岁末年初之际，大模型成为了各行各业“兵家必争之地”，医疗行业也不例外。
前有百度发布“文心一言”，商汤科技带来“商量SenseChat”，后有医联发布自研类AI式产品“MedGPT”，落地场景也从智能分诊、医疗报告生成、医学影像识别、辅助诊断等逐步拓宽边界。
科技不仅为单一行业的发展带来了想象力，也引发人们思考——它究竟能赋能多少行业的发展？文娱行业、严肃医疗行业、慢病管理行业……答案之中，一定还有保险科技行业。
这本就是与科技紧密联系在一起的行业。2022年1月，中国银保监会发布《关于银行业保险业数字化转型的指导意见》，表明要全面推进银行业保险业数字化转型。政策推动的同时，大数据、区块链等技术也在保险行业中逐渐应用并逐渐落地成熟。
而在保险行业与科技行业结合的过程之中，也发生过一些转变，“从成熟产品向底层架构模型的探索便是其中之一。”睿见科技的创始人王续如是说道。
“其实在几年前，保险行业对模型的概念并未有清晰认知，甚至分不清什么是大模型，什么是智能模型。但随着与科技行业的紧密联系，目前行业中已经有部分头部险企开始细致了解什么是大模型，以及能够用大模型解决哪些问题，而不再像以前那样，希望保险科技企业能够提供‘现成’的科技产品。”王续表示，而ChatGPT的爆火更可以被视为是对整个行业的一次优异的市场教育，引发了更多保险行业相关人员对大模型的热切关注。
但在热切的关注之下，对于想要入局大模型的保险科技企业而言，对于一个问题的思考或许更为迫切——如何构建起自身的核心竞争力？因为，“如果仅论大模型的开发能力，扪心自问，你能比得过阿里巴巴、百度这样的大厂吗？“
或许正是时时带着这样的疑问，睿见科技逐步构建起了自己的差异化能力。
与一众保险科技类似的是，现阶段睿见科技瞄准的主要细分赛道是对智能运营（指核保核赔与智能营销）的知识支撑。但与多数“友商”不同的是，睿见科技不仅提供直接的产品，也提供大模型的行业版本。
或许需要进一步解释的是，产品可以被视为众多模型的组合，模型是产品的“零部件”。换言之，睿见科技既有自身的大模型构建能力，也有成熟的产品解决方案构建能力。
谈及从只提供产品到提供产品与模型的原因，除了有行业认知发生变化外，还有与客户合作模式的不断磨合。
“直接面向客户提供成熟产品固然便利，但对于一些中大型保险企业而言，这一合作模式也有诸多不便利的地方。“王续表示。
原因在于，大型保险企业已有完整成熟的IT部门，具备数字化产品开发能力。其仅仅需要保险科技企业提供必需的“零部件”，在此基础上再“组装”成更具自身特色的数字化产品即可。
在此背景下，睿见科技转换思路为其提供大模型，不仅能够与大型保险企业保持合作，还能避免与其IT部门业务内容产生“冲突”。
并且，大型保险公司业务范围广泛，若以产品合作的方式提供服务，对其业务需求的挖掘工作量无疑是巨大的，由此衍生出的产品开发工作量也是庞大的。但反观模型合作的方式，睿见科技仅需根据大型保险公司的需求提供模型（部分业务场景要求的模型可能相同），保险公司再根据不同业务场景的细微特点“组装”并“调整”，最终形成不同业务场景的产品即可。
于睿见科技而言，这样的合作方式更为便捷快速，于保险公司而言，相较于不同业务场景产品需求的挨个沟通，这样的合作方式，效率也会更高，且更容易嵌入自身特色。
但是，对于自身IT部门不够完善的部分中小型保险企业而言，其产品开发能力可能较为薄弱。因此，面向这类保险企业，睿见科技仍旧以提供成熟产品+完整解决方案为主。
总的来说，面向保险企业，睿见科技能够提供产品与模型的双类支撑。而无论是大型保险企业还是中小型企业，睿见科技的服务路径均为：为保险企业提供数字化咨询，找出其业务中能够智能化的部分，再提供产品或模型支撑，最后由保险企业或睿见科技进行后续的迭代升级。
如前文所述，睿见科技主要瞄准的是以专业知识为支撑的业务场景，并在其中将知识转化为自动化服务能力，再根据具体场景，集成决策类或生成类模型，形成了图像、语音、文本、知识推理等多种模式的综合智能服务能力。
其中，在决策类解决方案中，图像识别与知识推理、医疗模型方案适用于核保核赔场景，可用于保司规模化、标准化、自动化处理核保理赔业务。该方案不仅可通过智能能力提高保司工作效率和数据化能力，并引用跨行业的医疗模型使其业务过程更专业，还可在一定程度上摆脱传统业务过程中对人的经验依赖。
不仅如此，睿见科技为保险公司提供的天枢智能健康档案平台，可利用医疗推理模型分析拟投保用户的所有健康风险数据，从多种类型的结构非结构化的数据中以四大医疗体系（公共卫生服务体系、医疗服务体系、医疗保障体系、药品供应保障体系）为坐标，全自动提取医疗分析过程的医疗要素数据，并将其转化为业务风险预判、精算、医疗行为分析、销售推荐等多种场景的智能分析能力。
