以ChatGPT为代表的大模型将成为企业提升生产力的新工具。
大模型在具体领域的落地效果如何？如果保证大模型商业落地效果？
2023年8月16日，爱分析举办第五届数据智能高峰论坛，并邀请拓尔思金融和产业大脑产品中心总经理周宁捷进行了
《AI大模型产业落地场景和价值》
主题演讲，演讲内容以拓尔思拓天大模型在金融业的两个典型应用场景为例，对大模型的技术实现和落地效果进行了阐述，并分享了拓尔思大模型成功落地经验。
现将
现场
演讲实录整理后分享如下
，
文末可领取完整版嘉宾PPT。
周宁捷：
大家下午好，我是来自拓尔思的周宁捷，目前在拓尔思负责整个金融行业在数据以及大模型方面的产品研发和应用端的落地。
拓尔思成立于1993年，30多年来一直聚焦在语义智能领域。从早期的全面检索，到内容管理大数据，再到2020年以后的语义智能。拓尔思是业内早期开始推广语义智能概念的厂商之一。今年6月份我们推出了拓天大模型，第一批的客户主要围绕着拓尔思客群基础比较好的政务、媒体、金融三个领域。
在
基座层
，我们有自研的大模型，同时会去适配行业内主流的包括开源的、商业化的通用基座大模型。
中间层
是比较核心的内容，包括高性能的训练、围绕行业端的微调、内容可控以及插件增强。插件增强是拓尔思在各种配套层面比较强的一块内容，因为搜索引擎、向量数据库和知识图谱正成为整个大模型体系中非常重要的插件。
应用层
，拓尔思已经在媒体、金融和政务领域推出了相关应用场景。其中，在金融领域，目前正在推的是四大场景，包括投研、风控、基于内容的审查以及泛客服领域。
下面我将围绕金融领域对公营销与风险预警、金融消费者保护两个场景展开，结合具体案例介绍拓天大模型的应用。
拓尔思AI大模型对公营销与风险预警场景的支持与案例落地
2.1 拓尔思AI大模型赋能金融对公营销与风险预警
金融端应用场景比较多的是营销和风控端。目前金融行业内零售端的数字化转型相对来说比较成熟，但是对公侧，特别是在营销场景，主要还是基于线下的模式，通过客户经理进行拓客。所以金融行业对公的数字化转型，很大程度上需要依托于大数据和 AI 能力。
AI大模型是如何赋能金融对公营销与风险预警的？拓尔思AI大模型体系分成三个层面。
-
底座包含三个核心点，分别是包括产业数据中心、智能数据标签引擎和全产业链知识引擎。
其中，拓尔思产业数据中心涵盖了大概 150 多类的面向宏观、中观以及微观类的各类数据。在标签方面，拓尔思经过十多年的积累，涵盖了1万多个面向各个领域的标签，智能数据标签引擎正在成为大模型指令微调、行业领域类微调中数据构建的重要能力。产业链知识引擎目前已经覆盖了将近超过 1 万多个产业链节点。在应用场景中，整个产业链的数据要素的上链是一个动态的过程，拓尔思需要面向国内在营的约5000多万家企业，对其业务进行横向、纵向分层分级去构建。
-
其次，在数据价值挖掘能力层面，
按照数据类型来看，结构化数据的价值挖掘，在目前的技术端没有太多技术门槛。而对于非结构化数据，拓尔思的核心始终围绕着非结构化数据，并且基于产业链引擎、AIGC、产业图谱三方面构建核心能力，实现对风险侧或是营销侧非结构化数据价值挖掘。
-
最后，在数据应用场景层面
，可支撑风险信号捕捉如企业风险信号、产业风险信号，以及营销线索挖掘，如招商线索捕获、营销可行性量化等。
下面，结合案例介绍AI大模型在对公营销与风险预警场景的落地。
第一个案例是国有银行科技金融的获客案例。在营销层面，银行营销拓客非常重要的一点是每个区域都会有很强的产业属性，每个区域的重点发展产业都有非常强的差异化，所以拓尔思需要面向区域营销客户经理推送各种精准的、高质量的、新鲜的资金、人才等营销线索。该银行是四大行中的一个银行，案例营销的核心效果主要体现在提升了高质量拓客短名单的获取。
在风险层面，现在银行机构的单体预警已经逐步成熟，很多银行机构正慢慢将关注点从单体预警转移到产业风险的传导、集团系风险的传导甚至区域风险传导的提前预判上。风险预警也是这个案例中我们重点构建的能力。
第一，拓尔思通过对企业的分层分群可精准匹配营销策略。
其中，横向维度，拓尔思对超过一万多个相关产业以及每个产业中企业分布情况进行描述。纵向维度，拓尔思基于企业的各类营销线索构建企业画像，进行营销线索的挖掘。
第二，对企业建立量化模型。
我们现在主推三个核心模型，首先是科创力模型，我们会结合专利数据从企业的科创成果、专利质量、持续增长、创新转化、人才建设五个维度形成科创力模型，快速获取某个区域以及某个产业内的高质量企业。其次是企业综合价值评估模型以及营销可行性模型，拓尔思会结合企业舆情、经营、工商等大概超过 100 多个指标，构建一整套量化评估模型。这套量化评估模型将作为营销匹配、投资量化的核心模型。
