摘要：由ChatGPT点燃的人工智能星火，已经开始燎原，在2023世界人工智能大会上，AI大模型无疑是最大的“顶流”。微软、阿里、百度等全球头部互联网公司纷纷喊出，要用通用大模型将所有业务都做一遍时，深耕保险领域的数据宝已经完成了大模型技术与保险业务场景的结合。
数据宝“1+29*N”货车风险评估大模型
依托于多元权威的人、车、企、路、环、能等国有大数据资源，及联邦学习、可信流通等隐私计算技术，围绕货车保险的保前、保中、保后三个场景，数据宝研发出“1+30*N”货车风险评估大模型，“1”是底座平台，“29”是除西藏、海南、台湾、香港、澳门外的省份自治区及直辖市，“N”则是基于每个省市的不同政策、环境、危险路段、地貌复杂程度等因素分省而建的小模型，比如山东的鲁东沿海地区和鲁西平原地区，赔付率差异很大，就可以把城市作为因子加入在模型中训练，目前每个省至少研发出4个小模型，合计120+小模型组成了数据宝货车风险评估大模型。
生成1~10分风险分
保险公司输入车辆的标识信息，模型会输出1~10分的精准评分，分数越高表示风险越高，可应用在保前业务筛选、风险评估、个性化定价；保中业务品质监控；保后数字化续保、反欺诈、二次营销等；有效提升车险保险机构整体的风控能力和数字化营销能力。
数据是核心竞争力
数据宝董事长、华东江苏大数据交易中心总经理汤寒林认为，垂直行业AI模型的发展，取决于数据、算力、算法和垂直行业的专业度。
数据全和权。数据宝首席精算师李晓红表示：“在数据方面，数据宝的车辆动态大数据是经过清洗治理后的全量的场景大数据，数据量高达上千PB量级，且数据资源权威可靠，能够每天源源不断产生，可以做到24小时不间断对货车风险评估模型进行数据投喂与训练，极大提高了模型的准确度。”
数据高度匹配。李晓红说：“现在市面上保险类模型引用的数据多为静态数据，缺少动态因子维度，数据宝的货车风险分大模型引入了车辆动态大数据，包括车辆的行程数、行驶时长、行驶里程，以及由此延申出来的疲劳驾驶分析指标、疲劳度、工作日驾驶行为、节假日驾驶行为、早晚高峰驾驶行为、夜间驾驶行为等大数据，这些数据的引入可以更加合理的反映出驾驶者的风险特征，相比市面上其他模型而言，更能提高模型精度。”
构建安全可信是关键
当前社会各界对大模型的应用仍有疑虑，存在对可信、数据、隐私安全、滥用风险、伦理等问题的疑虑。数据宝始终在积极探索更负责任的大数据与大数据赋能AI。数据宝产品研究院院长彭海林博士表示：“数据宝的优势一方面在于数据来源是国家部委与央企国企，更加权威可靠，且数据海量；另一方面是数据宝在算力与算法方面也具备独特优势，拥有自主研发力量，自研出数据可信流通、隐私计算等前沿技术。”
数据宝在和保险公司合作时，为避免数据泄露，数据宝开发了全同态加密下的车险建模算法，确保整个模型的构建过程自始至终都是在密文空间进行，从技术上完全避免了数据泄露隐患。