AI金融助手

转自：中国银行保险报网 □本报实习记者 英草卓玛 “要发挥大模型的人工智能技术优势，集中力量切实为提升金融的核心功能服务。什么是金融的核心功能？就是为实体经济服务，为现代社会民众服务，集中体现在银行、金融机构的信贷服务和支付服务。”近日，在以“人工智能大模型助力金融科技高质量发展”为主题的服贸会2023中国智能金融论坛上，人民银行科技司原司长、中国互联网协会数字金融工作委员会专家委员会主任陈静表示。 论坛中，来自政府部门、行业协会、金融机构及高校的多位嘉宾围绕人工智能大模型这一全球热门技术，就大模型在我国金融领域的应用创新成果、全球智能金融未来发展方向等话题展开了交流探讨。 大模型有“大本领” 8月15日，《生成式人工智能服务管理暂行办法》正式施行；8月31日，首批国产大模型产品获批面向公众开放服务。伴随着生成式人工智能产业的进一步规范化，人工智能大模型也正从科技研发迈向行业应用，成为产业数字化和智能化的重要支撑。 会上，多位专家表示，加快人工智能大模型技术在金融领域的应用和创新意义重大，大模型将在金融领域展现“大本领”。 北京国家金融科技认证中心有限公司总经理张海燕认为，在金融领域，大模型主要有三方面的应用：第一，以智能客服、智能投顾为代表的交互领域；第二，辅助风险预判以及舆情分析为主的金融风险防控领域；第三，以辅助代码开发、金融咨询生成、嵌入式应用为主的生产工具领域。 作为金融行业大模型的先行者之一，工商银行在远程银行、智慧办公、智能研发等方面已有积极探索。以智能研发领域为例，据工商银行首席技术官吕仲涛介绍，截至目前，该行人工智能编码助手共收集超2100万字符编码数据，录入代码超80万行，编码助手生成代码量占总代码的比值从20%提升到40%，有效提升编码效率和质量。“商业银行可以聚焦远程银行、基层网点等大基数员工群体共性需求，持续加大新技术面向全业务流程的综合化应用，形成端对端的业务智能化解决方案，全方位提升银行服务的工作绩效。”吕仲涛说。 应用落地“道阻且长” “近年来，大模型应用呈现井喷式发展，银行业作为数据密集的行业，是大模型应用落地的最佳选择。”邮储银行金融科技创新部高级信息技术专家朱峰认为，一方面，银行业有优秀的数字化基础，沉淀了包括交易数据、风控数据、贷前报告等在内的优质海量数据；另一方面，随着银行数字化转型进入深水期，人工智能技术应用已从过去的可选项变成了必选项，在经营策略、知识管理、运维支持等场景方面需要规模化地应用大模型技术来进一步提升工作质效、应对市场和环境变化。 然而，除了为金融领域带来积极变革外，多位专家也表达了对大模型在金融领域的思考和隐忧，例如落地成本高、可能存在科技伦理风险、可能带来数据安全隐患、更易形成技术垄断、服务垄断和技术依赖等。此外，由于金融领域的业务场景繁多，大模型对于不同金融机构、不同金融场景的适配度也有待提高。可以说，这一新兴技术的应用落地“道阻且长”。 “ChatGPT或大模型就是一种工具，怎么用好这种工具是我们需要思考的问题。如果哪家银行过度依赖ChatGPT或大模型，可能是一家银行走向衰亡的开始。”原银保监会党校副校长、国有重点金融机构监事会正局级监事陈伟钢指出。 光大信托数据中心总经理祝世虎表示，仅将大模型用于银行客服和文章写作等基础层面，仍未触及银行的核心应用。“银行核心的应用是什么？是监管科技、风险决策、合规能力。大模型离银行的这3个核心应用究竟还有多远？这个‘多远’决定了人们对于大模型的信任。”他说。 大模型需“大合作” 针对上述问题的解决之道，来自不同行业的多位专家不约而同地提到了一个关键词——“合作”，这既包括不同技术之间的优势互补，也包括金融数据与通用大模型的结合，还包括大模型产业链上不同主体的协作。 在主旨报告环节，中国工程院院士、清华大学计算机系教授郑纬民指出，大模型和图计算相结合或是解决金融问题的一个新思路。“大模型协助知识抽取、知识推理、知识融合、知识更新和知识回答，降低知识图谱的人工成本；利用知识图谱也就是图计算对大模型进行辅助训练，提高大模型的通用性，提高专业领域的推理能力。”他说。 “今天一个重要的观点是多方参与协同，大家要定一个规则，这样标准就显得特别重要。同时要借用方法论，有一套成熟的工具。”中国银行业协会首席信息官高峰在圆桌论坛环节指出。 在推动大模型技术促进金融服务提质增效、提升金融风险防控能力方面，监管无疑是重中之重。“监管必须及时跟上，早监管、及时监管非常重要。” 陈伟钢表示。 2022年1月，原银保监会印发的《关于银行业保险业数字化转型的指导意见》强调，把服务实体经济、服务人民群众作为银行业保险业数字化转型的出发点和落脚点。“这是我国银行业努力的方向，大数据和人工智能应用也要牢牢把握这个方向。”陈静说。 海量资讯、精准解读，尽在新浪财经APP

