万字长文解析保险公司如何拥抱商业化的生成式AI大模型
引言：
以ChatGPT为代表的生成式AI大模型技术（以下简称大模型技术，或是GPT技术）已成为今年以来最大的研究热点，也是国内外巨头，如微软、Google、百度、阿里等，竞相争夺的技术制高点。随着投入研究大模型技术的机构和人员日趋增多，相关技术也逐渐从少数科技巨头的实验室扩散到各行各业的科技公司和开源社区，并吸引了一大批的投资机构和创业团队，显然已经成为了一个热门的赛道。
目前大模型技术的发展已经催生出了大量新应用场景，有些已经表现出商业化的潜力。例如以Midjourney为代表的图片生成、文案生成、短视频生成应用，为广告创意行业带去了新的创作方式，帮助从业人员提高生产效率，已体现出大模型应用的经济价值。在不远的将来，大模型技术必将在更多行业产生各种商业应用案例，甚至形成新型的商业模式和规模化的大模型经济。
毋庸置疑，大模型技术也必将给保险行业的产品设计、业务拓展以及运营管理方式带来颠覆性的创新。对保险公司来说，这既是机遇又是挑战，只有去“拥抱”之后，才会了解大模型技术将为保险公司带来哪些改变？如何改变？何时改变？
今年7月6日-8日在上海成功举办了世界人工智能大会，本文将介绍参与此次大会的国内外主流大模型技术公司，如微软、百度、阿里、腾讯、科大讯飞、金山办公、第四范式等。通过分析和总结各厂商当前的商业化产品及未来的发展路线，探讨大模型技术和保险公司业务及管理如何相结合，这种结合将产生怎样的应用场景，以及由此对一家保险公司市场竞争力可能带来的影响，并为保险公司决策者应当采取的应对方案进行了分析。
1
从世界人工智能大会
看国内外大模型技术的最新动态
百模大战：国内外领先厂商的大模型产品发展路线分析
在本届的世界人工智能大会上，生成式AI大模型技术无疑是最大的热点。无论从相关的论坛数量还是展商数量来看，大模型技术在国内已经完全铺开，既有大厂如百度、阿里、腾讯、科大讯飞等，又有专业的AI公司如第四范式、竹间智能、达观、出门问问等。据不完全统计，截至5月28日，中国10亿级参数规模以上大模型已发布了79个。本次大会吸引了一批国内外大模型明星团队、汇集了人工智能专家学者和各行各业的大咖嘉宾，大家围绕大模型技术举办各类主题论坛，分享观点和案例，展示大模型的多元应用场景。百度文心、阿里通义、华为盘古、讯飞星火、腾讯智影、清华ChatGLM等30余个大模型悉数登场，为大家带来一场近距离体验大模型技术能力的盛宴。
各大厂商推出的大模型产品或是服务，大致可以分为四种类型：
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、低成本的创建自己的大模型，部署成大模型云服务。例如企业用户可以通过百度智能云官网申请成为合作伙伴，在线签署协议并充值后，即可在线训练自己的大模型。训练完毕的大模型，在百度云上部署一个推理服务，每个月的固定成本也只有几千元，充分满足中小企业研发大模型应用的需求。阿里也推出了类似的“灵积”模型服务平台，更推出了“魔搭”开源社区，为模型提供者，数据集提供者，辅助知识库和插件化服务提供者提供服务。
第二种是数字人产品，其中比较有代表性的是腾讯和出门问问。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。例如腾讯小样本数字人的制作流程已经大众化，用户只需要上传一段3分钟真人口播视频、100句语音素材，就可获得与真人形象、语音近似的数字人。此外，大模型的AIGC能力和数字人相结合，提供了低成本、快速生产短视频和开直播的能力。部分厂商的产品还可以在直播过程中自动响应用户的提问和行为，和用户进行互动。
