11月29日，由《中国银行保险报》主办的2024金融业（保险）数字化转型大会在广东汕头举办。会上，由《中国银行保险报》和普华永道联合编写的《AIGC大模型赋能下的数字保险建设新机遇研究报告》（以下简称《报告》）正式发布。

《报告》分为数字保险建设面临的挑战、大模型技术的特征、大模型在保险行业应用的全球发展趋势、AIGC大模型加持下的数字保险的内涵与框架、AIGC大模型赋能下的数字保险建设新机遇、AI大模型建设策略六个部分。基于对于保险企业开展AIGC大模型建设的深入调研观察，《报告》总结出当前保险企业开展大模型建设的三种模式。

模式一：“通用＋行业＋域”

该模式搭建包括算力层、数据层、平台层、模型层等完整的大模型框架，在模型层建设方面按照“通用－行业－领域”三层大模型体系进行建设：首先，采用开源、商业化、联合建模等方式建设通用大模型；其次，在通用大模型的基础上结合行业和公司的金融领域数据进行微调训练形成金融行业大模型；最后在行业大模型的基础上，针对场景领域进行微调训练形成领域大模型，用于各场景领域应用。

通过此模式建设的AIGC大模型，公司具有高度的自主掌控权；可以结合公司的业务特点和具体业务场景进行深度定制，个性化、差异化能力强；在通用大模型和行业大模型的加持下领域大模型的泛化能力强，在多任务场景和具体领域应用上具有更好的表现。

但此建设模式投入大，建设周期长，公司需要具有高水平的技术团队支持，并且需要积累大量的通用、行业、企业和领域数据。

模式二：“通用＋域”两层大模型

此模式同样需搭建包括算力层、数据层、平台层、模型层等完整的大模型框架，但在模型层按照“通用－领域”两层大模型体系进行建设；在通用大模型的基础上，跳过行业大模型直接结合领域场景进行精细微调训练形成领域大模型，应用到各场景领域。

按照此模式建设的大模型，公司同样具有高度的自主掌控权；可以结合公司的业务特点和具体业务场景进行深度定制，个性化、差异化能力强；且相对于模式一建设周期缩短，不需要积累大量的行业数据。但此建设模式同样存在投入较大，建设周期较长，公司需要具有高水平的技术团队支持等问题，且相对于模式一在泛化能力、复杂任务场景下的表现有所不足。

模式三：根据场景应用采购商业化垂直领域大模型

该模式根据具体的场景领域应用直接采购商业化垂直领域大模型产品在本地进行部署和差异化调整适配。

按照此模式建设的大模型，前期投入小，可以快速见效，对于公司的技术团队要求低。但商业化产品定制化程度受限，难以形成特色差异化能力，深度定制需要额外的定制开发，且对供应商的依赖高。

《报告》建议保险企业在开展大模型建设的过程中，需要首先明确公司在中短期大模型建设的发展战略，基于发展战略，投入产出进行分析，选择合适的建设模式。大模型建设是一个长期持续复杂的工程，保险企业在开展大模型建设过程中的大模型建设发展策略也未必是一成不变的，保险企业需要结合行业动态、公司业务发展、大模型技术的演变适时地更新调整其AIGC大模型建设发展策略，通过大模型建设更好地赋能业务发展。