酣下，市场对大模型的反馈却悄然生变：专家投资人大佬泼冷水、用户“新鲜劲儿”不再、OpenAI 去中东融资、ChatGPT的访问量增速持续下滑……FaceBook首席人工智能科学家杨立昆甚至预言，五年内没人会用ChatGPT；高盛也在研报中公开质疑，“大模型是炒作还是真革命？”
从疯狂到冷静，折射出的是企业和市场对大模型实际应用价值的焦虑。在耗费巨额人力物力成本后，这些模型除了可以生成令人印象深刻的文本或图像，又究竟能给我们的生产和生活带哪些实质性提升？
不过，思则生变。如今的大模型厂商们，正纷纷涌向大模型的垂直产业“落地战”。
01 大模型的归宿：到产业纵深处实现价值
在市场对大模型的焦虑中，有观点认为，其将步入元宇宙的后尘。犹记得元宇宙横空出世，Facebook大张旗鼓地改名Meta，国内互联网巨头纷至沓来，多家上市公司靠炒作元宇宙概念虚火一把。但很快，元宇宙就偃旗息鼓，如今已成明日黄花。
不过，与此前的任何一次AI浪潮不同，大模型从业者对行业发展图谱的认知更为清晰明确，也更快地形成集体共识：即大模型必须也只有从通用进入到垂直，迅速转到产业落地，才能证明自己真正的价值。
360 创始人周鸿祎指出，大模型是生产工具，会成为水煤电这样的基础设施，只有放低身段，赋能百业千行，才能成为工业革命级的生产工具，引领工业革命。
《中国人工智能大模型地图研究报告》也显示，目前中国大模型产业化应用大致出现两种并行的发展路径，其中通用大模型正在快速发展，应用行业正在从办公、生活、娱乐向医疗、工业、教育等加速渗透。
与此同时，一批针对生物制药、遥感、气象等垂直领域的专业类大模型，正在发挥其领域纵深优势不断深化落地，提供针对特定业务场景的高质量专业化解决方案。
但很明显，无论是哪种路径，大模型的落脚点都是从分散到聚焦，向产业纵深化发展：企业们依托深耕垂直行业沉淀的私有数据，有针对性地开发垂直化大模型和场景应用，将技术的想象力转化为破解业务难题的产业生产力，在丰富的产业场景中赋能细分领域的降本增效。这才是大模型的突破口所在。
IDC的调研也发现，当下阿里巴巴、百度、科大讯飞、腾讯、华为等AI大模型厂商不再局限于拼战略和概念，而是追求模型的效率提升以及实际落地的价值。
比如， 7 月，华为推出赋能千行百业的盘古大模型3.0，打出了“不做诗、只做事”的口号，在金融、制造、医药研发、煤矿、铁路等诸多行业持续发挥价值；京东推出自研产业大模型言犀，主要面向知识密集型和任务型场景，落地解决真实的产业问题； 8 月 31 日，百度宣布文心一言正式向全社会开放使用。数据显示，已有超过 650 家合作企业宣布接入文心一言，涵盖媒体、出版、金融、汽车、医疗、教育、文创等众多领域。
其中，金融业作为数据密集型和科技驱动型行业，被视为模型应用落地的最 优场景之一。斯坦福大学的数据显示，在产品和服务开发方面，金融服务业的人工智能占比最 高，达到31%。
如今，金融领域的垂直大模型应用层出不穷。 3 月 30 日，彭博社训练了专门用于金融领域的LLM，开发了拥有 500 亿参数的语言模型——BloombergGPT。同月，工商银行基于昇腾AI，发布了首 个金融行业通用模型。随后，星环科技、恒生电子、度小满金融、奇富科技、蚂蚁集团等均推出金融相关大模型。
最近的 8 月 28 日，持牌消费金融公司马上消费发布了首 个零售金融大模型“天镜”，剑指金融大模型的落地难题，助推金融产业数字化升级。
02 三纵三横，引爆金融数字化变革
越来越多的大模型被推至前台，也将金融大模型厂商们的赛点推动到规模化应用落地的新阶段。但如今，多数金融大模型还停留在简单的工具层面，如何与金融业务场景实现深度融合，给金融机构带来价值层面的升级变革，仍是业内共同的话题。
究其原因，金融与风险密切相关，金融业的特殊性和强监管背景，决定了其对技术的隐私性、安全性、稳定性、实时性、可控性等指标的要求更为精细和苛刻，对厂商们的数据储备和分析能力、技术积淀、合规运营、资金实力等提出了更多挑战。
马上消费首席信息官蒋宁就在发布会现场分析指出，在金融领域，大模型有四个关键难题：
第 一， 是当前的大模型在面对动态且不可预期变化的金融各项业务时，还并不能做到每一份决策都稳定、比较准确；