转自：中国银行保险报网 □记者 苏洁 智能化正推动金融行业数字化转型稳步前进。在近期举办的2023腾讯全球数字生态大会金融云专场上，围绕该话题，腾讯金融云与金融机构、行业专家共同探讨了金融行业高质量发展的新机遇。 大模型推动数字化转型 “以大模型生成技术为核心，人工智能正在成为下一轮数字化发展的关键动力，也为解决产业痛点，带来了全新的思路。”腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生表示。 具体在金融行业，大模型有哪些发展机遇？腾讯云副总裁胡利明在主题演讲中指出，“金融行业数字化呈现两大发展趋势：云架构已成为行业共识，新智能正加速落地。” 具体来看，在云计算快速发展的推动下，将云架构作为科技底座加速数字化转型，已经成为金融行业的共识。随着大模型的发布，通用人工智能和大模型加速在各个场景实现落地，其应用将全面重塑金融服务，帮助金融行业激发更多潜能与价值。 “大模型的这次热潮，对金融行业以及其他行业都有非常深远的影响，通过大规模的参数及预训练，使得人工智能有非常强大的理解能力和表达能力，相当于金融机构有了不限数量的、比较优秀的‘大学毕业生’，可以快速地学习各类金融领域的知识，然后应用在不同的场景。”胡利明表示。 对于大模型在金融行业的应用，深圳香蜜湖国际金融科技研究院院长张凯提到，AIGC的核心市场规模正在逐步扩大，艾媒咨询数据显示，预计到2028年将达2767.4亿元。“聚焦金融领域，随着大模型技术的不断创新，未来将持续深入金融风控、零售金融、财富管理、投研、保险理赔等更多场景，持续推动金融行业的数字化转型。”张凯说。 胡利明表示，目前头部金融机构，比如头部银行、险企、券商以及一些股份制银行，都能够比较积极地去投资和尝试大模型，包括从底层的算力方面。他们会选择自己去做一些场景，或者与大模型的互联网厂家合作做一些场景。腰部和尾部的金融机构则是另一种状态——少部分腰部机构比较积极地和大模型厂家合作试点一些场景，先试水，锻炼队伍；而更多腰部的小机构还是观望和跟随，看看其他机构做得怎么样，哪些场景有效果。 “相较于非大模型时代，现在的大模型强项在于它的理解能力和生成能力，但在产生效果方面，还需要时间的深度训练和调优。”胡利明认为，大模型初期能够产生较大效果的是在效率提升上，比如在客服助手领域可能会比较明显。 对于大模型的应用速度，行业人士认为，现在大模型在具体业务场景中还处在摸索阶段，对于像投研、投顾等场景要体现出更大效率提升，还需要行业更加深入地融合，以及拥有高质量的行业数据。 积极探索智能发展 目前，随着金融数字化转型逐渐深入，金融机构对于云原生、人工智能这些技术的需求相较于之前有哪些变化？ 胡利明表示，“2019年以前金融机构用云，不管是私有云还是部分的场景上云，都需要跟客户沟通上云的价值。2019年之后，基本上不需要沟通，金融机构认为云的基础架构就是以后在金融领域的一个基本形态，认为这是必须要做的事情。从2021年开始，金融机构开始了全面的云原生应用。” 会上，广州农村商业银行、太保寿险、东吴证券、百行征信等多家金融机构，分享了在云架构、智能化方向的实践经验。 广州农村商业银行金融科技部总经理林树茂分享了绿色用云转型实践。基于云架构的支撑，广州农村商业银行不仅打造了“1+8+N”的云平台（1大数字化新基建、8大数字化能力，支撑N个敏态业务上云发展），达成资源用云的目标，还进一步实现了“资源用云”到“绿色用云”的转变，促进了业务创新与可持续发展。 太保寿险数智服务部总经理孙谷飞介绍，过去，太保寿险在数智化过程中面临着一大挑战，即陈旧的技术服务架构无法满足业务快速增长的需求。为了解决这一问题，太保寿险引入云原生技术体系，全面升级了应用技术能力，优化了研发流程，为业务创新、数智转型和核心重构提供了有力支撑。同时，太保寿险依托云原生架构打造了全新一代统一客户中心系统，目前该系统调用次数已超过2.7亿次、应答成功率达100%，进一步提升了用户使用满意度。 东吴证券信息技术总部总经理助理兼研发总监唐淑艳表示，借助腾讯云数据库TDSQL、企业微信等前沿技术和产品，双方在金融科技新基建、数字新连接、全真互联财富管理创新等方面展开了全方位的合作，携手打造了证券行业的数字化转型标杆。 百行征信副总裁刘鹏鹏分享了在数字征信时代下，百行的数智化创新与探索实践。面向征信业务场景，百行依托云计算、大数据、AI等方面领先的技术能力，打造了数智化的IT架构新基座，有力支撑了业务快速发展和场景创新。 “金融创新的大背景是数字化转型，其中云和智能是两大抓手，而多方协作是解题路径。我们将与行业伙伴携手，以金融场景为切入点，以自主创新和智能化为抓手，联合伙伴共建方案，稳步推进自主创新，积极探索智能发展。”腾讯云副总裁徐翊鸣表示。 海量资讯、精准解读，尽在新浪财经APP

