美女簪花資訊網

來源標題：百融云創推動決策式AI與生成式AI融合發展

自2006年，百融科學家模擬人類神經元提出了神經網絡的云創深度學習算法以來，決策式AI便以席卷之勢漫延到各個領域。推動FGO第一個獸階從者落地百融云創作為AI云服務領航者，決策從創立之初即著手將決策式AI技術引入到垂直產業之中。式AI生

越深入產業，成式百融云創就越深刻認識到，融合當我們談AI的發展時候，其實更應該談的百融是經濟。較高的云創技術門檻和高昂的經濟成本，讓AI產業化之路走得磕磕絆絆，推動產業界對技術的決策反應一度意興闌珊。

面對這種現狀，式AI生百融云創CEO張韶峰認為，成式決策式AI在感知、融合推理、決策等方面展現出強大的能力，勢必將帶來一場浩大的技術革命，但需要一個全新的商業理念和方法論來推開這扇技術大門。

他認為，決策式AI已不單純是一門技術，更不是一錘子買賣，不能將決策式AI當做是一般的工程化產品來看待。比如最初微軟公司售賣Office辦公軟件的方式，賣出一套產品收取一筆錢，FGO第一個獸階從者落地這是技術產品第二產業化。但這不適用于高技術門檻和高成本的決策式AI技術，要想將決策式AI大面積嵌入到產業中，需要改變整個游戲規則，要顛覆一個場景一個模型的售賣方式，采用服務化的理念，將決策式AI推進到第三產業的范疇。

在這種理念的驅使下，以決策式AI為基礎，百融云創率先將MaaS（模型即服務）模式在金融領域發揚光大。百融云創通過“大規模預訓練﹢微調”的范式，有效集成大模型、自然語言處理、智能語音、知識圖譜等多項技術，通過上游的訓練后形成強泛化能力的模型，為產業客戶提供模型訓練、模型調用和模型部署等服務。

百融云創就好像是為客戶培養了一位技術精湛的音樂家，面對不同的樂譜稍加練習就可以演奏出優美的樂曲，而不需要從頭開始學習都啦咪嗖。這大大改變了AI產業的商業模式，傳統模式下構建一個復雜的AI模型，企業要走完“數據處理-環境處理-模型訓練-模型調優-模型部署-生產應用”的漫長路徑。而在MaaS模式下，這一路徑被簡化成“大模型-數智工具-應用場景”三步，建模效率得到質的提升。

產業客戶無需關注硬件設備和底層技術細節，只需要將精力專注于業務邏輯，通過API調用現成模型產品，就能直接用于產業應用，或者根據百融云創的大模型“微調”出自己的產品。在金融領域，無論是大型銀行還是中小銀行，都能輕松上手，無需額外的學習成本。

事實證明，這種方式是可行的。在不到十年的時間里，百融云創即把AI能力輸送到7000多家客戶中，調用量達到百億級。

但張韶峰清晰地認知到，如果以一個宏觀的視角來觀察，決策式AI拉開了AI上半場的序幕，它只是完成了部分任務。對于產業而言，決策式AI主要作用于中間作業環節，面對的是產業客戶而非終端用戶。以金融產業為例，百融云創通過決策式AI幫助金融機構，掌握幾十萬乃至更多數量級客戶實時分析能力，輔助其決策。在某銀行的合作中，助力其將審批時長從幾個小時大幅壓縮到幾分鐘以內。

在營銷場景下，百融云創通過決策式AI為金融機構提供科學建議，比如觸達用戶的方式到底是用APP推送、發短信，還是上門服務。但無論是用戶分析還是營銷策略的制定，后續采取怎樣的行動完全取決于金融機構的偏好，可以說，百融云創決策式AI為金融機構提供的僅是決策的參考，是對中間環節的賦能，對業務結果的影響是間接的。

而以大模型、AIGC為代表的生成式AI技術的崛起，為決策式AI補齊了最后一塊拼圖。生成式AI最大的優勢就是其強大的交互能力，通過語音、文字還是視頻等多模態的交互，AI直接與廣大的個人用戶“碰面”了。

百融云創將決策式AI和生成式AI進行串聯，將AI能力從中間作業環節延伸至最終效果環節，讓AI在垂直行業變得可用、可見、可感知。比如在財富管理領域，一名線下客戶經理的管戶數量是有上限的，有90%以上的客戶無法觸及。百融云創通過決策式AI對用戶進行數智化洞察，制定完善的營銷和運營策略，然后結合生成式AI所生成的文字和語音與用戶進行深度交互。在某國有大行的合作中，在決策式AI與生成式AI的協作下，一名客戶經理每天只需花不到60分鐘就能完成3000條以上的個性化消息推送，與客戶進行1萬次以上的深度對話，而以往被忽略掉的長尾客群也得到了“私人訂制”般的服務。

