从AIGC到Agent：大模型如何渗透金融医疗与气象行业

核心洞察

这篇文章把大模型的主要应用场景都过了一遍，AIGCArtificial Intelligence Generated Content, referring to content created by AI models like DeepSeek.、ChatBot聊天机器人，基于自然语言处理与大模型技术，实现人机对话。、CopilotA large language model interface made publicly accessible by Microsoft.、Insight数据洞察，通过大模型分析海量数据，挖掘有价值的信息和趋势。、AgentIn AI, a system that perceives its environment and takes actions to achieve specific goals, often used in conversational contexts.，还有一堆行业落地案例。比较有意思的是最后那批ToB案例，像彭博的BloombergGPT彭博社开发的金融领域大语言模型，参数量500亿，在金融任务上表现优异。、马上消费金融的天镜，数据细节比很多综述文章都实在。不过案例部分明显是从各处资料拼的，风格不太统一，当作索引来看就好。

大模型确实火了，火到各行各业都在聊。它不只是一个聊天工具，还能写文案、画画、做客服、辅助编程、分析数据，甚至在核工业、气象预测、生物制药这些领域干活。

核心结论

1. 马上消费金融的天镜大模型意图理解准确率达91%，比传统AI的68%高出23个百分点；客户参与率61%，远超人工坐席的平均28%。

2. BloombergGPT使用超过7000亿token训练语料（3630亿金融+3450亿公共），500亿参数，在金融任务上综合表现最优，且不牺牲通用能力。

3. 华为盘古气象大模型华为云开发的气象预测AI模型，精度超过传统数值预报方法，实现秒级全球气象预报。将台风10天路径预测从3000台服务器集群5小时仿真，压缩到1台服务器、1张卡、10秒出结果，且精度超过传统数值预报方法。

4. DeepMind AlphaFold2DeepMind开发的蛋白质结构预测模型，能在数分钟内预测蛋白质三维结构。已预测98.5%的人类蛋白质三维结构，而此前已知序列的1.8亿个蛋白质中，结构被解析的不到0.1%。

5. 谷歌Med-PaLM谷歌开发的大语言模型，专为医学领域设计，能够回答临床问题并达到专家水平。 2在美国医疗执照考试MedMCQA数据集上准确率超85%，成为首个达到专家水平的医疗大模型；其多模态版本生成的胸片报告在40.50%病例中比专业放射科医生更受采纳。

一、AIGC：内容创作的智能引擎

AIGC就是用大模型生成内容，文本、图像、音频都能做。它像个不知疲倦的创意搭子，给个主题就能出东西。

文本生成

广告公司写文案是个典型场景。以前要查资料、想创意，现在往AIGC工具里输入手机的关键卖点，比如拍照功能、处理器性能，马上就能出来几版不同风格的文案。新闻媒体也在用，把事件关键要素喂给模型，先出一版初稿，记者再改，发布速度快了不少。

AI绘画

你脑子里有个画面，比如一座飘在云端的城堡，周围绕着彩色飞鸟，描述给AI绘画工具，它就能画出来。Midjourney、Stable Diffusion这些工具吸引了很多插画师和设计师。有人拿它找灵感、画草图，有人直接用在产品包装和海报上。

电商

AIGC在电商里从商品展示管到客服。商品展示这块，能快速生成3D模型，实现虚拟试穿。服装电商让用户上传身材数据和照片，直接看试穿效果，购物体验提升一大截。智能客服也靠AIGC撑着，产品咨询、订单查询、售后问题都能自动答。

二、ChatBot：智能对话的贴心助手

ChatBot就是聊天机器人，理解用户的问话，然后自然流畅地对话。

客户服务

电信运营商每天要接大量电话，套餐咨询、话费查询、故障报修。上了ChatBot之后，客户在官网或App上直接问“我的流量还剩多少”，机器人马上查账户给答复。常见问题机器人直接解决，人工客服的压力小了很多，响应速度也快了。

在线教育

ChatBot能当虚拟学习伙伴。学生问一道数学题，它不光给出解题步骤，还能根据学生的掌握情况推荐复习内容和拓展练习。练英语口语也可以找它，纠正发音和语法错误。

三、Copilot：工作效率的提升利器

Copilot的意思是智能副驾，帮用户完成工作任务。

办公软件集成

微软的Copilot for Microsoft 365是个例子。均胜电子用了之后，Teams会议里它能实时总结讨论要点，记录每个人的发言，提出行动建议，还能自动分配任务。处理Outlook邮件时，它能从一堆邮件里提取关键信息，直接生成回复草稿。基于Word文档一键生成PPT这件事也靠谱，布局和主题都自动套好。

软件开发

GitHub Copilot是程序员的好帮手。输入一段功能描述，它能生成对应的代码片段甚至整个函数。代码调试也能帮上忙，指出潜在问题。程序员可以把精力放在更复杂的逻辑和架构上。

