AI金融助手

为积极响应2024年“7.8全国保险公众宣传日”活动，大家人寿广东分公司及辖内机构围绕“保险，让每一步前行更有底气”主题，积极开展“五进入”金融教育活动，提升公众对保险的认知和风险防范意识。 进学校 2024年7月4日，大家人寿汕头中支走进林百欣附属小学开展金融教育活动。正值学生放学，工作人员使用通俗易懂的语言与学生们做互动问答，向学生普及基础金融知识，提醒学生日常生活中要注意保护个人信息、谨防电信诈骗，提升学生群体的风险防范意识。 进农村 2024年7月6日，大家人寿中山中支走进中山大涌岚田村开展金融教育进农村宣传活动。工作人员通过悬挂主题横幅，派发和讲解金融宣传折页，派发宣传小礼品等方式，向岚田村村民普及金融保险知识和消费者八大权益，提高村民对消费者权益的认识和了解，面对村民们提出的金融诈骗等咨询和疑问，工作人员耐心解答，通过问答互动让村民沉浸式参与到活动中。 进社区 2024年7月8日，大家人寿广东分公司参加由广东金融监管局指导，广东省保险行业协会主办的2024年“7·8全国保险公众宣传日”金融教育宣传活动，公司在城建大厦广场设置摊位，派发金融知识宣传折页，普及金融知识及赠送宣传小礼品等。为了更好普及消费者八大权益知识点，大家人寿广东分公司在摊位设置“消费者权益过三关”游戏，寓教于乐，增强了活动趣味性和吸引力。 紧扣7.8主题“保险，让每一步前行更有底气”，现场设置了“动动脑筋 拼拼海报”环节，让消费者在限定时间内拼出主题海报，在拼图过程中加深对7.8主题的印象。同时，为了让消费者更加关注个人健康，摊位设置“健康驿站”，免费为消费者测量血压、血氧情况，为消费者提供沉浸式反诈体验和公益健康服务。 进机关 2024年7月3日，大家人寿东莞中支前往东莞市便民服务中心开展金融教育进机关活动。活动现场，工作人员向机关一线员工发放宣传折页，讲解保险金融知识，面对面答疑解惑，通过讲解身边常见的生活案例，让专业性较强的保险金融知识变得通俗易懂，加深了机关单位员工对保险知识的了解。 进企业 2024年7月2日，大家人寿广东分公司走进广东省农业科学院农业质量标准与监测技术研究所开展教育宣传活动，通过面对面倾听社会公众对保险的疑问，工作人员积极答疑解惑，现场发放金融知识普及、正和消保中心等宣传折页，引导社会公众树立正确的金融价值观，加强维权意识和风险意识。 2024年是中华人民共和国成立75周年，是实现“十四五”规划目标任务的关键一年。未来，大家人寿广东分公司将继续履行消费者权益保护的企业责任，持续开展对不同消费者群体的教育宣传活动，展示保险正面形象，进一步强化消费者权益保护，提升公司服务水平，为营造良好的金融消费环境做出积极贡献，增强人民生活幸福感和获得感。

　　农发行临沂市分行：奋力书写“科技金融”大文章，助力农业科技腾飞 　　农发行临沂市分行聚焦农业科技重点领域，持续强化信贷支持。今年以来，累计投放农业科技贷款5.54亿元，科技贷款余额达到18.97亿元；为17家科技型企业投放贷款2.34亿元，科技型企业贷款余额达到12.38亿元。 　　提升站位抓组织 　　该行锚定农业强国建设目标，将做好“五篇大文章”与“藏粮于技”行之要务有机结合，金融支持科技自立自强、创新驱动发展。第一时间组织学习政策要求、梳理目标任务，并成立服务科技型企业工作专班，对接政府有关部门、调度项目进展情况，加强统筹协调和督办指导，抓实抓细抓进度，确保贷款投得准、落地实。 　　精细服务推进度 　　全面梳理、筛查全市“专精特新”、农业高新技术企业等清单，班子成员带头开展源头营销、靶向对接，了解企业资金需求、摸排项目基本情况，对重点支持企业实行名单制管理，动态跟踪工作进度。从项目立项、申报、到审批、投放等环节实行全流程管理、精细化服务，发挥“融资+融智”优势，“一企一策”量身定制融资方案，逐项目梳理、逐问题研究，及时疏通业务办理过程中遇到的难点、堵点。实行省市县三级行联合办贷，持续优化办贷机制、提升办贷效率。 　　