AI金融助手

本文源自:金融界 金融界12月10日消息，上证指数高开低走，中证全指金融指数 (全指金融，932075)上涨1.2%，报8761.55点，成交额1207.48亿元。 数据统计显示，中证全指金融指数近一个月下跌2.81%，近三个月上涨29.20%，年至今上涨34.94%。 据了解，中证全指行业优选指数系列从中证全指行业中选取符合一定流动性与市值筛选条件的上市公司作为指数样本，以反映各个行业内较具代表性与可投资性的上市公司证券的整体表现。该指数以2004年12月31日为基日，以1000.0点为基点。 从指数持仓来看，中证全指金融指数十大权重分别为：中国平安（11.78%）、招商银行（9.4%）、东方财富（6.96%）、中信证券（6.05%）、兴业银行（5.35%）、工商银行（4.43%）、交通银行（4.06%）、农业银行（3.17%）、江苏银行（2.67%）、中国太保（2.43%）。 从中证全指金融指数持仓的市场板块来看，上海证券交易所占比86.15%、深圳证券交易所占比13.85%。 从中证全指金融指数持仓样本的行业来看，金融占比100.00%。 资料显示，指数样本每半年调整一次，样本调整实施时间分别为每年6月和12月的第二个星期五的下一交易日。权重因子随样本定期调整而调整，调整时间与指数样本定期调整实施时间相同。在下一个定期调整日前，权重因子一般固定不变。遇临时调整时，当中证全指指数调整样本时，中证全指行业指数样本随之进行相应调整。在样本公司有特殊事件发生，导致其行业归属发生变更时，将对中证全指行业指数样本进行相应调整。当样本退市时，将其从指数样本中剔除。样本公司发生收购、合并、分拆等情形的处理，参照计算与维护细则处理。

本文源自:观点网 观点网讯：12月10日，上海证券交易所信息披露显示，金融街金嘉大厦资产支持专项计划状态更新为“已受理”。 据观点新媒体了解，该债券的发行方是北京金融街投资（集团）有限公司，计划发行的总额达到人民币50.21亿元。 此次发行的债券类型为资产支持证券(ABS)，由平安证券担任承销商。 目前，该项目已经获得了上交所反馈，受理日期为2024年12月10日。

白小交 发自 凹非寺 量子位 | 公众号 QbitAI 全国首个零售金融领域大模型天镜，揭晓了过去460多天的成绩单。 目前已实现智能营销交互、数据决策支持、防伪安全等八大应用场景。1.0版本人机交互模型完成100亿交易额，全面服务超2亿用户。 背后的玩家，来自重庆企业马上消费，一家以技术驱动的数字金融机构。 此前推出了包括“天镜”在内的多款 AI 产品。截至今年 10 月，马上消费累计申请发明专利超 2100 件，位居全国金融机构 Top10，位列全球第 7，主导或参编包括 IEEE 在内的国内外标准超百项。 在2024数字产业生态伙伴大会上，马上消费常务副总经理蒋宁推出全面迭代升级的天镜大模型2.0版本—— 在模型技术创新、标准制定、科研转化成果、具体应用等核心领域都有所升级。 金融大模型天镜2.0：更注重情感 此次天镜2.0，可以说从模型训练、场景泛化再到应用落地都有了全方位的升级。 不同于基础模型聚焦在模型参数、性能以及产品功能的实现，本次金融大模型天镜2.0更多的关键词是在于泛化、成本以及合规安全。 首先是模型本身的升级，主要体现在泛化能力的增强，短周期内实现能力迭代、知识更新，并且释放更多行业应用当中。 去年1.0版本还只是聚焦于「人机交互」这一局部场景，如今已经可以适应各式各样的场景。 马上消费常务副总经理蒋宁形象地举了个例子，就像一个人学了英语之后，只需要给他法语单词，他就会讲法语，学英语的过程中会把单词和语言逻辑进行分离，再学另外一个语言的时候，只是需要注入一些数据，就能在新的场景中起到作用。 这种逻辑与场景分离的学习和训练方式，应用到对话领域，可以快速适应到了电商、医疗以及其他各种跨行业场景当中去。 关闭 观看更多 更多 退出全屏 视频加载失败，请刷新页面再试 刷新 视频详情 这一点，在数据层面是上有很直观的展现。 去年他们用了大概100P数据训练，如今数据只有过去的千分之一，就完成了快速闭环学习，在较短时间里就可以完成大模型能力的提升、知识的更新。 其次就是场景上面的扩展和延伸——从单个场景应用变成零售金融三个全场景、全价值链的探索赋能。 在金融安全、大数据决策、人机交互、消费者权益保护、逻辑推理泛化等多个关键领域，天镜 2.0 都有着显著的表现。 以金融安全为例，生成式AI的繁荣发展，给这个行业带来不少的挑战，假单据、假人脸、假数据等欺诈手段变得愈加复杂。 对此他们专门研发了对抗学习技术，融合把声音、文字、视频、运动信息等各种多模态信息，以MOE架构、联邦学习等技术构建全新的防伪大模型，实现了全方位、多层次的金融安全防护。 嗯，就是说哪怕是视频对话，也不怕爸爸妈妈被骗了。...