    ◎杨 雪     过去一年，大模型百花齐放，AI受到了前所未有的热捧，但通用大模型距离产业仍然遥远。在探讨大模型落地方向时，很多专业人士瞄准金融行业，称大模型将带来金融业数字化的第二波浪潮。     金融行业沉淀了大量高质量数据。各金融平台的用户数以亿计，各种用户画像数据、交易数据浩如烟海。利用大模型对上述数据的分析处理，可提高金融效率。比如，金融机构可以预测用户行为偏好，更高效、准确评估客户风险；AI还可以实时监测交易和市场波动，及时制定策略。     事实上，金融行业也在主动拥抱大模型。IDC（国际数据公司）一项调研显示，超半数的金融机构计划在2023年投资生成式人工智能技术，只有10%的金融机构表示没有试验计划。不久前，两家国内科技公司联合推出的火山—智谱高性能金融大模型，也是为科技金融AI落地积极铺路。     大模型前景固然可期，但金融行业对安全和隐私要求极高。在推动大模型落地金融行业的过程中，安全、合规是最大的技术难题。开发金融AI，是技术和行业交叉融合的系统化工程。从火山—智谱高性能金融大模型的合作攻关背景可以看出，一方面，模型性能、功能及底层架构的升级迭代是基础；另一方面，高效的算力基础设施、开放安全的生态、丰富的金融行业实践以及完善的交付保障更是重要前提。     大模型是金融行业必争之地。但如果将AI进一步渗透到风控等金融核心业务，还需要在垂直领域进行磨合，还要经过时间的考验。金融行业一般认为，现阶段最容易实现的，包括AI投资顾问、自动化客服、风险评估、报告自动化生成、代码生成应用等，应从外围做起，逐步接近核心。     大模型带给金融界的冲击，必然超越了上一次数字化浪潮，金融工作模式的变革势不可挡。然而，大模型在金融场景落地的“最后一公里”，是充满变数的一公里。只有夯实科技的基础，未来的AI金融才能行稳致远。

“千模大战”背后的数据之争。 21世纪经济报道作者 |李览青周炎炎新媒体编辑 |赖睿颖 过去的世界人工智能大会（WAIC）上，各家厂商AI大模型“大秀肌肉”。在“千模大战”的硝烟背后，大众普遍关心的话题是，谁将历经千帆成为中国版OpenAI？ “大模型的迭代是一场‘暴力’填数据、拔规模而造就的‘美学盛宴’。”中金公司研究团队在近日发布的“AI浪潮之巅”系列报告中如是说。 尽管作为推动AI大模型发展的“三驾马车”，数据、算力、算法都关系着大模型技术商业化落地的成败，但从多位接受21世纪经济报道记者采访的业内人士看来，在“抢芯片”之外，决定大模型质量和商业化落地的核心要素是数据。对于既要安全又要发展的金融业而言，在数据共享尚不充分的大模型起步阶段，更需要建立开放的行业生态。 大模型时代的数据之痛 金融行业对模型并不陌生，机器学习也不是新鲜词。 一直以来，在智能营销、智能风控、智能投研、智能客服等领域，基于机器学习驱动的建模能力都是金融机构数智化转型的基础。“大模型”是大型语言模型的简称，机器用大规模语料库数据进行训练，通过算法从数据中学习如何完成任务，参数规模大、数学公式复杂。从AlphaGo到ChatGPT，如今机器已经可以在开放系统下实现自我学习与持续反馈。 与过去相比，当下的大模型时代对算力、算法、数据的需求已然改变。 “今天的AI体系是强依赖数据的，是数据驱动的智能体系。”蚂蚁集团副总裁兼首席技术安全官韦韬表示。 “这次OpenAI为我们带来的最重要的技术并不是几千亿的参数，而是基于数据的反馈，让这个系统在持续强化学习下越来越聪明。”马上消费金融CIO蒋宁告诉记者，即使大模型具备优秀的算法，如果没有高质量数据集的训练，就像失去学习能力的博士生，会逐步失去竞争力。 然而，目前“千模竞帆”背后是国内各厂商的数据生态割裂。 “目前在通用大模型建设过程中，一方面当前中文高质量数据有限，另一方面中国移动互联网生态与互联网生态处于割裂情况。”蒋宁告诉记者。 上海数据交易所副总经理韦志林在接受21世纪经济报道记者采访时指出，大模型之所以强大，能够不断地迭代，都依赖于算力算法以及最重要的数据。“在‘三驾马车’中，数据是最核心、最长远、最基础的要素，它每天都在产生，应用场景非常丰富。”从其与大模型企业沟通的情况来看，相较全球语料库建设，国内语料库供给需要进一步提升，语料库的质量、标准、多样性都有所欠缺。 “大模型技术出现后，数据供应的过程中还遇到四方面问题。”中国电子副总经理陆志鹏提到，一是缺少合规确权的机制，目前国内面临的问题就是数据的有效供给不足。很多企业都在做语料库，但数据都非常有限，而且可能面临着统一标准的问题；二是缺少数据的计量估价机制；三是缺少协调分配；四是缺少安全隐私保护机制。 “我们国家的数据生产量全球排名在第二名，但是分散在各个行业、各个组织中，整体的数据是分开的。但大模型所需要是将数据进行物理归集，在短时间内基于一定的算力与算法进行预训练。”韦志林提到，国内各大主流厂商都推出了基于己方已有数据的大模型，但由于数据分散、丰富度不足、质量参差不齐等原因，各个大模型都存在一定的局限性。 “数据已经成为重要的生产要素，当数据开放共享的安全与收益分配机制还不完善，具有大量数据的头部大厂开放高质量数据集的意愿不足，所以其主要将数据价值创新服务于企业内部，而没有拿出去的动力。”韦志林表示。 金融业的垂直大模型解法 通用大模型激战正酣，金融业的大模型运用则主要在行业垂直模型领域。 今年3月，彭博针对金融业推出大型语言模型BloombergGPT，引发市场对金融垂直领域大模型的关注。 在国内，今年5月，星环科技推出了第一款面向金融量化领域的生成式大语言模型“无涯Infinity”，度小满开源国内首个千亿参数金融大模型“轩辕”，今年6月，恒生电子发布金融行业大模型LightGPT，并宣布将于9月底正式开放试用接口。 