落地开花显成效 　　聚焦农业科技重点领域和薄弱环节，进一步加大对特色农产品基地、现代种业等领域支持，解决企业在农业科技创新、成果转化、建设农业科技创新基地等方面资金需求。累放5000万元支持山东（兰陵）现代种业科技产业园项目建设，助力发挥当地农业种植优势，拓宽设施农业、生态农业等产业功能，示范带动农业转变发展方式；累放70900万元支持智圣医药园区建设项目，助力农业生物技术、生物制品成果转化和示范推广；投放1000万元支持黄瓜良种等种质资源育繁推一体化发展，加大优质种苗繁育和推广力度，加快实现乡村振兴美好愿景。 　　下一步，该行将继续立足自身职能定位，进一步提升金融服务质效，推动科技金融产业深度融合，让一颗颗农业科技的“种子”得到更多金融“活水”的滋养，助推现代化农业生产和乡村全面振兴。（直营业务部  朱孟静）

随着人工智能快速发展，研究发现，AI可能比人类更擅长炒股。 根据芝加哥大学布斯商学院的最新报告称，OpenAI的GPT-4在金融分析和预测方面的能力，可能比人类更优秀，基于其预测的多空策略表现也能跑赢大盘。 这一发现可能会颠覆金融服务业。与其他商业部门一样，金融服务业正在竞相采用生成式人工智能技术。 根据这项最新研究的研究，在分析财务报表以及根据这些报表做出预测等方面，大语言模型比人类做得更好。 “即使没有任何叙述或行业特定信息，大语言模型在预测盈利变化方面的能力也优于金融分析师们，”该研究称，“在分析师遇到难题时，大语言模型比人类分析师表现出相对优势。” 该研究利用“思维链（chain-of-thought）”提示，指导GPT-4识别财务报表的趋势并计算不同的财务比率。在此基础上，大语言模型可以分析信息并预测未来的收益结果。 该研究称：当我们使用思维链提示来模拟人类推理时，我们发现GPT的预测准确率达到了60%，明显高于分析师的准确率。人类分析师在预测准确度方面接近50%的范围。 该研究的作者还表示，大语言模型能够在信息不完整的情况下识别财务模式和商业概念，这表明该技术应该在未来的财务决策中发挥关键作用。 最后，该研究发现，如果将GPT-4的金融敏锐性应用于交易策略，能够获得更多交易回报，通常能跑赢大盘。 研究称：“我们发现，基于GPT预测的多空策略表现优于市场，并产生显著的阿尔法和夏普比率（对资产的风险和收益进行综合考量的指标）。” 见习编辑:李文玉 | 审核:李震 | 监审:万军伟 （来源：财联社）返回搜狐，查看更多 责任编辑：

文/中国社会科学院金融研究所金融科技研究室主任尹振涛，中国社会科学院大学应用经济学院硕士研究生王振 本文从生成式AI深刻改变各行各业说起，探讨了生成式AI如何赋能商业银行数字化转型，并在此基础上深入分析生成式AI在银行合规科技中的应用方案，最后指出生成式AI在商业银行应用时应注意的潜在风险，包括风险认知偏误、数据合规问题，以及内部风险处置。 2022年11月30日，美国人工智能研究公司OpenAI发布基于GPT—3.5模型的生成式人工智能（AI）对话系统ChatGPT，其效果超过了之前的人工智能模型，迅速在全球范围内引起巨大关注和热潮。ChatGPT作为一个先进的对话系统，不仅在智能对话处理方面取得了显著成就，而且还展示了生成式AI在文本生成、信息处理和自然语言理解等方面的巨大潜力。自从推出以来，生成式AI迅速成为研究者、技术爱好者和商业界人士关注的焦点，许多将生成式AI用于日常工作中的想法也正在成为现实。 生成式AI正在深刻改变各行各业 生成式AI可以被认为是一种通用式技术，而通用技术的特点是随着时间的推移和技术的普遍应用，这种技术可以推动产业的变革和生产力的解放，例如工业革命时的蒸汽机、内燃机等。目前，生成式AI的兴起正在深刻地改变着各行各业的运作模式。通过高级的算法和深度学习网络，生成式AI能够自主生成文本、图像、音频和视频内容，为创新和效率提供了前所未有的可能性。