为深入贯彻落实党的二十大、二十届三中全会精神和中央金融工作会议部署，积极响应国家关于保障金融业高质量发展、提升金融标准化水平的号召，在2024年9月“金融教育宣传月”期间，北京银联金卡科技有限公司（银行卡检测中心BCTC，国家金融科技测评中心，以下简称银联金卡）举办了“加强质量支撑 共建质量强国”标准解读系列专题活动。通过这些专题活动，不仅深入剖析了标准的核心内容，还采用一图读懂、线上公益讲座等多种传播方式，推动金融知识能够精准触达基层群众，提升公众的金融素养与风险防范能力，为助力金融业健康安全发展奠定了坚实基础。 本文将带您回顾《大模型金融应用评价规范》重点内容，一同重温精彩课程。 一、大模型技术：金融创新的双刃剑 人工智能大模型，尤其是大规模语言模型，在金融领域展现出了巨大的潜力。从客户服务到风险管理，从交易监控到市场分析，大模型的应用场景不断拓展。然而，随着应用的深入，安全事件频发，包括隐私数据泄露、网络安全威胁、社会安全问题以及知识产权争议等，这些问题对大模型的安全性和合规性提出了严峻挑战。 大模型在金融领域的应用，不仅需要处理大量的敏感数据，还需要确保其输出的准确性和合规性。技术缺陷、应用过程中的安全风险以及金融专业性不足，都是大模型在金融领域应用时需要面对的问题。由此，大模型的安全合规挑战，成为了金融行业亟需解决的问题。 随着人工智能技术的快速发展，全球范围内对大模型的监管已成为共识。各国纷纷出台相关政策和标准，以确保大模型技术的健康发展。在中国，信息化标准建设行动计划（2024-2027年）已经启动，大模型金融领域的行业标准也正处于立项准备阶段。同时，北京银联金卡科技有限公司（银行卡检测中心BCTC，国家金融科技测评中心，以下简称银联金卡）作为牵头单位，联合了大型国有商业银行、股份制银行、高校科研院所、头部科技公司等20余家单位，共同组建了专项小组，开展了全方位、多层次的市场调研，积极参与大模型金融应用标准的制定工作，形成了《大模型金融应用评价规范》（以下简称《评价规范》）。 《评价规范》的制定，旨在通过明确大模型在金融领域的应用要求与评价标准，为金融机构提供更加准确、全面的选型指导。同时，助于提升大模型金融应用的安全性、可靠性以及服务质量，为金融行业的数字化转型提供有力支撑。 二、标准出台：构筑大模型金融应用的“安全网” 《评价规范》主要通过通用知识与能力、金融知识与能力、安全要求以及性能四个维度，对大模型展开多方位评价。测评框架包括总则、知识与能力、安全要求以及性能等多个方面，旨在全面评估大模型在金融领域的应用能力与服务质量。其中，通用知识与能力决定了大模型与用户交互时的准确性、流畅性和适应性；金融知识与能力是能否胜任金融领域应用的关键；安全要求是决定大模型是否可用的基础；性能评价则对模型的效率与功耗提出了要求。 在知识与能力评价方面，《评价规范》要求大模型具备广泛的知识储备和语言理解能力，以准确理解用户的意图并给出恰当、有针对性的回复。同时，大模型还需掌握金融专业知识，了解金融术语和概念，并能够运用金融知识进行分析和预测，这些要求有助于确保大模型在金融场景中的专业性和可信度。 安全要求是大模型金融应用评价的重要一环。《评价规范》要求大模型在语料数据生成与管理、生成内容安全性、稳健性和伦理性等方面严格遵循相关规定。这包括确保语料数据的合法合规性、保护用户隐私和数据安全、防范恶意攻击和滥用等。此外，《评价规范》还要求对大模型进行持续的安全监测和风险评估，及时发现并处置潜在的安全隐患。 在性能评价方面，《评价规范》关注大模型的可扩展性、效率与能耗等指标。这些指标有助于衡量大模型在处理复杂任务时的性能和效率，以及其对计算资源的消耗情况。通过性能评价，金融机构可以选择适合自己需求和硬件条件的模型，从而提高服务质量和运营效率。 三、测评服务：推动大模型金融应用的健康发展 为了推动《评价规范》的有效实施，银联金卡建立了针对大模型金融应用的专业评估能力。通过构建高质量的测评数据集和自主研发“离朱”大模型自动化测评平台，银联金卡能够全面评定大模型在金融领域的适用性和效能水平。同时，银联金卡还联合多家机构共同探索金融行业大模型测评规范的建立，通过多元协同，全面提升标准的可靠性。 《评价规范》的测评对象主要包括各类应用于金融领域的大模型产品。通过测评，可以全面了解大模型在金融场景中的表现情况、应用能力与服务质量，为金融机构提供科学、客观的大模型选型依据。此外，测评结果还可以作为金融机构优化大模型应用、提升服务质量和运营效率的重要参考。 在测评方式与流程方面，《评价规范》采用了全面评估的方法，评价维度全面覆盖、评估要点合理设置、应用需求精准适配。