百融云创凭借模型提升信息挖掘能力

  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。

　　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。