今天分享的人工智能系列深度研究报告：《AI+保险专题报告：2023大模型技术深度赋能保险行业白皮书》。
（报告出品方：阳光保险集团股份有限公司）
报告共计：74页
大模型发展迅速 加速AI价值升级
在人工智能的发展历程中，大模型技术的崛起无疑标志着一次历史性的突破。随着参数规模和数据规模的显著增长，大模型在各类任务中展现出更高的准确性、更出色的泛化 能力以及更低的应用门槛，从而满足了各行各业日益多元化的需求。学术界、研究机构、产业界以及各级政府均对大模型给予了高度的重视，从算法模型、技术生态、落地应用和政策环境等多个层面，推动通用大模型和领域专用大模型的快速发展和应用。
大模型技术创新，能力显著升级
大模型，包括广义的人工智能预训练大模型及狭义的大型语言模型（Large Language Model，LLM），是一种具有庞大参数规模和高度复杂性的机器学习模型。通常来说，这种模 型的参数量能够达到数十亿，甚至扩展到数万亿的惊人规模。通过在广袤无垠、未加标注 的海量数据中进行大规模的预训练，这些大模型能够深入挖掘并掌握众多微妙的模式、规 律和知识。它们展现出了惊人的“涌现”现象，即模型性能的准确性、表达能力的强度以及 泛化能力的广泛性都展现出了卓越的优势。这种“涌现”现象是大模型最引人注目的特征 之一，也是它们在自然语言处理、计算机视觉等领域表现出色的原因之一。
通用大模型的目标是处理广泛的任务和领域，具备强大的泛化能力。通常，它们基于 大量的无标注数据进行预训练，然后在特定任务上实施微调。这种“预训练-微调”的方法使 通用大模型能够获取丰富的语义知识，因此在各种任务中表现卓越。例如，ChatGPT就是 通用大模型的典型代表，可回答各类问题、生成文本、完成编程任务等。
生态日益完善，推动大模型落地应用
大模型生态的发展日益完善，从底层基础设施到大模型研发平台、大模型能力扩充、 大模型服务平台、基于大模型的AI Agent等不同层次，各项技术及平台均在不断进步和创新。大模型生态的演进日新月异，其发展势头正以前所未有的速度推动着人工智能领域的进步。我们翘首以待，期待这个生态系统持续繁荣，为大模型的广泛应用和价值创造开启更多的崭新篇章。
应用场景丰富 大模型助保险业增效提质
随着大模型技术的迅速发展,各行各业正在经历前所未有的变革。保险行业作为数据密集型行业,具备数据优势,且应用场景丰富,是大模型的最佳应用领域之一。大模型与保险的底层逻辑不谋而合,它们共同依赖于数据和模型这一基石。大模型的底层架构以数据和模型为核心，而保险业则秉承大数法则，同样以数据和模型为基础。正因如此,保险与大模型之间存在着天然的契合点,使得大模型在保险行业的应用前景愈发广阔。
保险领域：全业务流程赋能
大模型可以应用到保险领域的全业务流程，帮助保险企业更好地分析市场趋势、理解 客户需求、精准化产品定价、提升营销效率、提高风险管理能力、提升理赔便捷性、改善服 务质量，从而降低运营成本、提升营销和服务效能、提升客户体验。
大模型开放平台建设 打造可信大模型底座
大模型开放平台负责构建企业的大模型生产力,为企业的各项业务应用提供支持,是企业实现大模型技术全面落地应用的必备基础设施。大模型开放平台支持大模型应用的快速开发，同时通过算法库、模型库、服务库、插件库、数据和模板库等模块不断沉淀、积累和共享可复用的能力,并将能力集成应用到开发运维过程中。
大模型开放平台的建设,可以快速响应前端的业务需求,让用户更快、更高效地落地大模型应用,为业务赋能;能避免烟囱式的系统建设模式,降低大模型应用系统建设以及系统间交互成本；能实现数据共享、计算共享、模型共享,更好地降低应用成本;同时实现持续的技术沉淀,形成企业的核心资产,推动企业业务创新。
垂直领域大模型：更懂保险的大模型
