以金融领域为例

Suriya450

目前，我们看到大模型已经开始与场景、行业进行深度融合，例如，代码生成、蛋白质结构预测等领域的大模型，验证了大模型已不仅在科技企业中应用，也迈出了走向各行各业的步伐。 国内大模型飞快跃过大模型概念股阶段，AI大模型已经从拼参数发展到拼应用。 比如，华为盘古大模型已经在气象、医药研发、电力、语种等领域落地，并交付了多个千亿参数大模型。腾讯云行业大模型能力将应用到金融风控、交互翻译、数智人客服等场景中，提升了智能应用效率，一站式MaaS服务为企业减负。 具体到应用场景，，行业大模型可以加持金融风控解决方案，


相比之前有了倍效率提升。 大模型结合过往积累的多年黑 伯利兹 手机号码 灰产对抗经验和上千个真实业务场景，整体反欺诈效果相较于传统模式，提升了%左右。企业则可以基于prompt模式，迭代风控能力，从样本收集、模型训练到部署上线，实现全流程零人工参与，建模时间也从周减少到仅需天。 即便样本积累有限的情况下，也可以完成快速搭建，跳过“冷启动”过程。 如何落地及商业化，正在成为厂商追求的重点。 这意味着，AI进入大规模可复制的产业落地阶段，仅利用下游的小样本或者零样本学习就可以达到很好的效果，从而降低AI开发成本。





百度文心大模型在升级后，就成功将成本降至过去的%。 任何行业，最终都会形成寡头态势，大模型也不例外。 过去短短几个月，大量新的大模型涌现，是疯狂想抓住风口，害怕掉队，还是长远布局赛道，潜心钻研，每位玩家只有自己心知肚明。 百模混战只会是一个阶段性的现象，终局仍然集中在少量的几个大模型。 原因不外乎以下几点 在演变过程中，各企业和机构逐渐找到了自己的定位，逐渐走向细分方向，最终被更完善的大模型收入麾下。