多位受访对象向21世纪经济报道记者表示，目前金融业的大模型运用主要在工具层与应用层，无论是技术服务商还是金融机构，都在“量力而为”。 “我们以后不会再开发其他领域的模型，每个行业都有自己的行业壁垒。”星环科技CEO孙元浩在接受记者采访时提到，公司的主要战略是提供大模型（LLMOps）的工具链，帮助金融机构训练自己的大模型。“基础大模型与应用之间的鸿沟实在是太大了，我们不可能用一家公司去做每个行业的大模型。和过去相比，大模型主要有2个方面需要改造，一是高达上千亿的模型参数，需要算力支持，需要分布式、高可扩展的调度框架，二是巨量的高质量语料训练。”孙元浩表示，在过去服务于证券行业时，有二十万个已完成标注的语料，也开发了量化因子，使得其训练的模型基于量化策略可以直接用来做示范交易。 对金融机构内部来说，垂直领域的大模型更类似于“个性化小助手”与业务流程优化助手。 众安保险首席技术官蒋纪匀告诉记者，大模型在保险业的落地，需要关注大模型在保险专业领域的知识增强，在合规安全的前提下，对接口调校和限制也有更高要求。因此众安自主研发了AIGC中台灵犀，通过适配如GPT、通义千问、文心一言等国内外主流大模型，灵犀可以帮助保险机构更好适配AIGC能力，允许机构用户，在大模型内嵌入行业专业领域知识库，实现AIGC在保险垂直领域的应用快速适配。 “谈论大模型技术在金融核心业务场景下的应用为时尚早。”萨摩耶云创始人兼董事长林建明在接受21世纪经济报道记者专访时提到，金融业对于算法可解释性与可信度要求极高，AI仍处于“前牛顿时代”，人类还没有搞懂基本原理，目前萨摩耶云对语言生成模型的应用主要集中在结合个性化推荐、用户画像等，解决线上线下协同过程中的自动化断点问题。 行业拥抱生态互通 当通用大模型走向金融行业落地，割裂的数据生态使越来越多的机构拥抱合作互通。 就在7月10日，中国证监会科技监管局局长姚前刊文《关于大模型生态建设的若干思考》。姚前指出，在具体应用落地的过程中，GPT类大模型还会面临一系列挑战。一是如何确保训练数据的数量与质量。一般而言，大模型的训练语料为来自于多个领域的通用语料，而专业语料的收集通常比较耗时费力，同时也存在隐私问题，由此导致大模型在具体的个别应用领域可能出现专业性不足的情况。二是如何降低大模型的运行和维护成本。大模型需要巨大的算力支持和严格的数据治理，普通的机构和应用部门往往难以支撑大模型的运行以及迭代升级工作。为此，需要建立一个各类模型健康交互和协同进化的生态，以保证大模型相关人工智能产业可以在各个应用领域成功落地。 目前金融机构与通用大模型厂商的合作正在加速。在世界人工智能大会上，交通银行与华为、腾讯云、科大讯飞宣布共建3个联合创新实验室，分别聚焦大模型在金融领域的应用与创新、增强网络空间安全防御能力、研究认知模型在金融领域的应用。 针对目前金融数据开放依然不充分的问题，科大讯飞总裁吴晓如在接受21世纪经济报道记者采访时表示，其在合作中的做法分为两步，第一步是无监督训练，把大量公开数据和素材放进模型，帮助金融机构训练基础模型；如果金融机构需要模型针对行业做精细化调整，其并不需要太大算力，科大讯飞将在联合创新实验室中为金融机构提供工具，让其自己做调试优化。 往期荐读 蚂蚁集团整改完成：被罚71.23亿元，估值下降40%；阿里考虑回购蚂蚁股份；中信消费金融回应股权变更 《私募投资基金监督管理条例》自9月1日起施行；首只强制退市可转债进入退市整理期；6月制造业PMI指数低位反弹丨大资管一周情报 人保资产袁新良：新一轮库存上行周期预计将在下半年开启 经济复苏斜率有望抬升丨对话资管30人

智能运维AIOps这一概念自2016年首次由Gartner提出，至今已过去近8个年头，显然今天的智能运维已从概念走向了实践，但目前的应用场景仍非常有限。在此困局下，大模型的出现成为了智能运维的发展突破口，是智能运维从预测转向决策的重要抓手。 为此，2024 XCOPS智能运维管理人年会定档5月24日在广州举办，将带大家一起探究大模型、AI Agent等新兴技术如何落地于运维领域，赋能企业智能运维水平提升，构建全面运维自治能力。 2024 XCOPS 智能运维管理人年会-广州站 时间 2024年5月24日 地点 广州阳光酒店 · 一楼国际会议中心 【地址】广州市天河区黄埔大道中199号 组织单位 【指导单位】上海市软件行业协会、上海市计算机行业协会 【主办单位】dbaplus社群 主题设置 本次大会将聚焦于大模型、AI Agent等新兴技术推动及融合之下，运维与数据库两大领域的发展趋势和创新应用，主要涵盖以下关注点： 运维： 大模型与智能运维的结合 生成式AI对金融数字化转型的赋能 面向云原生的智能运维及稳定性建设 上云下云的抉择与治理策略 数据库： AI4DB推动下的数据库再进化 核心系统信创改造的突破 图数据库、向量数据库的异军突起 各类数据库运维任务提效的通用钥匙 演讲嘉宾 (剧透) 姜春宇 中国信息通信研究院云大所 大数据与智能化部主任 中国通信标准化协会 大数据技术标准推进委员会主席 李龙 众安保险 基础技术部总经理 魏政刚 平安人寿 科技总监 郑新亮 京东科技 智能运维团队技术负责人...

