AI金融助手

+ 目录 重点推荐 1. 计算机行业点评：彭博金融GPT发布，行业大模型落地加速 2. 电子行业点评：日本加入限制半导体设备出口，国产替代逻辑持续强化 3. 宏观专题研究：美国劳动市场“转弱”的条件与信号 今日关注 1. 商用车深度研究：行业周期向上，电动化迎来新动能 2. 赛轮轮胎公司深度研究：全球布局加速，“液体黄金”助力成长 3. 东山精密公司深度研究：绑定A+T，车端产品打开第二增长曲线 4. 掘金·2022年报业绩点评合集 + 今日精选 【计算机孟灿】彭博金融GPT发布，行业大模型落地加速：建议关注同花顺、恒生电子、财富趋势、顶点软件和凌志软件。Bloomberg 于 2023 年 3 月 30 日发布金融行业大模型BloombergGPT，该模型采用与ChatGPT相同的主流架构Only-Decoder Transformer。金融行业可能成为垂直 GPT 率先落地的场景。多个应用场景可能受益于金融 GPT 的落地，包括新闻情感倾向分析及内容生成、金融领域知识问答及股票代码匹配、财务报表分析及会计审计辅助。 【电子樊志远】日本加入限制半导体设备出口点评：看好今年订单增长弹性相对较高、确定性高、国产化率仍较低的细分领域设备龙头芯源微、精测电子、拓荆科技，以及中微公司、北方华创、华海清科等设备厂商。日本政府3月31日宣布，将修订外汇与外贸法相关法令，将高端半导体制造设备等23种品类列入出口管制对象。该法令设备限制范围也在去年10月7日美国BIS禁令范围之内，符合我们之前的预期，国产替代逻辑持续强化。 【宏观赵伟】美国劳动力市场依然非常紧张，供给缺乏弹性和需求保持韧性是劳动力供求失衡主因，但多个周期敏感性指标和综合指标已经反映紧张状态正在边际放缓，重点提示：SVB风波后，需关注劳动力需求的加快收缩。美国劳动力市场的均衡化只能依靠压制需求来实现，同时也依赖于需求的收缩继续压低通胀中枢，警惕“货币紧缩-信用收缩-经济放缓-金融风险-经济衰退”的反馈循环形成。 【电车陈传红】商用车深度：建议关注龙头企业中国重汽、福田汽车、宇通客车，以及各细分车型中的电动化领头羊三一重工、汉马科技。22年全国商用车销量330万辆，同比-31.1%，销量处于历史低位，向上周期即将开启。经济形势恢复及国标切换/国四车淘汰等因素，商用车市场预计持续向好。商用车电动化势头迅猛，结构性渗透率处于快速提升阶段，22年电动商用车上险23万辆，同比+90.1%；电动渗透率8.9%，较上年+6pcts。 【化工陈屹】首次覆盖&关注赛轮轮胎，预计公司22-24年归母净利润为13.2/18.2/25.0亿元，目标价11.85元，买入。公司外延扩张加速，近5年轮胎收入复合增速15%，预计24年可达1660万全钢胎、6800万半钢胎及25万吨非公路胎产能规模，业绩稳步向好。原料价格高位回落，行业底部回暖，公司市占率提升强者恒强。“液体黄金”引领材料创新，助力品牌价值提升。前瞻性布局海外生产基地，受美国“双反”政策影响最小。 【汽车&电子联合推荐】首次覆盖&推荐东山精密，拥抱某A客户，公司软板产品份额有望持续提升成为其主要供应商，我们预计公司将获得0.5/2.0/5.8亿营收增量，MR有望引领新增长，传统主业稳中有升。战略进军新能源车，大客户战略锁定某T客户打开成长空间，乐观情况下23-24年单车价值量分别为0.8/1.53万元。 【计算机孟灿】持续推荐恒生电子，公司公告22年实现营收65.0 亿元，同增18.3%，净利润11.2亿元，同降24.9%。22年，UF3.0及其部分模块全年新签和上线多家客户、O45产品成熟度进一步提高，全年上线16家客户。恒生已发布“金融领域数据驱动的类ChatGPT大语言模型对话系统”课题，通过融合金融行业数据的方式打造全新的对话系统，有望提升公司在客服、投研、投顾等场景的智能化水平。 【电子樊志远】持续推荐中微公司，公司公告22年实现营收47.4 亿，同增53%，归母净利润11.7亿，同增16%。新品开发取得快速进展，公司在现有产品的基础上，针对逻辑器件的一体化大马士革刻蚀和存储器件的极高深宽比刻蚀技术取得良好进展，大马士革刻蚀下游产线验证中。公司首台CVD钨设备付运到关键存储客户端验证评估。公司推出了用于氮化镓功率器件生产的MOCVD设备Prismo PD5，目前已交付。 【地产杜昊旻】持续推荐中国海外发展，22年公司实现营收1803.2亿元，同比-25.7%；实现归母净利润232.6亿元，同比-42.1%。结转量减少、毛利率承压，营收利润不及预期，原因系：1）行业不景气；2）计提存货、应收账款减值；3)汇兑损失。预计2023年销售持续复苏，拿地强度有所增加，随着优质项目的结转入市，公司业绩将稳步提升。 重点推荐 计算机行业点评： 彭博金融GPT发布，行业大模型落地加速 孟   灿 计算机组 计算机首席分析师 核心观点：我们认为金融行业可能成为垂直GPT率先落地的场景，且金融行业应用场景相对较为丰富。看好拥有研发实力、海量数据及流量入口的公司，建议关注同花顺、恒生电子、财富趋势、顶点软件和凌志软件。未来，彭博有计划将他们训练BloombergGPT的细节方法披露出来，这可能对我国头部科技公司如同花顺、恒生电子等公司的行业大模型训练带来启发。BloombergGPT为未来可能应用的场景包括：1）新闻情感倾向分析及内容生成；2）金融领域知识问答及股票代码匹配；3）财务报表分析及会计审计辅助。 风险提示：金融大模型研发不及预期；行业应用落地不及预期；软硬件资源使用受限。...

