“這個世界不存在魔術，不存在一個大模型‘啪’得一瞬間把所有問題都解決了。”

7月6日至8日，2023世界人工智能大會在上海舉辦。6日下午，數(shù)庫科技創(chuàng)始人兼總裁沈鑫在大會現(xiàn)場接受了《每日經濟新聞》記者專訪。

(相關資料圖)

沈鑫 圖片來源：企業(yè)供圖

數(shù)庫科技成立于2009年，是一家專注產融數(shù)字化的數(shù)據(jù)科技公司，主要在金融及產業(yè)領域提供基于產業(yè)邏輯的智能數(shù)據(jù)產品與系統(tǒng)服務，幫助金融機構、企業(yè)集團、政府部門解決業(yè)務場景中的數(shù)據(jù)和系統(tǒng)需求。

本次大會期間，數(shù)庫科技將發(fā)布融合統(tǒng)一產品圖譜體系與大模型的概念型產品“istari”。記者現(xiàn)場觀察到，用戶輸入問題后，istari可以將需求轉化成統(tǒng)一產品知識圖譜（UPG）相關的查詢，并呈現(xiàn)出相關的專業(yè)產業(yè)知識以及各個知識點之間的關系。

據(jù)沈鑫介紹，目前，istari主要通過大模型來做產業(yè)關系的推演。“以前我們只有單純的上下游關系，今天大模型可以通過各種各樣的資訊，來反推除了產業(yè)關系之外潛在的經營聯(lián)系。”

在談及通用大模型是否會取代行業(yè)大模型時，沈鑫表示，通用大模型如果真的做到垂直領域，經過很高級別的訓練之后，可以做得很好。“但是問題在于，能夠真正供大模型使用的高質量的數(shù)據(jù)是非常缺乏的……（做得好的）幾家肯定不會把數(shù)據(jù)貢獻給別人，所以（通用大模型取代行業(yè)大模型）其實是一個漫長的過程，沒有大家想象得那么快。

以下是部分問答實錄：

NBD：對于當今市場而言，產業(yè)鏈數(shù)據(jù)價值體現(xiàn)在哪里？

沈鑫：我們講數(shù)據(jù)想要用好，必須要數(shù)數(shù)相連，要有連接邏輯，產業(yè)關系是唯一一個可以連接中國所有企業(yè)的關系。我跟你之間哪怕沒有金錢往來，有了金錢往來那叫供應鏈，（但）直接和間接，兩個企業(yè)之間一定會有產業(yè)的傳導路徑。

我們把產業(yè)數(shù)據(jù)網(wǎng)絡搭起來以后，第一，它本身是個數(shù)據(jù)集，你可以看到企業(yè)上下游的情況，可以做企業(yè)定位，它可以單獨當成一個數(shù)據(jù)集來用，同時它又是一個數(shù)據(jù)編制的核心邏輯，我們可以把宏觀行業(yè)的信息、公司相關的信息、某一個產品的產能價格等定到產品節(jié)點上。

本來是孤島式的數(shù)據(jù)現(xiàn)在有了邏輯，再去疊加模型的時候，你會發(fā)現(xiàn)它的判斷就更加精準。所以我們主要是做數(shù)據(jù)融合和數(shù)據(jù)組裝。通過各種各樣的大數(shù)據(jù)線索把這些數(shù)據(jù)融合起來建模，得出一個決策的結論，讓我們的客戶能夠在最佳的市場時機去切入這些企業(yè)，去授信也好，去服務也好，找到企業(yè)生命周期中最好的介入時間點。

圖片來源：每經實習記者 黃海 攝

NBD：公司過去這十年中遇到最大的難點是在哪？

沈鑫：其實難點很多，為什么講數(shù)據(jù)行業(yè)實際上門檻比較高，首先想做好數(shù)據(jù)融合，數(shù)據(jù)就要做到高度的結構化和標準化，這件事情就有點像石油冶煉一樣，怎么把粗的、顆粒的數(shù)據(jù)變成更加結構化、更加精細的，我們叫“好料子”，這有個提煉的過程。

在過去的十多年，我們用很多的人工智能技術，通過工程化建設打造自己的數(shù)據(jù)工廠，這個數(shù)據(jù)工廠會把一些非標數(shù)據(jù)轉換成高度結構化和標準化的數(shù)據(jù)。在開始的時候，機器生產數(shù)據(jù)肯定是不如人的，它需要很多年的積累，但今天它已經突破了邊界，生產的精度已經超過人了。

我們相信的一點是，要用工業(yè)化的思維來經營一家企業(yè)，我們不能回到勞動密集型老路上去。

NBD：如何看待大模型的應用？

沈鑫：這個世界不存在魔術，不存在一個大模型“啪”得一瞬間把所有問題都解決了。它本身是一個效率工具，我們現(xiàn)在會把大模型的一些技術融入到數(shù)據(jù)生產端，進一步去提升生產效率。這個實際上是我們看待大模型的一個點，就是不要為了技術而技術。

NBD：如何看待通用大模型和行業(yè)大模型之間的應用場景沖突？

沈鑫：如果通用大模型發(fā)展到極致的話，我覺得也就不存在什么行業(yè)大模型，但這是一個非常漫長的過程。

能夠真正供大模型使用的高質量數(shù)據(jù)是非常缺乏的。你看我們行業(yè)里，能把金融相關數(shù)據(jù)標準做到很高的公司，可能掰手指頭都數(shù)得出來，而這幾家肯定不會把數(shù)據(jù)貢獻給別人。所以它其實是一個漫長的過程，沒有大家想象得那么快。

另外一個點，很多的場景是不需要用到大模型的。可能在咨詢服務類的場景中大模型有很大的用場，但是在金融這種對數(shù)據(jù)要求很嚴謹?shù)男袠I(yè)內，大模型實際是沒有意義的，因為回饋是相對比較模糊的。