在媒体和内容创作领域，生成式AI使得个性化内容的制作变得更加快速和成本效益化，允许创作者以更少的时间和资源创造更丰富、更符合目标受众口味的内容。 在商业和市场营销领域，生成式AI被用来创建个性化的广告内容和营销策略，极大地提高了目标精准度和用户参与度；同时，它还在为企业进行数据分析和提供预测模型方面发挥着重要作用，帮助企业更好地理解市场趋势和消费者行为。在教育和培训行业，生成式AI通过提供定制化的学习材料和互动体验，为个性化学习和远程教育开辟了新的道路，学生们可以通过AI生成的内容获得更加贴合自己学习节奏和兴趣的学习体验，从而提高学习效率和兴趣。 在金融行业中，生成式AI的应用正在带来革命性的变化。在风险管理和合规领域，生成式AI能够通过分析历史交易数据和市场趋势，预测和识别潜在的风险点，帮助金融机构更有效地遵守监管要求并防范风险。在个性化财务顾问服务领域，生成式AI通过分析客户的财务状况和投资偏好，为客户提供定制化的投资建议和财务规划服务。在信贷评估领域，AI能够快速处理和分析大量的借款人数据，提高信贷审批的速度和精确度，从而大幅提升金融服务的效率和客户满意度。 生成式AI赋能商业银行数字化转型 商业银行的数字化转型是伴随技术进步产生的必要组织形态、系统架构、人员组成、业务模式等的转变，是商业银行积极利用技术提高管理水平、增大用户影响力、改进商业经营模型的举措。伴随着信息技术的发展，数字化转型使得银行从传统经营方式到目前为止，已然经历了三次主要的数字化变革。 商业银行的第一次数字化变革是银行内部的数字化。随着20世纪80年代初开始出现个人电脑并逐步普及，银行开始摆脱传统人工经营方式，在银行内部推行业务的计算机处理和金融数据的入网与联网。这一次数字化转型使得商业银行内部基本建立起数字化处理业务的基础设施，进一步统一和规范了银行内部业务处理流程，大大提高了银行的业务处理效率。 商业银行的第二次数字化变革是外部经营的数字化。这一数字化变革起源于移动互联网和移动智能设备的普及，传统经营网点开始衰退，网上银行和手机银行开始出现，银行与第三方支付平台绑定支付模式开始取代传统纸币支付模式，实现了银行客户随时随地办理银行业务的需要。这一次数字化转型是商业银行在外部经营模式上的创新，进一步扩大了银行的经营群体和业务受体，提高了银行的经营效率。 商业银行的第三次数字化变革是深度、全面的智能化和数字化。随着人工智能、区块链、云计算、大数据等金融科技技术的发展，商业银行从内部业务到外部经营正在接受着全面、深度的数字化转型，智能风控、信贷审批模型、信用分析系统、智能机器人客服等都表现出AI智能化已经成为了第三次数字化转型的主要特点。尤其是在ChatGPT出现以后，生成式AI与银行业务的融合给予商业银行数字化转型新的动力和期待点，将成为引领新一代银行转型的重要力量。 ChatGPT出现在银行进行第三次数字化转型的时间点，其效果展示是一种具有强大内容创作和人机交互的通用生成式AI应用，并且在底层模型的逐步更新迭代过程中已经由一个聊天机器人发展成为具备解决多模态问题能力的应用，可以同时解决文字、音频、图像等相关问题。 随着研究的不断深入，一些聚焦于垂直细分领域的生成式AI应用也随之出现，这些细分领域生成式AI的开发思路一般有两种，一种是基于原有通用生成式AI自定义具有某些专业功能的生成式AI，这一方式也被OpenAI公司以GPT Store的形式实现；另一种方式是从生成式AI的底层训练数据入手，利用通用训练数据+细分领域特有训练数据的形式对模型进行训练，比如早在2023年3月，全球最大的金融信息服务商彭博（Bloomberg）宣布其训练了第一个金融领域的大语言模型BloombergGPT，BloombergGPT参数规模为200亿，使用了彭博自建的3630亿代码（token）的金融数据集和3450亿token的通用数据集。 