第三种是创新大模型产品，其中比较有代表性的是科大讯飞和第四范式。科大讯飞推出了一款大模型医疗应用，根据患者的出入院记录、病程记录、会诊单和检验检查记录，自动生成患者出院后一个月内的个性化康健康管理计划：出院后第1天做什么、第2天做什么、第7天、...、第30天做什么。内容涵盖医生提醒、用药指导、康复运动、随访和健康知识五大板块，并通过微信小程序让患者自助查看。第四范式推出了一款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，其中比较有代表性的是微软和金山办公。微软为Microsoft 365应用和服务提供大模型驱动的Copilot(Microsoft 365 Copilot)，在Windows 11中也加入了名为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。金山办公也推出了WPS AI，并已经接入了文档、表格、演示“三件套”，同时支持桌面版和移动版，并强调自家AI处理事务的速度，比微软办公套件更懂中国人。
对大模型技术商业化应用的预测和展望
自ChatGPT表现出很高的人机交互水平，短短2个月就达到1亿用户数，创造了历史增长最快的消费者应用记录以来，各路专家和行业领袖对其背后的大模型技术给予了非常多的关注，也做出了很多预测。其中比较有代表性的有：
英伟达(NVIDIA)CEO黄仁勋在不同的场合，多次表示AI市场正经历所谓的“iPhone时刻”。表示AI行业已经到达了像iPhone横空出世时为手机行业带来的革命性颠覆的时间点。
微软公司创始人比尔·盖茨在其博客文章《人工智能时代已经开启》中表示，自1980年首次看到图形用户界面（graphical user interface）以来，OpenAI的GPT人工智能模型是他所见过的最具革命性的技术进步。
创新工场董事长兼CEO李开复博士在2023中关村论坛·人工智能大模型发展论坛上也表示“AI大模型是绝对不能错过的历史机遇。因为这将是有史以来最大的平台革命，它将比Windows、安卓要大10倍甚至更多，它会让每个应用改写，会重新重构人类的工作，会让有创意的那些人的聪明才智被放大10倍或者更多。”
李彦宏在2023中关村论坛上提出了大模型即将改变世界，并表示“百度要做第一个把全部产品重做一遍的公司，不是整合，不是接入，是重做，重构！”。
高盛发布报告称，预计全球将有3亿个工作岗位被生成式AI取代，其中律师和行政人员所受影响最大，对体力要求较高的职业或户外职业受影响较小，例如建筑和维修工作。
IBM首席执行官克里希纳（Krishna）表示，公司的人力资源等内部职能部门的招聘工作将暂停或延后，这些并非直接面向客户的岗位在IBM大约有26000个。预计在未来5年内，其中30%的工作岗位将被人工智能和自动化取代。
波士顿咨询认为企业级解决方案的创新是用户界面的变化，采用自然语言进行交互。无论是交易型应用还是分析型应用，基于AI采用自然语言进行互动的方式早有所探索，例如企业级商业智能可以采用持续的自然语言问答进行数据查询，并自动生成自然语言回答或者直观的图表；利用生成式AI可以进一步提升用户界面生成效率和质量。
大模型厂商的分化：通用大模型和垂直大模型
本次大会体现出的另一个趋势是通用大模型和垂直大模型之间的迅速分化。相比百度、阿里、腾讯、科大讯飞、华为等专注研发通用大模型，许多厂商选择打造结合行业特点的垂直大模型。相比于通用大模型的千亿级参数、动辄千万元的预算投入，垂直大模型往往只需要百亿级参数、百万元的预算投入，部分厂商甚至给出几十万元预算的起步报价。
对很多专注某一特定行业的企业来说，通用大模型的能力是溢出的，企业不太需要文生图，开发代码生成，写唐诗写歌这些能力。通用大模型的AIGC能力，主要面向的客户是内容生产型企业，例如广告公司和游戏公司。不同类型的企业有不同的主营业务，垂直大模型针对企业主营业务构建能力，一方面更有行业针对性，另一方面也为企业节约了预算。
本文的一位作者在4月初获得了垂直大模型企业第四范式的大模型产品“式说”的试用机会，并在3个多月内实际体验了使用垂直大模型开发保险行业应用的效果，例如养老社区问答知识库，保险计划书生成助手，和公众号服务助手等。结论是用垂直型大模型来解决单一场景的问题，在效果上不弱于通用大模型。