人工智能（AI）技术在金融行业的应用日益广泛，为金融机构提供了更高效、更智能的解决方案。以下和大家分享AI在金融行业的一些主要应用，希望对大家有所帮助。北京木奇移动技术有限公司，专业的软件外包开发公司，欢迎交流合作。 1. 风险评估和信贷评分：AI技术可以帮助金融机构更准确地评估客户的信用风险。通过分析大量的数据，如客户的信用记录、交易记录和社交媒体活动，AI系统可以生成更准确的信贷评分，从而降低违约风险。 2. 欺诈检测和防范：AI技术可以帮助金融机构识别和预防欺诈行为。通过实时分析交易数据，AI系统可以检测到异常交易行为，从而及时采取措施防范欺诈风险。 3. 智能投顾和资产管理：AI技术可以帮助投资者制定更优化的投资策略。通过分析市场数据、新闻和社交媒体信息，AI系统可以为投资者提供实时的投资建议，帮助他们做出更明智的投资决策。 4. 聊天机器人和客户服务：AI技术可以帮助金融机构提供更高效的客户服务。聊天机器人可以回答客户的问题、提供产品建议，甚至协助客户完成交易。这不仅可以提高客户满意度，还可以降低金融机构的运营成本。 5. 知识产权管理：AI技术可以帮助金融机构更有效地管理知识产权。通过自动分析专利、商标和版权信息，AI系统可以帮助金融机构识别潜在的知识产权风险，从而降低法律纠纷的可能性。 6. 算法交易：AI技术可以帮助金融机构实现更高效的算法交易。通过实时分析市场数据，AI系统可以自动执行交易策略，从而提高交易速度和准确性。 7. 监管合规：AI技术可以帮助金融机构更有效地应对监管要求。通过自动分析法规和政策，AI系统可以帮助金融机构识别潜在的合规风险，从而确保其业务符合监管要求。 8. 金融预测：AI技术可以帮助金融机构更准确地预测市场趋势和经济发展。通过分析大量的历史数据和实时信息，AI系统可以为金融机构提供有关未来市场走势的预测，从而帮助他们做出更明智的决策。 总之，AI技术在金融行业的应用为金融机构提供了更高效、更智能的解决方案，有助于降低风险、提高客户满意度和优化投资策略。随着AI技术的不断发展，我们可以期待金融行业将变得更加智能化和高效。

史蒂夫·科恩，Point72资产管理公司的创始人兼CEO，同时也是纽约大都会队的拥有者，近日在接受CNBC专访时明确表示，他并不认为当前的金融市场陷入了所谓的人工智能泡沫。相反，他坚信市场仍拥有巨大的发展潜力，尤其是在人工智能领域。 在访谈中，面对主持人关于市场泡沫的询问，科恩直言：“我不认为现在存在泡沫。市场实际上可能低估了人工智能将为企业带来的巨大利益。”他进一步指出，人工智能的崛起是一个长期且持续的趋势，有望为市场提供更多的增长机会。 当谈及人工智能领域的投资机会时，科恩提到，虽然英伟达、AMD和台积电等知名企业备受关注，但未来的赢家可能包括一些尚未被市场广泛认知的新兴公司。他解释说，这些新公司将随着技术的发展而崭露头角，为投资者带来惊喜。 在谈到美联储的货币政策及未来降息预期时，科恩表示，他对今年可能的三次降息预期没有异议。同时，他认为通货膨胀虽然得到了一定程度的控制，但要将通胀率降至美联储设定的2%目标并非易事。 在政治层面，科恩认为即将到来的总统选举可能会对市场产生一定影响，但他强调，无论选举结果如何，市场整体变化不会太大。对于11月总统选举的预测，他谨慎地表示，目前特朗普可能稍占优势，但选举结果仍有可能发生变化。 科恩的这番言论为投资者提供了新的视角，尤其是在人工智能领域的投资前景和美联储货币政策方面。市场观察家们正密切关注着这些动态，以期在变化的市场环境中寻找新的投资机会。 本文源自金融界

2024年，《政府工作报告》首次强调“人工智能”的重要性，提出加快发展新质生产力，推动“人工智能+”行动，以科技赋能产业，创造新的增长点。在此背景下，国产AI工具迎来了爆发期，月之暗面科技的Kimi智能助手实现了200万字的无损上下文长度，界面财联社与阶跃星辰联合发布了国内首个千亿参数金融大模型。金融行业正站在“人工智能+”的风口，面临前所未有的发展机遇。笔者将探讨金融机构如何把握这一趋势，加速数字化转型，实现智能化升级。 2024年，全国“两会”《政府工作报告》首次提及“人工智能”，指出要加快发展新质生产力，深化大数据、人工智能等研发应用，开展“人工智能+”行动，打造具有国际竞争力的数字产业集群，反映政府希望以科技赋能产业，在新旧动能转换过程中创造新的增长点。人工智能技术作为新质生产力的代表，近年来迅速迭代、优化，叠加在实际应用场景中的加速渗透，有望带来新的生产力变革。 上周，国产AI工具利好不断，国内人工智能公司月之暗面（MoonshotAI）在其微信公众号“MoonshotAI”宣布，该公司的Kimi智能助手在长上下文窗口技术上取得突破，无损上下文长度可以到200万字。此前，在2023年10月公司的智能助手可以实现20万无损上下文长度，最新能力提升了一个数量级。而在金融行业场景下，界面财联社与阶跃星辰合作的国内首个千亿参数多模态金融大模型——“财跃F1金融大模型”上周末在2024全球开发者先锋大会（GDC）上首发。该大模型致力于构建智能运营、智能风控、智能投顾、智能营销、智能客服等“AI+”应用场景。据媒体报道，在专场发布会上，共计有30多家金融机构负责人出席。 面对如此利好，金融行业应该如何搭上“人工智能+”的快车呢？ 一、加强与AI企业的合作 金融行业与AI企业的合作是实现“人工智能+”的关键。金融机构可以与AI企业合作，共同研发适用于金融行业的AI技术，并推动其在实际业务中的应用。例如，金融机构可以与通用大模型公司合作，将智能助手应用客户服务中。 二、加大对AI技术的投入 金融机构要实现“人工智能+”，就必须加大对AI技术的投入。