自从ChatGPT横空出世之后,AI大模型的命运齿轮开始转动。乘着大模型“风火轮”,国内掀起了轰轰烈烈的“百模大战”。

在大模型时代,没有一家企业能够置身事外。已经深耕AI领域近十年的百融云创基于深度学习Transformer框架,结合NLP(自然语言处理)、智能语音等技术,打造出场景驱动的产业大模型――BR-LLMs。百融云创自主构建了大模型预训练、微调、推理工程优化、应用开发套件等一整套技术栈。

百融云创CEO张韶峰介绍,随着模型算法的不断优化,推理性能的持续增强,在大模型基座之上运行的Voice GPT已经可以实现低于500毫秒级的响应,这一反应速度基本接近真人,在业内几乎找不到竞争对手。

在大模型搭好台之后,接下来有没有创新的应用成为了国内外关注的焦点。

张韶峰表示,AI 2.0时代最大的产业看点是在实现模型能力提升的同时,如何与应用进行有效衔接。“大模型企业竞争的核心是要有自己的特有场景,在场景里不断优化模型,并产生领域专属算法和数据。”

在张韶峰看来,尽管在把大模型推广到千行百业的过程中,算力是极其重要的一环。但是对于行业大模型来说,需要警惕陷入“博算力”的误区。他表示,在算力成本的控制上,除了可以寻求国产替代,还可以依托行业Know How去解决若干工程问题。

“要寻求算力参数、用户意图与实时反馈之间的平衡。”张韶峰认为,在垂直场景中,模型之大并非万物,“提升模型的响应速度、适度压缩算力成本,反而可以求得推理能力最优解,从而形成数据迭代、模型更新及用户响应的闭环飞轮。”

经过前期LLMs的军备竞赛,进入2024年之后,如何让AI赋能应用成为各界共识。但相比C端而言,AI应用在B端的推进速度仍相对偏慢。

针对上述问题,张韶峰表示,要区分市场来看,中外的AGI生态环境不同,海外企业天然具备为技术付费的基因,但中国企业此项意愿并不浓烈,更热衷于为硬件付费、降本增效及收入分成。

以百融云创AI技术应用最为广泛的金融领域为例,张韶峰介绍称,百融云创主要做了两件事:第一,识别用户风险,即通过决策式AI的机器学习算法帮机构做好KYC(know your customers)和KYP(know your products)。第二,创造增量价值,根据垂直行业特定业务流程和需求,提供融合决策式AI和生成式AI技术的一站式端到端解决方案,并实现资产运营成果转化。

上述“两件事”构成了百融云创MaaS(模型即服务)+BaaS(业务即服务)的业务服务内核,也是百融云创实现模型+技术的价值闭环及与商业机构形成利益共同体的关键所在。

张韶峰介绍,百融云创Voice GPT每天通话可达3000万通,相比于人工客服而言降本效果显著,且对于客户意图的识别准确度可达人工4倍。通过Voice GPT可助力机构直接促成资产交易,完成其核心KPI,并按最终效果收费。

尽管中外AGI生态环境存在差异,但是随着AI大模型技术演化,既往一个场景只能对应一种模型的固有定制思维正在打破,一项新的行业共识正在形成:适用于多个垂直行业的通用AI应用场景将进入舞中央。

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。

推荐内容