测评过程包括测评样本的自动生成、测评结果的自动评估、测评记录的自动留存以及测评模型的自动管理等环节。通过这一系列流程，可以确保测评结果的客观性和准确性。 随着《评价规范》的出台和实施，大模型在金融领域的应用将更加规范、有序。金融机构在选型和应用大模型时将有更加明确的标准和依据，从而降低选型风险和应用成本。同时，《评价规范》的出台也将推动大模型技术的持续创新和优化升级，为金融行业的数字化转型和高质量发展提供有力支撑。未来，随着金融科技的不断发展和创新，银联金卡将持续关注新技术、新应用的发展动态，不断完善和优化自身的评估体系和能力建设，同时，积极探索新的测评方法与技术手段，共同推动大模型金融应用的标准化、规范化发展。 扫描下方二维码，立即观看课程 点击【阅读原文】，即可观看精彩课程内容！

为帮助产业各方加深对产业政策的了解，凝聚产业共识，助力支付产业高质量发展，中国银联支付学院自六月起推出“支付云课堂”系列直播培训，邀请各方专家学者，共同探究行业趋势、数字金融、科技金融、行业实践案例等话题，欢迎积极参与。 培训时间 11月13日 14:00-16:15 主讲人 王凯靖 商汤科技金融大模型解决方案总监 培训主题 大模型金融时代下的数智化转型 培训内容 金融行业深入推进数智化建设时，如何积极、稳妥运用大模型实现精准触达、优化客户体验、提升优化效率、防范业务风险。 欢迎大家准时在【学支付】平台参与 学习方式 – 学支付H5端 – 扫描下方二维码 即可进入培训班 （亦可关注“中国银联培训”公众号 在下方菜单栏点击进入学习） – 学支付PC端 – （推荐google浏览器） 登录网址 http://xuezhifu.zhi-niao.com 进入首页-热门直播 即可观看 联系人 有任何疑问，欢迎咨询 支付学院臧老师 20632638

机器之心原创 作者：蛋酱 自 2022 年以来，生成式 AI 技术取得了众多突破，模型的通用性以及对下游任务的理解能力得到大幅增强，以 ChatGPT 为代表的大模型产品俨然成为当前 AI 技术落地的热门方法论。这些全新的技术展现出了广阔的应用空间：以金融领域为例，客户对于金融服务的需求正变得越来越多样化、个性化，传统的人工生产领域内容难以满足当前该行业数字化、智能化的发展趋势，而生成式 AI 带来的生产力提升，有望引发商业模式和产品创新的数字化革命，提高客户服务效率、改善客户体验。比如，当客户想要了解一支基金的信息时，那么这一推荐任务可以拆解为从近期的基金交易数据中获得行情判断、从不同行业赛道的新闻报道中摘取利好信息等，凡是涉及到分析海量多模态数据的部分，都属于大语言模型的强项。但一些挑战仍然存在：提供金融业务服务不仅要面对领域结构化的产品信息，还要面对非结构化的金融领域知识和观点库。同时，金融领域内容生产极其注重专业的知识和金融逻辑，对生成内容错误的容忍度很低。此外，生成式 AI 的内容安全问题仍然需要重视，需要大模型做到可信可控，符合监管要求、不出现知识幻觉等事实性错误。这都是当前的通用大模型在金融领域落地要面对的问题。从理论的进步到可商用的产品，看似不远，却仍然有很多待跨越的阻碍。如何打造以合规、专业、严谨的标准对外输出的金融领域大模型？我们有哪些样本可以参考或借鉴？面对这些现实场景中常见的问题，近期的一场技术挑战赛给出了解决方案。一场关于金融智能的巅峰挑战今年 6 月，在中国计算机学会的指导下，蚂蚁集团旗下蚂蚁财富、蚂蚁保、网商银行联合浙江大学、上海交通大学、西安交通大学、中央财经大学、蚂蚁技术研究院、天池平台，以及众多国内顶尖高校联合举办了首届「AFAC2023 金融智能挑战赛」。数年来，蚂蚁集团打造出了余额宝、花呗、小微金融一系列国民级产品，并在 AI 技术领域持续投入，布局了包括知识图谱、运筹优化、图学习、可信 AI、大模型等技术方向，支撑了蚂蚁普惠金融的全面智能化升级。对于这场挑战赛，蚂蚁集团从多年的业务场景经验和当前的技术变革趋势出发，抽取了三个核心方向：「金融数据验真」、「金融数据理解」、「金融场景理解」，共设置六大赛题。自开赛以来，AFAC2023 金融智能挑战赛共吸引了 4000 支队伍参赛，包括来自清华大学、北京大学、上海交通大学、浙江大学、华中科技大学、复旦大学、中国人民大学、西安交通大学、武汉大学、中山大学、天津大学、中央财经大学、华东师范大学、同济大学、华南理工大学等高校的学生，以及招商银行、浦发银行、浙商银行、中和农信、美团、华为、中国联通、中国移动、汉仪字库等机构的同行从业人员参赛，涌现了众多创新方案。经过一个半月的角逐，六大赛题分别决出 TOP 6 团队，进入最关键的现场评审环节。