挑干的唠：百融云AI大模型强在哪？

发布时间：2023-06-09 06:51:00 来源:https:\/\/mp.toutiao.com\/profile_v4\/graphic\/preview?pgc_id=7242230401735918115","title":"挑干的唠：百融云AI大模型强在哪？","newslogo":"https:\/\/cdn-img.capwhale.com\/kmc\/content\/20230608\/ed7961d8a42a498d81b43fe4d2ac5181.jpg","newsid":"8c7e8bb1977b44aab620fbaf824c252a","tagname":"挑干的唠：百融云AI大模型强在哪？","fromkmcinnerid":"74DVO8mnG0uFYQGm","fromkmcurl":"","followcount":0,"seosubject":"挑干的唠：百融云AI大模型强在哪？","newscontent":"　　当你用缠论波浪计算沪指周线级别调整低点，AH股可以给你表演什么叫单日跌破平台；当你质问基金经理为何还死守白酒新能源不调仓AI，公募可以研究如何把基金实时净值估算功能下线。中报前最后一个月的AH股，抱怨行情差没有用，因为总有人比你更负重前行。　　盘面无需赘述，既然AI是中期主线，那就不可能只有算力端和传媒娱乐一直涨。对比曾经也是中线抱团的赛道股，新能源不能没有电池、光伏不能没有逆变器、半导体不能没有晶圆厂，如今AI不能抛弃大模型，就像西方不能失去耶路撒冷。大模型卷到现在，什么样的公司才能胜出？今天咱们挑干的唠，坐稳咱发车。　　现在火爆的AI，源于深度神经网络的兴起，也就让AI进入了统计分类深度模型时代，这种模型比以往模型更泛化，可以通过提取不同特征值应用于不同场景。但在2018年-2019年，双下降现象的发现打破了原有的人工智能发展格局。双下降现象翻译成普通话就是，以往的数学理论表明，随着参数增多、模型增大，过拟合导致的模型误差会先下降后上升，这就让找到精度最高误差最小的点成为模型调整的目标。但后来不断发展，开发者发现如果继续不设上限的增大模型，模型误差会在升高后第二次降低，这就让AI进入了大模型时代。　　但大模型需要投入的算力成本，就连炒股看研报的人都明白。所以连Open AI去年都仍然亏损5.4亿美元，国内高喊自己也是千亿级别参数的公司，有没有能拿出5亿人民币搞研发的？那不说研发费，5亿货币资金储备有没有？所以股市当中的去伪存真，就是找到谁在用勤工俭学的身份给大家讲富二代的故事。　　咱认真思考，大模型作为AI的底层工具，进入中国C端市场，有几个连杀毒软件都不愿意掏钱的老百姓会给大模型付费？B端碎片化又很高，各个行业需要的解决方案和能被公开的不加密训练数据都不一样。就像开发一款游戏，大模型只能帮助游戏公司创作原画，但2D到3D建模充满了错误，那怎么降本增效？　　所以对于一些容错率非常低的行业，一点都不能含糊，就像金融业，如果算错一个小数点，那都不只是明天不用来上班的事儿。所以少数能挣钱的B端大模型，必须市场空间足够大、深刻了解行业、有独特的信息积累、有充足的资金储备。金融AI大模型是为数不多的可投资选择，而像百融云-W（6608.HK）这种有天然信息积累的AI+SaaS企业，是可选择当中的少数派。　　百融云的客户主要是以银行为主的金融业，它来帮助银行业补充用户画像，甄别用户贷款意愿和还款能力、完成贷款申请自动审批。咱算一笔账，取近年中国的中长期贷款30万亿均值来算，主要包括房贷、装修贷款等等，考虑余额、借款周期长短、人均中长期贷款中位数30万元，那么中国的中长期贷款需求者就有1亿人；扣除中长期贷款，近年来我国短期贷款均值还有20万亿，包括各类信用贷、消费贷、信用卡透支，取人均值5万元，那短贷也有将近3.8亿人。只有借助百融云这种积累了贷款申请者行为信息的第三方金融AI+SaaS厂商，才能甄别贷款申请者的需求和还款能力，保证银行贷款规模和收益。　　所以作为已经成立了9年的百融云，该公司的信息积累领跑同业，更重要的是这些信息积累，直接可以用于训练金融AI大模型。百融云目前已经累计为7000家金融机构提供信息服务，咱们满打满算，中国一共才有多少金融机构啊对吧？那如果有平台型公司想入局怎么办？这些金融业的信息，我不觉得哪家公司能在浏览器里边爬虫拿得到，点到为止，剩余的话你我心知肚明。　　金融AI大模型的商业模式是什么？说白了怎么挣钱？主要有两个：要么根据客户的需求进行定制化开发、要么等到数据确权政策落地后出售训练所用的信息。那如果一家企业不像百融云这样，有天然的信息积累和AI业务线，它怎么可能赚到钱呢？　　2023年一季报显示，百融云一季度实现营收5.66亿元，同比增幅25%；基于自研AI平台的第一大业务“智能分析与运营”收入同比增幅41%至2.81亿元；百融云自身的AI产品线“智能运营服务”，收入较去年同期增长68%；22年年报显示公司现金及等价物共计近40亿元，这都是百融云敢升级金融AI大模型的底气。　　事实证明，最近指数磨底期，不买AI你就是赚不到钱，别等到再错过大模型补涨之后，才发现连少亏钱和抱怨的机会都是市场赏给你的。","praisecount":0,"seodesp":"现在火爆的AI，源于深度神经网络的兴起，也就让AI进入了统计分类深度模型时代，这种模型比以往模型更泛化，可以通过提取不同特征值应用于不同场景。","newsdate":"20230608174129