这包括对AI研发的投入，以及对AI人才的引进和培养。只有拥有了先进的AI技术，金融机构才能在激烈的竞争中脱颖而出；只有拥有了优秀的AI人才，金融机构才能将AI技术真正落地应用。 三、积极探索AI应用场景 金融机构要实现“人工智能+”，就必须积极探索AI应用场景。AI技术在金融行业的应用场景非常广泛，包括智能风控、智能投顾、智能营销、智能客服等。金融机构要结合自身业务特点和需求，选择合适的AI应用场景进行探索和实践。例如，银行可以利用AI技术进行智能风控，证券公司可以利用AI技术进行智能投顾等。 四、加强数据治理和隐私保护 金融机构要实现“人工智能+”，就必须加强数据治理和隐私保护。AI技术的应用离不开数据的支持，但数据的采集、存储、使用等环节都存在一定的风险。金融机构要建立健全的数据治理体系，确保数据的安全性和合规性；同时，也要加强隐私保护，确保用户的个人信息不被滥用。 随着政策的大力支持和国产AI工具的快速进步，金融行业正迎来一个全新的发展机遇。金融机构需要把握时机，积极拥抱AI技术，不断探索和实践，以实现业务的数字化转型和智能化升级。通过“AI+”行动，金融行业有望在新旧动能转换中创造新的增长点，为经济社会发展贡献更大的力量。 未来，笔者将以业务为导向，为大家梳理AI产品在金融行业的实际应用场景。并将会从已发布的国产AI工具中找出几款产品进行实测，为大家带来最真实的使用体验测评，从而总结实际分析案例和业务赋能策略。 本文由 @数金杂谈 原创发布于人人都是产品经理。未经作者许可，禁止转载 题图来自Unsplash，基于CC0协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务

近年来人工智能发展迅速，对于金融行业有一定的冲击，但也伴随着一定的机遇。作者从人工智能与数字化转型方向来讲解金融行业的挑战与机遇。让我们一起来看看吧～ 一、对标斯坦福？福耀科技大学来了！ 日前，西安交通大学校长王树国离任的消息在网络流传，在校师生及广大网友们纷纷表达不舍与惜别之情。随后，一张王树国与曹德旺握手的照片疯传于网络，据媒体报道刚卸任的王树国被聘为福州市福耀高等研究院院长/福耀科技大学校长。 王树国曾任哈尔滨工业大学校长，2014年起担任西安交通大学校长至今。王树国在人工智能和数字化转型领域取得了显著成就，他所领导的团队致力于开发智能化系统，通过机器学习和深度学习技术，解决了许多实际问题。通过他在人工智能和数字化转型领域的研究和实践，西安交通大学在相关领域也取得了重要科研成果，为推动产业升级和社会发展作出积极贡献。 而福耀科技大学是由中国福耀集团创办的一所高等教育机构，旨在培养人工智能和数字化转型领域人才。创始人曹德旺是著名企业家和慈善家，他对于人工智能和数字化转型的发展充满信心。福耀科技大学与人工智能领域的联系密切，设立了人工智能与数据科学学院，拥有一支由国内外知名专家组成的教学和科研团队，并开设人工智能、大数据分析、智能制造等专业方向。 一位是备受热爱追捧的“网红校长”，一位是享负盛名的“玻璃大王”，两位超级大咖的握手合作消息一经曝光，立刻引来全国上下的关注和热议。 透过热议，洞察背后的行业趋势与发展机遇，更是笔者想与大家一起思考和探讨的。这里，不得不提时下金融行业特别火热的两个名词——“人工智能”与“数字化转型”。 二、人工智能与数字化转型：金融行业的挑战与机遇 随着科技的快速发展，人工智能和数字化转型已经成为当今商业和社会发展的主要趋势之一。 人工智能是指利用计算机技术模拟、延伸和扩展人类智能的能力，包括语音识别、图像识别、机器学习等技术。数字化转型是将金融机构传统业务和流程转变为数字化形式，利用数字技术提高效率和创新能力。人工智能与数字化转型的结合，笔者认为可以给金融机构、投资者和社会带来更大的发展潜力、竞争优势和机遇。 首先提升效率，人工智能技术可以自动化处理繁琐的任务，提高金融机构生产效率和工作效率。其次是推动金融创新发展，数字化转型带来创新的商业模式和产品，推动金融机构不断发展壮大。第三是决策智能化，基于数字化转型带来的数字基建支撑，借助人工智能技术分析大数据，金融机构可以做出更加精准的决策，提升竞争力。此外，还推进金融法律与合规监管发展，相关的法律和监管不断完善和落地，保障技术应用的合法性和安全性，也提升主管部门的监管数字化与智能化水平。 然而，在金融机构密集布局人工智能与数字化转型的过程中，也面临了诸多挑战。技术挑战如人工智能技术发展需要大量投入和专业知识，对金融机构而言需要具备相关技术人才和资源；数据挑战如数字化转型会产生大量的数据，如何保障数据的安全和隐私成为重要问题；组织挑战如数字化转型需要金融机构进行组织结构和流程的重塑，可能会面临员工抵制和适应期挑战。 三、人工智能发展与金融行业数字化转型：向上布局与向下落地 人工智能的发展对金融行业数字化转型产生了深远影响，不仅改变了金融机构的运营方式和服务模式，也为客户提供了更加智能化和个性化的金融产品和服务，同时对金融机构的人才梯队建设与储备，也提出了新要求。这里，笔者将探讨人工智能结合金融行业时下数字化转型浪潮中发挥的作用，及对财富管理转型战略的落地助推。 1. 智能营销与客户管理 在智能营销与客户管理方面，人工智能为金融机构带来了新的机遇。通过对客户数据和行为的分析，金融机构可以精准识别客户需求和偏好，挖掘客户的潜在需求点、培养客户的潜在路径依赖，进而推送个性化的营销活动和金融产品推荐。做到触达人群准确度、触发时机及时度、触点渠道有效度、触动权益兴趣度这四个方面的颗粒度升维，提高了营销效果和客户满意度。 同时智能客户管理系统可以帮助金融机构建立完整的客户画像与统一标签系统，借助人工智能技术，融合分析客户线上的实时交互行为数据与账户线下的时延结算业务数据，实现对客户的全生命周期管理，提升客户关系管理水平和业务运营效率。 