abc20231918

新闻资讯 分类
垂直大模型成为行业主战场 银联商务挖掘小微营发布日期:2023-12-01 17:20浏览次数:

  近日,《生成式人工智能服务管理暂行办法》发布标志着我国的AIGC发展再次提速。从行业热议,到不断有AIGC技术落地,不少业内人士都告诉《中国经营报》记者,比起需要巨大算力的通用大模型,如今细分领域的垂直大模型正在成为主战场,而AIGC技术还有哪些适用的场景,则是行业接下来需要思考的问题。

  记者注意到,近日国内综合支付和信息服务运营商银联商务,就面向B端商户的营销需求推出一款基于AIGC的绘图产品——“银商天图”,该产品采用先进的深度学习算法,可以帮助非设计专业用户快速、高效地完成各种设计任务。银联商务相关负责人也告诉记者,除银商天图之外,银联商务也在人文互动、文案创作、智能交互、智能客服、商户入网、欺诈检测、商户营销等更广泛的领域持续开展AIGC的深入研究和落地应用。

  根据浦银国际的行业追踪报告,未来大模型会进一步分化为通用、专用和特定场景。市场普遍认为,从行业特征来看,通用大模型未来只可能是少数巨头最后胜出,主要考虑巨大的资金投入,基础大模型并不适用于数量众多的中小企业。通用大模型并不能解决很多企业的具体问题,而模型的大小,主要还是取决于企业用户的自身需求,企业的大模型应用需要综合考虑行业专业性、数据安全、持续迭代和综合成本等因素。垂直行业的模型未来或成为大模型加速普及的关键,通用公域数据叠加行业数据,共同构成了产业大模型的训练数据来源。行业大模型的未来趋势特点还包括场景集成化、AI原生化以及部署工业化等方面。

  对此,银联商务相关负责人也持类似观点。他认为,通用大模型需要极大的算力,而在金融领域的应用,需求也更加专业化,因此垂直大模型在更加契合用户需求的同时也降低了对算力的要求。除此之外,高PUE(数据中心总能耗/IT设备能耗,是评价数据中心能源效率的指标)也是通用大模型建设中不可避免的情况,垂直大模型则不会产生这一问题。

  事实上,在金融领域,近期已有多个垂直大模型的应用诞生。据银联商务介绍,“银商天图”是一款面向B端商户的图片自动生成工具,用户可以根据目标图片的形式、质感、主题等信息,输入相关的关键词组或短句,工具则能够在短时间内输出自动绘制的图片,可供商户制作PPT配图、文档插图、LOGO创意、海报设计、模特换装、菜品美化等各种宣传和营销材料。

  除了“文生图”之外,“图生图”也是业内正在追逐的应用方向。银商天图也支持这一功能,用户可以使用已有的素材图片,根据需求设置关键词,以及大小比例、形状色彩等相关参数后,即可对原图进行持续更改和优化操作。具体而言,可以通过像素转换提高原有图片画质、针对性增加替换相关装饰元素、对图片内的主体形象进行风格更换等,帮助非设计专业用户完成作品的创作。据悉,该产品已经在零售、餐饮、校企、文旅、地产等行业商户开始应用。

  需要注意的是,在应用层面如何扩展适用AIGC的场景也是行业共同探讨的问题。对此,银联商务相关负责人告诉记者:“银商天图只是针对小微用户推出的‘组合拳’之一,一方面,我们可以针对小微用户的营销需求,批量、快速交付生成内容。与此同时,我们也追加了营销策略、企划活动的建议生成等多方面场景。”

  据了解,银联商务综合对ASR、TTS、NLP、AIGC、RPA等各种技术的研究应用,在人文互动、文案创作、智能交互、智能客服、商户入网、欺诈检测、商户营销等更广泛的领域持续开展AIGC的深入研究和落地应用,为各行各业客户提供更加高效、快速、精准、可靠的服务和支持。

  譬如针对支付机构都需要按监管要求开展的大量商户信息核查工作,银联商务将图像识别、文字识别、文本匹配、图像检索等多种AI技术手段运用于公司商户信息核查工作中,可以快速、准确、高效地实现线下商户资料核查,及时发现商户信息错误、关键信息缺失等系列问题;针对商户在经营过程中常见的账务核对、网银查余、报表绘制等高频、重复性财务类工作场景,银联商务通过自研RPA技术,运用程序自动化完成数据抓取与输入、邮件或文件处理、规则匹配等流程化功能,不仅有效规避了以往人工操作存在的耗时、耗力以及纰漏较多等问题,也助力商户提升财务管理中的工作效率和质量。目前,银联商务RPA已落地应用到制造、地产、建材、餐饮、交通等11大行业的50余个细分场景。

  据悉,银联商务目前正在研发一款名为“天言”的类似ChatGPT的大语言模型应用产品,将通过文本问答的方式为客户提供实时、高效的在线服务,针对性解决客户难题,提升沟通效率。除通用的大语言模型产品之外,银联商务还打造并在内部测试一款代码生成专用大语言模型产品——“天码”,支持各类主流的编程语言和开发软件,以AI编程助手的形式为开发者提供代码快速补齐、自然语言指令生成代码、自动查找代码错误、生成内部业务逻辑代码等相关功能,全面提升研发效率,更快速地交付各类研发需求。