自从OpenAI推出ChatGPT大模型开始，通用大模型在全球范围内迎来爆发式增长。当通用大模型运用在特定领域内，比如医疗、金融等，由于缺乏领域内专业和庞杂的知识作为依托，其能力表现往往不尽如人意，大模型发展路径也因此分出一条岔路，市场中越来越多的企业开始将目光投向了产业大模型，在金融领域这一趋势尤为强烈。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knowhow+模型精调的综合能力。其中行业knowhow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。
比如在银行运营环节，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knowhow是远远不够的。
作为金融数智化转型的赋能者，百融云创很多同事来自于世界各著名金融机构，对于国内外金融产业发展拥有深刻的理解，截至目前百融云创已经为7000多家不同类型的金融机构提供服务，这些都为金融产业的knowhow积累下独有的优势。
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。
