腾讯云副总裁王麒：不同金融机构布局大模型的路径有几率存在差异

　　11月23日，腾讯云正式发布金融行业大模型解决方案，助力金融机构有自己的智能应用。据介绍，在腾讯云金融行业大模型解决方案的应用层架构，腾讯云结合金融行业前中后台业务场景，打造了一系列智能应用，主要瞄准智能客服、单据识别、舆情分析、投顾辅助、安全风控、代码撰写等场景。

　　腾讯云副总裁、腾讯云智能解决方案负责人王麒在接受《每日经济新闻》记者正常采访时表示，不同金融机构布局大模型的路径有几率存在差异。“一般而言，整个大模型生态的产品货架有不同的层级，包括最底层的算力支持、计算网络存储等，再到上面的通用大模型，然后在通用大模型的基础上预训练出行业大模型，在行业大模型的基础上结合行业的数据来进行精调，最后才变成客户的专属大模型。整个大模型的产品体系是由下往上走的，不同的金融公司能够从不同的点去切入自己的金融行业大模型，这里也要根据其自身的投入成本、场景复杂度等考虑。”

　　“较大型的金融企业，可能选择更多地往底层方向布局，甚至构建自己的模型。在算力集群、计算网络存储等底层基础设施方面，通常来说他们不会去触达，会选择跟专业云厂商合作。但更多的情况是，金融企业主要提供数据和场景，与之合作的专业云厂商则负责提供行业大模型，双方再配合进行‘最后一公里’的精调，生成专属行业大模型，以解决具体金融企业的需求。”王麒补充。

　　记者注意到，智能客服是大模型被提及较多的应用场景，但在现阶段的日常体验中，多数智能客服给人的印象往往并不智能，常常出现回答“正确的废话”等现象。

　　“智能客服回答‘正确的废话’，这其实是人工智能的‘幻觉’问题，也是大模型最难解决的技术难点之一。因为生成式模型即使不知道正确答案，一般也不会谦虚地告诉你它不知道，而是会选择生成一个可能性最高的答案给你。如果在一开始预训练的时候，没有把核心问题放到其中，那最后就可能遇到大模型回答‘正确的废话’这样的一种情况。”王麒分析道。

　　针对智能客服的使用者真实的体验，王麒表示，客服系统+目前是大模型应用较广的场景，但技术发展至成熟仍需要一段时间。“在这样的一个过程中，建议将智能客服与传统人工座席配合使用。智能客服能够对常规问题进行过滤和快速搜索，进而帮助人工坐席更高效率地回答问题，这样才可以给用户更好的提供更好的体验。”