2
大模型技术对社会和企业的影响
综合国内外各家领先公司的大模型产品和高管表态，不难得到如下的结论：
第一，生成式AI大模型技术是一种革命性的人机交互技术。多位行业领袖都表示大模型技术即将开启一个伟大的人机交互革新浪潮，所有的应用软件都将接受大模型技术的改造，变成大模型应用，大模型应用的标志就是用户可以通过自然语言与之进行交互。由于自然语言是所有人日常最常使用的一种交互方式，并且得益于国家的教育政策，在中国，几乎每个成年人都能说话会写字，所以用户在使用任何大模型应用时将不存在任何“技术”上的门槛，自然也就消除了所有现存的数字鸿沟。对用户唯一的门槛是要学会正确的给大模型应用提问题，来获取他想要的答案，或是完成他想要的工作。因此，这个变革将会囊括衣食住行等社会生活的方方面面，覆盖男女老少所有用户，和每一个企业的业务活动都相关。甚至可以大胆预测，这个变革的影响不亚于蒸汽机、电和互联网所带来的影响。
第二，最先运用生成式AI大模型技术的公司将会有机会成为新的平台级入口。OpenAI的ChatGPT，继3月首次推出插件功能（Plugin）后，5月再次更新，向Plus用户开放约70个第三方插件，覆盖购物、餐饮、旅行、天气、运算、翻译、分析数据等多种功能。预计未来Plugin的数量会呈指数级增长，功能越来越丰富，使ChatGPT成为一个超级入口。微软的Windows Copilot，未来也会让用户不再需要打开某个PC软件，或是浏览器，而是直接在Copilot对话框界面完成工作或享受家庭娱乐。这些都是国外新的平台级入口的雏形，在国内，也存在类似的新入口机会，而哪家公司能把握住这个机会目前还不得而知。
第三，生成式AI大模型技术将带来生产力的再次解放。以企业里常见的报销工作流为例，使用传统的费控软件UI操作，用户大概需要操作28步。使用大模型技术改造后的费控Copilot操作，只需要2步（详见图1）。从28步到2步，效率提升14倍。这意味着现在一件10分钟才能完成的事情，将来只要不到1分钟就可以完成。当企业里的所有软件都接受了大模型技术的改造，具备了Copilot能力后，企业的所有工作流操作的效率都会得到巨大的提升，单个员工的生产力也将会出现一个飞跃式增长。
图1、利用大模型技术改造费控报销流程
资料来源：作者分析绘制。
大模型技术对企业的影响最初将从员工日常工作中使用的软件系统开始。企业员工的直接需求是快速、方便的完成业务流程，用户并不想学用一个很复杂的软件，更不想隔三差五的就要接受系统升级，并再一次适应新的操作流程。在大模型技术出现之前，企业推数字化，员工完成工作必须学会操作各种企业软件，其实对员工来说是一种负担。未来待Copilot模式普及以后，员工只需要向软件下达命令并检查结果，操作软件的负担被大模型技术消除了。传统软件要求用户适应系统，大模型应用是系统主动适应用户。大模型应用就像是系统开了灵智，变成了会和用户“说话”，会主动配合用户完成工作的智能体。
3
大模型技术在保险公司的商业化落地路径探究
保险公司的业务将在五个方面因大模型技术产生实质的变化。
第一、展业的效率将得到巨大的提升
无论是在互联网保险业务还是在非互联网保险业务中，各大保险公司已经普及了数字化的展业系统。客户和代理人可通过APP，微信公众号，微信小程序等方式完成线上投保、核保、双录和承保。线上展业带来便捷性的同时也产生了一个问题，即展业离不开展业系统，代理人不会用展业系统就无法展业。并且由于购买保险产品时需要录入的客户个人信息非常之多，展业系统往往操作起来非常的复杂，成为客户投保过程中体验最差的一个环节，代理人也是有苦难言。有时候甚至因为未事先准备好某一项客户信息，无法提交保单，导致整个保单需要重头再录入一遍。展业系统好不好用，平均录单时间是20分钟还是5分钟，构成了不同保险公司的市场竞争力的重大要素。
