2023年，人工智能技术日益成熟，生成式人工智能在文本生成、语言理解、逻辑推理、数学和编程等领域展现出卓越的能力，并展现出强大的进化潜力。最令人期待的是，人工智能可以成为覆盖各个领域的专家级虚拟助手，加速科研工作，提高研发效率，释放创意，从而大幅提高科研体系的效率。

在未来的信息产业和数字经济中，这一技术将引领产业生态的重大变革和塑造。毫无疑问，人工智能的成熟和大规模应用将颠覆所有行业，保险业也不例外。

人工智能在保险领域的探索

当前，AI大模型发展方向已分化为通用大模型与垂直大模型两类。垂直领域大模型专注于特定的行业、领域或场景，且能够依托行业数据与知识壁垒，为企业提供更准确、专业的解决方案，更好满足用户在特定领域的需求。

保险行业作为数据密集型行业，具备数据优势，在政策支持与自身强智能化意愿下，让我对保险行业在人工智能方面的应用充满了期待。

由于行业特性和政策限制，新技术难以渗透，导致保险业发展一直保持不变。尽管科技赋能已有十多年，但前端销售一直滞后。然而，今年出现了一个重大拐点，必有科技CEO温铠宇计划使用AI技术来赋能代理人，提供新思路，帮助解决工作管理、客户开发、团队管理和知识构建等方面的难题，从根本上解决保险业的问题。

正是在这样的背景下，并基于必有科技对保险行业的深入研究和多年的行业积淀，开始尝试人工智能在保险行业的落地，国内首款针对保险行业的大模型应运而生。

不过，打造一个符合专业需求的模型并不简单。尤其是在保险这一领域，表面上沉寂着难以计量的大数据，但当深入到具体的应用场景时，开发者仍受制于数据的稀缺性，时常会因数据的数量、质量与获取成本而停滞不前。

但必有科技，凭借其在保险行业的深厚积累和强大的技术团队，成功地迈出了这一步。必有科技以国内首个“保险大模型”为答，破解大模型时代的保险难题。

必有科技构建保险大模型的必要条件

如何将机器学习与“逻辑推理”结合，是人工智能领域的难点。直至如今的大语言模型，终才实现海量知识与数据的深度融合，成功突破了推理与学习的界限。

但实际应用中，通用大模型仍有缺陷。一个典型的问题在于：当我们在学习工作时对其提问，AI仍会偶尔给出与提问风马牛不相及的回复，或是将少量的有效信息藏匿于冗长的文本中，需要我们二次加工。

面对这样一个场景，C端用户可能会调整提问策略，重新向人工智能发问。但对于B端用户，尤其是保险这样的严肃领域，一次错误的回答，轻则损伤企业信誉，重则影响客户信任，对企业和客户造成巨大的损失。

因此，从通用领域到保险领域的跃迁，不仅要考验模型的泛化能力，使其能够应对各式保险场景下的各类提问，更要做到“精准安全”，保证每次回答都能为用户提供正确的建议。

艰难的大模型自研之路

为了满足高泛化与高精准的要求，必有科技集中精力在算法和数据两个要素中同时发力，这对一家初创公司来说显得困难重重。

必有首款保险大模型系自主研发，具备文本推理、理解、生成能力，且内置了知识增强、检索增强和上下文增强等多项增强技术，有效提升了大模型生成的准确性和多样性。

必有保险大语言模型基于Transformer-Decoder-Only，对Transformer每个子层的输入进行RMSNorm归一化，使用了SwiGLU激活函数和Roformer的旋转位置编码。针对金融保险领域重新设计了新词表训练了垂直领域Embedding模型，以提升模型对金融保险领域文本的编解码效率和向量表达能力。

在数据层面与知识层面，必有保险大模型覆盖保险公司、代理公司、第三方数据机构和互联网海量数据。

太保科技：AI数字员工重塑保险业态

太平保险经纪助力数字经济：数字人也需要保险