众多研究对比测试也表明，垂直细分领域的生成式AI在解决该特定领域的绝大多数任务时会优于通用型的生成式AI，这说明了特定领域的生成式AI可以表现出在该领域更优的效果和能力，这也为生成式AI在银行数字化转型中应用的可行性做出了科学的判断和实践上的认可。 生成式AI的出现与银行的数字化转型存在天然的时空耦合，可以进一步整合银行内外部、全方位的业务需求，更加系统化地推进银行的数字化转型，使得银行的数字化转型更加智能和类人化，为银行的数字化转型提供了新思路和新想法。 生成式AI的这种系统化、创造性的能力更多源于其具有的“涌现能力”，主要体现在三个方面：一是上下文学习（In-Context Learning，简称ICL），这也是一种记忆和学习的能力，能够在输入的上下文中学习到给定的例子并完成类似的任务，而无须对底层模型进行额外的训练或梯度更新；二是推理能力，生成式AI通过一系列中间推导过程的思维链（Chain-of-Thought，简称CoT）可以实现数学推理、常识推理、符号推理、逻辑和知识的能力，这在任务的系统性和完整性中是非常重要的；三是零样本学习（Zero-Shot Learning），可以简单地理解为人类的学习过程，即使看见没见过的东西，也可以根据先验知识做到一定程度上的识别。 除此之外，生成式AI利用基于人类反馈的强化学习（Reinforcement Learning with Human Feedback，简称RLHF）对齐人类产出的方式也使得其内容输出与人类的主流核心价值观保持一致，避免了其中的科技和道德伦理问题，使得生成式AI可以合理且正确地应用于新一代银行数字化转型之中。 生成式AI可以为商业银行数字化转型提供诸多解决方案，通过自动化和优化程序的方式承担商业银行中行政管理、日常决策等工作。从细分业务来看，生成式AI可以被潜在应用于欺诈检测和预防、风险评估、信贷决策、投资组合管理、市场分析等银行重点业务活动中，并且可以在客户服务、个性化产品推荐和员工招聘等活动中发挥着更加具有创造性和客户吸引力的作用…… 本文为中国社会科学院智库基础研究项目“中国金融科技发展指数构建与研究”（23ZKJC068）的阶段性成果。 付费¥5 文章来源丨《清华金融评论》2024年3月刊总第124期 本文编辑丨王茅 责编丨丁开艳、兰银帆 初审丨徐兰英 终审丨张伟 Review of Past Articles – 01 02

　　近期，广东金融监管局指导广东省保险行业协会印发工作指引，推动辖区保险机构积极参与大灾车辆损失查勘结果互认。据悉，该机制采取“分片包干、结果互认”的形式，明确对防御、查勘、施救、定损结果互认；建立省、市大灾沟通协同机制，科学统筹防灾减灾救灾资源，加强信息共享以及灾害防御、施救、查勘、定损等行业协同，制作统一互认单证、施救信息登记表，制定施救费用标准、水淹等级标准、定损标准上限等。（上证报）

财联社7月8日讯（记者 高萍）“大模型对金融机构而言，不仅是一次软件系统升级，更需要场景应用的不断优化。金融机构不需要激进地去重构IT系统，而是应该把AI能力尽早引入进来，要做+AI的能力。”在近日举行的2024全球数字经济大会上，中关村科金CTO李智伟博士在接受财联社记者专访时如是说。 图： 中关村科金CTO李智伟 近两年，大模型可谓是市场热点，金融大模型在金融领域也成为一个高频词汇。通用大模型仍在持续演进之际，聚焦垂直行业的大模型竞相来袭，在金融领域，数据分析、智能交互等业务方向问世多个大模型，金融机构联合头部的科技厂商积极布局大模型，推动金融大模型加速落地。 大模型正在为金融产业带来体验方面的变革，但在应用落地方面也存在数据合规安全等挑战。展望未来，李智伟博士看好多模态大模型的发展，他认为，如果把大语言模型比作脑，那么，多模态大模型就是眼睛和嘴，形成闭环后，在运营合规、防伪安全等多个维度的应用，使得行业落地场景的范围更广、更具有可为的空间。 金融领域大模型升级刚刚开始 要关注端到端效果的达成而非只是训练模型 在李智伟博士看来，金融行业和互联网行业有很多相似之处，比如有大量的用户、重视数据应用、关注用户体验和运营。 