最终比拼之后，挑战赛「六强」已诞生：来自北京大学、同济大学、华南理工大学等高校及机构的团队分别摘得六个赛道的冠军。 9 月 8 日，六大赛题冠军选手受邀参加 2023 INCLUSION・外滩大会「智能涌现，大模型时代金融科技进化之路」论坛，并在颁奖仪式中上台领奖。颁奖嘉宾：（左一）中国计算机学会秘书长唐卫清教授、（右四）西安交通大学计算机国家实践教学示范中心主任、教育部大学计算机课程教学指导委员会秘书长桂小林教授、（右三）中央财经大学、中国互联网经济研究院院长孙宝文教授、（右一）蚂蚁集团财富事业群 CTO 邓宏、（右二）蚂蚁集团财富保险事业群首席架构师曹刚。与以往的金融科技类赛事相比，本次大赛更加注重 AI 技术在金融业务现实场景的落地，不管任务复杂度还是模型能力测评的严格程度方面都更上一层楼。蚂蚁集团从数字金融的真实业务场景抽象出多项核心任务构成 AFAC2023 的六大赛题，并提供来自真实场景的丰富数据（脱敏后）供参赛者研究学习。蚂蚁集团副总裁、蚂蚁金融大模型负责人、AFAC2023 金融智能挑战赛大赛主席王晓航表示：「从一开始，这场赛事就选择了直面产业的真命题，希望借助赛事这一平台让产学界的优秀人才汇集起来，近距离地解决金融科技的现存挑战。」以「金融行情观点生成和合规检测」为例，赛题设置了金融场景下融合知识和市场信息的内容生成任务，需要参赛者探索创新的模型和算法，在保证内容的合规性基础上，实现精准专业的自动化话术生成。这道赛题的难点在于同时满足准确性、多样性、合规性三方面的要求，准确性要求推荐的沟通话术同基金指标、事件与观点等输入内容保持一致，多样性要求针对同一输入的不同沟通话术内容尽可能多样，合规性要求满足平台的合规审核要求。此外，出于客户体验的考虑，还需要生成的沟通话术在具备专业风格的同时，让理财新手也能看得懂，不能感受到过多的营销感。在完成这一挑战的过程中，来自同济大学的「WeLearnNLP」冠军团队设计了如下方案：选取 Chatglm2-6B 模型作为基座模型，使用 qlora 的方式对模型进行微调，并通过现有的多个对话类大模型产品构造不同的多样性 prompt，以实现话术生成的准确度和多样性。该方案对当下大模型技术细节的娴熟掌握和成功应用，不仅取得了赛道 Top1...

金融行业被广泛认为是AI大模型技术落地的前哨站，也是“人工智能+”行动的焦点所在。面向金融场景广泛、多样化的大模型需求，度小满轩辕系列全新发布了12款金融大模型。其中包括6B、13B、70B参数的基座模型、对话模型、int4/int8量化模型，并且实现了完全开源，供广大开发者下载使用。 总体来看，12款金融大模型包括3种参数。2023年5月，度小满开源了国内首个千亿级中文金融大模型“XuanYuan-176B”。2023年9月，“XuanYuan-70B”大模型在C-Eval和CMMLU两大权威榜单上位列所有开源模型榜首。本次度小满“轩辕”模型矩阵再次升级，十亿－百亿－千亿参数全覆盖，实现多场景任务适配。 而从效果上看，度小满轩辕达成了18大维度金融实战能力遥遥领先，多场景6B模型与72B模型表现相当；通用能力同样达到开源模型TOP水平，看齐GPT-4，并且采用了独创的数据处理流水线，生产更丰富、更安全、更符合中文场景的数据。通过首次将人类偏好对齐引入金融垂域大模型训练，相关模型实现了安全性显著提升、有用性突破瓶颈、金融任务表现明显增强 。 让我们来走进度小满轩辕，透视金融领域的大模型变革。 度小满「轩辕」大模型 全参数矩阵 （度小满轩辕大模型发布时间轴） 度小满轩辕系列已经有17款开源大模型，适配广泛场景任务，满足不同开发者需要。 （度小满轩辕大模型矩阵） 模型矩阵的设计考虑了不同的应用场景和性能要求：70B及以上的模型专门针对需要深度分析、复杂指令执行以及全方位Agent调用的场景，而6B、13B的模型则更加适用于对响应速度有高要求、面向小规模场景和单任务的应用，它们也同样能够处理计算、编程、创作等一系列通用需求。特别地，最小化的XuanYuan-6B-4-bit量化Chat模型以其低推理部署成本，进一步降低了大模型的应用门槛。 模型效果 18大维度金融实战能力遥遥领先 01金融能力 将轩辕系列大模型在金融自动评测集FinanceIQ测试集上进行测试，FinanceIQ涵盖了注册会计师（CPA）、税务师、经济师、银行从业资格、基金从业资格、证券从业资格、期货从业资格、保险从业资格（CICE）、理财规划师等十大权威金融领域考试。结果如下表，XuanYuan-70B-V2在该项评测任务上拥有超过GPT-4的水平，在知识层面展示出金融领域专家的水平。 同时，为了考察轩辕大模型在金融实际任务上的能力，轩辕团队还特别组织了金融专家为对话大模型进行人工评测。