摘要
2024年，全国“两会”《政府工作报告》首次提及“人工智能”，指出要加快发展新质生产力，深化大数据、人工智能等研发应用，开展“人工智能+”行动，打造具有国际竞争力的数字产业集群，反映政府希望以科技赋能产业，在新旧动能转换过程中创造新的增长点。人工智能技术作为新质生产力的代表，近年来迅速迭代、优化，叠加在实际应用场景中的加速渗透，有望带来新的生产力变革。本文基于马克思主义生产力理论，站在新质生产力三大核心要素的角度，通过对AI大模型原理的简单梳理以及大模型在赋能产业发展方面的初步进展，总结提炼出AI大模型赋能评级行业的三大关键要素，即同时具备人工智能应用技术和高水平评级技术的专业人才、能够对标评级应用场景的AI大模型以及巨量级数据资源，以此，为评级行业数字化转型提供一些启示。
正文
生产力是具有劳动能力的人和生产资料相结合而形成的改造自然的能力，而“新质”生产力的本质是先进生产力，强调通过技术革命性突破、生产要素创新性配置以及产业转型升级实现生产力的提升，其直接结果表现为全要素生产率的提升。2023年12月，中央经济工作会议提出，要以科技创新推动产业创新，特别是以颠覆性技术和前沿技术催生、新模式、新动能，发展新质生产力。而在数字经济背景下，人工智能作为新质生产力的代表，有望带来新的生产力变革。
一、什么是AI大模型
人工智能在发展史中有三个重要里程碑，分别是机器学习（ML）、深度学习（DL）和AI大模型。机器学习的核心是通过“学习”将知识从数据中提取出来，是基于算法和模型的自动化过程；深度学习是机器学习的一个分支，所谓“深度”是指神经网络中隐藏层的数量，可以理解为人类大脑中的神经元，通过神经元之间突触的相互作用实现更高水平的学习能力；AI大模型指的是拥有更多参数的模型，相较于传统模型，其参数数量的指数级增长成为AI发展史的一场突变，而AI大模型的“大”便指的是模型参数数量，一般至少达到1亿且标准一直在提高。大模型的工作原理是先通过在大规模语料库上进行预训练，学习语言的统计规律，再通过优化和调整，不断提高预期结果输出的准确性。由此可见，大规模的数据源和预训练是实现预期结果的关键。
预训练可以理解为模型的自主学习，通过预训练，可以调整和优化模型参数，使得模型的预测结果尽可能接近实际结果，提高准确性和表现力。这样的模型具有良好的通用性和泛化性，意味着模型可以处理更复杂、更丰富的信息，也就是能够在更广泛的应用场景中发挥作用。目前，预训练模型及其“预训练-微调”方法是自然语言处理任务的主流范式。大模型利用大规模无标注数据通过预训练得到基础模型，再利用下游任务的有标注数据进行参数微调，实现下游任务的适配，“基础模型+适配模型”是大模型落地垂直领域的关键，基础模型可以理解为基础学科，适配模型可以理解为专业学科，两者缺一不可。因此，在垂直行业领域，需要更多的行业内专业人员进行标注，才能使大模型在专业领域获得更好的训练输入。
近期，国内外AI大模型技术正在迅速迭代，国外OpenAI发布Sora，Stability.ai推出Stable Diffusion 3，以及Anthropic发布Claude3系列模型，同时，国内以百度、、字节等为代表的大模型厂商也在持续迭代、优化AI大模型，随着技术的不断优化，叠加在实际应用场景中的加速渗透，大模型赋能产业发展将迎来新的进展。
二、AI大模型赋能垂直领域初步进展
目前通用大模型取得的显著成果毋庸置疑，但如何将通用大模型落地垂直领域是目前各个行业面临的关键问题，也是通用大模型能否发挥商业价值的重要体现。2023年，知名机构IDC发布了《AI大模型技术能力评估报告》，在对大模型分析方面，IDC认为AI大模型已经从拼参数阶段发展到拼应用阶段，标志着AI正在进入大规模可复制的产业落地阶段，这也是AI大模型商业价值的体现。
我国政策端促进国产大模型开发应用的同时，产业端也在积极响应。“2023全球数字经济大会人工智能高峰论坛”在京举办，论坛上发布了21项“大模型赋能行业应用场景案例”，这21项案例包括基于大模型的中国数字员工解决方案、基于多模态大模型的智慧教育平台、基于大模型的儿童启蒙成长问答、“故宫以东”AIGC的文化产业应用等，共分为13个场景，涵盖智慧政务、智慧金融、智慧医疗等人们生产生活办公出行等主要活动，均具有极强的应用推广潜力。此外，中国信通院云计算与大数据研究所围绕政务大模型领域积极开展标准研制，面向供给侧，开展政务大模型平台通用技术与应用支撑能力，旨在衡量服务商提供政务大模型相关产品和服务的可信能力；面向需求侧，未来将开展IOMM-G政务大模型建设和应用效果成熟度评价模型，为政务大模型的应用成效和价值衡量提供“标尺”。
三、AI大模型赋能评级行业数字化转型的关键要素
大公国际作为央企控股的评级行业国家队，应当抓住AI数字化转型的机会，积极探索大模型落地评级行业，助力评级行业转型升级。根据马克思主义生产力理论，我认为新质生产力三要素也可以归纳为新质劳动者、新质劳动资料和新质劳动对象。结合这三大核心要素，以及2024年2月召开的“AI赋能 产业焕新”中央企业人工智能专题推进会部署，我认为现阶段AI赋能评级行业提高新质生产力，有以下关键要素：
