数字化转型网人工智能专题
与全球关注人工智能的顶尖精英一起学习！数字化转型网建立了一个专门讨论人工智能技术、产业、学术的研究学习社区，与各位研习社同学一起成长！欢迎扫码加入！
中国人寿集团科技部总经理董占军：
各位领导，各位嘉宾，大家上午好，很高兴参加首届保险数字科技数智大会，一起探讨“人工智能新技术赋能保险行业”这个话题，我今天分享的题目是《大模型在保险领域应用的机遇与挑战》，主要分3个部分。首先是大模型技术发展的历程和趋势。习总书记指出，数字技术正在以新理念、新业态、新模式全面融入人类经济、政治、文化、社会生态文明建设的各领域和全过程。在当前数字和物理世界加速融合的大背景下，以大模型为代表的生成式人工智能正在引导一场深刻的革命，这也是做好数字金融大文章、推动数字经济蓬勃发展的关键力量。近几年因为技术发展，国家出台了很多面向数据、人工智能的监管政策，对泛人工智能应用提出了安全性、透明度和解释性等方面的要求，可以说中国的人工智能将进入强监管的时代。今年7月份，发改委、工信部等部门也发布了《生成式人工智能服务管理的暂行办法》，这标志着我国对生成式AI的治理监管进入了体系化的阶段。此外，关于数据保护的监管要求也将会成为大模型在行业应用时务必要考虑的重要合规内容。从概念上来看，大模型是一个统称，其本质是用算法来模拟人类的思维方式和创造力，根据应用的细分也会分成大语言模型、GPT和AIGC等，用大模型来生成图片文字代码，为数字化建设带来了无限的想象空间。
从人工智能的发展来看，过去70年经历了多次起落，每一次算法的大突破都是里程碑式的事件，一次次超越人类的极限。在2022年openAI发布了chatGPT，标志着人工智能从预测推断走向了内容生成，在通用领域帮助人类更好地创建数字世界。大模型最近几年发展很快，经过了参数比拼、成本比拼、比拼效能，一直到工业化能力和场景化的服务能力。目前来看，这个参数已经超过万亿，远超人类神经百亿的数量，并且向多模态统一架构融合，相信未来大模型的规模将会越来越大，领域越分越细，架构也将会越来越融合，支持多模态、多任务，更加逼近人类的生活方式。根据大模型训练的数据量大小和算法的适用领域不同，可以将大模型分为通用大模型和垂直大模型，或者说通俗讲就是大模型和小模型。客观来讲，从小模型到大模型是技术发展演进的必然逻辑，也是从多元竞争到融合供应的过程，从数据模型、架构、成本等多个层面来看，大模型相比小模型都有明显的优势，这也与信息化建设从烟囱式到平台式发展的过程是类似的。但是从业务角度看，是追求大而全还是小而精，需要根据企业自身的特性的选择，这也是目前通用大模型和垂直大模型同步发展的情况。
通用大模型与垂直大模型都具有鲜明的优缺点。通用大模型在适用性、学习能力、功能方面具有优势，同时对算力和数据的要求也很高，更适合内容生成型的企业或者是行业型的应用。很多通用大模型厂商目前也在瞄准垂直领域，推出垂直大模型，让模型的能力更聚焦、更精准，效果更优质，成本相对更低。借助技术成熟的模型，目前大模型技术已经突破了技术萌芽期，进入了期望膨胀期，无论是从业者还是终端用户，对大模型在千行百业的应用都充满了期待和想象。但是根据目前技术的成熟度评估，大模型技术离生产成熟还有至少五到十年的时间，在这个期间可能还会有反复，但我们认为这个前景是光明的，未来也是可期的。 数字化转型网www.szhzxw.cn