大模型技术的自然语言交互能力，赋能到展业系统上，首先，降低了客户和代理人的使用门槛。他们要办理一项业务，不需要事先学习如何操作一个展业系统，或是在展业系统升级以后再学习一遍新的操作流程，只需要和系统对话，就能完成所有的业务流程，例如投保或加保。其次，展业系统可以做得很灵活，不需要用户按固定的页面和流程完成信息的录入，而是通过自然语言对话的方式，收集业务所需要的所有信息。最后，当大家都习惯用对话的方式来展业以后，平均录单时间将会显著的降低，甚至在代理人和客户谈话的同时，Copilot就自动完成了保单的录入，只需要客户最终确认一下，即可完成投保。更重要的是，无论系统怎么升级，什么时候升级，都不会要求用户去重新学习一边操作流程，无非是和系统对话时，系统提出的问题做了一些改变，甚至用户都有可能感受不到有很明显的区别。保险公司再也不需要频繁地对代理人队伍进行展业系统的操作宣导和培训了，系统会自己“说话”。
第二、客户服务的用户体验将产生巨大的飞跃
和展业系统一样，目前各大保险公司已经普及了数字化的客户服务系统。我们观察到一个很有意思的现象是，虽然保险公司做了很多微信公众号，小程序，APP给客户用，希望客户自主操作，申请理赔、垫付医药费、申请绿通、申请养老社区等权益服务。但是客户的第一选择往往还是找代理人，或是打客服热线找人工服务。各大保险公司，没有一家在做了数字化的客服服务系统以后，就把客服热线给关闭的，或是让代理人不要接受客户的服务诉求的。这说明客户更喜欢找人而不是找系统来解决问题。人是可以对话的，而系统不能对话。客户找到保险公司，是来享受服务的，不是来学习如何使用保险公司的数字化客户服务系统的。客户要的是“保险公司帮我把这个事情办妥”，而不是“我要如何填好表单才能让保险公司把这个事情办妥”。更何况，许多保险公司的客户服务系统很难用，因为在设计系统的时候往往更多地站在保险公司管理的角度考虑问题，而不是真正站在客户申请服务的角度来考虑问题。
大模型的自然语言交互能力，赋能到客户服务系统上，就让系统也拥有了和服务人员类似的对话能力，在给予更好的用户体验的同时，也分担了许多代理人和人工客服的工作量，使代理人可以有更多的时间展业，使人工客服的单人工作效率得到提升。大模型技术应用到客服系统上，可以加强现有客服机器人的服务能力。用户对客服机器人抱怨的最大问题是能够回答的问题太少，背后的原因是知识更新的成本太高。例如在后台知识库里新增一个服务项目的知识点，需要一个业务人员和一个技术人员合作，把新服务的业务条款拆解成许多问答，再定义关键词、定义同类问题、做泛化，整套工序对时间的消耗很大。很多保险公司没有足够的资源和动力去做这个事情，做了也很难量化它的效果。知识库不更新，客服机器人的使用体验也就越来越差。有了大模型技术以后，在新增知识点的时候，成本能大大降低，因为大模型理解自然语言，无需人工预先拆解问题和答案。客服机器人有了足够多、足够新的知识点，才能真正成为一个智能机器人。
第三、代理人队伍的管理和培养也将产生巨大的变化
和客户一样，代理人也是保险公司需要服务的对象，甚至比服务客户更重要。对于传统保险公司，没有代理人，就没有业务，没有客户。另一方面，维护一只大规模的代理人队伍是需要保险公司投入大量成本的，主要在于管理和培养。代理人的管理和培养主要靠内勤，靠开早会，靠宣导，靠培训，靠督导。大型保险公司一般会在全国各地成立分公司，分公司下面是中支，中支下面是营服，营服下面有的还分区、部和组。每当总公司出了一个新产品，或是出了一个新的活动，要靠人一级一级的往下宣导和推动，最终让每个代理人都了解都参与进来，才能达成销售目标。内勤向代理人传递知识主要靠对话，而对话就是大模型技术的看家本领。试想一下，一个新产品，如果靠人去讲，一个讲师一天可以覆盖多少个代理人，一个保险公司需要多少个讲师。如果靠大模型去讲，一个大模型一天能覆盖多少个代理人，一个保险公司需要多少个大模型。显而易见，大模型是机器，机器可以7*24小时，不知疲倦的给代理人讲产品，讲政策，随叫随到。机器可以很方便的扩容，它只消耗电，不用交社保。
