AI正在打开新世界。
红杉资本曾发表名为《生成式AI：一个创造性的新世界》的文章，提到生成式AI将涉及数十亿的人工劳动力，并促使这些人工劳动力的效率和创造力至少提高10%，有潜力产生数万亿美元的经济价值。
大模型，被视为AI领域里划时代的变革，它将掀起一场席卷全球社会的技术浪潮。
通常来看，判断AI大模型有三杆价值标尺——用户价值、商业价值、社会价值。在这三者之间都有建树的大模型，才会更有竞争力。
毕竟，在市场天平偏向用户的当下，大模型不能吸引更多用户，无法稳固立身之本；难以实现更大商业化，就无法做到可持续发展；不能跟整个社会的发展保持同频，就会被时代抛弃。
关于这三重价值，谭建荣、倪光南、孙茂松、杨新民四位院士和100多家金融机构高管，在8月28日举办的“数智融合·渝见未来”金融大模型发展论坛暨马上消费大模型发布会上，开展了高水平交流研讨。
值得注意的是，作为论坛主办方，马上消费发布了全国零售金融领域首个大模型--天镜大模型，引发了科技界和全国金融业的广泛关注。那么，它将在用户、商业、社会三个维度上创造哪些价值？
高效的“用户价值”
管理大师德鲁克有一句经典名言：“企业的唯一目的就是创造顾客。”
创造顾客，不是拉新，而是设法满足用户需求、提升用户体验，这主要分为两方面：
一方面是更好满足用户现有需求；另一方面是满足用户自身还未觉察到的需求。
数字化时代，数据对于用户来说就是原料，就像木材之于农业社会，石油之于工业时代。
马上消费所在的金融业，具有数据规模大、类型多等特点，是典型的技术密集型行业。数据，其实就是金融用户必须用到的能源。
在此次论坛上，马上消费人工智能研究院院长陆全提到金融业里的三种数据形式：
第一种是结构化数据，它比较像传统的化石能源，密度和含量特别高，但是资源有限，需要很多人力去加工。
第二种藏在图表和文稿里，类似于新兴化石能源。它的信息密度含量没有那么高，但是价值依然很大，需要新型办法进行开发。
第三种是人工经验，也叫个体智慧。它更像新能源，虽然无处不在但也很难聚合利用。
如何高效利用这些数据，既是挑战也是机会。
首先来说结构化数据，它非常依赖数据分析师。即使你有着庞大的、可利用的数据，如果缺少优秀的数据分析师，那么可利用的价值空间也是非常有限的。
然而，不是每个人都能成为数据分析师。面对这个用户痛点，天镜大模型给出了自己的解决方案。
用户输入问题，天镜大模型就会生成一段结构化的查询语言。很多用户也许并不专业，看不明白生成的语言，天镜大模型会进行对应的解释，并且执行结果也会有注释。
这样一来，哪怕你不具备结构化查询语言的能力，或者数据分析和洞察的能力相对薄弱，只要你能够问出问题，天镜大模型就能给出你能看懂的答案，大幅提升你的数据分析的能力。
除了结构化数据，金融业的很多数据是通过图表和文本来展示。过去，这些数据并没有得到很好的提取和利用，迸发的价值也没有实现最大化。
天镜大模型能够高效提取图表、文档中的数据，进而生成用户想要了解的答案，并且标明原始图表和文档的出处。
这个步骤非常重要，比如解决呆账问题的时候，如果有可信度更高的原始链接或者出处，能够更好地解决问题。
形象地说，天镜大模型相当于为用户打造了一个能干、贴心的秘书，帮忙做文档、图表数据的深度挖掘和解读，进而唤醒“沉睡知识”。
可以说在数字化时代，金融业与AI大模型训练所需要的底层数据基础要求十分契合。通过大模型，提高用户的数据分析能力，解放大量重复劳动，进而提高行业生产力已成既定浪潮。
天镜大模型，同样处在这种浪潮之中，并且成为排在前面的弄潮儿。
长期主义的“商业价值”
AI+金融，未来将形成一个庞大市场。
艾瑞咨询测算，到2026年“AI+金融”核心市场规模达到666亿元， CAGR为17.6%，带动相关产业规模1562亿元。AI大模型，将在这块庞大市场里挖掘巨大增量。
不过，这注定是一场长跑。不能实现长期主义的AI大模型，称不上合格的产品。这种长期性背后，考验的是产品和企业的商业化能力。
那么，要如何产生更强劲的商业化能力？
商业的本质，实际上是交换。做企业或者产品，需要的是利他思维，让别人获利自己也会受益。企业家稻盛和夫先生就曾说：利他！凡是事事为他人着想，换位思考，事情总会出奇的顺利。
对于天镜大模型来说，其在利他思维下的战略，为企业创造价值的同时，也提升了自己的商业化能力。