（1）同时具备人工智能应用技术和高水平评级技术的专业人才
新质生产力的第一个核心要素是“新质劳动者”，我认为，评级行业的新质劳动者是同时具备人工智能应用技术和高水平评级技术的专业人才。社会生产力的发展归根到底有赖于人的发展，而人作为生产力第一要素，应当是与时俱进并熟练掌握新质生产资料的应用型人才，这需要在观念和技术能力两方面做出改变。2023年4月，国资委发布的《2023年国有企业数字化转型十大趋势》中的十点概要中，第一个要点是理念革新，即劳动者首先要在观念上做出改变，更新旧思想、旧观念，改变旧的工作方式方法，充分探索技术革命，与时俱进。大公国际作为评级行业国家队，应当构建数字化评级的企业文化，摒弃技术革命会带来劳动替代风险等的错误观念，应当意识到技术革命替代的是低价值的重复劳动，但同时也会创造更有价值、技术要求更高的劳动岗位，因为新的产品和服务需要匹配更高技术水平的劳动力，这也是第二方面要做出的改变，即专业技术能力的提升，这里的专业技术不仅包括掌握AI人工智能领域的技术，更重要的是在人工智能取代低价值重复劳动后，评级技术能否实现质的飞跃。因此，我认为未来评级行业将是由人工智能和具有专业胜任能力的评级技术人才共同创造的高质量评级服务体系，而随着AI技术的普及，高水平评级技术人才将是未来评级行业的核心竞争力。
（2）对标评级应用场景的“AI大模型”
新质生产力的第二个核心要素是“新质劳动资料”，我认为，现阶段新质劳动资料是能够对标评级应用场景的“AI大模型”。数字化经济时代，如何科学、高效的利用人工智能提高生产效率是企业转型升级的关键，国内以百度、科大讯飞、字节等为代表的大模型厂商正在持续迭代AI大模型，相关成果较为显著，但如何对标评级应用场景是目前面临的关键问题，正如前所述，“基础模型+适配模型”是落地产业发展的关键，评级公司可以先引入由技术厂商训练好的基础模型，然后利用有标注数据进行参数微调，最终应用到实际工作场景。这个过程的关键是模型的更新和迭代，因为现阶段模型还没有经历大量复杂的应用场景，也可以理解为学习的时间不够长，还没有达到量变到质变的转化，因此大模型需要在工作场景中不断更新“认知”，纠正错误，循环往复，与此同时，工作人员还不能完全把工作完全交给模型，只能将模型作为辅助工具协助员工完成工作，并在这个过程中不断纠偏，帮助模型完成由量变到质变的转化，最终达到“知行合一”，实现落地评级应用场景。
（3）巨量级数据资源
新质生产力的第三个核心要素是“新质劳动对象”，数字经济时代，我认为新质劳动对象是巨量级的数据资源。数据和大模型作为新质生产力的“生产资料”是相辅相成的，大模型的迭代需要大规模数据作为基石，而数据作为基础性和战略性资源，价值需要大模型的充分挖掘，当数据被有效收集、整理、分析、挖掘和处理后，可释放出巨大的生产力效能。因此，数据的量和质对AI模型的准确性和可靠性至关重要，是大模型预训练的前提。如果不能保证基础数据的完整、准确，大模型不仅发挥不了作用，还可能给出错误的指引。正如2024年“两会”《政府工作报告》中提出，要“健全数据基础制度，大力推动数据开发开放和流通使用”，因此，企业需要重视数字基础设施建设、建立数据基础制度，从“量”与“质”两方面着手，为模型训练提供大规模、高质量语料库，以便得到更精准的参数，从而提升大模型与评级行业的契合度。
除了上述三个关键要素外，人工智能时代还需要额外注意数据安全隐私保护，防止模型被恶意篡改，确保数据的安全储存和使用，以实现有效的数据治理。正如，“两会”《政府工作报告》提出，要提高网络、数据等安全保障能力，维护国家安全和社会稳定，贯彻总体国家安全观，加强国家安全体系和能力建设。数据安全已经连续四年被写入政府工作报告，不仅体现了国家对数据安全的高度重视，更彰显了数据安全在国家安全、经济安全以及社会稳定中的核心地位。近日，澳大利亚国家人工智能中心首席主任提到，采用人工智能需要公司“提高数据质量和能力、隐私措施、人工智能技能，并在整个组织范围内实施安全和负责任的人工智能治理”。因此，数据安全不仅仅是技术问题，更是关乎国家长远发展和人民福祉的重大问题。
综上，AI大模型的探索之路充满机遇和挑战，AI大模型落地垂直领域更是道阻且长，但一切事物都包含他的否定，在否定中前进是每次技术革命的不变真理。大公国际将积极响应国家号召，探索AI技术赋能评级行业数字化转型升级，加快发展新质生产力，评级行业将在人工智能的支持下更加智慧、高效。
报告声明
本报告分析及建议所依据的信息均来源于公开资料，本公司对这些信息的准确性和完整性不作任何保证，也不保证所依据的信息和建议不会发生任何变化。我们已力求报告内容的客观、公正，但文中的观点、结论和建议仅供参考，不构成任何投资建议。投资者依据本报告提供的信息进行证券投资所造成的一切后果，本公司概不负责。