李智伟博士认为，大模型技术发展到今天，在金融领域更多的落地价值体现在获客营销、客户服务、办公提效等领域，这些是金融行业直接受益的场景。比如，保险的代理人助手、保险组合推荐，证券行业的投研、投顾，银行的零售业务拓客、网点的数字员工等，都已经开始广泛应用。 “经验来自于躬身入局的实践，这不止来自于大模型技术的应用，更是一直以来深耕金融、服务金融机构数字化转型积累的经验。中关村科金累计服务的金融客户超过500家，覆盖营销、风控、运营、客户服务等数十个场景。”谈及大模型在金融领域的应用，李智伟博士如是说。 他坦言，面向大模型升级，整个行业才刚刚开始。“我们一方面和金融客户在全场景进行共创，积极探索和积累经验，一方面持续进行技术储备，为场景扩展做足准备。共创的场景包括智能问答、外呼营销、坐席辅助、质检合规、深度防伪、投研、投顾、智能陪练等。” 关于大模型对金融行业的影响，李智伟博士用“提质增效”四个字来概括。从实践来看，大模型对金融领域的影响如何具象化？他以中关村科金举例称，公司的电销大模型服务某消费金融机构，上线伊始即快速承担起77%的客户外呼，与客户的平均通话时长提升了50%，对话轮次提升了83%，在不增加人工坐席的情况下，助力该消费金融机构放款额增长68%。 2024年是大模型应用的元年，在共创基础之上，李智伟博士强调，要关注端到端效果的达成，包括降低模型训练成本，实现模型价值的端到端；降低应用成本，实现应用价值的端到端；闭环大模型客户体验，实现客户体验价值的端到端。“追逐业务价值的验证就需要重视端到端效果。除了产品之外，还需要运营和服务，懂客户、懂场景很多时候比技术本身更重要，要能够做到为客户赋能，而不是仅仅售卖产品。” 从客户角度来看，李智伟博士认为，金融机构要积极储备大模型人才，具备一定技术背景的业务运营人员是潜在人才，要提供相关的训练和学习的通路。 2027年或是大模型应用高速爆发期 要加速布局多模态大模型 从目前大模型相关技术的专利数量、发展时间和舆论指数来看，李智伟博士认为，文本生成图像、提示工程、大模型工程化已经到了推广技术早期，即将进入成熟期，迎来广泛商业化的阶段。领先企业会积极拥抱新技术的使用，因此从应用成熟度、客户需求与厂商服务能力来讲，在面向C端的营销获客、客户服务领域，面向办公的知识管理、安全合规领域，大模型的能力表现和适配性最优，“这也是我们正在通过大模型技术进行全面升级与革新的四大场景”。 相比其他行业，金融行业有其特殊性。李智伟博士称，金融作为强监管行业，对合规和安全是高度重视的，大模型应用涉及数据要素的安全使用、面向客户营销\客服的合规表达、业务办理的安全防范，这些都面临挑战。 李智伟博士进而表示，在金融行业，由于其对数据和生态的封闭性，金融大模型在未来产品应用阶段对于封闭数据体的训练将具有较高的专用性和专有性。国家近年来对金融安全更加重视，在金融稳定性以及合规性方面，监管机构会有许多具体的要求。此外，金融领域涉及大量个人隐私数据，这些数据的使用更需要采取审慎的方式。 “金融大模型可能有一点特殊，就是合规。金融合规受到金融机构乃至国家层面关注。因此，合规的模型才是最适合金融机构使用的模型。”李智伟博士总结道。 金融行业是当前大模型技术发展阶段可用场景最多的行业，李智伟博士认为，未来一段时间会更加深入，如全无人营销和客服，知识辅助的自助办理会更加广泛，以及更加智能的数据分析和业务发现。 展望未来，李智伟博士分析到，2024年可以看作是大模型应用的成长期，大模型应用的高速爆发期或会在2027年。他坚定地认为大语言模型后期的发展一定是多模态大模型。“如果我们只解决了语言的问题，其实是很苍白的，还需要解决视觉和听觉的问题，视觉的问题一旦突破了，也就是真正的机器人出现了，就会形成闭环。”李智伟博士如是说。 