拓尔思机构调研纪要

拓尔思机构调研报告调研日期: 2023-06-12 2023-06-14 00:00:00副总经理、董事会秘书 李党生2023-06-12 00:00:002023-06-12 00:00:00特定对象调研,电话会议拓尔思信息技术股份有限公司会议室 开源证券证券公司刘逍遥鸿道投资投资公司於彩中信建投基金基金管理公司赵坚泰达宏利基金基金管理公司徐雨楠,兰飞 一、公司副总经理、董事会秘书李党生先生就公司业务发展情况、近期经营情况及未来战略规划进行介绍。二、参会机构提问及回答(一)请问公司专业大模型研发进度如何?预计何时发布?回答:公司拓天专业大模型正在研发测试过程中,预计于2023年6月底前推出,具体时间请留意公司发布的相关信息。(二)公司认为大模型在场景落地中存在哪些挑战?回答:大模型技术在场景落地中的挑战,主要集中在质量、可控、时效和成本四个层面。在质量层面,个人用户对事实类问答错误反馈的 容忍度要高于企业用户,在为企业用户提供服务时,数据来源必须是准确的,不能发生“张冠李戴”“编造情节”“正确的废话”和灾难遗忘等问题。在可控层面,其一是内容安全,数据是有价值观的,而大模型没有,要重视训练文本的合规问题;其二是关注企业自身数据安全和用户隐私保护。在时效层面,灾难性的遗忘一直都是大数据训练的问题,即时数据的补充也是一项挑战。在成本层面,千亿模型私有化落地的时候需要训练好,在企业端落地还需要让企业用得起。并且,大模型对算力要求高,训练成本居高不下。(三)公司拥有的网络公开数据具有那些特点?规模有多大?回答:公司自2010年自建大数据中心,以长期服务多行业用户持续积累的开源数据为基础,拥有了规模及质量均位列业界前茅的公开信源数据,目前数据总量超1500亿条,并保持日均亿级数据的采集增长。公司拥有的网络公开数据具备信源权威可靠、内容价值观对齐、丰富的专业领域知识、千亿级数据规模、数据渠道和类型多样性以及数据实时性(分钟级更新)六大特点。所有公开采集的数据经过 加工处理后,将推送到公司三大数据资产平台(媒体资讯、舆情、产业大脑),通过不同专业模型转化成不同领域的知识数据,实现数据从资源性到经营性的数据资产变现。(四)公司专业大模型训练具体分为哪些步骤?回答:公司拓天专业大模型训练主要分为扩充数据基座、增量预训练、指令微调、插件增强和测评五大步骤。(五)公司专业大模型在出版传媒领域前景如何?回答:在传媒出版领域,拓尔思长期服务人民出版社、人民教育出版社、知识产权出版社等23家出版单位,主要为传媒出版用户提供大 数据资源管理、知识图谱等技术服务。各家出版单位积累了各自细分赛道的优质稀缺数据资源,但同时大多数出版单位不具备自己训练垂类大模型的技术和资源,并且对将信息数据交由第三方MaaS服务商训练而产生的数据泄露问题存在顾虑,担心削弱其核心内容价值。公司在此过程中,可以成为出版业理想的合作伙伴,一是公司与上述出版单位已建立起长期友好的伙伴关系,具备信任基础;二是公司承建的大数据资源管理、知识图谱等平台正是出版业运行优质稀缺数据资产的主要系统,公司熟悉出版业IT环境与数据特点;三是公司自主研发的拓天专业大模型,支持私有化部署和信创,并对其进行了中文特性加强、内容安全、价值观对齐等训练;四是公司拥有的媒体资讯数据、产业数据、政策数据、风控数据等全域另类数据与出版业拥有的各自内容细分独特领域数据,可以按专业维度进行融合训练,打造出不同专业领域的知识助手;五是双方共同打造的垂类知识助手,以合作分成的方式进行联合共创运营,可面向不同行业的从业人员、高校师生、研究机构、产业链企业等提供专业的付费知识服务。目前,公司正在和多家合作出版用户积极推进联合共创垂类知识大模型的事宜。 (六)拓天大模型有哪些应用场景?回答:在不同大模型数据和功能的基础上,公司自研拓天大模型通过提供对应的提示工程接口和模型精调接口等生成政务大模型、金融大模型和媒体大模型,应用场景包括政务应用、金融应用和媒体应用。政务应用涵盖公文辅助写作、政策解读等;金融应用涵盖投研报告自动生成、投研知识问答等;媒体应用涵盖新闻资讯知识型搜索、以文生图配稿等。(七)请问公司有没有算力租赁相关业务?同英伟达有合作吗?回答:目前,公司不涉及算力租赁相关业务。公司未来将进一步与行业合作伙伴、区域合作伙伴、服务合作伙伴、运营商以及行业知识专家、行业头部企业展开市场、渠道、算力、智力、创新样本等全方位的合作。公司同英伟达暂未开展直接商业合作。