一、大模型技术发展与应用背景

大语言模型开启AGI时代，人工智能进入生成式阶段

什么是大模型？

• 大语言模型/基础模型训练过程

• 大语言模型关键能力

• 人工智能与AGI发展阶段划分

大语言模型推动企业从数字化向智能化升级

大模型对企业带来的核心价值是什么？

• 中国企业部署AI应用所面临的挑战

• 以业务驱动的方式拥抱AI

• 降低AI开发门槛

• 增强用户体验，碾平企业数智化洼地

大模型应用尚未跨越鸿沟，尝鲜者重心在于技术突破与场景探索

企业应用大模型可能面临的挑战与风险有哪些？

• 技术局限尚需突破方能释放更大价值

• 巨大的模型训练与推理算力等成本拉低效益比

• 安全合规可信应用底线尚需刚性保障

大模型所加速的生成式人工智能已经渗透到多个场景

生成式人工智能，到底在生成什么，应用到哪些场景？

• 文本、代码、图像、音视频、3D、分子发现

大模型能力与AIGC相结合向企业经营关键环节渗透

企业可以考虑从哪些环节应用大语言模型？

• 职能渗透、核心场景、关键能力

行业应用全面铺开，实践案例示范价值在于效益比测算与优化

大模型与AIGC在不同行业的应用场景分别如何？

• 金融行业、电商/零售行业、娱乐/游戏行业、教育行业、工业/制造、医药/医疗

二、金融行业场景应用探索

金融行业大模型应用趋势

• 金融行业智能化升级加速

• 进入需求导向拉动阶段

• “AI+金融”生态有待完善

金融行业大模型应用价值（包括10大核心场景）

• 业务赋能：提升客户体验

• 金融创新：提升产品创新与工程效率

应用场景探索-营销智能（10个场景按照如下框架逐一展开）

金融行业大模型应用场景探索

• 客户服务：场景智能化现状、大模型+ 的探索、探索可行性

• 营销：场景智能化现状、大模型+ 的探索、探索可行性

• 风控：场景智能化现状、大模型+ 的探索、探索可行性

• 投教：场景智能化现状、大模型+ 的探索、探索可行性

• 投顾：场景智能化现状、大模型+ 的探索、探索可行性

• 投研：场景智能化现状、大模型+ 的探索、探索可行性

• 核保理赔：场景智能化现状、大模型+ 的探索、探索可行性

• 内控合规：场景智能化现状、大模型+ 的探索、探索可行性

案例：中国农业银行ChatABC，应用于多轮对话、内容摘要等场景

案例：中国工商银行金融通用模型，应用于客户服务、风险防控以及运营管理

案例：中信证券上线CiticsAI，老虎证券推出TigerGPT，分别用于日常办公以及智能投顾服务

三、应用挑战与应对

企业拥抱大模型，从应用场景入手探索最佳实践再规划自建路线

如何对大语言模型（LLM）进行部署与应用？

• 自建MaaS能力，实现技术驱动

• 灵活应用AI能力，赋能业务经营

领先头部企业自建私有大模型需综合考量，忌忽视产品与生态能力

如何对基础大模型合作伙伴进行选型与评估？

选型企业应用标准被升级，AI能力权重上升

大模型能力蔓延，对于企业应用选型有何影响？

金融行业大模型应用模式

• 采购软件 / 解决方案

• 按照服务调用次数付费

• 按照内容生成数量付费

业务为纲，机制兜底，企业组织发展模式将发生深刻变革

如何规划未来3-5年大语言模型与AIGC在企业中的应用？

• 业务为纲规划人工智能上线与推广计划

• 专有数据资产沉淀与管理，应对模型训练与应用

• 设定人工智能应用合规与风险管理防范机制

金融行业大模型应用挑战

• 可信度挑战、成本投入挑战、业务理解挑战、组织能力挑战

应对：基础能力建设

• 技术能力建设：中台能力、原子化能力、算法模型、相关技术应用