通用大模型,如ChatGPT、文心一言、LLaMA、BLOOM、ChatGLM和通义千问等,已展现出强大的通用能力,涵盖了自然语言生成、阅读理解、机器翻译和情感分析等。然而,尽管这些通用模型具备强大的通用能力,但保险行业作为一个高度专业化的领域,通用模型往往无法完全满足其专业需求。因此,针对保险行业专门研发垂直领域的大模型,可以弥补通用大语言模型在保险领域应用中的不足，是大模型落地应用的关键环节。
以阳光GPT为例,其模型设计理念专注于解决保险领域的问题,因此相较于通用模型.它在保险领域表现出更高的专业性和实用性,成为了一款更懂保险的大模型。此类专门针对保险行业的大模型的研发和应用,将推动保险行业的创新与发展,提高服务质量和效率，为客户提供更优质的保险产品和服务。
插件集市，实现大模型与外部系统链接
插件技术可以方便地将不同领域的知识和数据集成到大模型中,从而提高模型的泛化能力和性能、丰富大模型应用的功能和场景。此外,也可以通过插件实现与公司内部业务系统的链接,实现大模型与业务流程的衔接。插件是一种可扩展的代码模块,可以与已有的代码系统进行交互,提供一些额外的功能或服务。插件的运行方式通常是使用同一语言或API进行调用,从而实现特定功能的增强。
智能路由和审核，实现大模型动态调度和内容安全
大模型开放平台通常可提供多种大模型供按需选择，包括外部商业模型、本地部署的开源模型、基于领域数据训练得到的自研模型等。平台通过灵活的模型选择机制-智能路 由，实现不同大模型之间的无缝切换。智能路由能够对模型进行评估以找到处理当前请求最适合的模型，从而提供更优质的服务。利用智能路由技术，可以实现大模型的统一服务和动态调度，从而提升服务效率和质量。
保险业大模型评测体系
模型评测在衡量保险行业大模型质量方面起着至关重要的作用。针对保险行业垂直领域的大模型,我们不仅希望其融入保险领域的专业知识,同时也非常关注其通用能力。阳光保险构建的评测集S-Eval,包含223个测试用例,用于评估通用领域和保险领域的两部分能力。
为了评估模型的通用能力,可以采用业内普遍使用的C-Eval、CMMLU、GSM8K.HumanEval、WMT22等评测集,它们在自然语言理解与生成、数学运算解题、代码生成等方面对模型进行全方位评测。同时,我们还可以人工添加通用领域的评测集,包括事实问答、信息抽取、文本分类、情绪识别、数值计算、文化常识等多个维度。
积极探索落地 大模型价值全面初现
生成式AI大模型技术作为年度最大的热点,吸引并推动各大厂商推出大模型产品或是服务,这些产品或服务主要包括四种类型,第一种是大模型平台服务,其中比较有代表性的是百度和阿里。这类公司推出了一系列的云计算服务,使用户可以方便、低成本地创建自己的大模型,部署成大模型云服务。第二种是数字人产品,其中比较有代表性的包括百度、阿里及科大讯飞等。这类公司不仅推出了更逼真,更惟妙惟肖的数字人产品,还把单个数字人的创建门槛降低到只需录制一段几分钟的视频和音频,创建成本也从一年前的几十万元降低到了几千元。第三种是创新大模型产品,推出大模型问答式文库应用,采用独特的“大模型+运营”的方案,为企业建立私有知识库,应用于内部和外部用户的信息检索场景,满足企业用户对内容可信、预期可控、知错能改的高层次要求。第四种是在传统软件上附加大模型技术,提供大模型驱动的Copilot。如微软在Windows 11中加入了名为Copilot的AI助手,Copilot可以接受用户的自然语言指令并自动执行软件功能,提升用户工作和学习的效率。
根据信息技术研究分析公司Gartner预测，到2025年，AIGC人工智能的全球市场规模 将超过1350亿美元，其中银行、金融服务和保险将占该市场的25%。目前来看，国内保险行 业还在处于摸索AIGC落地的初级阶段，海外一些保险公司已经开始探索将AIGC嵌入到承 保、理赔、审核等多个保险业务流程中。此外AI+RPA的技术融合已经使数字人具备数据决 策能力，这意味着虚拟数字人在未来有为保险业重构行业价值链的能力，同时由AI+RPA技 术融合而成的”数字人“正逐渐被国内外的保险行业所接受。
报告共计：74页