7月4日，伦敦证券交易所集团2023年市场展望夏季论坛开展圆桌论坛：金融GPT：构建、赋能和规范 在近期举行的伦敦证券交易所集团2023市场展望夏季论坛上，微软（中国）有限公司金融行业总经理沈菲女士，浦发银行信息科技部创新实验室副处长李旭佳女士，伦敦证券交易所集团数据与分析业务全球大客户解决方案技术总监诸赞松先生，伦敦证券交易所集团数据与分析业务中国产品战略总监汤爽廷先生，共同就金融行业人工智能的开发与推广、数据质量与修正，以及推理能力与应用场景等话题展开了一场精彩讨论。以下为各位嘉宾的精彩发言回顾。 微软（中国）有限公司金融行业总经理沈菲女士发言 沈菲女士认为，在未来，大模型的安全防控是至关重要的。微软一直致力于全球的AI安全防控工作。他们在大模型规范和全球监管方面做了许多有益的工作。她表示： 微软承诺客户的所有数据不会被用于AI训练和改进模型。这是一个重要的原则。 客户的所有数据将被存放客户自己的订阅内，只有客户能够访问和控制这些数据。微软保证没有第三方，包括OpenAI，能够提取这些数据。 微软在网络安全方面拥有强大的产品功能和实践经验。例如，在客户数据方面，微软会进行加密保护。微软还支持企业使用自己的密钥，并设立基于角色的权限访问和管理控制。 在服务可用性方面，Azure OpenAI作为微软Azure的PaaS服务，承诺SLA，即服务等级。确保Azure上的大模型可以被企业放心的用于企业级场景。 防止AI服务被滥用以及生成有害内容是非常重要的。为此，微软构建了一个内容管理系统，与模型一起发布，并使用特定的算法来检测和监控可能的有害内容生成，以确保模型符合人类主流的价值观。 浦发银行信息科技部创新实验室副处长李旭佳女士发言 李旭佳女士从场景端的角度，对浦发银行近几年通过人工智能在管理机制和场景建设方面的探索和创新进行了分享。她分享到，浦发银行在2018年开始设立的创新研究中心，是国内首家做3D数字人的银行，目前已经有28个数字员工的解决方案，其中数字化劳动力综合创新应用平台，可以用来评估和管理新技术对于岗位作业的替代或赋能能力，每年可以节省数千人年的成本。 李旭佳女士还提到，在使用人工智能新技术的过程中，关注如何为客户创造价值与为员工创造价值同等重要。浦发银行在使用新技术的过程中，遵循三禁止两鼓励的原则，鼓励建立短中长期场景的铺排，短期内可以落地符合行内制度文化的文本问答，提高沟通效率；同时也关注多模态的领域，例如图文、视频生成在员工内部的建设。 伦敦证券交易所集团数据与分析业务全球大客户解决方案技术总监诸赞松先生 就行业普遍关注的大模型会导致“一本正经胡说八道”的现象，诸赞松先生表示，通用大模型训练的数据大多来自互联网，普遍存在金融行业专业知识不足、数据准确率低、推理能力不够强的问题。运用伦交所集团的高质量金融数据向大模型“投喂”专业金融知识，可以大大提高模型的推理能力，降低推理错误情况的发生。 展望未来人工智能在金融行业的应用前景，沈菲女士表示，大模型可能会改变人类与计算机的交互模式。以前人工的基础工作可能会被机器半自动或完全自动化替代。她提到微软强调开启副驾驶时代，即人们从执行者转变为指挥者，因为他们身边有智能助手。她认为，未来所有的金融应用都将被重新构建，无论是业务系统还是业务本身，都将被重塑。未来可以预见插件平台将形成一个新的生态系统，因此现有的金融机构可能需要开始考虑模型的新生态。无论是金融交易、投资管理还是金融资讯服务，应用都作为平台垂直能力的延伸，通过插件与平台对接。“按需而贷，适时而现”的金融服务可能成为未来。 回应圆桌开头提出的互动问题，李旭佳女士提出人工智能为银行的对客服务衡量提供了一个标尺，希望通过多模态的技术实现更自然的人际沟通和交流，同时希望通过技术和数据的赋能，为金融市场、公司金融、零售银行等业务部门提供高效、质量保障的工具。 诸赞松先生则表示，从技术角度来看，未来通用大模型和领域模型将呈现百花齐放的局面，而垂直领域大模型在未来将是一片蓝海，将大模型的超级智能与行业应用场景结合，通过模型微调等方式打造深耕行业的领域模型，有效解决行业中的业务痛点。 精彩回顾 点击下方视频观看 金融GPT：构建、赋能和规范  圆桌论坛完整回放 关于伦敦证券交易所集团 关于伦敦证券交易所集团 伦敦证券交易所集团 (LSEG) 不仅仅是一家多元化的全球金融市场基础设施和数据提供商，我们更是专注的开放式合作伙伴，致力于提供客户所期望的卓越服务。凭借丰富的经验、深厚的知识和遍布全球金融市场的业务网络，我们帮助世界各地的企业和经济体资助创新、管理风险和创造就业机会。300 多年来，我们正是通过这种方式，为支持金融稳定以及全球社区和经济体的增长作出贡献。 