此外，睿见科技还可通过集成视频生成技术、快速数字人生成技术、行业领域文案生成等自建生成类模型，构建快速智能人视频生成平台。该平台可配合医疗、保险领域在推广、教育、营销等场景下快速完成批量化差异性视频生成，也可应用在互联网智能营销与经代人辅助支持等市场推广场景。
具体而言，从驱动类型来看，睿见科技的智能人方案可划分为“真人驱动型虚拟数字人”与“智能驱动型虚拟数字人”，前者主要以真人语音、行为动作为基础，通过音频、视频合成显示呈现给终端用户；后者为纯技术合成的语音与动画。
而从应用场景来看，睿见科技的智能人可成为保险产品的虚拟客服，不仅可提供7x24小时无休的产品介绍和讲解，还能更好地解答用户疑问，为其带来更好的用户体验。
此外，在保险代理人销售场景，睿见科技的智能人还能为销售助力。这主要体现在两个方面：一是新保险代理人对客户过往保单不了解，无法为客户解答相关疑问；二是在保险销售环节，受制于保险代理人的文化水平、认知范围，面对客户提出的疑问，其或许无法解答，或解答表现不专业。而睿见科技的智能人则可以根据不同客户情况，生成个性化交互内容从而更好地助力销售。
在智能语言模型方面，通过自有的医疗知识模型，睿见科技还构建了基于浅医疗场景的医疗咨询模型，可完成报告解读、医疗风险提示、自动分诊、慢病病程管理、用药咨询等多种医疗场景任务，并具备在心脑血管疾病、癌症预后评估等方向继续向深医疗场景发展的潜力。而在保险科技领域，睿见科技的业务咨询机器人也已广泛适用于产品咨询、业务办理支撑以及保险条款解读等多轮咨询场景。
睿见科技多元解决方案的背后，是其多年的技术沉淀。
仅从技术层面而言，睿见科技目前已在图像技术、自然语言技术、语音技术等方面积累颇丰。
其中，图像技术涵盖文本检测、文本识别、文字识别技术，动作识别、表格识别、图像质量检测、印章识别、关键点检测，图像识别，图像去噪、图像修复、图像增强技术以及图像动漫化、人脸合成、人脸融合等图像生成技术。
而自然语言技术则包含文本分类、实体抽取、文本相似度计算、阅读理解等；语音技术则包含语音识别、语音合成与语音克隆等。在众多底层技术的加持下，睿见科技开始构建起了自身的技术与模型能力。
在采访中，动脉网曾问了王续这样一个问题——“如果模型能力极为关键，那像‘我们’这类的企业应该怎么去构建这样的能力？”
“其实可以这样去理解，首先，你需要根据行业的特征去选择一条技术路径，再根据行业所需的数据量确定模型大小，最终根据应用的业务场景确定模型需要输出的内容，并对其进行相应训练。”王续表示。
我们可以从王续的回答中提炼出两个关键词——符合行业特征以及数据量。接下来，我们将一一剖析睿见科技的解决方案如何实现这两个关键要素。
从技术层面来看，前文所述的图像识别与知识推理方案是对图像技术、自然语言技术的集成。这似乎并非睿见科技所独有。
但是，该方案文本分类齐全，可兼容所有保司特殊要求的500余种资料分类，例如理赔申请单、各省门诊/住院、病历、影像报告等，而通常情况下，部分保险科技企业仅可兼容数种或十数种保险所涉资料难以满足保险业务多样性需求。
同时，睿见科技一直在自建的医疗知识图谱中投入研究力量。该图谱数据来源为医学院使用的《全国高等学校教材》、中华医学会发布的诊疗指南或专家共识、国家卫健委发布的规范性文件、临床路径及诊疗方案以及医疗保险行业数据，以保证图谱的知识体系从密度到深度与临床医学保持一致。
除了疾病、药品、手术、症状、化验、检查等数据节点外，睿见科技的知识图谱还包含系统、器官特征、占位病变特征、诊断依据、治疗方案、病情评估等，数据结构完备。在此基础上，该知识图谱还具备扩展性强、数据操作简单等特点，并可模型化复杂的现实关系。
诚然，睿见科技的知识图谱不止应用在了针对核保核赔场景的解决方案中，也出现在了应用于智能营销场景的智能人方案与智能语言方案中。这也是前文所提及的“相较于代理人而言，智能人更专业，更具专业知识储备”的原因所在。
而前述所提及的智能人与智能语言方案中，多轮对话系统具备的内容可控等特点，则主要得益于睿见科技优化后的GPT模型，其旋转式位置编码可增强对长文的理解能力，医疗保险领域优质预料的学习与训练则使其更切合医疗保险垂直领域。
据王续透露，目前睿见科技所使用的生成式大模型，均基于优质语料训练所得。“如果一定要总结我们的优势，那么第一点是我们利用各种深度学习网络模型，再基于行业特点及行业专有数据构建出行业多模态模型的能力；第二点是我们所掌握的海量多种形式的优质行业语料，第三点是我们对于优质语料构建的自动化处理工具平台。”王续表示，“虽然随着时间的积累，其余企业也可以构建起这两方面能力，但显然，他们还需要很长的时间。”
渝公网安备 50011202502165号