第二， 是金融行业往往希望为用户提供个性化的服务体验，但这需要个人隐私数据和大模型相融合，涉及到合规和安全问题；
第三， 是金融行业一直存在的“数据孤岛”问题，大模型要求构建增强学习的网络化平台，并持续贡献数据和反馈，但目前背后市场的数据生态是割裂的，仍然需要持续性的探索；
第四， 是金融行业大模型应用对底层设备、基础架构等软硬件设施提出更高的要求。
蒋宁表示，生成大模型，最 大的困难是满腹经纶，回答错了可以不承担风险，但金融大模型最主要的模型是判别性，需要做交易决策，1%的错都会造成客户的损失，这就是金融大模型和传统大模型比较大的区别。
这也意味着，只有头部机构才能有实力在安全、合规的前提下，利用大模型释放金融数据的产业价值，在多个金融场景中优化服务体验、提升运营效能，从而增强金融机构的决策智能，促进金融业生产力指数级增长和商业模式的创新。
作为以科技驱动的头部持牌消费金融机构，马上消费在过去多年里持续投入科技研发，积累了1. 79 亿的用户，有超 2000 个模型、 10 万+变量、近50PB的多模态、高质量的数据，具备了模型精调对齐训练的技术和数据基础，也为其率先实现零售金融大模型的实质性落地奠定了基础。
中国工程院院士、浙江大学求是特聘教授谭建荣就表示，马上消费能探索金融大模型，说明了是行业的领头羊，有了数据和模型，才能从不确定的关系转变为确定的关系，从变量中找出不变量。
马上消费的“天镜”大模型也不负众望，已经在零售金融数字化、智能化上形成了“三纵三横”的打法。
所谓三纵，是指实时人机协作、多模态智能、数据决策智能，在数据领域实现智能化，实现结构性数据判别式模型的综合能力；三横，即指持续学习、模型合规、组合式AI形成安全、合规、可信的鲁棒性技术能力，确保让模型越用越聪明，同时更稳定、更安全可控。
具体到场景应用上，“天镜”大模型已经在汇集智慧、唤醒知识、众创价值、数字分身等四大核心能力，直指金融机构数字化难题。
马上消费人工智能研究院院长陆全表示，在汇集智慧方面，“天镜”大模型主要是应用在人工客服场景。
具体来说，“天镜”通过大模型提炼萃取一线优 秀人工坐席客服经验，拥有一对多服务客户的能力，帮助推荐、优化回答。据悉，该模型已运行近 3 个月，意图理解准确率达91%，相较于传统AI的68%有较大提升；客户参与率61%，高于传统模型43%的参与率，也高于人工坐席平均28%的水平。
而唤醒沉睡知识，则主要是有效解决了提取、利用非结构化文档中的数据资料的痛点。例如，将企业招股书、财报、经济预测数据等文件上传后，天镜大模型可以深入解析金融领域专业术语、同时查询定位多个不同文档、洞悉金融图表隐含的信息和强大归纳总结能力。
众创数据价值，主要是为了降低使用数据的门槛。天镜大模型SQL生成平台不再需要代码等专业指令，可直接向AI 说大白话，天镜自动理解需求、展开检索、生成答复，按照人的意思去完成数据挖掘的任务。当前，天镜每日线上SQL生成数量 650 多次，线上SQL生成可执行比例53.4%，SPIDER标准数据集EX得分75.2，线上使用者满意反馈比例82.3%，表现领先行业。
数字人方面，陆全希望打造的“数字外表+智慧大脑+情感内心”三合一数字人，擅理解、有温度、懂心理的智能秘书，或不休不眠的智能“打工人”。
对于马上消费利用大模型“天镜”助力金融业实现降本增效的举措，欧洲科学院外籍院士、清华大学人工智能研究院常务副院长孙茂松直言，“马上消费做了一个很好的示范作用，开了一个好头。”
结语
按照Gartner给出的《大语言模型的炒作曲线》，大模型的发展将在经过“过高期望的峰值期”、“泡沫化的底谷期”后进入“稳步爬升的光明期”。在“稳步爬升的光明期”，大型语言模型的真正潜力和价值开始具体化。
在金融领域，马上消费无疑是爬升阶段的先驱。随着“天镜”大模型在金融业务中深度应用，马上消费将凭借先发优势，在减少信息不对称、降低交易成本、提高风控水平、充分满足客户个性化需求、赋能产业链上的合作伙伴方面释放更多价值，推进金融行业的数字化和智能化进程。
正如蒋宁所言，马上消费已经在金融领域跑出了“马上速度”，未来已来，马上消费将持续拓展虚实共生，做可信开放的数字融合体。
（推广）