2. 智能风控与反欺诈领域 传统的风控模式往往依赖于历史数据和人工规则，而这种方式存在着诸多局限性，比如对复杂和变化快速的风险形态处理能力有限。引入人工智能技术后，风控系统可以通过大数据分析、机器学习和模型优化等手段，实现对实时风险的准确识别和预测，既提高了金融机构的风险管理能力，还有效降低了不良资产率和信用风险。 目前，人工智能技术已经在金融行业广泛应用于风险管理和反欺诈领域。通过分析海量数据，人工智能可以识别潜在的风险因素，并及时预警和处理风险事件，有效保护金融机构和客户的利益。同时，随着客户触网过后的大量数据产生、欺诈手段日益复杂和隐蔽化，金融机构在风险管理领域面临着数据大爆炸式的信息干扰，人工智能还可以通过对用户行为和交易模式分析，对大规模数据的深度学习和模式识别，识别潜在的欺诈、违规等风险行为并及时预警，提高金融安全性和稳定性。 3. 智能客服与个性化服务 除风控和反欺诈，人工智能还为金融机构带来了智能客服与个性化服务的新机遇。通过自然语言处理、智能语音识别和智能机器人等技术，金融机构可以实现7*24h全天候的在线客户服务。而基于客户数据和行为的分析，智能客服还可以实现个性化、实时性的无缝链接推荐服务，提高客户满意度。 金融机构利用人工智能技术开发智能客服系统，提供基础问答服务的同时，更为客户提供快速、准确的金融咨询和财富解决方案。通过对业务与行为融合建模，实现陪伴式金融服务，提高客户对自身平台的服务依赖、活跃和粘性。 4. 智能投资与资产管理 人工智能还在金融领域推动了智能投资和资产管理的发展。传统投资决策主要依赖于经验和直觉，或是线下大量的实地调查和研究，而人工智能可以凭借自身强大的算力性能、海量数据挖掘、关联学习，通过大数据分析、机器学习和算法优化等技术，发现有效的市场趋势和投资机会、排查不实信息和潜在风险，为投资者提供智能化的投资建议和组合优化篮子方案。 智能资产管理系统可以根据客户的交易风格、持仓特征、风险偏好和投资目标，实现一对一的个性化资产配置，并提供持续的投后管理服务，努力提高投资回报率，最大化程度地提升客户投资体验。 四、结语 总的来说，人工智能的发展为金融行业数字化转型之路提供了新的机遇和挑战。金融机构需要不断创新和升级技术，打破既有流程、重塑新型数字范式，提升智能化服务能级、精细化管理能力、数字化经营水平，并始终重视加强数据安全和客户隐私保护，才能在数字化时代取得更大的竞争优势和市场份额。未来，随着人工智能技术不断进步和应用，我们相信金融行业将迎来更加智能化、精细化、高效化的数字发展趋势。 本文由 @数金杂谈 原创发布于人人都是产品经理。未经作者许可，禁止转载 题图来自Unsplash，基于CC0协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务

上市金融科技公司一年一度的成绩单近日陆续公布。 在资金成本下降、差异精细化运营、海外市场发力等多因素加持下，上市金融科技公司整体业绩保持增长态势，但增速同比放缓。其中，头部的陆金所控股仍处在转型和收缩阶段，营收和净利润大规模下滑。此外，受去年宏观经济复苏缓慢，消费需求不振，运营商加强催收线路管控引发催回率降低等因素影响，上市金融科技公司年底资产质量整体呈下滑趋势。 多位行业专家表示，“上市金融科技公司的贷款逾期率还有可能往上走”，在国内存量市场里要利用好人工智能等金融科技手段，降本增效，获取优质客群，同时积极开拓海外市场，打造新的业绩增长点。 整体业绩保持增长态势 从已披露的上市金融科技公司财报来看，奇富科技、信也科技、宜人金科、乐信、小赢科技、嘉银科技的业绩都保持增长态势。其中，奇富科技2023年实现净收入162.90亿元，同比下降1.59%；净利润42.85亿元，同比增长6.49%；截至2023年12月31日，在贷余额1864.78亿元，同比增长14.1%。 信也科技2023年营业收入125.47亿元，同比增长12.7%；净利润23.835亿元，同比增长4.48%；在贷余额674亿元，同比上升4.3%。乐信营业收入130.57亿元，同比增长32.3%；净利润10.66亿元，同比增长30%；在贷余额1240亿元，同比增长24.5%。宜人金科收入总额48.96亿元，同比增长42.54%；归母净利润20.80亿元，同比增长74.09%；截至2023年12月31日，促成的未偿贷款余额达到183亿元，同比增长20.9%。 小赢科技2023年的总净营收达到约48.15亿元，同比增长35.1%；全年净利润约为11.87亿元，同比增长46.2%；截至2023年12月31日，未偿还贷款余额总额为488.47亿元。嘉银科技在2023全年的促成交易金额达约881亿元，同比增长58.7%；实现营业收入约54.7亿元，同比增长67.1%；实现净利润约12.98亿元。 金融壹账通的亏损也在收窄，2023年金融壹账通营业收入36.68亿元，同比下降17.8%；归母净亏损同比收窄至3.63亿元，归母净利润率从-19.5%提升至-9.9%，同比提升9.6个百分点。 不过，主打小微贷的陆金所控股多个经营指标仍在下滑。陆金所控股2023年实现营收342.55亿元，同比下降41.1%；实现净利润10.34亿元，同比减少88.2%；截至2023年12月31日，陆金所控股的贷款余额为3154亿元，同比减少45.3%。 冰鉴科技研究院高级研究员王诗强对记者分析指出，整体业绩保持增长态势主要是因为前几年的客户积累，为平台留下了大量正常还款的优质客户，基于这些客户不断复借，获得可观的净收入。