任务的设计均是从金融行业实际应用场景出发，去判断轩辕是否在各项金融任务上具备“实战能力”。 （人工金融评测集任务构成） 最终结果显示，轩辕大模型各个参数上均具有“以小搏大”的实力，达到自己2倍甚至5倍参数量的模型水平。在各项金融评测任务上，XuanYuan-6B表现超越市面最新13B中文开源模型（左图），XuanYuan-13B表现超越市面最新72B中文开源模型（中图），XuanYuan-72B-V2表现可以媲美GPT4（右图），并且在金融法规、金融产品信息等中文场景上超越。 （轩辕拥有远超同参数水平的金融能力） 02通用能力 将轩辕大模型在MMLU、CEVAL、CMMLU、GSM8K、HumanEval等中外主流评测集上进行评测，观察大模型在知识、逻辑、代码等通用能力上的表现。同时加入类似参数矩阵的LLaMA2系列进行比较，结果显示轩辕不同参数大模型在各项榜单成绩上均有优异表现，在CMMLU、C-Eval等多个中文评测榜单上，更是有超越GPT-4的水准。 进一步分析发现，经过专门优化以增强考试能力的XuanYuan-6B和XuanYuan-13B模型，在C-Eval和CMMLU这两个中文考试评测指标上有了显著提升。然而，需要注意的是，“高分”并不意味着“高能力”。评测集成绩可通过优化模型考试能力来提升，不直接等同于模型在实际应用中的优势。因此，尽管小参数模型在某些评测中表现出色，这并不意味着它们的各方面真实能力均超越了同系列大参数模型。 （轩辕大模型在各个评测集上的分数） 「轩辕」技术解析 对齐技术突破能力瓶颈 面向公众开放自动化训练框架 度小满轩辕大模型团队在过去一年，对大模型训练的各个环节积累了丰富的经验。这包括建立了一套完整的数据处理流水线、采用更适配领域模型的高效训练方法等，以及本次突破性的利用人类偏好对齐技术，极大地提升了6B、13B、70B模型的对话能力，显著增强了模型的场景适应性。 轩辕系列大模型使用DeepSpeed分布式训练框架，引入动态评估与调整机制以优化训练过程。在微调阶段，轩辕特别的采用了Self-QA策略来收集指令微调数据。该方法能够在没有人工标注的情况下生成大量高质量的问答数据，为模型提供有监督的训练样本，有效提升模型的学习效率和质量。 （轩辕大模型Self-QA数据构造方法） 针对金融领域的特定需求，轩辕大模型还开发了一种混合微调训练框架，旨在通过融合通用与特定领域数据来增强模型性能及适应性。这种混合微调方法不仅显著提高了模型在特定任务的表现，也增强了其整体的泛化能力和适应性，为金融领域任务的性能提升开辟了新途径。 度小满创新地在金融领域大模型中引入了人类偏好对齐技术，开创了领域内强化对齐训练的先河。通常，领域大模型仅在微调阶段引入特定领域数据，但这种方法在实际应用中常常显示出局限性。金融行业的复杂性要求模型能够更深入地理解并适应行业特定的需求，而强化对齐训练有助于突破仅依靠微调所能达到的性能瓶颈。 轩辕团队精心构建了涵盖通用性、安全性和金融特性的Prompt数据集，并组织了专业的标注团队对成对的回答进行偏好标注。接下来，团队通过一系列实践、分析和改进，成功完成了奖励模型（Reward Model）和后续的强化（采用近端策略优化算法）训练。下图以XuanYuan-6B为例展示了模型在通用性和金融能力的综合评估结果。从图中可以看出，在两个领域，经过人类偏好对齐后，模型的能力都有了极大的提升，证明了强化对齐训练的有效性。 （RLHF-model vs SFT-model） （通用能力：RLHF-model vs SFT-model） （金融能力：RLHF-model vs SFT-model） 度小满轩辕大模型团队一向贯彻开源开放的原则。为了让广大开发者能够更容易的上手使用大模型，使用真实数据和真实代码作为示例，详细介绍了训练模型的每个关键步骤。现在相关代码已经上传开源社区，供广大用户实操体验。 金融行业需要怎样的大模型？ 金融领域对大模型的要求远超过基本的“判断”与“生成”能力，更加强调在“分析”与“决策”过程中的高级能力，这些能力是触及金融企业核心利益的关键。大模型的价值体现在其能否在核心业务场景中发挥实际作用，如通过综合分析用户信息以支持风险评估、客户画像绘制、精准营销策略，或通过企业数据分析支持财务审查、智能投顾和行业研究。 金融大模型的最终目标是提高企业ROI。这意味着，高效的金融大模型应当能够在实际应用中，如客服场景，通过提升对话处理、指令遵循和意图理解能力，不仅短期内提高客服效率，长期还可能实现机器人客服的全面替代，重塑客户服务流程，推动金融服务向更高智能化水平迈进。...