国际数据公司（IDC）发布最新的《PeerScape: AI数字人最佳实践案例与探索》报告指出，AI数字人在金融、电信、传媒等行业已经初步落地，当前的典型场景在智能客服、虚拟主播等等。
AI数字人，已经被当做拥有巨大商业价值的AI应用，也已经成为数字化企业的必修课。不过，眼下打造数字人还是存在不少痛点：
第一、数字人在说话时，动作或者表情不够自然，而且对话内容不够走心。
第二、数字人的语音还是千篇一律，一听就是机器人，没有做到个性化。
第三、要生成优质的数字人形象，成本比较高。
这些关键痛点，其实涉及到前面提到的人工经验，也就是被称为“新能源”的金融数据。这些数据存在于每个员工的工作经验中，时时刻刻都在产生，但是过去没有比较好的“提炼技术”来总结和分享，进而让个体智慧形成群体智慧。
对于这个难题，AI大模型有着不错的解决效果。
天镜大模型能把真实员工全天的工作轨迹记录下来，然后去分析哪个员工效率高、为什么做得比较好，哪些员工做得不好，原因是什么，然后把这些关键点传递给数字人，从而让数字人学会更好地跟外界对话。
比如在智能客服场景上，拥有天镜大模型加持的数字人，会在正确的场合做出合适的用户解答。
另外，天镜大模型还能以非常低的成本复制某些真实员工声音和表情，甚至利用AI心理学来打造更具温度的数字人。这样用户跟数字人沟通和互动时，更能感觉到个性化和真实感。
解决了这些数字人痛点，天镜大模型其实让部分企业一方面实现了降本增效，另一方面更懂自己的用户了。前者是肉眼可见的商业价值，后者则能带来隐性的、更为长久的商业增值。
现在已经有不少金融机构，在新兴技术上进行投资。根据艾瑞咨询的数据，2022年以银行、保险、证券为主的金融机构，在技术资金投入预计超过4000亿元。因为这些技术，能够为金融机构带来不菲的价值。
反过来，天镜大模型通过自己的技术，为这些机构服务的同时也能受益，形成可持续发展能力。
这就是“利己则生、利他则久”的商业哲学。
普惠的“社会价值”
企业对社会的价值，决定了企业的成败。
因为企业是社会的器官，任何企业得以生存，都是因为它满足了社会某一方面的需要，实现了某种特殊的社会目的，创造出更大的社会价值。
可以发现，天镜大模型的“社会底色”非常鲜明，比如，它让数字人变得有情感、有温度，并且帮助新市民群体进行智能简历生成及投递。
要知道，新市民人口数量在3亿人左右，来自各行各业且大多数工作不稳定。能够帮助如此庞大规模的人群找工作，无疑创造着巨大社会价值。
前不久，IDC发布的首份AI大模型评估报告出炉，评估维度除了常见的“产品”、“服务”之外，还将“行业覆盖”这一点作为关键的评估维度，天镜大模型在这一维度上无疑是合格的。
另外，天镜大模型还在众多公益场景上发力，逐渐打通从“普”到“惠”的道路，显现出“技术向善”的温度。
“竞争战略之父”迈克尔.波特提出的“差异化竞争战略”强调，企业在竞争中要让产品或服务形成差异化，才有可能产生更强的竞争力。此次论坛上，孙茂松院士详细分析了天镜大模型与通用大模型的本质差异：
通用大模型对数字不敏感,对于结构化信息识别力不强，准确性有待提升，容易出错，这是弱点；而以天镜大模型为代表的金融大模型，数据必须更准确。
这对于研发挑战性很大，但这种数据更准确的大模型对行业发展的推动力会更强。
更进一步看，天镜大模型的差异化特征和多重价值，来自马上消费深厚的科技积淀和研发实力。
过去8年，马上消费对金融行业有了系统的认知，对技术拥有更底层的思考，并且形成“三纵三横”的大模型发展技术布局——“三横”即持续学习、模型合规、组合式AI系统，“三纵”即数据决策智能、多模态大模型、实时人机决策。
整个技术布局，能在稳定、安全可控的前提下，通过多模型组合应用，确保模型越用越聪明，更高效、更智能地解决问题，同时实现内容系统化、知识网络化、信息关系化的人机决策。
眼下，天镜大模型已经具备安全可控、个性化决策和体验、持续学习的特点。围绕业务流，天镜大模型还将进行金融服务流程的全优化，在更大范围内服务于各行各业。
这一方面显现出天镜大模型的社会价值，另一方面也表明马上消费引领金融高质量发展，推动社会进步的观念。
利润不是企业活动的目的，而是企业在社会中经营的结果和检验指标。企业的本质，实际上是为社会解决问题，一个社会问题就是一个商业机会。
跟马上消费一样，为社会解决问题、创造社会价值的企业，自然也会获得时代的馈赠。
