2同行回答
我觉得是2点吧 1、专业性，选择金融专业的训练多的模型 ，金融是个特殊的专业，有专有的各个条线的业务类型。 2、安全性，简单的说数据在进入机构内，而不是放在提供商的训练机房。
收起金融企业在选择建立自己的大语言模型，还是使用外部厂商的大语言模型时，需要综合考虑多个因素。
1、建立和维护大语言模型需要庞大的技术和资源投入，包括高性能计算资源、数据处理和模型训练的专业知识等。如果金融企业具备这些技术和资源，并且有能力进行持续的研发和更新，那么建立自己的大语言模型肯定是可行的。
2、建立一个高质量的大语言模型是一项复杂而耗时的任务。对许多金融企业而言，从头开始构建和训练大语言模型可能需要大量的时间和资源。相比之下，使用外部厂商的大语言模型可以节省时间和成本，并且能够快速获得先进的自然语言处理能力。
3、大语言模型的性能很大程度上取决于其训练数据的质量和多样性。外部厂商的大语言模型通常基于大规模的、多领域的数据集进行训练，从而具备广泛的知识和语言理解能力。这使得它们能够在各种金融领域和任务中展现出较好的表现。
4、大语言模型的持续改进和更新对于保持其性能的竞争优势非常重要。外部厂商通常会投入大量的研发资源来不断改进和更新其模型，以适应不断变化的语言和应用需求。这意味着金融企业可以从外部厂商的持续创新中受益，并获得最新的技术和功能。
5、金融企业在选择外部厂商的大语言模型时需要注意安全和隐私问题。确保外部厂商有严格的数据保护和隐私政策，并符合适用的法规和合规要求，以防止敏感信息的泄露和滥用。
所以，金融企业在选择自建大语言模型还是使用外部厂商的大语言模型时，需要综合考虑技术能力、时间成本、数据质量、持续改进和安全隐私等因素。对于大多数企业而言，使用外部厂商的大语言模型通常更为实际和有效，能够快速获得先进的自然语言处理能力，并专注于自身的核心业务。
ChatGPT 回答
金融企业在选择是否自己建立大语言模型还是使用外部厂商的大语言模型时，需要考虑多个因素。以下是一些可能需要考虑的因素：
- 数据安全性：金融企业通常需要处理大量敏感数据，因此需要确保数据的安全性。如果使用外部厂商的大语言模型，需要确保厂商有足够的安全保障措施，以保护数据的安全。
- 数据隐私性：金融企业需要遵守相关的法规和规定，保护客户的隐私。如果使用外部厂商的大语言模型，需要确保厂商能够遵守相关法规和规定，保护客户的隐私。
- 模型质量：大语言模型的质量对于金融企业的业务影响很大。如果自己建立大语言模型，需要投入大量的时间和资源，才能够达到与外部厂商相当的模型质量。如果使用外部厂商的大语言模型，需要确保厂商的模型质量能够满足企业的需求。
- 成本：自己建立大语言模型需要投入大量的时间和资源，成本较高。如果使用外部厂商的大语言模型，需要考虑厂商的收费标准，以及使用厂商的成本是否比自己建立大语言模型更低。
总的来说，金融企业在选择是否自己建立大语言模型还是使用外部厂商的大语言模型时，需要综合考虑多个因素，并根据自身的实际情况做出决策。
如果选择使用外部厂商的大语言模型，需要注意以下几点：
- 选择信誉好、口碑好的厂商，以确保模型的质量和安全性。
- 确保厂商能够提供足够的技术支持和服务，以便及时解决问题。
- 确保与厂商的合作协议中包含足够的保护数据隐私和安全的条款。
- 确保厂商的收费标准合理，并与厂商协商好服务费用。
外部厂商的优势包括：
- 技术实力：大型的厂商通常有更强的技术实力和研发能力，能够提供更好的技术支持和服务。
- 经验丰富：大型的厂商通常有丰富的经验，能够提供更好的解决方案和建议。
- 成本优势：大型的厂商通常能够通过规模效应降低成本，提供更具竞争力的价格。
- 专业化：大型的厂商通常有更专业的团队和技术，能够提供更专业化的解决方案和服务。