新一代智能大模型，正在金融业加速落地！来源：轻金融 作者：尚志科‍‍‍生成式AI发轫一年多之后，全球大模型领域的军备竞赛已然打响：截至目前，应用商店中生成式AI相关的应用已达数万，APP被颠覆的趋势正在发生；就在近期，从Amazon到谷歌等科技巨头，都发布了大模型领域的重量级产品，推动大模型的落地更加快速。作为数字化、智能化的先行者，金融业有望成为大模型技术落地的最佳领域之一。然而，金融大模型的落地与应用并非一蹴而就，仍然面临着一系列挑战。更完善的产业分工与行业生态，领先的大模型企业与云平台公司积极参与，正在为金融机构大模型应用打开新的空间。 01 金融大模型落地还缺什么 多年来，AI一直是金融行业重兵投入的新技术创新方向。轻金融据央行最新公布的《2022年度金融科技发展奖获奖项目名单》统计发现，在193个上榜项目中，与智能、AI相关的项目高达34个，可见金融行业对人工智能的应用之深。生成式AI在2023年的突飞猛进，使得大模型成为金融行业的重要基础设施之一，推动金融行业加快创新与发展进程。一方面，拥有海量的数据、丰富的场景，使得金融行业成为垂直领域大模型应用的一片蓝海。大模型与金融业的结合，将拓宽金融业数字化转型的广度和深度，无论是在前中后台各个领域均有广阔应用前景。从大模型在金融行业的落地场景看，正在重塑整个数字金融行业，包括投研、市场、渠道、产品开发、客户服务、风险管理等所有的领域，并且已经深入到了前中后台的各个环节中，每一条业务线、每个职能岗位都能找到相应的应用场景。另一方面，大模型领域的创新在金融业有更大的想象空间。对此，北京金融信息化研究所指出，多模态金融大模型的发展与应用，可以为金融机构提供更多智能化、个性化的服务和决策支持；而AIAgent未来可能推动人工智能成为金融业信息基础设施，为金融机构提质增效，创造更深度的价值。但不容忽视的是，大模型在金融行业的应用整体还处于初级阶段，面临着一系列绕不过去的挑战与痛点。在具体应用落地的过程中，大模型还面临着算力、成本、安全可信、服务质量、人才储备等一系列挑战。打造强大的金融行业大模型，技术、数据、场景、生态能力等要求缺一不可。云服务平台火山引擎相关负责人总结了困扰金融机构建设的三大难题。首先是场景侧难题；二是现有组织包括各种应用系统、工具需要进行大的改造，合规风险也面临非常多的挑战；三是算力支撑。金融机构如何迎战大模型？“未来要在金融行业构建一个场景、模型、数据的大模型飞轮。模型先启动，运用到金融机构的业务场景当中，让业务运转起来，从而源源不断地产生数据，然后这个数据又回归模型，这个飞轮就转起来了。”火山引擎上述负责人表示。 02 大模型需要更完善的产业分工‍‍ 现在的生成式AI，正在成为关乎金融行业转型整盘棋的“胜负手”之一，可谓牵一发而动全身。BCG就指出，生成式AI在银行业规模化应用的落地是一个体系化的工程，其成功与否，10%看模型，20%看整体IT能力升级，70%依赖于业务与组织的转型。因而，破解模型面临的重重挑战需要形成合力，构建良性的大模型生态系统势在必行。火山引擎上述负责人也有同样的感触。“AI智能体就好比是一个人。大语言模型就是一个大脑，但其实人还需要手，还需要脚，还需要活动去执行的各种能力，所以从感知到思考到行动，它需要一整套的一个体系化的一个工程。”因此，大模型应用需要更细分完善的产业分工，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。在具体的大模型部署中，金融机构需要规划的大模型不是一个或两个模型，而是一个矩阵。在火山引擎看来，每一家金融机构的模型应该是“1+N”的结构，即一个核心模型和N个垂直领域的模型。同时，部署方式可以是公有云，也可以是私有化。对于金融机构而言，选择一个好的大模型还不够，需要让模型能力落地，并且需要一系列服务兜底。这正是火山引擎等机构一直在为金融机构量身打造的。为了解决算力的依赖，在火山引擎的公有云上，会提供一个独立的算力池来提供各种孵化，为AI训练提供高性价比、高稳定的AI基础设施。目前火山引擎云已经服务国内多家大模型企业。在私有化解决方案的部署上，12月14日火山引擎携手国内领先的认知智能大模型企业智谱AI，共同发布高性能金融大模型“火山引擎-智谱AI金融行业大模型”（下称：火山-智谱金融大模型），为金融机构提供更丰富、强大的模型选择，并全面开启测试。当前的金融大模型领域，已经吸引了很多巨头扎堆，而火山-智谱金融大模型为何值得金融机构关注？首先，这源于智谱AI提供“模型领先”保障。智谱AI是谁？它被评价为国内“最具OpenAI气质和水准”的AI公司，是唯一全内资国产自研的大模型企业，也是国内唯一一个对标openAI全模型产品线的公司，曾刷新了国内大模型创业公司的累计融资额，也是国内第一家估值超百亿的大模型创业公司。智谱AI于2023年10月推出的第三代多语言、多模态预训练模型ChatGLM3，其模型性能、功能及底层架构均完成了全方位升级，在44个中英文公开数据集测试中，ChatGLM3在国内同尺寸模型中排名首位。其Agent智能体率先开启国产大模型原生支持各类复杂场景能力，进一步提升了大模型的执行力和生产力。其次，火山引擎为大模型服务兜底。