首頁 > 行業 > 正文

快消息！挑干的嘮：百融云AI大模型強在哪？

2023-06-09 01:46:57來源：https:\/\/mp.toutiao.com\/profile_v4\/graphic\/preview?pgc_id=7242230401735918115","title":"挑干的嘮：百融云AI大模型強在哪？","newslogo":"https:\/\/cdn-img.capwhale.com\/kmc\/content\/20230608\/ed7961d8a42a498d81b43fe4d2ac5181.jpg","newsid":"8c7e8bb1977b44aab620fbaf824c252a","tagname":"挑干的嘮：百融云AI大模型強在哪？","fromkmcinnerid":"74DVO8mnG0uFYQGm","fromkmcurl":"","followcount":0,"seosubject":"挑干的嘮：百融云AI大模型強在哪？","newscontent":"　　當你用纏論波浪計算滬指周線級別調整低點，AH股可以給你表演什么叫單日跌破平臺；當你質問基金經理為何還死守白酒新能源不調倉AI，公募可以研究如何把基金實時凈值估算功能下線。中報前最后一個月的AH股，抱怨行情差沒有用，因為總有人比你更負重前行。　　盤面無需贅述，既然AI是中期主線，那就不可能只有算力端和傳媒娛樂一直漲。對比曾經也是中線抱團的賽道股，新能源不能沒有電池、光伏不能沒有逆變器、半導體不能沒有晶圓廠，如今AI不能拋棄大模型，就像西方不能失去耶路撒冷。大模型卷到現在，什么樣的公司才能勝出？今天咱們挑干的嘮，坐穩咱發車。　　現在火爆的AI，源于深度神經網絡的興起，也就讓AI進入了統計分類深度模型時代，這種模型比以往模型更泛化，可以通過提取不同特征值應用于不同場景。但在2018年-2019年，雙下降現象的發現打破了原有的人工智能發展格局。雙下降現象翻譯成普通話就是，以往的數學理論表明，隨著參數增多、模型增大，過擬合導致的模型誤差會先下降后上升，這就讓找到精度最高誤差最小的點成為模型調整的目標。但后來不斷發展，開發者發現如果繼續不設上限的增大模型，模型誤差會在升高后第二次降低，這就讓AI進入了大模型時代。　　但大模型需要投入的算力成本，就連炒股看研報的人都明白。所以連Open AI去年都仍然虧損5.4億美元，國內高喊自己也是千億級別參數的公司，有沒有能拿出5億人民幣搞研發的？那不說研發費，5億貨幣資金儲備有沒有？所以股市當中的去偽存真，就是找到誰在用勤工儉學的身份給大家講富二代的故事。　　咱認真思考，大模型作為AI的底層工具，進入中國C端市場，有幾個連殺毒軟件都不愿意掏錢的老百姓會給大模型付費？B端碎片化又很高，各個行業需要的解決方案和能被公開的不加密訓練數據都不一樣。就像開發一款游戲，大模型只能幫助游戲公司創作原畫，但2D到3D建模充滿了錯誤，那怎么降本增效？　　所以對于一些容錯率非常低的行業，一點都不能含糊，就像金融業，如果算錯一個小數點，那都不只是明天不用來上班的事兒。所以少數能掙錢的B端大模型，必須市場空間足夠大、深刻了解行業、有獨特的信息積累、有充足的資金儲備。金融AI大模型是為數不多的可投資選擇，而像百融云-W（6608.HK）這種有天然信息積累的AI+SaaS企業，是可選擇當中的少數派。　　百融云的客戶主要是以銀行為主的金融業，它來幫助銀行業補充用戶畫像，甄別用戶貸款意愿和還款能力、完成貸款申請自動審批。咱算一筆賬，取近年中國的中長期貸款30萬億均值來算，主要包括房貸、裝修貸款等等，考慮余額、借款周期長短、人均中長期貸款中位數30萬元，那么中國的中長期貸款需求者就有1億人；扣除中長期貸款，近年來我國短期貸款均值還有20萬億，包括各類信用貸、消費貸、信用卡透支，取人均值5萬元，那短貸也有將近3.8億人。只有借助百融云這種積累了貸款申請者行為信息的第三方金融AI+SaaS廠商，才能甄別貸款申請者的需求和還款能力，保證銀行貸款規模和收益。　　所以作為已經成立了9年的百融云，該公司的信息積累領跑同業，更重要的是這些信息積累，直接可以用于訓練金融AI大模型。百融云目前已經累計為7000家金融機構提供信息服務，咱們滿打滿算，中國一共才有多少金融機構啊對吧？那如果有平臺型公司想入局怎么辦？這些金融業的信息，我不覺得哪家公司能在瀏覽器里邊爬蟲拿得到，點到為止，剩余的話你我心知肚明。　　金融AI大模型的商業模式是什么？說白了怎么掙錢？主要有兩個：要么根據客戶的需求進行定制化開發、要么等到數據確權政策落地后出售訓練所用的信息。那如果一家企業不像百融云這樣，有天然的信息積累和AI業務線，它怎么可能賺到錢呢？　　2023年一季報顯示，百融云一季度實現營收5.66億元，同比增幅25%；基于自研AI平臺的第一大業務“智能分析與運營”收入同比增幅41%至2.81億元；百融云自身的AI產品線“智能運營服務”，收入較去年同期增長68%；22年年報顯示公司現金及等價物共計近40億元，這都是百融云敢升級金融AI大模型的底氣。　　事實證明，最近指數磨底期，不買AI你就是賺不到錢，別等到再錯過大模型補漲之后，才發現連少虧錢和抱怨的機會都是市場賞給你的。","praisecount":0,"seodesp":"現在火爆的AI，源于深度神經網絡的興起，也就讓AI進入了統計分類深度模型時代，這種模型比以往模型更泛化，可以通過提取不同特征值應用于不同場景。","newsdate":"20230608174129