数据和分析 我们对路孚特的收购，意味着我们可以提供客户所期望的金融数据的广度和深度以及一流的分析，从而推动全球市场的创新和增长。我们的高效解决方案——从交易、市场监控到财富解决方案等——帮助我们的客户提升业绩表现。 富时罗素是全球领先的金融指数、基准和分析服务提供商（其采用我们的指数作为基准的资产规模超过 20 万亿美元），并提供广泛的数据服务和研究。 路孚特和富时罗素的结合为 LSEG 提供了在数据、分析、指数和基准方面的领先能力。 资本市场 我们为客户提供进入各资本市场的广泛渠道以及跨多个资产类别的流动性。我们的经营范围广泛，包括国际股票、固定收益、交易型开放式指数基金/交易所交易产品和外汇市场。我们集团拥有多个资本形成和执行场所：伦敦证券交易所、AIM、Turquoise、CurveGlobal、FXall 和 Tradeweb（通过持有多数股权）。 交易后服务 我们支持客户的清算和报告义务，提供风险、资产负债表和财务资源管理解决方案，同时与我们的其他部门合作，将此类支持延伸至整个价值链。 伦敦清算所集团 (LCH) 是全球领先的清算机构，在多种资产类别中拥有强劲的业务影响力，帮助世界各地的金融机构有效地使用其资本，并管理交易对手风险。我们和全球的交易场所协力，共同与卖方清算成员和买方客户密切合作。 UnaVista 是一个受监管的平台，通过报告、参考数据和分析解决方案帮助客户履行其报告合规义务，并降低运营和监管风险，从而进一步完善我们的交易后服务。...

12月6日下午，2024年人工智能前沿技术与金融业应用研讨会在深圳隆重召开。本次会议由深圳市金融稳定发展研究院（以下简称“金稳院”）、金融人才协会联盟AI专委会以及北京智谱华章科技有限公司联合主办，旨在深入探讨人工智能前沿技术的现状，及其在金融行业的最新应用，共同推动金融科技的创新与发展。多家知名金融机构的领导、技术专家及人工智能领域的精英参与了本次研讨会。 金稳院院长张旗发表开幕讲话，介绍了金稳院通过AI赋能金融行业与实体经济的努力与成果，并肯定了人工智能技术在金融领域的重要性以及本次研讨会的意义。金融人才协会联盟副秘书长、AI专委会主任郑淑方发表致辞，介绍了AI专委会成立的初衷与愿景，并强调AI专委会将致力于推动金融科技的创新与发展，为金融行业的转型升级贡献智慧和力量。随后，与会嘉宾共同见证了金融人才协会联盟AI专委会的揭牌仪式。 1 主题演讲亮点纷呈 邮储银行软件研发中心副总经理胡美鑫分享《邮储银行大模型场景应用实践》，展示如何利用AI技术提升金融服务效能。 招商银行多模态高级技术专家钱学成带来《招商银行人工智能实践与思考》，展示了招行大模型应用的场景及多模态大模型的探索。 兴业银行金融科技研究院AI团队负责人何平介绍《大模型在兴业银行的探索实践》，展望大模型技术在金融行业的未来前景。 2 颁奖典礼表彰卓越 会议颁发《2024人工智能年度金融科技领航企业》奖项，工商银行、邮储银行、招商银行、平安银行及兴业银行获此殊荣，表彰其在AI与金融业务融合方面的杰出贡献。 3 智谱AI前沿分享 智谱AI代表何鑫懋老师分享“Agent前沿趋势与技术进展”，介绍智谱AI在AI领域的最新研究成果与产品开发。 4 闭幕寄语展望未来  本次研讨会不仅促进了AI与金融领域的深度交流，也为金融科技的未来发展提供了全新的视角。多位与会嘉宾表示，将以此次研讨会为桥梁，深化合作，共同推动金融科技的创新与发展，构建智能、高效、安全的金融生态。

金融界12月11日消息，有投资者在互动平台向宇信科技提问：请问公司AI应用方面的主要布局有哪些，进展如何？ 公司回答表示：公司非常重视大模型在金融行业的应用和发展空间，并投入团队和各类资源布局拓展。 公司推出了金融行业大模型应用产品和解决方案，信贷、知识库、营销和数据等4个应用级产品和AI开发平台，AI开发平台提升整体开发效率。 同时，公司积极与合作伙伴协调拓展在金融行业的方案和产品落地某国有大型银行分行，帮助该分行开展智能化营销业务，提升银行营收规模和服务水平，增强该分行客户黏性和满意度，自今年7月成功测试上线后，用AI科技突破人工产能，帮助银行核心KPI数据提升。在该分行上线一个月后，帮助该分行核心KPI跃升到全国前列。这一产品效果，为我们复制到该行其他分行，以及其他大型国有银行及股份制银行提供了极大的示范效应。 后续，公司将持续迭代AI应用，贴近金融业务，希望在国内外客户里不断拓展。 本文源自金融界