对于金融领域的影响，他认为，多模态大模型或并不会像如制造业那样有更强的颠覆性，但是多模态扩大了大模型在金融领域的应用范畴，如在合规、远程业务办理等方面的应用则是大有可为。“一旦有视觉技术，机器人的能力就出现了，机器人技术出现一定会对生产环节有很大的帮助，比如远程业务办理中复杂音视频的理解等。通过多模态大模型所提供的图文、图表、手册、视频等内容，有助于客户经理以更通俗易懂、图文并茂的方式向用户解答金融产品特点与条款，提升远程业务办理质效。” 李智伟博士最后补充道，多模态大模型对远程业务办理会是利好，但是防伪识别会更具挑战，需要加紧布局。技术开放性与数据要素的合规使用变得更加突出，不再是寻求平衡，而是主动探索，这考验金融机构的管理决策，更考验科技厂商的快速学习能力。 本文源自财联社记者 高萍

把大模型用在绿色金融识别，有搞头### 在秘密试验和实践多次后，我们认为用大模型识别绿色金融绝对有搞头。 我们先分别看下绿色金融和大模型的基本情况： 绿色在文化语境中是一个具有多种象征意义的颜色。在股市，绿色意味着坚韧与奉献。在自然界，绿色象征着和谐与美好。而在金融领域，绿色代表着可持续发展。近年来，在“双碳”目标的引领下，从中央到地方，各层级政府机构已制定了一系列激励措施，从再贷款、担保机制、贷款贴息到增量奖励……可以说政策端已经打明牌了——金融机构只要是搞好绿色金融，就能马上得到实质性利益，这还不算更长远的战略价值和社会效益。 尽管未来前景很美好，但绿色金融的发展并非一路生花，遇到了很多成长中的烦恼，首当其冲的就是绿色金融的评估问题。这项目保“绿”吗？明确了这个问题，支持这个项目的资金，才可界定为绿色信贷、绿色债券、绿色基金等。 视角换到大模型这边。我们知道大模型很厉害，有一些工作它能做得很好，但就像法拉利再好也不能用来拉货，它也有很多力所不能及的事情。大模型在什么情况下最好用？根据诸多实践，我们认为在三种情况下最好用：一是涉及语言文字的业务。顾名思义大模型就是大语言模型的简称，语言相关的业务当然是最得心应手的；二是业务边界清晰的领域，就像一条公路，单向通行，出入口被完全控制，两边有护栏，那么它就升级为高速公路了；三是在已知的知识范围内作业。不是说大模型的优势是生成新内容吗？话是不假，但是这种“新”目前看只是表象，本质还是在原有的知识基础上变形而来的。就好像我们中学学会了力学三定律，做了N多小车、滑轮的物理题，哪怕我们这些题目做得比牛顿都要6，也不等于我们发现了新的物理现象。 明确了这几点，我们来看下绿色金融是怎么跟大模型“成双配对”的。 01 大模型和绿色金融配在哪？ 绿色金融项目的认定既严谨又复杂。 首先，认定标准很多。我国现有的关于绿色金融的标准有很多，包括《绿色信贷指引》《绿色债券支持项目目录》《绿色产业指导目录》《企业环境信息披露制度》《企业环境信用评价办法》等。以最新发布的《绿色低碳转型产业指导目录（2024年版）》为例，这个《目录》共分三级，包括7类一级目录、31类二级目录、246类三级目录。光目录就有几十页，老话说隔行如隔山，让一个业务员把这些行业都认全，其难度不亚于让人熟练掌握《新华字典》。 其次，口径多。这些标准都有不同的政策主体，比如人民银行、银保监会等，而且不同标准之间的统计口径存在差别。举个例子，关于绿色交通中铁路项目贷款的认定，人民银行统计口径只涉及运送货物的铁路及相关场所建设和运营的绿色项目贷款，银保监会统计口径则涵括全国境内铁路及相关场所建设和运营的绿色项目贷款。种种复杂的问题交织在一起，给人工识“绿”带来了巨大考验。 但这些问题放在大模型身上，反而成为了其发挥技术优势的有利因素。一、这是一个语言类业务场景。二、有着清晰的业务边界。三、各种认证标准的存在框定了大模型知识生成的范围。这些因素成功触发了大模型的技能点，大模型的DNA动了。这感觉就像老司机开上不限速的高速。 02 绿色金融知识库与大模型融合 、 大模型识绿非常简单高效。假如这里有一项核聚变的项目，要去进行绿色信贷的认证。