当你用缠论波浪计算沪指周线级别调整低点，AH股可以给你表演什么叫单日跌破平台；当你质问基金经理为何还死守白酒新能源不调仓AI，公募可以研究如何把基金实时净值估算功能下线。中报前最后一个月的AH股，抱怨行情差没有用，因为总有人比你更负重前行。

盘面无需赘述，既然AI是中期主线，那就不可能只有算力端和传媒娱乐一直涨。对比曾经也是中线抱团的赛道股，新能源不能没有电池、光伏不能没有逆变器、半导体不能没有晶圆厂，如今AI不能抛弃大模型，就像西方不能失去耶路撒冷。大模型卷到现在，什么样的公司才能胜出？今天咱们挑干的唠，坐稳咱发车。

【资料图】

现在火爆的AI，源于深度神经网络的兴起，也就让AI进入了统计分类深度模型时代，这种模型比以往模型更泛化，可以通过提取不同特征值应用于不同场景。但在2018年-2019年，双下降现象的发现打破了原有的人工智能发展格局。双下降现象翻译成普通话就是，以往的数学理论表明，随着参数增多、模型增大，过拟合导致的模型误差会先下降后上升，这就让找到精度最高误差最小的点成为模型调整的目标。但后来不断发展，开发者发现如果继续不设上限的增大模型，模型误差会在升高后第二次降低，这就让AI进入了大模型时代。

但大模型需要投入的算力成本，就连炒股看研报的人都明白。所以连Open AI去年都仍然亏损5.4亿美元，国内高喊自己也是千亿级别参数的公司，有没有能拿出5亿人民币搞研发的？那不说研发费，5亿货币资金储备有没有？所以股市当中的去伪存真，就是找到谁在用勤工俭学的身份给大家讲富二代的故事。

咱认真思考，大模型作为AI的底层工具，进入中国C端市场，有几个连杀毒软件都不愿意掏钱的老百姓会给大模型付费？B端碎片化又很高，各个行业需要的解决方案和能被公开的不加密训练数据都不一样。就像开发一款游戏，大模型只能帮助游戏公司创作原画，但2D到3D建模充满了错误，那怎么降本增效？

所以对于一些容错率非常低的行业，一点都不能含糊，就像金融业，如果算错一个小数点，那都不只是明天不用来上班的事儿。所以少数能挣钱的B端大模型，必须市场空间足够大、深刻了解行业、有独特的信息积累、有充足的资金储备。金融AI大模型是为数不多的可投资选择，而像百融云-W（6608.HK）这种有天然信息积累的AI+SaaS企业，是可选择当中的少数派。

百融云的客户主要是以银行为主的金融业，它来帮助银行业补充用户画像，甄别用户贷款意愿和还款能力、完成贷款申请自动审批。咱算一笔账，取近年中国的中长期贷款30万亿均值来算，主要包括房贷、装修贷款等等，考虑余额、借款周期长短、人均中长期贷款中位数30万元，那么中国的中长期贷款需求者就有1亿人；扣除中长期贷款，近年来我国短期贷款均值还有20万亿，包括各类信用贷、消费贷、信用卡透支，取人均值5万元，那短贷也有将近3.8亿人。只有借助百融云这种积累了贷款申请者行为信息的第三方金融AI+SaaS厂商，才能甄别贷款申请者的需求和还款能力，保证银行贷款规模和收益。

所以作为已经成立了9年的百融云，该公司的信息积累领跑同业，更重要的是这些信息积累，直接可以用于训练金融AI大模型。百融云目前已经累计为7000家金融机构提供信息服务，咱们满打满算，中国一共才有多少金融机构啊对吧？那如果有平台型公司想入局怎么办？这些金融业的信息，我不觉得哪家公司能在浏览器里边爬虫拿得到，点到为止，剩余的话你我心知肚明。

金融AI大模型的商业模式是什么？说白了怎么挣钱？主要有两个：要么根据客户的需求进行定制化开发、要么等到数据确权政策落地后出售训练所用的信息。那如果一家企业不像百融云这样，有天然的信息积累和AI业务线，它怎么可能赚到钱呢？

2023年一季报显示，百融云一季度实现营收5.66亿元，同比增幅25%；基于自研AI平台的第一大业务“智能分析与运营”收入同比增幅41%至2.81亿元；百融云自身的AI产品线“智能运营服务”，收入较去年同期增长68%；22年年报显示公司现金及等价物共计近40亿元，这都是百融云敢升级金融AI大模型的底气。

事实证明，最近指数磨底期，不买AI你就是赚不到钱，别等到再错过大模型补涨之后，才发现连少亏钱和抱怨的机会都是市场赏给你的。

标签：

精彩推送

资讯

精彩推荐