Zhongguancun Kejin Yu Yoping：Platform + Application + Servi
作者：365bet网址日期：2025/09/11 浏览：
中国国际服务：第七届中国金融技术论坛于2025年9月10日至11日在北京举行。问题是“技术授权 - 数字化转型和金融行业的应用”。 YU UPING，北京中高数Kejin Technology Co.，Ltd。该公司的总裁参加了演讲并进行了演讲。
以下是演讲的转录。
我们很高兴与您分享中guancun Kejin在人工智能 +您行动中的思想和进步。实际上，包括银行领导者和其他制造商在内的几个人已经实施了大部分大型模型在金融行业中的应用。
您会看到，金融行业正在所有地址中运行各种应用程序，包括改善客户体验，市场营销和内部业务方案，包括中央银行方案，例如风险管理和增长。但是，仍然有很多问题，很烂H作为数据应用程序，合规性压力，尤其是上述“幻想”的管理，但仍然存在许多挑战和困难。
中古·基金（Qhongguancun Kejin）是一家成立了10年的公司，专注于技术和大型模型应用程序。我们主要集中在大型垂直模型上，本质上是在垂直行业实施大型模型。在过去的十年中，我们已经在许多行业中实施了它。金融业是我们重要的指示之一。在此期间，我们还获得了许多认可，其中包括2025年《中国2025年《财富》杂志在2025年的科学与技术）。
您如何看到大型模型的边界实现？自去年以来，我发现了一条清晰的路线：平台 +应用程序 +服务。在当前大型模型的上下文中s。过去，没有工具可以加深非结构化数据。当前，认知智能的能力使过去的释放数据更加谨慎和适用。然后，几乎所有大型公司都需要构建自己的私有化模型平台。这对大数据的安全性和实现也有更大的要求。
在此平台（大型模型）中，它首先完全处理数据，然后将它们实现在几个应用领域。同时，大型模型的实现远非传统软件工程那么简单。尽管传统计划非常安全，但由于商业场景和数据的扩展，但内部知识咨询从一开始就可以达到95％，在一个月内可能会下降3个百分点。如果不连续优化六个月，精度可以降低到80％，这很常见。一旦商业场景扩展了数据将继续被释放并运营支持，并且需要连续服务。
回顾过去十年的人工智能的发展，我们已经完成了从大数据智能到感知智能（包括OCR，面部识别，语音和其他技术）的完整过程，再到当前认知智能的出现。认知情报对公司的最大价值是什么？我认为这是服务的智能和规模：这是伟大模型的核心含义。从本质上讲，Great ModelsD具有交互式和生成功能，此类功能的主要应用程序方案是服务方案。无论它是否为其员工服务，该公司都包括许多前员工。人们提到的所有场景都是服务链接。我认为金融业应该是实施更大的行业之一模型，因为它是具有最集中的服务和数据属性的行业。
实施大型模型需要垂直，垂直和高质量的模型平台。我们已经开发了一个很好的模型平台来帮助我们（“帮助”表示“帮助“帮助”）。它在四个地址中提供了一个完整的工具链：计算机电源，数据，模型和智能机构。所谓的“ vernal模型”是两个维度的场景中心：垂直和垂直行业。它重点是从垂直方案的界面上实现智力和规模。
有三件事可以提供出色的公司服务：首先，您需要“服务高速公路”。当前的服务基于电话，互联网，音频，视频等电子渠道，因此需要所有媒体和全渠道（例如道路）的完整接触中心。
这条“道路”中有两种服务类型。一个是机器人服务，主要是语音机器人，文本机器人。更重要的是，机器人支持服务：这种趋势越来越清楚。手动服务的早期中间和最后阶段，以机器人的形式或AI的“三个部分”称为公司的内部知识，在服务前提供培训，在服务后提供辅助助理和Lime Inspectionsisions的服务，而服务之后变得越来越清晰。因此，我认为“ 1（Omnicanal联络中心）+2（语言和文本机器人）+3（服务前的学校培训，服务助手，服务后的质量检查）是在各个行业实施大型模型的一般范式，并且是在公司中实施大型模型的一般情况。行业应用，尤其是金融行业，以前已经提及过很多次，在这里不会重复。
金融行业具有其独特的特征。正如我的同事上面提到的那样，他的核是解决信息不对称问题。消费者在有关金融产品的信息方面具有不对称性，而金融公司与消费者的信息有不对称：消费者不完全理解，消费者也不完全了解该产品。平台的想法是解决此问题的关键。因此，如何根据大型模型的能力理解公司的各种内部数据并找到商业动机和说明是在金融行业中有效应用大型模型的基本原因。