當你用纏論波浪計算滬指周線級別調整低點，AH股可以給你表演什么叫單日跌破平臺；當你質問基金經理為何還死守白酒新能源不調倉AI，公募可以研究如何把基金實時凈值估算功能下線。中報前最后一個月的AH股，抱怨行情差沒有用，因為總有人比你更負重前行。

(資料圖片僅供參考)

盤面無需贅述，既然AI是中期主線，那就不可能只有算力端和傳媒娛樂一直漲。對比曾經也是中線抱團的賽道股，新能源不能沒有電池、光伏不能沒有逆變器、半導體不能沒有晶圓廠，如今AI不能拋棄大模型，就像西方不能失去耶路撒冷。大模型卷到現在，什么樣的公司才能勝出？今天咱們挑干的嘮，坐穩咱發車。

現在火爆的AI，源于深度神經網絡的興起，也就讓AI進入了統計分類深度模型時代，這種模型比以往模型更泛化，可以通過提取不同特征值應用于不同場景。但在2018年-2019年，雙下降現象的發現打破了原有的人工智能發展格局。雙下降現象翻譯成普通話就是，以往的數學理論表明，隨著參數增多、模型增大，過擬合導致的模型誤差會先下降后上升，這就讓找到精度最高誤差最小的點成為模型調整的目標。但后來不斷發展，開發者發現如果繼續不設上限的增大模型，模型誤差會在升高后第二次降低，這就讓AI進入了大模型時代。

但大模型需要投入的算力成本，就連炒股看研報的人都明白。所以連Open AI去年都仍然虧損5.4億美元，國內高喊自己也是千億級別參數的公司，有沒有能拿出5億人民幣搞研發的？那不說研發費，5億貨幣資金儲備有沒有？所以股市當中的去偽存真，就是找到誰在用勤工儉學的身份給大家講富二代的故事。

咱認真思考，大模型作為AI的底層工具，進入中國C端市場，有幾個連殺毒軟件都不愿意掏錢的老百姓會給大模型付費？B端碎片化又很高，各個行業需要的解決方案和能被公開的不加密訓練數據都不一樣。就像開發一款游戲，大模型只能幫助游戲公司創作原畫，但2D到3D建模充滿了錯誤，那怎么降本增效？

所以對于一些容錯率非常低的行業，一點都不能含糊，就像金融業，如果算錯一個小數點，那都不只是明天不用來上班的事兒。所以少數能掙錢的B端大模型，必須市場空間足夠大、深刻了解行業、有獨特的信息積累、有充足的資金儲備。金融AI大模型是為數不多的可投資選擇，而像百融云-W（6608.HK）這種有天然信息積累的AI+SaaS企業，是可選擇當中的少數派。

百融云的客戶主要是以銀行為主的金融業，它來幫助銀行業補充用戶畫像，甄別用戶貸款意愿和還款能力、完成貸款申請自動審批。咱算一筆賬，取近年中國的中長期貸款30萬億均值來算，主要包括房貸、裝修貸款等等，考慮余額、借款周期長短、人均中長期貸款中位數30萬元，那么中國的中長期貸款需求者就有1億人；扣除中長期貸款，近年來我國短期貸款均值還有20萬億，包括各類信用貸、消費貸、信用卡透支，取人均值5萬元，那短貸也有將近3.8億人。只有借助百融云這種積累了貸款申請者行為信息的第三方金融AI+SaaS廠商，才能甄別貸款申請者的需求和還款能力，保證銀行貸款規模和收益。

所以作為已經成立了9年的百融云，該公司的信息積累領跑同業，更重要的是這些信息積累，直接可以用于訓練金融AI大模型。百融云目前已經累計為7000家金融機構提供信息服務，咱們滿打滿算，中國一共才有多少金融機構啊對吧？那如果有平臺型公司想入局怎么辦？這些金融業的信息，我不覺得哪家公司能在瀏覽器里邊爬蟲拿得到，點到為止，剩余的話你我心知肚明。

金融AI大模型的商業模式是什么？說白了怎么掙錢？主要有兩個：要么根據客戶的需求進行定制化開發、要么等到數據確權政策落地后出售訓練所用的信息。那如果一家企業不像百融云這樣，有天然的信息積累和AI業務線，它怎么可能賺到錢呢？

2023年一季報顯示，百融云一季度實現營收5.66億元，同比增幅25%；基于自研AI平臺的第一大業務“智能分析與運營”收入同比增幅41%至2.81億元；百融云自身的AI產品線“智能運營服務”，收入較去年同期增長68%；22年年報顯示公司現金及等價物共計近40億元，這都是百融云敢升級金融AI大模型的底氣。

事實證明，最近指數磨底期，不買AI你就是賺不到錢，別等到再錯過大模型補漲之后，才發現連少虧錢和抱怨的機會都是市場賞給你的。

標簽：