此外，由于LPR不断下降，银行急需外部资产，也使得助贷机构从银行等金融机构融资更加轻松，融资利率更低，增加了净息差收入。 资产质量呈下滑趋势 上市金融科技公司虽然整体业绩保持增长态势，但也藏着隐忧：资产质量呈现整体下滑趋势。 具体来看，截至2023年12月31日，陆金所控股总贷款的逾期天数（DPD）90+（逾期90天以上）拖欠率为4.1%，而截至2023年9月30日为3.7%。截至2023年12月31日，一般无担保贷款的DPD90+拖欠率为4.6%，而截至2023年9月30日为4.2%。截至2023年12月31日，担保贷款的DPD90+拖欠率为2.6%，而截至2023年9月30日为1.9%。 截至2023年12月31日，奇富科技90天以上逾期率为2.35%，较上季度末增加0.53个百分点。信也科技90天以上逾期率为1.93%，较上年同期增加0.52个百分点。乐信90天以上逾期率从去年三季度的2.67%上升至去年四季度的2.9%。 去年底，小赢科技逾期91—180天的所有未偿贷款的拖欠率为3.12%，而2022年为1.93%。宜人金科15—29天、30—59天和60—89天的贷款拖欠率分别为0.9%、1.4%和1.2%，而截至2023年9月30日，对应的拖欠率分别为0.8%、1.2%和1.0%。 对于资产质量下行，多家上市金融科技公司高管在投资者电话会议上指出，主要受2023年下半年宏观经济复苏缓慢，消费需求不振，运营商加强催收线路管控引发催回率降低等外部环境因素影响。 经济学者盘和林对记者表示，上市金融科技公司贷款逾期率上升，主要有三大影响因素：一是宏观经济压力，消费和投资信心不足；二是行业竞争加剧；三是监管政策持续收紧。 王诗强认为，逾期率上升可能与业务规模下降或者增速放缓有关，一些助贷机构去年资产规模增速下降，在逾期金额稳定的情况下，由于放贷总规模增速放缓，可能导致逾期率上升。此外，当前“长尾客户”多头借贷严重，而市场上年轻人失业率居高不下，可能导致逾期增加、资产承压。 I驱动抢夺存量优质客群 当前国内消费信贷进入存量时代，上市金融科技公司开始利用人工智能（AI）等金融科技手段，一方面降本增效；另一方面进行“差异化”“精细化”运营，抢夺优质客群。 展望2024年，陆金所控股在小微业务提高效率并向优质客户聚焦的同时，在业务结构上大幅优化，消费金融业务占比提升，作为第二增长曲线。信也科技将前沿科技全面应用于金融业务各类场景，推出了一系列提升普惠金融数字化水平和服务效率的科技产品。通过客群上浮战略的深入实施和强有力的风控能力，持续锁定服务消费金融和小微金融领域的优质客户，2023年四季度优质用户占比维持稳定，达84.9%。 奇富科技借助大模型技术，通过对企业所属行业进行了精准的重新打标，小微用户的行业信息覆盖率高达94.5%。奇富科技还运用知识融合、推理与发现等先进技术手段，打造出小微用户知识图谱。这份图谱覆盖了高达97.26%的小微用户，且能深度剖析法人、上级机构、抵押、债权等多种复杂的关系类型。2023年，奇富科技已协助金融机构为泛小微用户提供1621亿元资金支持，泛小微用户占比从30%提高到50%。 通过精细化的投放策略、长尾渠道的淘汰调整，以及提高转化率等方式，嘉银科技2023年第四季度营销费用同比下降11.9%。在客户运营方面，通过精细化的管理，核心资产的生命周期价值被深度挖掘，重复借款比例达72.9%，件均借款金额为9944元。 乐信自研大模型应用加速落地，在用户画像识别领域发挥作用。通过训练，大模型可以自动分析多种数据源，识别出用户所在行业、还款意愿等信息，构建差异化、个性化的客户画像和标签体系，实现数据驱动的分客群精细化经营。特优和优质客群的交易额比例环比去年三季度提升12%，老客新增风险环比下降超15%。截至目前，乐信普惠已累计为超过400万小微、个体工商户提供优质金融服务，交易额超过350亿元。 小赢科技则顺应市场导向持续下沉探索，在精细化运营的加持下精准为中小微企业提供服务。数据显示，2020年1月至2023年12月底，小赢科技服务小微企业主和个体工商户超620万件，服务覆盖全国31个省、自治区、直辖市。2022年1月至2023年12月底，小赢科技服务的借款用户中55%为新市民群体，其中51%的放款流向新市民。 海外布局谋求新增长点 国内市场卷出新高度之际，上市金融科技公司也积极在海外布局，谋求新的业绩增长点。自2018年开启以“一带一路”合作伙伴为目标市场的科技出海征途，信也科技已在印尼、菲律宾建立了深度本地化的金融科技平台，并在拉美地区开展科技服务业务。 截至2023年底，信也科技海外金融科技平台已累计为480万用户提供信贷科技服务。集团国际业务也在2023年延续高速增长表现，实现营收21.4亿元，同比增长85.9%，占集团营收的17%。 乐信也在电话会议上提到，出海是公司未来的战略方向之一，目前公司在东南亚与南美初步展业，不过规模不大且发展处于相对早期阶段。 深耕国内金融行业的同时，金融壹账通也积极拓展境外业务版图。自2018年开始布局东南亚业务，近年金融壹账通的境外业务实现快速增长，剔除平安壹账通银行的收入贡献，2023年公司境外客户收入贡献同比增长三成以上，在第三方总收入中的占比从去年9.7%上升至15.7%，逐渐成为新的业务增长点。 迄今，金融壹账通业务已广泛覆盖南非、新加坡、泰国、马来西亚、印尼、阿联酋、菲律宾、越南等20个国家地区和185家境外金融机构，客户包括东南亚前三大区域性银行和全球前十大保险公司中的两家。 盘和林认为，上市金融科技公司有三条发展道路：第一条是通过AI赋能，降本增效提质；第二条是布局海外，实现多市场发展，拓宽销售渠道；第三条是产品多元化，比如提供金融解决方案，延伸到企业整体数字化转型服务。 本文源自国际金融报