使用信息平台，您还必须结合公司的基本智能平台。我需要在这里强调，正如我的同事们之前所说的那样，大型模型平台或“全部 - 一台机器”的实施是不可能的，但需要大型和小型模型的组合。 “理解”和“ Pershioi”并不容易fy“在语音机器人领域，尤其是在语音机器人领域中。例如，多年来，ASR技术（自动语音识别）已经发展出来，但是极为罕见地实现用户在几个方言中所说的地址的准确性的精确性，而这些方言中的几个方言中的几个方言中的几个方言都在99％中。即使ASR识别精确的数字，即使在知识中也不容易地在语言上。域名。同时，大型语言模型可显着改善传统的知觉智能，并改善思想和推理能力的认知智慧。
洞察力 + Deep +大型模型的传统特征，最终形成了人类的计算机协作服务平台。这个基本平台使您可以攀登多种应用程序，包括营销增长，安全合规性，运营优化和商业智能。我想我在银行行业中，大型模型不是一个简单的工具问题或简单的软件工程问题。从本质上讲，这是一个将业务和商业知识与人工智能当前能力（包括传统AI和大型模型能力）相结合的过程，以解决商业问题。与以前的软件工程相比，此过程更为复杂和灵活。
您如何在这些方面取得成果？例如，在营销增长领域，您必须建立营销代理矩阵。以智能外部呼叫为例，“理解”，“拟人化”，“具有极限感”和“快速答案”。为了满足这些要求，在代理商和传统的外部呼叫系统之间进行传输转换需要许多工程和算法优化。我们做了很多工作，但结果很重要。从风险控制的角度来看，金融行业可能会被骗取以面对挑战工程。从被动防御到积极的胜利，公司还需要大数据，AI和大型模型的整体应用。
运营优化是内部银行应用程序的集中式领域。当许多公司创建大型模型时，他们认为的第一件事就是知识的内部管理。我们发现趋势。许多公司在第一次尝试（包括使用开源工具，与大学或内部探索工作）后获得60分的结果，但是专业机构通常需要支持才能获得80或90分。此外，员工的内部服务也非常重要。您必须将“人造消防员”更改为“智能同伴”，以提取系统，验证等文档，问题和答案等。
所有这些都取决于完整的培训和促销整合，智能开发和应用程序管理平台。这与大型平台大不相同市场上的开源模型。将来公司将需要的是一个业务级平台，涵盖了对安全管理，服务，帐户和许可证的全面覆盖。同时，Omnicanal智能接触中心和所有媒体都是“高速公路”，在大型模型时代提供了智能服务和规模。
最重要的是，必须将数据，模型和算法整体优化，并最终构成方向盘的效果，从而在大型模型时代为公司创造中心的竞争力。有几种实施案例。例如，我们将与大型国家银行合作，根据自我统治的RTC平台在所有Scanningios中提供统一的视频银行，以改善银行外部服务的“道路”。多模式的生物预防模型适用于主要的商业银行，以保证资金的安全。为城市商业银行创建的大型模型和智慧为主要银行开发的NT审查平台取得了令人惊讶的结果。
此外，我们为主要跑步者开发了出色的模型助理模型。智能培训在培训员工方面有效：它可以模拟不同类型的客户，并允许员工在实践中学习而不是无聊的理论。许多格式都有明智的支持。一个人是否可以管理6-7机器人服务，机器人可以实时培训员工，简化了花费超过10分钟并直接寻找信息的任务并直接寻找机器人的生产。结果。
以上是金融业解决方案的全景。今天，我们为金融行业的500多个客户提供服务。中古·凯金（Qhongguancun Kejin）专注于实施大型模型的“供应链”，希望将大型传统数据，传统人工智能和新的大型模型技术与公司的实践知识结合起来。我今天的报告就是全部，谢谢大家！
官方NINA Finance帐户
24-最新信息和财务视频的流离失所，以及扫描QR码以关注更多粉丝（Sinafinance） 上一篇：香港行动的AI改变了人们并捡起了他们。香港的
下一篇：没有了
下一篇：没有了
相关文章
- 2025/09/11Zhongguancun Kejin Yu Yoping：Platform + Applicati
- 2025/09/11香港行动的AI改变了人们并捡起了他们。
- 2025/09/10CAI Chan：数字经济成为经济增长的新引擎
- 2025/09/10Cainiao Wan Lin的首席执行官：Cainiao的其他行
- 2025/09/09Guotai Junan Futures：连续两天弹跳，上海的
客户经理