目前，国内外大型科技公司都在调整其大语言模型在算力、算法、数据方面的投入和研发方向。AIGC的大发展，将夯实人工智能应用的基础设施。Gartner预计，到2025年，生成式人工智能将占所有生成数据的10%。

与此同时，随着微软公司宣布与OpenAI扩大合作伙伴关系，向ChatGPT开发者OpenAI追加投资数十亿美元，加速人工智能领域的技术突破与转型，AI产业正加速从前沿技术探索向商业化落地转型。

业内人士表示，AIGC的大发展将为金融数智化注入更强大的动能。如ChatGPT可以帮助金融机构提供更加人性化的智能客服。ChatGPT最为显著的两大能力：强大的语言理解能力和语意推理能力能够支撑其强大的对话能力，可以帮助智能客服精准的理解用户意图，形成完整的智能问答，从而大幅提升用户体验。

此外，在营销数字化核心流程中，内容自动化生成环节在过去是缺失状态，因此无法构成闭环，但随着AIGC的应用，将助推营销数字化实现业务闭环。

值得注意的是，AIGC未来应用普及的背后，将产生巨大的算力市场。根据OpenAI的研究，AI训练所需算力指数增长，且增长速度超越硬件的摩尔定律。AI模型大算力的背后需要高昂的算力成本，GPT-3训练的算力成本超过400万美元。尽管AI模型往往会选择开源，但数据集和训练成果是一个团队的内部资产，这意味着每个AI产品都需要支付自己的训练成本。

在通用大模型没有触及的垂直专业细分领域，要生成精准的定制化内容，AI专家需要通过大量针对性的模型训练，换言之，专业人士的调校干预依然不可或缺。当然，这对训练模型的AI专家也提出了更高的要求，在 AI领域之外，专家也需要对专业知识有充分的积累。

张韶峰表示，在既定的领域应用好AI产品需要深度的行业理解、洞察，以及信息的累积、沉淀，这其中既需要技术发展的助力，更需要行业经验和资源的沉淀。作为通用型AI大型现象级产品的ChatGPT后续如何在垂直型领域形成商业模式值得关注，预计需要借助百融云创等垂直型AI机构的行业资源积累，需要形成技术的开放性兼容环境。