图2、利用大模型技术辅助人工宣导
资料来源：作者分析绘制。
培训也是一样，大多数成年人学习新知识，不是一个单向的、被动的接收过程，而是一个双向交流的过程。经由讲师讲解，学员提问，讲师针对问题再讲解，反复几次才能让学员充分理解和掌握新的知识。传统培训方式的一个主要问题是，无法提供足够的讲师，满足众多学员双向交流的需求，导致培训效果不佳、培训时间较长以及培训成本过高。大模型技术可以帮助企业在代理人培训上缩短时间，降低成本。使用了大模型技术的培训系统，学员遇到不理解的内容，可以通过自然语言提问，由大模型根据培训材料来做初步的解答。如果培训材料中没有答案或是解答的不好，再由讲师来人工解答。讲师的人工解答会自动加入到知识库，使得同样的知识点，人工只需要解答一遍即可。总的来说，就是从讲师直接教代理人的模式转变成讲师先教大模型，大模型再去教代理人的模式。
假如A公司仅靠内勤来管理和培养代理人，而B公司靠内勤加上大模型。显然B公司的效率更高，成本更低。更为重要的是，从代理人的工作体验来看，在B公司，有大模型的帮助，代理人工作地更快、更方便、更省力。相比A公司，B公司给代理人的感觉是事少、赚得多、体验好，因此B公司会受到更多代理人的青睐，从而获得更好的业绩。
第四、内勤的日常工作将产生巨大的变化
保险公司除了业务系统，还有很多内部管理的工作流，比如说OA，比如说报销，比如说项目管理，这些工作流也都数字化了，形成了许多大大小小的系统。因此当一个内勤要报销差旅费的时候，也必须要通过一个系统，比如费控系统，才能完成报销任务。一个经常遇到的情况是，最近系统功能升级了，用户也不会操作了。面向客户的系统，用户体验一般较好，面向内勤的企业内部系统，大多数不讲究用户体验，操作十分繁琐。根据观察，很多保险公司都设有专人专岗来操作某个系统，其他人把材料交给他，他来完成系统录入。这恰恰反应出操作系统是一件门槛很高、需要花大量时间和精力才能完成的事情，以至于需要安排专人专岗来做。企业内部的这些管理系统，未来用大模型技术改造以后，员工只要通过自然语言提出任务，大模型就能自动分解成不同步骤，并且调用不同的系统功能来自动执行每一个步骤，最终完成整个任务。在之前费控报销的那个例子里，以前需要员工操作28步才能完成的一个工作流，有了大模型，员工只需要2步就完成了，效率提升了14倍。如果每一个内部管理工作流的执行时间都缩短为之前的1/10或是1/20，企业将能释放出多余的人力，投入到业务相关的工作中，产生巨大的竞争优势。假设有两家员工数相差不多的企业互相竞争，A公司有30%的员工在做和业务无关的管理工作，70%的员工在做业务。B公司只需要10%的员工做管理工作，90%的员工都在做业务，显然B公司在市场竞争中更有希望胜出。
第五、对市场的变化的洞察速度也将产生巨大的提升
在全国范围内，业务数据随时随地的在发生变化。从总部到机构，越快获取市场数据，越能及时跟上市场的变化，增强企业的竞争力。当业务人员要提取数据时，通过传统BI的方式，要么要求预先开发好数据报表，要么要求技术人员把数据需求编写成SQL代码，两者都有很高的人力成本和时间成本。大模型能缩短提数的时间和技术人员的开发成本。它能自动分析业务人员的自然语言数据需求，把大部分逻辑简单的数据需求，自动转换成SQL代码，并直接在数据库上执行，无需技术人员参与，就可以完成提数的工作。小部分逻辑较复杂的数据需求，由技术人员人工分析后，开发出相应的指标和中间表，把复杂数据逻辑进行封装，这样复杂逻辑就变成了简单逻辑，就可以交给大模型自动处理。最终的效果是，业务人员直接通过自然语言提数，大模型自动执行，省去了大量技术人员写SQL代码的工作，更快更好地洞察市场的变化。
