自从ChatGPT横空出世之后，AI大模型的命运齿轮开始转动。乘着大模型“风火轮”，国内掀起了轰轰烈烈的“百模大战”。

在大模型时代，没有一家企业能够置身事外。已经深耕AI领域近十年的百融云创基于深度学习Transformer框架，结合NLP（自然语言处理）、智能语音等技术，打造出场景驱动的产业大模型――BR-LLMs。百融云创自主构建了大模型预训练、微调、推理工程优化、应用开发套件等一整套技术栈。

百融云创CEO张韶峰介绍，随着模型算法的不断优化，推理性能的持续增强，在大模型基座之上运行的Voice GPT已经可以实现低于500毫秒级的响应，这一反应速度基本接近真人，在业内几乎找不到竞争对手。

在大模型搭好台之后，接下来有没有创新的应用成为了国内外关注的焦点。

张韶峰表示，AI 2.0时代最大的产业看点是在实现模型能力提升的同时，如何与应用进行有效衔接。“大模型企业竞争的核心是要有自己的特有场景，在场景里不断优化模型，并产生领域专属算法和数据。”

在张韶峰看来，尽管在把大模型推广到千行百业的过程中，算力是极其重要的一环。但是对于行业大模型来说，需要警惕陷入“博算力”的误区。他表示，在算力成本的控制上，除了可以寻求国产替代，还可以依托行业Know How去解决若干工程问题。

“要寻求算力参数、用户意图与实时反馈之间的平衡。”张韶峰认为，在垂直场景中，模型之大并非万物，“提升模型的响应速度、适度压缩算力成本，反而可以求得推理能力最优解，从而形成数据迭代、模型更新及用户响应的闭环飞轮。”

经过前期LLMs的军备竞赛，进入2024年之后，如何让AI赋能应用成为各界共识。但相比C端而言，AI应用在B端的推进速度仍相对偏慢。

针对上述问题，张韶峰表示，要区分市场来看，中外的AGI生态环境不同，海外企业天然具备为技术付费的基因，但中国企业此项意愿并不浓烈，更热衷于为硬件付费、降本增效及收入分成。

以百融云创AI技术应用最为广泛的金融领域为例，张韶峰介绍称，百融云创主要做了两件事：第一，识别用户风险，即通过决策式AI的机器学习算法帮机构做好KYC（know your customers）和KYP（know your products）。第二，创造增量价值，根据垂直行业特定业务流程和需求，提供融合决策式AI和生成式AI技术的一站式端到端解决方案，并实现资产运营成果转化。

上述“两件事”构成了百融云创MaaS（模型即服务）+BaaS（业务即服务）的业务服务内核，也是百融云创实现模型+技术的价值闭环及与商业机构形成利益共同体的关键所在。

张韶峰介绍，百融云创Voice GPT每天通话可达3000万通，相比于人工客服而言降本效果显著，且对于客户意图的识别准确度可达人工4倍。通过Voice GPT可助力机构直接促成资产交易，完成其核心KPI，并按最终效果收费。

尽管中外AGI生态环境存在差异，但是随着AI大模型技术演化，既往一个场景只能对应一种模型的固有定制思维正在打破，一项新的行业共识正在形成：适用于多个垂直行业的通用AI应用场景将进入舞台中央。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。