四、Insight：数据洞察的智慧之眼

Insight应用拿大模型去啃海量数据，挖出有价值的信息和趋势，给企业决策做参考。

市场分析

企业要盯市场动态，可以收集社交媒体、电商平台、行业报告的数据来分析。一家食品企业通过Insight工具分析社交平台上关于口味和健康饮食的讨论，发现低糖低脂的需求在涨。基于这个洞察调整产品线，推出一批健康食品，市场反馈不错。

金融风险评估

银行审批贷款时，Insight应用可以分析申请人的信用记录、财务状况、消费行为，预测还款能力和违约风险。审批决策更有依据，金融风险也能降下来。

五、Agent：智能协作的多面能手

Agent大模型可以代表用户执行一系列任务，跨系统、跨任务自动化协作。

智能办公

企业办一场线上营销活动，Agent能自动完成活动策划、邮件邀请、社交媒体推广、活动数据分析。它在不同系统之间调数据、做操作，按预设规则协调各个环节。

智能家居控制

Agent在家居里当控制中枢。用户说“我要睡觉了”，它自动关灯、调空调温度、启动安防系统。整个屋子协同工作，不用一个个设备去点。

六、ToB行业应用案例

BloombergGPT金融大模型

BloombergGPT是彭博社搞的金融大语言模型。彭博在数据这块有积累，他们从海量英文金融文档里整理出3630亿token的金融数据集，再叠上3450亿token的公共数据集，凑成超过7000亿token的训练语料。模型是纯解码器架构，500亿参数。

评估下来，它在金融领域的任务上综合表现最好，在通用任务上也不输同体量的模型，甚至有些任务比参数量更大的模型还好。金融能力没有牺牲通用能力。不过这模型出于安全考虑不会公开。

马上消费金融 天镜大模型

天镜有三个比较突出的方向。一是汇集智慧，把优秀客服的经验提炼出来，变成一对多服务的能力。模型跑了近3个月，意图理解准确率91%，比传统AI的68%高不少；客户参与率61%，传统模型是43%，人工坐席平均只有28%。二是唤醒沉睡知识，把招股书、财报、经济预测数据这些非结构化文档传上去，它能解析金融术语、跨文档查询、看懂图表里的信息。三是众创数据价值，SQL生成平台不用写代码，说大白话就行。目前每天线上生成SQL 650多次，可执行率53.4%，SPIDER标准数据集得分75.2，用户满意反馈比例82.3%。

阿里巴巴城市大模型 CityGPT

2023年7月发布，目标是把城市治理能力提升起来，覆盖经济、产业、商业、文旅、金融这些领域。它能做从城市到园区、商圈、社区、网点的智能计算与研判，号称“空间AI专家顾问”，给线上线下的融合决策提供支持。

DeepMind AlphaFold2

AlphaFold2用深度学习预测蛋白质三维结构。以前这是个非常费劲的活，要大量实验和时间，现在几分钟就能出结果。已知氨基酸顺序的蛋白质有1.8亿个，但三维结构被看清的不到0.1%。2021年8月DeepMind在《自然》上宣布已经预测了98.5%的人类蛋白质，计划年底把数量增加到1.3亿个。源代码和数据集都开源了。

谷歌医疗大模型 Med-PaLM

谷歌Research和DeepMind一起搞的多模态生成模型Med-PaLM M，懂临床语言、影像和基因组学。Med-PaLM 2在美国医疗执照考试的MedMCQA数据集上达到85%以上准确率，是第一个达到专家水平的LLM。还有个数据：在246份真实胸片里，医生认为Med-PaLM M生成的报告有40.50%的病例比专业放射科医生的更受采纳。

华为盘古气象大模型

盘古气象大模型是首个精度超过传统数值预报方法的AI模型。以前预测台风未来10天路径，要在3000台服务器的高性能计算机集群上跑5小时仿真。现在基于预训练的盘古模型做AI推理，1台服务器、1张卡、10秒就出结果，预测还更准。它能输出位势、湿度、风速、温度、海平面气压等，用在台风路径、降水、寒潮、高温这些场景。

核工业与央企案例

中核集团这边有几个模型。中核八所2024年3月发布“龙吟·万界”，是国内首个核领域数字生产力平台，做数字助理的开发和管理。同方股份旗下同方知网和华为合作，2023年推出华知大模型，2024年4月升级到2.0版本，注入了知网的海量专业知识数据。同方知网还和中国农科院信息所发布了农业知识大模型，面向农业科研、生产服务、知识科普等场景。

秦山核电2024年8月完成“i-知识”知识管理平台，是中国核电首个基于AI大模型的知识管理系统，整合了大语言模型、知识图谱、语义分析等技术。

航天信息2024年7月发布“爱信诺·信诺GPT”，百亿参数的财税垂直大模型，做政策法规问答、财税考试、业务办理、风控筹划这些事情。

还有一个百舸船舶行业大模型，参数量140亿，用在辅助决策、情报跟踪、研报撰写、知识应用上。

中国电科这边，法研院2024年8月发布“万法”大模型，基于它又做了“法观”大模型，实测通过中国法律职业资格考试，据说是首个通过法考的法律大模型。他们采用司法语料精调与司法知识引导结合的训练策略，把幻觉问题压得很低。电科太极2023年6月发布“小可”，面向党政企行业，做拟文助手、编码助手、智能标绘。电科数字2023年8月发布“智弈”，做文本分类、命名实体识别、机器翻译这些应用。

