经济观察网：如何评价2024年大模型在企业端的应用？

寂静回声

12月12日，北京中关村科金技术有限公司（下称“中关村科金”）总裁喻友平在“2024大模型技术与应用创新论坛”上接受经济观察网采访时表示，大模型行业的发展已不再是暴风骤雨的狂飙状态，而是真正进入到精细化落地的进程中。市场需要真正有用的ToB（面向企业端）大模型应用，能够回归商业本质，帮助客户解决核心问题，具备端到端的解决方案和全链条的服务能力。

经济观察网：大模型在个人消费市场中的应用已广泛普及，企业端的应用情况如何？目前，哪些组织或机构正在大模型的企业应用领域积极布局？
喻友平：大模型的应用场景持续扩展，其覆盖范围已从传统的知识问答、编程、写作等普及性较强的领域，逐步向价值链高端环节延伸。特别是在产品研发设计、生产制造以及客户服务环节，大模型的渗透和应用日益加深，众多硬件产品正与大模型技术融合。随着技术迭代的推进，大模型已在政务、金融、工业、医疗、能源等垂直行业广泛应用。
现在市场上有三大类型的大模型企业。第一类是提供算力服务的大厂。这类公司通常是基础设施提供者，负责为大模型提供必要的计算资源和云服务。
第二类是基础大模型企业。这类公司专注于基础大模型的研发，主要面向核心技术的创新，着眼于算法、模型训练和优化等工作。
第三类是大模型应用落地企业。这一类公司则是将大模型技术与实际行业需求相结合，推动大模型在各行各业的应用落地。他们不仅注重技术本身的创新，更致力于将大模型技术转化为可行的商业产品和服务。
在当前市场上，第三类企业显得尤为稀少。尽管大模型技术和算力支持构成了发展的基础，但技术的价值在很大程度上取决于其能否转化为实际应用。因此，那些能够有效地将大模型技术落地于具体业务场景的企业，往往能够在市场上创造显著的价值。

经济观察网：如何评价2024年大模型在企业端的应用？
喻友平：当前，大模型产业落地仍面临诸多核心问题，如成本高昂、数据处理困难、技术与需求难匹配、人才短缺、行业专有技术不足、法规与伦理风险等。因此，相较于2023年的大模型“狂飙”式发展，2024年已经相对沉静。从两家国际知名咨询公司的报告来看，2024年—2028年的大模型市场预测复合增长率是40%—50%。在这种情况下，大模型应用必然迎来一个蓬勃的爆发期。
尽管在2024年下半年，大模型市场的热度有所下降，这是市场发展曲线中的正常现象。当前市场的降温并非负面事件，而是一种健康的市场调整。值得关注的是，众多行业先行者已开始逐步深入市场，并已经洞察到潜在的机会。市场在经过这一阶段的沉淀之后，可能会在接下来的一两年内迎来新一轮的活跃期。

经济观察网：市场需要什么样的企业端大模型应用？
喻友平：大模型要回归商业本质，解决客户问题。大模型的核心价值之一在于辅助人类更有效地进行沟通，确保信息的准确传达。以金融行业为例，如果大模型能够以更高效、更准确的方式完成对话任务，那么将这些任务交由大模型执行将是一个理想的选择。这样不仅可以提升服务的一致性和专业性，还能解放人力，让员工专注于更高价值的工作。
我们认为，大模型在企业端的应用潜力主要体现在两个方向：一是数据和知识密集型行业，例如金融、医疗和教育领域。这些行业对数据处理和知识应用有极高的需求，大模型能够有效提升信息处理效率和决策质量。二是创意型行业，如影视制作、动画制作等。在这些行业中，大模型能够促进内容创作的新颖性和多样性，增强产业竞争力。

经济观察网：当前大模型已在银行业的客服、营销等领域展开应用。展望未来，大模型还将会在哪些领域有所助力？
喻友平：目前，中关村科金已经与银行、政务、央国企、保险、财富管理、制造、零售、家装等多个行业的头部企业在大模型应用落地上进行合作，比如中信证券、招商证券、中信建投、星展银行、达州市政府、杭州医保以及全国多省市公安机关等。在家装行业的智能营销上，中关村科金大模型外呼相比传统人工智能外呼在营销活动转化率上效果提升130%。在公安反诈领域，大模型接警助手让接警到止付的周期从30分钟缩短到2分钟，更高效地保障人民财产安全。

在银行业的应用场景中，我们认为主要分为两大方向，即客户体验和员工体验。客户体验是通过大模型技术优化与客户的互动过程，提升服务质量和客户满意度，而员工体验则是指利用这一技术改善内部员工的工作效率和体验，提升企业的整体运营效能。
在银行风险控制实践中，个人识别的精确性对于有效管理风险具有决定性作用。传统上，银行在处理和分析数据和信息方面存在一定的局限性。不过，随着先进的大模型技术的引入，银行目前能够对大量非结构化数据进行综合分析。这种深入的数据挖掘显著提高了银行在构建客户画像和评估风险水平方面的能力，从而加强了银行在风险识别、评估及控制方面的功能。然而，金融行业特有的严格性使得对新技术的接受态度较为保守。因此，该领域迫切需要一批敢于探索的先锋者。

根据目前的发展趋势，大模型技术在银行风险控制领域的全面应用尚需经历一段较长的发展期。当然，若技术迭代速度加快，则可能缩短这一进程。