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。