话说，昨天“百度世界大会”开完了，估计大家对百度的大模型有了更深的了解吧？毕竟，厂长昨天说，百度的文心大模型4和GPT4比也毫不逊色了。另外，八姐的感觉是，“AI原生应用”成为了百度当下的最大的战略重点，毕竟能形成生态、并能够落地，才是大模型能否真的成功的关键。 而在所有百度大模型落地的领域之中，八姐觉得，有一个领域是值得额外关注的，那就是金融领域，毕竟，这个领域够大够有钱，安全要求又极高，要是真的能在这个领域做成了，那不仅有助于商业化，更能说明百度牌的大模型靠谱啊。所以，从这个意义上来讲，度小满作为百度大模型在金融科技领域的落地运营者，还真是先行者担当。  邬贺铨院士在“金融大模型前沿发展论坛”演讲 值得注意的是，在度小满昨天主办的百度世界“金融大模型前沿发展论坛”，中国工程院院士、原互联网协会理事长邬贺铨、度小满CEO朱光，浦发银行、平安银行、泰康保险、麦肯锡等十余位高管、数百位金融从业者都来了。简单点来说，度小满在告诉大家，大模型的落地是度小满最重要的工作，而其也希望金融领域的参与者一起来加速金融大模型的落地。 比如，朱光就在现场表示：“未来五年，生成式AI在金融领域的应用，将成为度小满最重要的战略方向。度小满将不断加大金融垂类大模型及应用的布局和投入，和业界一起把握机遇，推动新一轮金融科技发展浪潮。” （度小满CEO朱光） 嗯，看起来，度小满对于金融大模型和应用那是相当的上心啊。当然啦，这个领域的大模型门槛是相当高的，还真是不那么容易做的。 比如，邬贺铨就指出，金融大模型的发展仍面临着三方面挑战： 首先是金融行业对数据安全性、隐私合规性都有着严格的要求。尤其是在风控方面，对时效性与精准性要求严格，而一般的基础大模型透明性、可信性、专业性不足，很难直接迁移为金融大模型。 其次，是金融大数据在成本与质量上的平衡问题。由于金融行业内的数据难以共享，因此金融大模型的数据规模远远不及通用语料，导致金融大模型难以产生“智能涌现”的效果。 第三，则是本地私有部署需要自建算力设施，对软硬件产品有严格的信创要求，而且参数规模大则算力成本高。 困难的确不少。那么，金融大模型应该怎样落地呢？邬贺铨建议认为，一是从可控入手开发应用，例如智能客服、智能运营、写文章、写邮件等安全的领域出发。二是从人机混合智能切入，例如在初期阶段先让金融大模型与传统模型共存，经应用考验后再将金融大模型逐步替代传统模型。同时还可以通过变换场景，丰富大模型的场景迁移学习能力，或加入反事实的数据来测试，改进AI的学习本质，提高模型的泛化能力。也可以在金融大模型训练或微调时通过有监督学习思维链的模式，通过专家介入诱导它一步一步地进行思维推理。 而作为较早就开始摸索金融大模型落地的度小满，实际上，在此之前就搞了不少的事情，以切入这一困难重重的领域。 比如一方面，度小满携手哈工大共建人工智能联合研究中心，围绕大模型基座研发、大模型技术原理及其应用技术等领域开展前沿研究，提升大模型的技术创新能力和实际应用效果； 另一方面，今年5月份，度小满开源了国内首个金融行业大模型，已经有上百家金融机构申请试用。9月份，C-Eval、CMMLU公布了大语言模型评测基准的成绩，度小满金融大模型在两大权威榜单上的所有开源模型中排名第一，也是国内首个同时在两大权威榜单排名第一的金融大模型。目前，度小满正在与百度云共建基于文心一言的金融行业解决方案。 而度小满也希望将更多的金融机构裹挟进来，以让大模型和应用更聪明。度小满首席技术官许冬亮就呼吁称，“大模型正在为金融机构带来技术‘弯道超车’的窗口期，金融行业也将迎来大模型产业级应用落地的战略机遇期，但仅靠任何一家金融机构或科技公司都难以实现大模型的产业级应用，大模型的价值创造需要全行业共同参与”。 另外，值得关注的是，目前，度小满已经开始在很多应用场景中使用了生成式AI。比如，度小满首席风险官孙云丰就在现场分享了生成式AI应用于个人信贷全流程的产品“小满灵犀风控决策引擎”，这个引擎能充分发挥大模型技术“理解”“生成”“逻辑”““记忆四大基础能力，通过自然语言的方式和客户深度互动，紧跟小微客户需求与风险变化，洞察需求，提供精准的授信。 总而言之，看起来，度小满在大模型的金融领域落地上还是搞了不少事情的。那么，在门槛极高的金融领域，作为百度大模型的排头兵，度小满能否抓住机会将金融大模型真正地沉下去并做出智能涌现的应用，咱们就走着瞧吧。