火山引擎将会为大模型的平滑落地提供工程化解决方案，包括轻量级的模型训练方案，解决稳定性、性能优化、推理加速等算力挑战；私有化或者云端部署方案，适配国内外硬件生态；全方位的安全架构和内容安全方案；完整的大模型工具链和多场景落地方案，帮金融机构缩短落地周期。被看好的公司会获得更多的资源，对于马太效应明显的大模型赛道而言更是如此。未来，双方将持续优化迭代火山-智谱金融大模型，可以确保模型领先性，免除金融机构的后顾之忧。 03 推动“新一代认知智能大模型”落地‍‍ 众多金融机构积极拥抱大模型的根本目标，是驱动更多的业务场景实现数智化能力，包括提高营销和运营效率、提升客户体验、为客户创造价值。当生成式AI渗透进金融行业的每一个地方，金融机构如何成为金融生产力智能化的引领者？目前，金融大模型存在的最大挑战在于如何在实际业务场景中落地，以及模型能力是否可靠。为了帮助金融机构加快大模型应用，火山引擎加快大模型的试点应用步伐，打造大模型金融应用最佳案例，并进行规模化推广复用，发布合作伙伴计划，联合业内科技公司围绕着智能体帮金融机构去做更全面的建设。在2023年6月，火山引擎就已经发布了大模型服务平台“火山方舟”，提供的不只是模型能力，而是帮助应用方更好使用模型的能力。这些能力既包括模型试用、评测、接入、精调等，也包括训推一体、弹性调度、算子优化等。此次火山-智谱金融大模型的发布，则是金融大模型产业链生态演进过程中的又一里程碑式的产品。测试显示，火山-智谱金融大模型在自动生成代码、自动解读研报、智能客服、智能助理、智能数据分析等行业场景已有良好表现，推动新一代认知智能大模型在金融业加速落地。正在“通过认知大模型链接物理世界的亿级用户”的智谱AI，在挑选合作伙伴时也势必会高标准。对于火山引擎这样的合作伙伴，智谱AI CEO张鹏评价，“火山引擎具备高效的算力基础设施、开放安全的大模型生态、丰富的金融行业实践、完善的交付保障。”实际上，目前火山引擎在金融行业已经搭建了完整的大模型解决方案，帮助金融机构解决大模型深层次应用的痛点。一是解决算力制约，提供从硬件层、容器层、调度层、框架层的技术优化，搭建异构训推一体云平台，在不同任务下，可以统筹调度不同厂商不同性能的芯片，优化模型对于国内外异构算力的适配，做好芯片的集约化利用。二是数据服务。满足金融数据预训练和全类型的数据标注需求；向量数据库VikingDB，支持百亿级向量检索、检索性能5ms以内；自带自研算法。三是场景落地。火山引擎在金融行业已服务3年多，有100多个金融客户，具有丰富的交付实力。在大模型落地场景上，对于创意内容生成、办公协同、客户服务、BI商业智能等领域具备成熟的内外部经验和技术优势。针对金融机构关注的数据安全和模型幻觉等合规问题，火山提供大模型的私有化方案，保证数据安全性；公有云上提供安全可信的数据服务方案，确保模型使用方和模型提供方的数据隔离；特色的内容AI质检解决方案，优化模型幻觉问题。“金融机构需要的大模型是一个技术和行业交叉融合的系统化工程。”火山引擎总裁谭待表示，希望火山引擎和智谱AI通过合作，共同探索大模型在金融行业的价值创新。火山引擎也将以此为契机，未来将联合业内众多相关科技公司，围绕智能体帮助金融机构进行更全面的建设。【轻金融好文】1、2022银行干货合集【轻金融】2、2021银行业十佳文章【轻金融】3、2020银行业十佳文章【轻金融】4、2019银行业十佳文章【轻金融】5、六大行金融科技较量！6、十年磨一剑，农行打造银行APP标杆7、招行App11.0：一场没有终点的长跑8、邮储银行迎战金融科技“10倍速”9、工行APP8.0亮剑，确立数字化新标杆10、中行：做金融场景生态长期主义者

金融业对“模型”并不陌生，“大模型”一字之增，改变了什么？近年来，大数据、机器学习、自然语言处理、计算机视觉、语音识别和智能推荐等一系列人工智能及相关技术得到长足发展，为金融科技从“想到”到“做到”，提供了应用支撑。但也要看到，由于金融领域的特殊性，在风控、安全、效率等方面有着强烈诉求，大模型应用总体上还处于早期探索阶段，仍面临不小的挑战。记者梳理发现，大模型在金融领域的落地应用有不少，马上消费发布了零售金融大模型“天镜”、工商银行推出人工智能金融行业通用模型、农业银行发布了金融AI大模型ChatABC、科大讯飞发布了“讯飞星火”智能客服用于保险业务等场景、彭博社针对金融业推出了大型语言模型BloombergGPT……“金融是高度数据驱动的市场，近一年来不少金融机构抢滩大模型赛道。”“目前，大模型在信息理解、内容生成、知识问答、代码编程和合规检测上加速渗透。”在日前举行的“金融新质生产力创新论坛”上，参会嘉宾表示，金融业作为国民经济血脉，以其用户基数大、经济影响大、服务场景多、民生关系强，成为大模型乃至更广泛的人工智能技术应用场景。金融与大模型“牵手”，将为决策者提供更加精准的预测，为用户提供更加个性化的服务，大模型将成为推动这一变革的重要力量。在论坛上，围绕赋能金融风控，中国工程院院士蒋昌俊表示：“我们要设计出一套网络交易风控体系，‘跑得快’是系统在极短时间内在线实时辨识行为是否合规，‘抓得准’是如果出现问题能及时定位防范。可以将用户的行为通过大模型进行凝练，从变化的行为数据中求解不变的行为纹理。”“不是为了科技而科技，而是关注在业务端、管理端的可持续发展。”国家金融与发展实验室副主任曾刚认为，行业面临着资产获取难、传统服务触达客户难；资产质量发生变化，一些过剩产业正在经历调整，这对风险防控的要求不断提升；息差收窄，资本补充有待关注。