和聚投資,信達澳亞基金,浙商證券,江信基金,唐豐投資,東北證券,廣發證券,中信建投證券

一、公司副董事長兼總經理施水才先生就公司業務發展情況、拓天大模型設計原則、特點及優勢等進行介紹。

二、參會機構提問及回答

(一)目前拓天大模型具備哪些能力?有哪些創新亮點?

回答:拓天大模型擁有內容生成、多輪對話、語義理解、跨模態交互、知識型搜索、邏輯推理、安全合規、數學計算、編程能力和插件擴展十大基礎能力。

拓天大模型具有中文特性增強的可控生成技術、融合搜索引擎的生成結果可信核查、融合稠密向量的跨模態能力加強以及支持外界知識及時更新四大創新點。

(二)公司拓天大模型率先應用于媒體、金融和政務行業,為何選擇這三個行業?其他行業未來是否會有布局?

回答:拓天大模型聚焦優勢行業,利用自有的高質量數據進行預訓練,推出適用于媒體、金融、政務的三大行業大模型。選擇這三個行業的原因,主要有兩點:其一,公司在自然語言處理領域擁有30年的技術積累,這三個行業的數據特點適合公司開發的模型。語言大模型是大模型的核心,也是多模態大模型的基石;其二,公司在這三個行業擁有優質客戶基礎和行業知識積累,滲透率較高,具備一定優勢。未來,公司還將陸續推出網絡輿情、公安、知識產權、法律、審計等行業大模型。

(三)公司千億級數據具有哪些特點?不同行業大模型的專業訓練數據有哪些差別?

回答:公司擁有千億級“全、準、新”的無監督訓練數據和微調優化知識數據,可針對優勢行業訓練出高質量的行業大模型,為媒體行業的內容生產與搜索推薦、金融行業的智能風控與投研、政府的政策分析與公文輔助寫作等垂直領域提供深度賦能,滿足行業用戶的專業化智能創新需求。

在媒體大模型上,公司基于自有的1000億+互聯網媒體資訊數據,100億+官媒數據,200萬+人民數據,14大類知識標引規范,12000+知識標引規則作為專業訓練數據。

在金融大模型上,公司基于自有的110億+金融主題數據、百億級產業指標數據、30億+產業要素明細數據、2億+產業動態本體、500+以上標引維度、10000+知識標引規則、10萬+產業標簽作為專業訓練數據。

在政務大模型上,公司基于自有的200萬公文、政策文件、政務辦事指南等數據作為專業訓練數據。

(四)三個行業大模型主要覆蓋哪些業務場景?

回答:媒體大模型主要覆蓋內容生產智能助手、新一代搜索與推薦、多模態傳播與服務三大業務場景。金融大模型主要覆蓋智能風控、智能客服、智能投研、自動業務批處理等業務場景。政務大模型主要覆蓋公文輔助寫作、政策大腦和新一代政務互動等業務場景。

(五)大模型訓練成本通常比較高,公司如何解決這一問題?

回答:針對大模型訓練的成本過高,其生成內容中的數據不能及時更新的問題,拓天大模型通過外掛知識庫的方式接入實時數據,結合自研搜索引擎技術實現專業領域實時數據的融合利用。

(六)公司有沒有申請大模型牌照?

回答:公司目前沒有申請大模型牌照。

(七)拓天大模型是否支持私有化部署?

回答:拓天大模型通過剪枝、量化、稀疏、蒸餾等部署優化方案,可有效降低大模型對算力資源的要求。拓天大模型推出的垂類大模型參數在百億級,當前市場主流推理卡單卡就可以滿足運行要求,能夠實現模型輕量化部署。

(八)公司的生成式AI技術水平如何?

回答:隨著人工智能、大數據等技術的快速發展,對話式AI產品可廣泛賦能語音交互、客戶服務、營銷運營等場景,受到市場高度關注。目前,其他廠商發布的大模型在對話問答、文案設計、代碼生成、文章撰寫等方面表現較好,具備較強的語義理解和邏輯推理能力,加速了對話式AI技術向對話、問答、搜索、翻譯等領域的滲透。

今年3月,中國信通院啟動了對話式AI首輪專項評測工作,同時開放功能、性能、體驗和場景四個模塊,包含30余個能力項。公司自主研發的TRS小思智能問答機器人系統參與中國信通院首輪對話式AI專項評測工作,并順利通過對話功能模塊評測。作為自研的一款智能問答云服務系統,TRS小思智能問答機器人系統綜合運用了自然語言處理、信息檢索、知識表示與推理等技術,通過問題解析、語義分析、意圖分類、信息源自動識別與評價、實體識別與關系抽取、信息檢索、知識表示與推理、答案證據搜尋與強度計算等一系列處理流程,實現問題解答與人機交互。該系統可輔助人類快速、準確地獲取信息,已廣泛應用于政務智能問答、企業智能客服、行業知識問答等多個領域。