南财理财通研究员 高昌婕 广州报道 5月24日，在第二十届中国（深圳）国际文化产业博览交易会上，南方财经全媒体集团举办了重大文化产业成果发布会暨战略合作签约仪式，南财资管科技事业部总经理许佳琳在会上重磅发布了金融智能化领域的最新成果——南财理财GPT-Beta。 许佳琳介绍，南财理财GPT是一款面向银行理财领域的AI金融智能模型，依托南财理财通自主构建的超4亿银行理财数据库，并结合最先进的大模型训练打造而成。用户通过与智能助手进行实时对话，能够迅速获取全面的理财投资信息、精准的市场行情分析以及权威的理财产品排行等高价值资讯。 对比之前的1.0版本，南财理财GPT-Beta做了哪些优化与升级来实现多维度的数据分析，让用户更准确地捕捉市场变化？ 记者了解到，在技术方面，南财理财GPT-Beta在这两方面进行了升级：一是RAG检索增强。GPT-Beta引入了结合关键词和语义的混合检索方法。这种方法既能保证搜索效率，又能提高搜索的准确性和全面性。二是Agent能力增强。GPT-Beta全面升级了Agent能力，模型已具备智能工具选择和自适应知识库功能，模型代理能力得到了显著提升。 发布会上，许佳琳重点介绍了南财理财GPT-Beta的五大功能： 一是提供智能实时对话交流。南财理财GPT致力于智能交互体验，全天候对话交流服务。不论是深入浅出的理财产品解析，还是复杂多变的市场动态剖析，均能凭借其前沿的自然语言处理技术，精准捕捉并领会用户每一个疑问与需求，理解用户提出的问题和需求，给出智能、准确的回答。 二是提供理财投资参考信息。南财理财GPT擅长从海量的金融数据海洋与瞬息万变的市场资讯中抽丝剥茧。它能够敏锐地评估潜在的投资风险，依据每位用户的风险承受能力与投资偏好，个性化地提供精准的理财投资策略建议。 三是实时分析市场行情。南财理财GPT实时洞悉市场脉搏，凭借实时数据接入与深度多维分析能力，全方位捕捉市场态势。其核心优势在于市场风险的前瞻性洞察，利用先进大数据挖掘技术与尖端智能算法，敏锐洞察市场风险。 四是提供理财排行榜单。通过南财理财通超4亿银行理财数据库的接入，南财理财GPT可以提供实时理财排行榜单，这一功能通过综合多维度的深度分析与严格评价，对理财产品进行精细化分类与排名，确保用户能够一目了然地识别各类产品的核心竞争力与潜在不足。 五是实时提供政策资讯。南财理财GPT凭借其高度的政策敏感性和广泛的数据采集网络，实时追踪并汇聚最新的财经政策动向与行业资讯。利用其内置的高效实时分析引擎，对获取的政策信息进行深度剖析与速递解读，确保用户能够掌握政策精髓与解读。 许佳琳对记者表示，南财理财通团队的愿景是将南财理财GPT塑造成为一位银行理财领域权威专家与投资顾问。从理财行业的角度来看，南财理财GPT能够促进行业健康转型发展；从用户投资策略层面，对于ToB理财管理人和C端投资者来说，南财理财GPT都是用户在投资决策方面的有力助手，将为理财行业带来积极的影响。 更多内容请下载21财经APP

每经记者：袁园 每经编辑：马子卿 日前，以ChatGPT为代表的AI（人工智能）发展成为金融科技发展的新热点。AI究竟会给金融行业带来什么样的影响？金融行业要如何面对这一变化呢？ “人工智能会以两种方式来影响金融行业，一是直接影响，即改变从业机构做业务的方式，会有越来越多的商户和机构来依靠智慧金融做业务；二是间接影响，即AI的加入对金融业的生态体系带来改变，从而影响到金融业的运作以及从业者就业等。”6月21日，加州理工学院电气工程和计算机科学教授、人工智能学专家Yaser S. Abu-Mostafa在亚洲银行家举办的第23届中国未来峰会上表示，当前很多机构已经开始在AI方面进行实践和尝试了，以适应AI出现后对人们金融生活习惯的改变。 当人口增长放缓的时候，要驾驭AI使其成为更好的生产力 Abu-Mostafa认为，AI在金融上的影响主要是两个方面的。一是直接影响，它会影响机构和消费者在金融方面的做事方式。以交易或者贸易为例，在吞吐量上和信息提供方面，AI的出现，赋予从业者更多的交易机会和决策分析的能力，从而影响交易结果和最终决策的走向。 二是间接影响，主要表现在就业层面上。此前，工业革命带来的改变主要是影响蓝领的工作，即原来手工完成的工作被其所替代。但是AI则会影响到很多白领的工作机会和岗位，让脑力劳动得到解放。“工业革命的进程很漫长，但是AI的革命却是非常迅速的，可能会在20年甚至更短的时间内就发生很大、很成熟的变化。”Abu-Mostafa注意到，在过去的一年中，因为学会GPT-4的使用，一些工作岗位被替代，很多公司也在加大在AI方面的探索。 “面对这样的情况，我们金融机构需要快速地去调整金融服务，去适应当下或者未来的生态体系或环境。”Abu-Mostafa表示，当前社会对于AI的关注主要集中在两方面：AI应用和AI创新。他表示，AI应用的规模比AI创新大很多，中国在AI这方面做得非常好。比如，安全领域，中国很好地利用了现有的AI资源。 当然，AI在带来改变的同时，也带来了新的生产力。“当人口增长放缓、人口基数在减少的时候，劳动力供给不足会成为经济增长的不利因素，但如果我们能驾驭并更好地使用AI，那么其将会成为更好的生产力。”