自从OpenAI的ChatGPT大模型的横空出世就在国内外大型科技公司，国内巨头型企业百度、阿里、京东等大型公司纷纷表态开发类ChatGPT相关产品。而目前在全球范围内的ChatGPT产品几乎都沿着通用型和垂直型两条路线快速演进。而在特定的区域内如金融或者医疗行业这些精细的行业往往需要垂直专业细分领域，又要生成精准的定制化内容，只有选用垂直型这条路。
以百融云创为例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。打造了场景驱动的产业大模型BR-LLM，他的打造是基于结合NLP、智能语音等技术的同时深度学习Transformer框架。
在AI开发层面，大模型的自动生成能力打破了模型之间的经验不能互相积累和复用。面向不同金融场景，只需模型工程师清晰地下达指令，用文字描述出需求就能自动生成模型。在智能交互方面，大模型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。
在智能交互方面，百融云创大模型能提供“真人级”对话效果，对客户的语音识别准确率可达到99%以上，每日进行超过亿级规模的自动交互。
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。
数字化转型的快速推进，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。
当然，必须指出的是，无论是百融云创还是许多其他的大模型企业虽然具有广阔的想象空间，但大模型这一变革性技术的应用也同样面临着全新挑战。还有对小型金融机构来说提升算力的巨额资金，会不会造成发展的分化;如何在安全的情况下使人工智能生成的内容安全可靠等，这些都是需要破解的难题。
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。