大模型和人工智能的发展将去中介化，不仅是“信息中介”更多是“知识中介”，来提升效率适应客户需求变化，拓展新的服务空间及场景。“自2023年8月，我们推出了金融大模型‘天镜’，知识产出效率提升了150%。在与重庆某银行合作中，大模型驱动的智能营销能将人工成本降低80%以上，产能是传统人工产能的6倍以上。”马上消费CTO蒋宁说：“为了在群体智能与安全可控、个性化和隐私保护、关键任务和动态适应性标准等方面提供解决方案，我们将在模型安全可控、组合式AI、持续学习、平台化服务能力MaaS等关键技术上持续探索和发力。”金融是标准化、最严谨的行业。有业界人士表示，对大模型的期待不妨向那些长期没有解决的业务环节探索，向金融核心业务延展，或将带来更大的惊喜。责编｜翟巧红     编辑｜姜越来源｜人民网 记者：杜燕飞

华夏时报（www.chinatimes.net.cn）记者 冯樱子 北京报道 9月23日，由华夏时报社、中央财经大学数字经济融合创新发展中心联合主办、中国人工智能学会智能产品与产业工作委员会作为支持单位的“智能金融助力数实融合暨产教融合研讨会”在北京举行。 中央财经大学私募投资基金研究中心副主任吴锴介绍了科技在现代支付体系、银行系统、金融交易体系等领域的应用，其中，大数据、云计算、人工智能、区块链，这四个要素是任何金融创新都离不开的技术。 谈及银行的金融科技应用时，吴锴表示，智能化设备在传统银行基层网点的应用越来越普遍，如今银行网点已经摆脱传统依赖柜员提供服务的方式，更多采用智能机具，如ATM、CDM、CRS等，为客户提供服务。 同时，吴锴提到，AI应用于金融研究的下一个可能性将是ChatGPT。 ChatGPT将应用于金融研究 目前，在金融研究方面存在诸多困难，例如，文献资料浩如烟海；数据量大，数学建模和代码编写复杂度高；对文字功底要求高，语言须专业、凝练；科研灵感获取难等。 “作为一个研究人员来说，我们面对文件浩如烟海，永远有读不完的论文，每个领域都存在大量的文献，超出了个人的精力和时间范围。数据量极大，数据建模和代码编写复杂度高。”吴锴说道，当数据越来越复杂的时候，普通人对数据的理解和处理能力就变得有限。 而ChatGPT可以联网识别并快速整理相关的所有资料，概括资料主要内容，同时，ChatGPT数据处理能力强，支持调用多种工具进行数据处理和文本分析，还具备快速文字润色与修改等优势。 具体而言，吴锴介绍，在资料整理方面，GPT可以快速搜索互联网中相关资料，快速识别并汇总资料中的关键信息，为研究者提供结构化的资料总结和概览；在资料综述方面，使用NLP技术提取文献中的关键观点和论据，并按照逻辑自动撰写资料综述文字，帮助研究者快速掌握主题，此外，GPT在资料综述中给出信息出处或相关链接，可靠性强。 在绘图、制表方面的应用，GPT支持联网查阅海量数据，插件支持协助编写数据收集相关代码，并可以用多种插件支持各种格式数据识别与分析，支持对数据进行绘图与制表，支持对图、表等多种形式的数据进行准确全面的文字分析。 吴锴提到，利用GPT对特定的金融问题或领域进行深入分析，提供当前市场趋势、问题和机会的洞察，为研究者或从业者提供明确的研究方向。 GPT提供一系列策略和方案建议，给出实施步骤和方法，帮助研究者或从业者制定有效 的解决方案。在实施策略后，GPT提供反馈和建议，帮助研究者或从业者进行策略的迭代和优化，确保项目的成功进行。 “一个初学者用AI的时候，会发现它的能力非常有限，答案总不能令人满意，实际上用户的提问方式直接决定了得到结果的好坏。”吴锴说道，“如何向AI提问是最有效的”，可能是将来一个非常重要的学科，只有把AI理解透了，才能得到想要的答案。 金融监管改革 2023年，中国银保监会和中国证监会的功能重塑，在中国银保监会基础上组建国家金融监督管理总局，形成“一委、一行、一局、一会”监管格局。 吴锴提到，此次金融监管改革新组建的国家金融监督管理总局和中国证监会执法能力将得到提升，对加强金融工作的统筹协调和统一监管具有重要意义。 总体而言，加强了党中央在决策和组织层面对金融工作的领导，新增了中央金融委员会和中央金融工作委员会，中央金融委员会作为金融工作的领导核心，承担金融稳定与发展的顶层设计与统筹协调任务。同时，对金融监管体系进行了全面优化，旨在实现体制协同和效能提升 。 吴锴认为，金融监管引导金融科技发挥诸多积极作用， 可有效预防和化解金融风险，同时，采用人工智能、大数据等前沿技术，提高监管效率和准确性，预防和化解金融风险。这将使金融监管更加智能化、精细化，为金融市场提供更为有力的保障。 在金融科技和实体经济深度融合方面，鼓励金融机构加强科技创新，有助于金融业的创新能力和竞争力的提升，为实体经济注入新的活力。 在普惠金融方面，金融科技的发展还能推动普惠金融事业，为更多的中小企业和普通民众提供便捷、高效的金融服务，从而助力经济的可持续发展和社会的长期繁荣。 “提到金融科技离不开普惠金融，金融科技发展到一定程度后，最终将用于降低企业融资成本，也就是资金能够通过科技手段流向所需要的领域，到所需的行业和企业里去。”吴锴表示，“所以普惠金融和金融科技本身就是不可分割的两个要素。” 吴锴提到，金融科技如何引导资金到最有需要的地方去，将是各个领域专家、学者需要思考和努力的方向。