国际货币基金组织驻华首席代表Steven Barnett表示。此外，Abu-Mostafa认为，中国的金融机构在积极使用和拥抱新技术，对于新的生产力也必然会有更好的应对策略。 AI会提高银行的供给能力，改变机构的服务模式 《每日经济新闻》记者注意到，随着数据量不断增长和计算能力的提升，人工智能技术已经被广泛应用到银行、保险、证券等金融机构中，为金融行业的数字化、智能化提供了有力支持。 据悉，工商银行在2017年建立了人工智能实验室，随后又搭建了人工智能平台，当前这一平台已经实现了在几十个场景中的应用；腾讯结合对抗黑灰产沉淀的数据和模型，开发了金融风控大模型，提高了金融风控的准确率和效率。 “现在的AI，尤其是与大模型相关的AI技术确实比之前的效率和能力提升了很多，以智能投研为例，它就是利用大模型将互联网上各种各样的数据融合起来，最终把更深入的建议推送给研究员，让研究员的决策和工作变得更简单更有效率。”复旦大学可视分析与智能决策实验室的负责人陈思明表示，AI可以从各个方面和各个领域来赋能金融业。 展望未来，陈思明认为，AI的未来在金融领域就像一个人一样，会变得可解释、可控制，最终可以真正地帮助金融领域去进步，这将会是未来人和AI的合作方式。 “AI接下来对于金融的影响肯定是快速且立体的。”中国工商银行软件开发中心金融科技高级专家刘承岩认为，就数据层面而言，数据孤岛会越来越少，以后的数据都会通过各种AI工具或政策串联起来，同时AI也能够消除一些信息的不对称的问题，提高识别金融风险的效率。 腾讯安全金融风控总经理陈波则认为，AI会提高银行的供给能力、改变其服务模式。“整个大模型技术的出现会让金融业的预测的成本大幅地降低，大幅提升银行供给端的能力，从而让每个人都享受到高质量的金融服务。”陈波表示，当前消费者还是通过手机和界面触及的模式使用金融服务，未来消费者会直接通过自然语言直接和机器对话的方式使用金融服务。 每日经济新闻

每经记者：张宏 李玉雯 每经编辑：马子卿 “AI取代银行业工作岗位的数量可能超过其他任何行业。”花旗集团近期的一份报告显示，美国银行业约54%的岗位可能实现自动化，还将有12%的岗位通过AI得到增强。 当下银行业的种种迹象已然对此观点有所映射，特别是这两年正逢生成式AI大模型的风口，“AI+金融”发展迅速。从应用场景来看，银行机构在客户服务与智能问答、信贷审批与风险管理、智能运营与流程自动化等多个领域都开展了AI应用探索且日趋成熟。 这背后的动力在于，在当前息差持续承压、营收增速放缓的环境下，以银行业为代表的金融机构正在进行一场“刀刃向内”的自我革新，而AI在金融领域的创新应用则推动金融服务向着更加智能化和个性化发展，促使金融机构更有效地管理风险、提高运营效率、优化客户体验。 有观点认为，以生成式AI等为代表的新兴技术作为驱动力，将为金融领域带来一场前所未有的变革，而与此同时，行业仍面临着隐私保护、成本投入、决策可信度等多方面的挑战，如何破局成为各家金融机构面临的共同问题。 当前，在金融数字化转型的版图上，一场新的科技竞赛已悄然展开。 2024年7月5日，上海，世界人工智能大会（WAIC 2024）在世博展览馆举行。图为观众在“蚂蚁集团”展台上的金融管家前驻足观看。视觉中国图 人工智能正被银行业广泛应用 “就银行业而言，各家商业银行都在拥抱AI技术，希望利用技术创新来支撑业务创新发展，提升服务水平，在差异化竞争中脱颖而出。”南京银行相关负责人对记者表示，如智能问答、OCR辅助录入、反欺诈、智能投顾等。此外，在小微企业、中大型企业、集团以及金融市场客户中，各类AI应用场景也逐渐丰富起来，并且银行内部各项管理环节中，也逐步出现了增效、提质的AI场景。 行行AI董事长、工信部工业文化发展中心AI应用工作组执行组长、顺福资本管理合伙人李明顺表示，人工智能在金融行业的应用历史相当悠久，并非因为大语言模型（LLM）的出现，才开启人工智能在金融领域的应用，要将传统的AI技术与大语言模型加以区分。 李明顺介绍：“据我了解，至少从20世纪90年代开始，美国的一些金融企业就已经开始应用人工智能技术。在十几年前，我国金融行业也有一些企业开始采用人工智能技术。可以说，金融行业是人工智能应用较早的领域之一。” 一名在国有行从事风险管理相关工作的员工告诉记者，在贵金属、外汇等代客交易中，操作重复且结构化，往往只在方向和金额上有差异，故可使用量化交易算法（AI）代替交易员执行市场策略。而在资金业务中，虚拟交易员可利用生成式AI，在资金拆借等场外交易中，通过聊天方式完成交流、报价甚至成交。 此外，银行还通过在“易贷类”产品中应用AI技术简化贷款审批流程。