決策式AI和生成式AI的完美搭配，對于垂直產業而言，強大的知識分析能力和內容生成能力將兼而得之。

自2006年，科學家模擬人類神經元提出了神經網絡的深度學習算法以來，決策式AI便以席卷之勢漫延到各個領域。百融云創作為AI云服務領航者，從創立之初即著手將決策式AI技術引入到垂直產業之中。

越深入產業，百融云創就越深刻認識到，當我們談AI的時候，其實更應該談的是經濟。較高的技術門檻和高昂的經濟成本，讓AI產業化之路走得磕磕絆絆，產業界對技術的反應一度意興闌珊。

面對這種現狀，百融云創CEO張韶峰認為，決策式AI在感知、推理、決策等方面展現出強大的能力，勢必將帶來一場浩大的技術革命，但需要一個全新的商業理念和方法論來推開這扇技術大門。

他認為，決策式AI已不單純是一門技術，更不是一錘子買賣，不能將決策式AI當做是一般的工程化產品來看待。比如最初微軟公司售賣Office辦公軟件的方式，賣出一套產品收取一筆錢，這是技術產品第二產業化。但這不適用于高技術門檻和高成本的決策式AI技術，要想將決策式AI大面積嵌入到產業中，需要改變整個游戲規則，要顛覆一個場景一個模型的售賣方式，采用服務化的理念，將決策式AI推進到第三產業的范疇。

在這種理念的驅使下，以決策式AI為基礎，百融云創率先將MaaS（模型即服務）模式在金融領域發揚光大。百融云創通過“大規模預訓練﹢微調”的范式，有效集成大模型、自然語言處理、智能語音、知識圖譜等多項技術，通過上游的訓練后形成強泛化能力的模型，為產業客戶提供模型訓練、模型調用和模型部署等服務。

百融云創就好像是為客戶培養了一位技術精湛的音樂家，面對不同的樂譜稍加練習就可以演奏出優美的樂曲，而不需要從頭開始學習都啦咪嗖。這大大改變了AI產業的商業模式，傳統模式下構建一個復雜的AI模型，企業要走完“數據處理-環境處理-模型訓練-模型調優-模型部署-生產應用”的漫長路徑。而在MaaS模式下，這一路徑被簡化成“大模型-數智工具-應用場景”三步，建模效率得到質的提升。

產業客戶無需關注硬件設備和底層技術細節，只需要將精力專注于業務邏輯，通過API調用現成模型產品，就能直接用于產業應用，或者根據百融云創的大模型“微調”出自己的產品。在金融領域，無論是大型銀行還是中小銀行，都能輕松上手，無需額外的學習成本。

事實證明，這種方式是可行的。在不到十年的時間里，百融云創即把AI能力輸送到7000多家客戶中，調用量達到百億級。

但張韶峰清晰地認知到，如果以一個宏觀的視角來觀察，決策式AI拉開了AI上半場的序幕，它只是完成了部分任務。對于產業而言，決策式AI主要作用于中間作業環節，面對的是產業客戶而非終端用戶。以金融產業為例，百融云創通過決策式AI幫助金融機構，掌握幾十萬乃至更多數量級客戶實時分析能力，輔助其決策。在某銀行的合作中，助力其將審批時長從幾個小時大幅壓縮到幾分鐘以內。

在營銷場景下，百融云創通過決策式AI為金融機構提供科學建議，比如觸達用戶的方式到底是用APP推送、發短信，還是上門服務。但無論是用戶分析還是營銷策略的制定，后續采取怎樣的行動完全取決于金融機構的偏好，可以說，百融云創決策式AI為金融機構提供的僅是決策的參考，是對中間環節的賦能，對業務結果的影響是間接的。

而以大模型、AIGC為代表的生成式AI技術的崛起，為決策式AI補齊了最后一塊拼圖。生成式AI最大的優勢就是其強大的交互能力，通過語音、文字還是視頻等多模態的交互，AI直接與廣大的個人用戶“碰面”了。

百融云創將決策式AI和生成式AI進行串聯，將AI能力從中間作業環節延伸至最終效果環節，讓AI在垂直行業變得可用、可見、可感知。比如在財富管理領域，一名線下客戶經理的管戶數量是有上限的，有90%以上的客戶無法觸及。百融云創通過決策式AI對用戶進行數智化洞察，制定完善的營銷和運營策略，然后結合生成式AI所生成的文字和語音與用戶進行深度交互。在某國有大行的合作中，在決策式AI與生成式AI的協作下，一名客戶經理每天只需花不到60分鐘就能完成3000條以上的個性化消息推送，與客戶進行1萬次以上的深度對話，而以往被忽略掉的長尾客群也得到了“私人訂制”般的服務。

決策式AI和生成式AI的完美搭配，對于垂直產業而言，強大的知識分析能力和內容生成能力將兼而得之。