奇富科技费浩峻：大模型需要向小模型学习

9月12日，在毕马威中国近期举办的“聚焦未来 洞察AIGC新范式”AI论坛上，来自金融、医疗及AI领域的众多领袖、学者与专家齐聚一堂，共同探讨了AI大模型在各行业的创新应用与未来趋势。其中，奇富科技首席算法科学家费浩峻在平行论坛金融科技沙龙上分享了对于金融大模型应用现状及面临挑战的观点。

三个趋势：小参数、稳定性与多模态并进

费浩峻指出，随着AI技术的飞速发展，金融大模型的应用已逐步从理论探索迈向实践落地。在过去一年中，行业关注点从单纯追求基础模型的能力提升，转向了如何更有效地将大模型技术融入实际业务场景，这一转变带来了诸多技术上的创新与突破。他提到，为了降低应用成本并提高模型稳定性，金融行业开始探索小参数模型的应用，并在知识增强能力上取得了显著进展。同时，多模态技术的发展也为金融大模型带来了新的活力，特别是在表格解析、员工工作辅助等方面展现出巨大潜力。

两个案例：客服与营销的降本增效

具体到行业应用，费浩峻表示，客服、营销、风控是金融大模型应用的最 佳场景。大模型在提升这些领域的工作效率和服务质量方面发挥了重要作用。他分享了奇富科技的两个大模型应用案例。

一个是客服领域的探索。奇富科技用大模型技术，深度剖析千万级历史通话记录，提炼出高效沟通策略与话术模板，显著提升了客服人员捕捉用户意图的精准度。这一系统不仅提高了客服沟通的效率与准确度，还通过自动化质检实现了通话的100%覆盖。自启用以来，在人效提升的同时，管理效率更是实现了50%的大幅增长。

另一个是营销素材的智能化生成。在奇富科技的投放物料中，大约70%的图片素材和20%的视频素材由大模型生成，并通过多维度评级系统进行优化。这种智能化的素材生成方式不仅提高了广告素材的产出效率，还通过精准分析用户偏好，提升了广告的吸引力和转化率。大模型用于营销素材制作后，奇富科技的客户触达规模提升了21.4%，整体广告质量得到了极大提升。

一个挑战：模型迭代与业务成效的桥梁构建

然而，在金融大模型广泛应用的同时，模型迭代成为了制约其进一步发展的因素。费浩峻认为，尽管大模型在基础能力上不断得到增强，但如何确保这些L0层能力的提升能够有效传导至L1层（金融层）和L2层（业务场景应用层），从而实现业绩的实质性提升，是当前面临的一大挑战。

他解释说，基础能力的提升并不总是能直接导致专业能力等量的提升，同样，即使专业能力有所提升，也不意味着业绩结果会自然而然地提升。传统的人工智能技术往往以明确的业务结果为学习目标，通过构建无数小模型来形成执行各项任务的具体工具，这些工具与业务目标高度一致，确保能够随着业务的精进和迭代不断进化。对于大模型而言，若想在业务核心模块中发挥更加关键的作用，它也需要像小模型一样，具备可预期的迭代能力，即能够通过数据反馈来指导模型进行有针对性的优化。

技术与业务的充分融合堪称一种艺术性的调配。随着技术探索的不断深入与实践经验的日益积累，寻找并构建合适的中间模块以承接金融大模型沿着业务需求的方向迭代，这一挑战终将迎刃而解。费浩峻坚信，在不远的将来，金融大模型将在更广泛的业务场景中实现深度应用与融合，为金融行业的智能化转型注入更加强劲的动力。