利用AI分析客户信息，形成“白名单”，名单内客户将在输入请求后快速获得信用额度。上述国有行员工表示，传统审批流程繁琐，需信贷员与客户沟通、签署材料、提交分行或总行审批，耗时可能数周至数月。“易贷类”产品使审批模型化、实时化，客户可迅速获得反馈。 在结算业务中，AI还用于反欺诈和反洗钱，预判交易风险。上述国有行员工指出，以前身份证到期后需要去网点更新信息，现在不用去网点，拍照人脸识别即可，这也得益于AI的应用。 李明顺也表示，生成式AI正被用于提供轻度引导服务，包括为高净值客户提供投资理财咨询。结合数字人技术，指导客户办理手续，提供专业投资建议，同时降低隐私信息泄露风险。传统人工服务中，客户经理可能记住敏感信息，存在信息泄露风险。人工智能则能有效保护客户隐私，避免数据泄露。 人工智能还可被应用于催收。李明顺表示，过去，催收工作通常由人工执行。然而，人工催收存在情绪波动问题，可能导致不当沟通和极端行为。生成式AI辅助催收可通过预设表述避免过激语言，能够始终保持礼貌、专业，且不用休息。 硅谷风投机构“玩转”人工智能 谈及未来可探索的领域，李明顺表示，人工智能辅助面试在大规模招聘中极具潜力。人工智能可准确记录候选人的情绪、性格及专业程度，帮助面试官客观评分，减少私人关系影响。 一位在海外咨询行业工作的数据分析师告诉记者，他所在的公司正在训练自身的大模型。公司在这个行业已有20年历史，想把历史数据做成数据库，输入到大模型中，做一个聊天机器人。训练过程需要大量数据微调，要将机器人变成能回答某一领域问题的专家，就需要这个领域的专家出马，给出问题的答案。组内的数据工程师再将答案拿走用作微调，逐步将大模型调整到可以给出合理答案的状态。 此外，硅谷风险投资机构已广泛采用人工智能参与项目筛选、尽职调查，并撰写投资备忘录。AI通过算法和数据分析，可提高风投与初创公司匹配效率，实现自动化筛选和交易搜索。它辅助商业数据分析，可使投资人快速决策。投资人还可利用专有数据源训练人工智能平台，构建内部知识库，增强投资决策深度和广度。 在投资机会发现阶段，AI通过分析招聘平台动态、应用程序下载量和消费品交易规模，帮助投资者识别潜在项目。在尽职调查环节，生成式AI可自动生成公司业务介绍，进行前瞻性分析，直接通过邮件发送给投资者，包括投资选项比较和评估。在撰写投资建议书环节，生成式AI可以完全自动化地完成相关工作，提供专业且精准的投资建议。 此外，AI在时间管理和规划方面也能为投资团队提供有力支持。团队成员可以在系统上查看同事对特定项目的评价和反馈。系统具备定期提醒功能，确保投资团队能够及时回访目标公司，并更新业务进展。 多位受访人士指出，AI介入金融领域带来的优势是多方面的，其中最为显著的是效率和成本的优化。与传统的业务操作流程相比，AI技术能够自动化、智能化地处理大量数据，实现快速、准确地决策，从而显著节省时间和人力成本。 同盾科技创新研发负责人Tinus对记者表示，AI的介入能够提升金融风控、金融营销等应用的精准度，提高金融机构的效率、降低运营成本，并增强金融服务的普及性。 他举例说道，传统金融业务流程主要依赖专家决策系统，系统建设以指标和专家规则为基础，指标加工以数据批处理等离线方式为主，数据时效性较低；专家规则的更新维护以数据分析为基础，需要给付大量领域专家的人工成本，且难以满足日益增长的业务体量需求。 与传统的离线批处理方式相比，AI可以更及时地获取最新的数据和信息，为决策提供更全面的参考。与传统的基于指标和规则的风险评估相比，AI优化的决策系统可以综合利用更多维度的数据和因素，更全面地识别潜在的风险，通过持续的数据分析和模型优化，可以不断提升决策的精准度。 瑞银证券非银金融分析师曹海峰以证券行业为例阐释AI介入带来的优势。 一是大幅减少基础性、重复性的人力工作，提升效率。例如，营销环节中的人工客服、营销内容制作；投顾业务中初步客户信息收集、客户咨询；投研工作中的数据检索、会议纪要、定期报告撰写、路演材料制作；投行业务中的银行流水核查、招股书撰写等；投资中的交易策略代码撰写；中后台的报告生成、办公、代码开发。 二是提效，赋能员工，提升产品竞争力。例如，投研业务中分析师可利用“数字分身”提高传播效果；投资业务中可实现数据的自动挖掘分析、股价预测、优化基金产品的收益风险比；交易业务中可优化交易策略以减少交易成本及人为偏差。 三是优化服务，提升客户体验。例如，在营销环节中可实现千人千面营销；投顾业务中可深度分析客户需求并提供个性化推荐，投顾通过智能检索内部智库为客户提供专业化服务。 一位就职于头部券商的投资顾问告诉《每日经济新闻》记者，他在日常工作中通过人机结合的方式扩大了服务半径。