七、开源人工智能应用案例

VMWare

VMWare部署了HuggingFace的StarCoder模型来帮开发人员写代码。他们选择自己托管，没有用GitHub Copilot这类外部系统。

Gab Wireless

一家儿童友好型手机公司，用HuggingFace的开源模型给儿童收发的信息加安全过滤层，避免出现不恰当内容。

Perplexity

Perplexity正在用LLM重塑搜索。公司只有50个员工，但融了7400万美元。用户提问后，它的引擎会用大约六步来回答，中间用多个LLM。倒数第二步默认使用自己定制的开源LLM，用来总结符合问题的文章或资料。他们在Mistral和Llama基础上建模型，用AWS Bedrock微调。员工Dmitry Shevelenko说，用Llama很重要，因为有助于掌握自己的命运。在OpenAI模型上做微调不值得，因为你不拥有结果。Perplexity还为Rabbit R1提供动力。

Intuit

TurboTax、Quickbooks和Mailchimp的母公司Intuit很早就开始构建自己的LLM。他们的Intuit Assist功能混合使用开源模型，内部LLM基于开源构建，用自己的数据训练。

LyRise

人才匹配初创公司LyRise用Llama做了一个聊天机器人，像人类招聘人员一样互动，帮企业从非洲的高质量简历库中找到AI和数据人才。

Niantic

Pokemon Go的创造者做了一个叫Peridot的新功能，用Llama 2生成宠物角色在游戏里的环境反应和动画。

大模型和程序员的关系

目前ChatGPT对程序员到底有哪些实质性的帮助？

主要四块。Code Review，它看得懂代码，能给出针对性建议和优化方向。写测试用例，单元测试、集成测试这些很擅长。线上问题定位和分析，疑难杂症也能上手。SQL翻译，比如把Oracle的脚本转成MySQL的。

有了AI编程，还需要程序员吗？

需要。冯诺依曼架构下程序要的是确定性计算，而大模型是概率性的，生成的代码还有随意性和不确定性。目前它擅长的更多是抽象层次低的工作，比如实现一段代码、写个单元测试。需求分析、架构设计、领域设计这种高层次工作它做不了，这些才是高级程序员和架构师的价值所在。

应用实践AIGC有几层境界？

第一层，简单对话，复制粘贴出结果，人人都会。第二层，系统掌握提示词工程，用Prompt EngineeringA technique for designing and optimizing text prompts to effectively interact with and guide large language models.真正提效。第三层，把AIGC融入业务流程，让AIGC完成复杂任务。第四层，拥有自己的大模型，熟悉架构原理，用开源模型微调，最好有点行业数据壁垒。第五层，参与设计和训练大模型，比如去做ChatGPT这类产品的研发。大部分人都处在第二层。

如何学习大模型AI开发技能？

先掌握新应用程序的开发技能，大模型应用内核、LangChainA framework for developing applications powered by language models through composable components.开发框架、向量数据库这些。再做企业级AI Agent，涉及大模型缓存、算力。然后可以尝试构建企业级专有大模型，方向是RAGRetrieval-Augmented Generation - an AI framework that combines information retrieval with language generation to produce more accurate and contextually relevant responses.和微调。最后深入研究预训练和LLMOps。

最先掌握AI的人，会比晚掌握的人有优势。这话放在计算机、互联网、移动互联网的开局时期都成立。

第一阶段（10天）：初阶应用

先建立对大模型AI的整体认识。大模型能干什么，怎么获得智能的，怎么用提示词工程调教它。代码示例、提示词设计、思维链这些都要过一遍。

第二阶段（30天）：高阶应用

进入进阶实战。学RAG，搭一个简单的ChatPDF，理解向量表示、向量数据库、混合检索。这个阶段适合Python和JavaScript程序员。

第三阶段（30天）：模型训练

学完可以找大模型AI相关工作了。了解模型训练的基本概念、损失函数、Transformer结构、轻量化微调，自己动手训练开源模型。

第四阶段（20天）：商业化落地

对全球主流大模型的性能、吞吐量、成本建立认知，学会在云端和本地部署大模型。内容包括硬件选型、私有化部署、基于vLLM部署、内容安全、算法备案等。

常见问题（FAQ）

大模型在金融领域有哪些应用案例？

金融领域有彭博的BloombergGPT，基于海量金融数据训练，金融任务表现优秀；还有马上消费金融的天镜大模型，提升意图理解准确率至91%，并支持自然语言生成SQL，提高数据分析效率。

大模型在医疗领域有哪些突破？

谷歌的Med-PaLM 2在医疗执照考试中准确率超85%，达专家水平；DeepMind的AlphaFold2能快速预测蛋白质三维结构，已预测98.5%的人类蛋白质，推动生物医药研究。

大模型如何辅助编程和办公？

GitHub Copilot可根据功能描述生成代码、辅助调试；Microsoft 365 Copilot在Teams中总结会议、生成邮件草稿、基于Word一键生成PPT，提升办公效率。