对于大模型的整体应用情况，从产业的角度来看，刘曙峰表示，大模型的技术和大模型推动的产业发展现在还在方兴未艾的状态下。基于大模型的支出和在整个IT支出，去年全球的IT支出的统计看的话，全球的IT支出大概5.6%的增长率，AI是33%的增长率，而大模型是144%，国内的情况基本差不多，所以大模型这个领域可能是在整体支出上面，未来几年还有望以非常快的速度增长。

　　他进一步指出：“在产业支出角度有一个很重要的是投资热度的变化，我们看到2024年投资的热度开始收敛了，而且投资从基础模型的投融资逐渐向应用开始发生转变。”

　　从行业角度来看，刘曙峰表示，各行业的应用都还处在一个初级的阶段，金融行业也确实如此。这里面需要看到的是，我们前面两年的时间，我们行业也做了很多训练，预训练的工作，包括大家做一些精调的工作，这里面消耗的资源和算力也是不小的。但同时基础模型在不断地取得突破，包括对行业数据的训练。显然基础模型迭代的速度是超过行业模型的迭代速度的，这个跟它训练投入的资源强度是有很大关系的。

　　发展基础模型还是行业模型？他指出：“我个人倾向于看起来基础模型能力的迭代速度会快于我们去做一个行业模型。可能更多的大家就会提到转向智能体，包括转向RAG，很大程度上面依然依赖行业know how应用的开发、智能体的开发、增强技术的开发，我觉得这些也是需要投入的，也是能够发挥行业优势的。”

　　此外，刘曙峰对未来大模型发展提出以下三点建议：

　　建议一，对金融机构而言，大模型是降本增效的利器，集中体现在对数字员工的广泛采用上，在各个部位，我觉得都是可以用大模型来提高效率的，数字员工将全面加入到我们的工作中，当然这不是一个简单的对我们现有工作的替代，我想我们现在的金融机构，包括金融科技领域我们都是高级人才，有更多有价值的工作等待我们去创造，而助理的一些流程性工作确实是可以交给大模型，能够更有效率、更低成本的完成，这是数字员工的广泛采用。今天我们要过紧日子的话，降本增效是一个非常大的主题，这方面大模型是可以发挥很大作用的。

　　建议二，大模型可能是影响用户流量的入口，集中会体现在对客交互部分APP的一些变化上，不管是嵌入的大模型还是原生的入口，我觉得都还是值得尝试和推进的。

　　建议三，我想很重要的一个想法，大模型可能是一个弯道超车的机会。大模型的训练非常贵，要投很多资源，但其实应用非常便宜。据我们自身实践经验，在服务客户环节，U+客户端现在大概两万多的活跃用户、使用大模型技术用于类似日常系统运维问题回答的过程中，大模型一年下来也就几万《2023年今晚澳门码资料》块钱使用成本，当然还需要有一个初始开发的成本，包括Agent开发、RAG知识库开发、以及它升级、运营的成本。日常的使用费用，大概几块钱一个用户，几乎忽略不计，我想随着它的应用不断频繁的话，可能会提升到几十块钱。

　　因此，如果一个用户一年的资源的使用成本只是几十块钱的话，我认为大模型的技术发展对它的使用者来说，是一个非常普惠的技术，它会把不同的机构重新又拉到同一个起跑线，对大型金融机构、中小型金融机构，对大的金融科技公司以及创业型的金融科技公司来说，实际上在大模型这样一个跑道上面，大家的起跑线都差不多，而后续使用大模型的成本，我相信还在不断的下降过程中，行业的know how仍然是一个关键的竞争力来源。所以在这上面也许可以充分地利用这样一个机会，实现突破性的发展。

责任编辑：曹睿潼