一方面，生成式AI的介入提高了微信回复客户的效率；另一方面，借助生成式AI将专业术语转化为客户易懂的语言或故事，再结合自己的专业知识校正，增强沟通效果，提升转化率。 大模型在直播准备中也能发挥重要作用。由于工作需要，他经常需要直播。大模型可以帮助确定主题、搜索资料、设计PPT，节省时间。主播只需提供核心思想，给出总体趋势或策略，并负责审阅修改。这让他能够专注于核心策略和研究工作。 人工智能尚不适用于金融行业核心部门 曹海峰认为，短期来看，对于生成式AI技术实际落地仍相对谨慎，特别是对客业务，落地案例较少。制度环境方面，随着《生成式人工智能服务管理暂行办法》的出台，以及未来金融监管的或有规定，公司需要考虑如何合理地使用这一技术。 合规风险方面，一方面需要保证内部数据的安全性，另一方面使用GPT技术服务客户，直接推荐股票、基金等受到监管牌照限制。技术方面，大模型在一些问题的回答上仍存在谬误，需要人工介入审核和校对，可能会招致客户投诉。 同时，记者在采访中了解到，目前AI在金融领域的应用还存在以下痛点。 一是大模型可能导致市场变得更加脆弱。前述国有行员工指出，如果金融市场中的参与者广泛采用同一模型进行决策，这可能会导致市场变得更加脆弱。假设所有参与者使用相同的模型，并且输入相同的数据，那么很可能会得出相似的结论。金融市场的交易需要观点不同的买卖双方达成一致才能完成交易。如果大多数参与者都采取相同的观点，比如同时选择卖出，那么市场波动可能会因此而更加剧烈。 二是大模型尚不适用于金融行业核心部门。李明顺总结了金融业在应用大模型时的困境。他表示，可以将大模型在金融行业中的应用理解为人工智能技术的一个分支。大模型在金融行业的主要应用体现在营销端和服务端，例如资料整理、咨询服务等。然而，在一些更为严格和关键的金融领域，如风险控制和资产定价，其应用并不十分直接，因为大模型目前还存在“幻觉”。 李明顺认为，大模型本质上是一种语言模型，它能够理解和处理文本，但并不是一个规则引擎，大模型并不适用于金融行业的核心部门。 前述券商投顾也认为，大模型更适合专业人士使用。因为普通人可能缺乏足够的金融知识和经验来判断生成式AI提供的信息是否准确。如果生成式AI提供的信息是错误的，而用户又无法辨别，这可能会导致问题。 三是缺乏个人信用评分领域的标准化机构。李明顺表示，美国金融行业广泛应用AI于证券和资产交易，得益于标准化的用户数据。我国银行业虽收集用户信息，但银行间数据未互联互通，资产量化评级面临标准化不足问题。AI在我国金融业主要用于风险控制和初级营销，标准化不足是其应用的主要限制。 四是隐私保护难题。前述数据分析师表示，其所在公司虽然正在致力于将人工智能培育成领域专家，但对于将聊天机器人开放给客户使用也有顾虑。“假设一个场景，公司先后接了两家公司的合同，这两家公司是竞争关系。他们都不可以通过我们知道对方公司的消息，这就需要一个壁垒。而大模型具有随机性，这很难实现。”该分析师表示，出于这一顾虑，该模型初期仅供内部顾问使用，帮助新员工快速获取关键信息。 此外，为防止隐私泄露，其所在公司的法律部门提出不能在开放的大模型平台上训练。最终，该公司决定将开源模型下载后部署到公司服务器上，在本地完成检验、微调。...

光明网讯（记者 李飞）11月21日，2024年世界互联网大会乌镇峰会金融科技论坛在浙江乌镇举行。平安集团首席科学家肖京在主旨演讲时表示，全面数字化是助力金融业务高质量发展的关键路径，而人工智能（AI）技术是实现数字化的基础。 平安集团首席科学家肖京。光明网记者崔益明 摄 肖京介绍，当前，基于各种技术合起来做的数字人，可以用于品牌宣传和客户服务等场景业务，并且在很多渠道都取得不错的成果。在服务、运营、风控等方面，人工智能等技术也有非常广阔的应用前景。 肖京表示，在发展人工智能应用时还要解决伦理问题，要搭建AI伦理管理体系，保证人工智能应用可持续发展。他建议，金融企业在发展人工智能的同时，要自上而下抽查检视，自下而上自查，保证人工智能、数字化在金融领域的可持续发展。 来源： 光明网

【《金融大模型应用评测指南》发布 系全国首个以金融业务能力为核心的团体标准】财联社12月6日电，在中共上海市委金融委员会办公室、上海市经济和信息化委员会的指导下，上海市人工智能行业协会和上海金融业联合会联合发布全国首个以金融业务能力为核心的团体标准《金融大模型应用评测指南》，上海库帕思科技有限公司发布多维度金融大模型评测数据集（2024版）。《金融大模型应用评测指南》，以金融业务为核心，以金融机构模型应用为导向，从模型基础、金融安全与价值对齐、金融风险控制、金融专业认知、金融业务辅助拓展等5个维度185项指标要求，构建了金融领域大模型的能力测评框架。