下面简要汇报一下大模型在保险领域的机遇与挑战。从整体上来看，大模型可以贯穿保险整个价值链，有着广泛的应用场景，对业务价值贡献巨大。当然，当前整个行业在人工智能方面也有着广泛的应用，包括前中后台都在使用，但是这些人工智能使用的还是传统的算法，是专用的、孤立的、烟囱式的，存在着巨大的价值提升空间，利用大模型可以为各业务环节通用服务的提升带来非常大的想象空间。根据大模型的能力，我们初步梳理了大模型在保险业的应用场景，目前各个公司的尝试非常广泛，覆盖了前中后端，资产端和负债端也都在做相应的尝试。当然我们理解任何事物都是有双面性的，要想充分发挥大模型的价值，需要在数据模型算力方面给予充分的资源和保障，在监管政策的要求下开展工作。当前阶段，我们认为还存在着五方面的挑战，正如刚才几位嘉宾讲到的，一是数据隐私保护风险，用户个人信息和敏感信息的泄露风险；二是数据质量和数据量的风险，对预训练质量有着直接的影响；三是输出的内容不可控的风险，不能确保精确的输出；四是伦理道德风险，存在着技术被滥用的风险；五是监管合规的风险。
最后也向各位领导汇报一下中国人寿在大模型方面的一些实践和探索。从建设模式上来看，大模型在金融业的建设一般有四种模式：独立全站自建、联合建设、行业合作还有云端调用。因为中国人寿是一个集团型的企业，涵盖了保险、投资、银行等十家成员公司，在科技上采用一种统筹结合的方式，充分发挥各成员公司在场景化方面的能力，所以在大模型的实践当中也是采用不同的方式。
目前寿险公司结合自身的需求，秉承着审慎的态度，选择与大模型厂商联合建设的模式，走自主可控的建设路径，分阶段建设大模型，目前正在开展大模型产品的测试和框架的搭建工作。财险公司主要是通过内外部数据的整合，构建自有知识库，通过进行开源大模型的私有化部署，逐步按需引入和部署商业化大模型以及大模型租赁的方式，在非敏感场景下开展低成本的场景探索和应用。同时也建立了大模型的应用管理平台，支持知识管理、模型训练、监控模型编排和指定提升等管理和应用，形成信息抽取、内容生成、人机对话等服务能力，应用到各个场景当中。资产管理公司也在探索大模型在信用领域的深入应用，以智能问答为切入点，依托1400多个数据模型，15万家企业的企业图谱，从舆情预警、持仓主体、主体评级等方面使用线上化嵌入技术达到信用GPT，提供多场景、多业务、多种类型的智能问答和基于报告的信息摘要，数据挖掘也取得了一些初步效果。国有投资公司是在办公方面通过建立大模型中台，多个办公场景中实现了功能落地。 数字化转型网www.szhzxw.cn
在大模型的建设过程中我们也遇到了各种问题，就像买家秀跟卖家秀，设想的很好，但是真正去推动落地的时候，还是面临着很大的挑战，主要的问题包括大模型的选型问题、训练数据问题、算力不足问题、成本收益评估问题、数据风险问题、标准缺乏问题。这些问题会影响我们决策和路径的选择。因为各家情况不同，处理方式也各不相同。在这里我谈几点自己的体会。一是应用场景选择上，要先内后外、先易后难；二是要有兜底机制，人工智能不能只谈智能没有人工，特别是在大模型还远未成熟的现阶段，人工审核还是非常有必要的。虽然是新旧结合，大模型不能替代所有的智能，至少短期之内还有深化传统模型应用的必要。刚才延礼主席也讲，现在几百个大模型产生的虹吸效应把很多资源都吸过去了，这件事情对于整个多元化的科技生态来讲，不见得是一个好事。
最后我想以一句话结束我的分享。昨天openAI的创始人阿尔特曼被解职了，以前讲人工智能大模型会淘汰很多人，（没想到今天）创始人也被淘汰了。所以说真正的技术落地还是一个非常复杂的事，我自己的理解是所有的技术必须在市场当中去解决真问题、真解决问题。在这个过程中才能够真正把技术价值发挥出来，我们也希望产、学、研共同携手能够在推动大模型的落地、推动行业的高质量发展过程中发挥更大的作用。谢谢！ 数字化转型网www.szhzxw.cn
数字化转型网人工智能专题
与全球关注人工智能的顶尖精英一起学习！数字化转型网建立了一个专门讨论人工智能技术、产业、学术的研究学习社区，与各位研习社同学一起成长！欢迎扫码加入！ 数字化转型网www.szhzxw.cn
本文由数字化转型网（www.szhzxw.cn）转载而成，来源于道口保险观察；编辑/翻译：数字化转型网宁檬树。