以上讨论了大模型对保险公司业务方方面面的影响，这些变化可能很快会发生，也可能很慢。乐观的话，预计在6~12个月内就会看到业内的标杆案例，24个月内在业内全面铺开。在上一节中提到，大模型将带来生产力的再次解放。当第一家保险公司运用大模型技术，提升了做业务的效率，降低了运营成本，使代理人展业更快，使客户的用户体验更佳，相比其他同业，它就会拥有竞争优势。因此很快第二家、第三家都会跟上，大家都想获取这样的竞争优势。但是，由于不是所有人都能正确地理解大模型的作用，知道如何正确地使用大模型，对大模型有过高或是过低的预期，甚至部分员工会因为害怕被取代，从而抵触大模型技术的推广使用。因此部分公司在引入大模型技术时也可能会走弯路，或是有顾忌，使得降本增效的效果较慢才会体现出来。
4
保险公司决策者应当采取的应对方案及利弊分析
上一章节论述了保险公司的业务中会因大模型技术而产生的五个方面实质变化，本章节论述作为保险公司的决策者，如何去“拥抱”这项大模型技术，做引领者或是做跟随者。
做引领者，即最先运用大模型技术，改造企业现有的软件系统，全面提高内外勤的生产力，提升客户的用户体验，从而获取竞争优势；做跟随者，就是先等引领者把模式跑出来，再快速跟进，不让引领者的竞争优势持续太久。
做引领者的优势在于，企业内部有很强的变革决心，最先往未来正确的方向迈出第一步，最先拥有使用大模型的经验，最先完成大模型对企业软件系统的改造，最先享受到生产力的提升和降本增效的市场红利。劣势在于，必须找到既懂大模型技术，又懂保险公司业务的专业团队，才能踏准正确的方向。必须管理好各方的预期，既不能太高也不能太低。自从几种开源版的大模型发布之后，例如从Meta的LLaMA发展出的羊驼家族一系列大模型，市场上许多团队一拥而上，都号称自己能提供商业化大模型解决方案，这些团队真正的技术实力和交付经验良莠不齐，决策者需要仔细分辨才能找到正确的人。另一方面，BAT这些巨头，虽然技术实力很强，但是它们自身的业务体量也很大。22年百度营收1236.75亿元，腾讯5545.52亿元，阿里8530.64亿元，再加上它们投资的生态公司，每一家生态的营收估计都超过万亿元。因此它们各自的技术和资源会优先用来守住自家生态在万亿元规模市场上的地位，之后才轮到服务单个项目预算只有上亿元或是更少的保险公司客户。决策者一定要有清醒的认识，盲目崇拜巨头，希望在巨头的带领下轻松获得竞争优势往往是一种奢望。
做跟随者的优势在于，有了其他公司成功的例子，跟进比开拓容易的多。在相关技术和市场成熟之后，实施成本可能也会比初期有所下降，对实施效果的预期也趋于一致。劣势在于，作为跟随者，企业内部变革的决心本来就不够强，而大模型技术不仅仅是系统工具的优化，更是业务工作流和组织架构上的变革。内部变革的决心不强，说不定就变成画虎不成反类犬。更何况靠紧跟竞争对手的动作是永远不可能战胜对手的，商场上只有靠“人无我有，人有我精，人精我专，人专我转”才能战胜其他竞争对手，抢占更多的市场份额。
往深处思考，大模型技术不仅仅会对保险公司产生影响，对各行各业都会产生巨大的影响。未来，在大模型变革浪潮里，必将会产生一批新兴企业和新财富人群，传统行业的企业也会积极进行转型升级。保险公司的决策者更应该思考，这些新出现的财富人群和成功转型的传统企业高管和股东更认可引领者还是跟随者。同时，在这场变革中，一定会出现新的风险保障需求，例如假图片，假视频，假录音引发的网络暴力、诈骗、造谣等恶性事件的风险加大，侵犯客户的身心健康和财产安全。新的风险呼唤新的保险产品，是引领者还是跟随者能对大模型技术有足够的认知，能第一个设计出针对新型风险的爆款产品。最后，广大代理人和客户会更认可引领者还是跟随者。这些和保险公司改造自身的软件系统的策略和速度看似无关，但都是值得决策者深思的问题，毕竟今天投入1个亿在大模型技术上还是在传统软件的开发上，和做出了另一种选择的对手相比，明天可能就是2个亿的差别。
作者简介：
姚嶂梅，保险行业IT专家，保答（上海）智能科技有限公司创始人
王广智，复旦泛海国际金融学院(FISF)保险创新与投资研究中心副主任