自2006年，科学家模拟人类神经元提出了神经网络的深度学习算法以来，决策式AI便以席卷之势漫延到各个领域。百融云创作为AI云服务领航者，从创立之初即着手将决策式AI技术引入到垂直产业之中。

　　越深入产业，百融云创就越深刻认识到，当我们谈AI的时候，其实更应该谈的是经济。较高的技术门槛和高昂的经济成本，让AI产业化之路走得磕磕绊绊，产业界对技术的反应一度意兴阑珊。

　　面对这种现状，百融云创CEO张韶峰认为，决策式AI在感知、推理、决策等方面展现出强大的能力，势必将带来一场浩大的技术革命，但需要一个全新的商业理念和方法论来推开这扇技术大门。

　　他认为，决策式AI已不单纯是一门技术，更不是一锤子买卖，不能将决策式AI当做是一般的工程化产品来看待。比如最初微软公司售卖Office办公软件的方式，卖出一套产品收取一笔钱，这是技术产品第二产业化。但这不适用于高技术门槛和高成本的决策式AI技术，要想将决策式AI大面积嵌入到产业中，需要改变整个游戏规则，要颠覆一个场景一个模型的售卖方式，采用服务化的理念，将决策式AI推进到第三产业的范畴。

　　在这种理念的驱使下，以决策式AI为基础，百融云创率先将MaaS（模型即服务）模式在金融领域发扬光大。百融云创通过“大规模预训练﹢微调”的范式，有效集成大模型、自然语言处理、智能语音、知识图谱等多项技术，通过上游的训练后形成强泛化能力的模型，为产业客户提供模型训练、模型调用和模型部署等服务。

　　百融云创就好像是为客户培养了一位技术精湛的音乐家，面对不同的乐谱稍加练习就可以演奏出优美的乐曲，而不需要从头开始学习都啦咪嗖。这大大改变了AI产业的商业模式，传统模式下构建一个复杂的AI模型，企业要走完“数据处理-环境处理-模型训练-模型调优-模型部署-生产应用”的漫长路径。而在MaaS模式下，这一路径被简化成“大模型-数智工具-应用场景”三步，建模效率得到质的提升。

　　产业客户无需关注硬件设备和底层技术细节，只需要将精力专注于业务逻辑，通过API调用现成模型产品，就能直接用于产业应用，或者根据百融云创的大模型“微调”出自己的产品。在金融领域，无论是大型银行还是中小银行，都能轻松上手，无需额外的学习成本。

　　事实证明，这种方式是可行的。在不到十年的时间里，百融云创即把AI能力输送到7000多家客户中，调用量达到百亿级。

　　但张韶峰清晰地认知到，如果以一个宏观的视角来观察，决策式AI拉开了AI上半场的序幕，它只是完成了部分任务。对于产业而言，决策式AI主要作用于中间作业环节，面对的是产业客户而非终端用户。以金融产业为例，百融云创通过决策式AI帮助金融机构，掌握几十万乃至更多数量级客户实时分析能力，辅助其决策。在某银行的合作中，助力其将审批时长从几个小时大幅压缩到几分钟以内。

　　在营销场景下，百融云创通过决策式AI为金融机构提供科学建议，比如触达用户的方式到底是用APP推送、发短信，还是上门服务。但无论是用户分析还是营销策略的制定，后续采取怎样的行动完全取决于金融机构的偏好，可以说，百融云创决策式AI为金融机构提供的仅是决策的参考，是对中间环节的赋能，对业务结果的影响是间接的。

　　而以大模型、AIGC为代表的生成式AI技术的崛起，为决策式AI补齐了最后一块拼图。生成式AI最大的优势就是其强大的交互能力，通过语音、文字还是视频等多模态的交互，AI直接与广大的个人用户“碰面”了。

　　百融云创将决策式AI和生成式AI进行串联，将AI能力从中间作业环节延伸至最终效果环节，让AI在垂直行业变得可用、可见、可感知。比如在财富管理领域，一名线下客户经理的管户数量是有上限的，有90%以上的客户无法触及。百融云创通过决策式AI对用户进行数智化洞察，制定完善的营销和运营策略，然后结合生成式AI所生成的文字和语音与用户进行深度交互。在某国有大行的合作中，在决策式AI与生成式AI的协作下，一名客户经理每天只需花不到60分钟就能完成3000条以上的个性化消息推送，与客户进行1万次以上的深度对话，而以往被忽略掉的长尾客群也得到了“私人订制”般的服务。

　　决策式AI和生成式AI的完美搭配，对于垂直产业而言，强大的知识分析能力和内容生成能力将兼而得之。