只需要将这一新增项目输入到大模型当中，大模型根据相对应的产业标准目录，进行具体产业分类，实现三级映射，得到绿色信贷识别结果。最后一环当然还是要交到业务人员手中，做出最终的决定。 有图有真相 大模型作为技术底座不能单独发挥作用，还需要搭配一个强大的知识库。 知识库对大模型具有重大意义。比如说一个苹果+牛顿的知识库意味着伟大的万有引力定律，但苹果对于大部分人的知识库而言最多意味着苹果汁。 金融机构可以收集大量的绿色金融政策文件，合并如央行、发改委、银保监等国内外多套绿色标准，以及金融机构内部的认定原则和标准。不管是表格、文档还是PPT，大模型都能无压力“笑纳”，最终形成全行级别的且独一无二的绿色金融知识库。 同时，知识库还有另外一个好处。我们知道大模型一个很大的弱项是时效性的问题，有了知识库，面对最新的政策调整，金融机构可以随时上传文档，更新和完善知识库。这样一来捕捉最新产业动向，完成最新内容的生成，只需“更新知识库”，而不用“更新大模型”。 建好知识库就相当于建好了一座图书馆，我们需要在这座图书管里精准查找我们所需的知识片段。这就需要用到百融云创的检索增强生成 (RAG）的技术，凭借其高准确性和可靠性能，使得大模型能在知识库中实现精准的检索和生成，而且引用还会“注明出处”。 这样一来，不管是绿色项目的精准识别和分类，还是智能问答、内容生产，都能自动高效完成。对于识别一项业务到底“绿”不“绿”，业务员只需提出问题，大模型秒秒钟实现三级科目映射，识别效率大大提高。同时大模型还有另外一个好处，能够针对人工认定的结果进行批量核验，一旦发现有不一致的地方，就能提醒业务人员，去进一步的跟进核查。最终“鉴定结果”再从支行、分行、总行一路报送到监管机构，满足监管不同口径的上报需求及行内多维度管理需求。 大模型识绿只是整个绿色金融产业的一环，只是初步解决“绿”不“绿”的问题。整个产业链条还有很多问题需要去逐步解决，比如项目是深绿、中绿、浅绿，是翡翠绿，还是祖母绿，孔雀绿，如何采取差异化的管理措施。项目的环境效益如何测算，环境风险、经济风险和社会风险如何评估等一系列的问题，都需要智能化的解决方案去升级改造。 在未来，大模型会被引入到更多的业务环节中，这将会带来哪些变革，我们拭目以待。

展会现场 本报（chinatimes.net.cn）记者付乐 上海摄影报道 在2024世界人工智能大会上，“智能体”被看作人工智能未来最好的应用方向。 蚂蚁集团董事长兼CEO井贤栋在本届人工智能大会上表示，通过专业智能体的深度连接，Al会像互联网一样，带来服务的代际升级。 会上《华夏时报》记者观察到，不少适用于金融业的智能体亮相，并开始用于个人理财、风险评估等场景。 “银行业大模型的应用正逐步展开，未来有望形成局部领域的智能体，最终实现银行操作系统的整体智能化。”7月7日，毕马威中国银行与资管行业CIO咨询主管合伙人柳晓光对《华夏时报》记者表示。 大模型开卷AI Agent 井贤栋认为，如同移动互联网时代App是典型应用一样，在大模型时代，智能体是新的应用范式，专业智能体是大模型落地严谨产业的有效路径。 百度创始人、董事长兼首席执行官李彦宏在大会上表示，智能体是开发最简单的AI应用，也是我们最看好的AI应用的发展方向。 所谓“智能体”（Agent），是指人工智能代理，基于大模型技术，具有独立思考和行动能力。不同于传统的人工智能，智能体具备独立思考、感知、分析、决策和执行能力，能够逐步完成目标任务。 金融业属于高度规范化和数据密集型行业，智能体具备自我进化的能力，能够通过持续学习不断演进，迅速响应金融市场变化，如市场波动或政策更新。 中科闻歌副总裁汪小东指出，当前金融业涌现出一大批金融智能体，多用于投资组合优化、市场趋势预测、高频交易模拟、金融风险管理等场景。未来Agent将朝着多智能体协作、可进化智能体等方向发展。 以投资研究智能体支小助为例，学习金融专家的分析推理框架后，在接到不同的投研任务时，它会动态学习专家的思考方式，模仿专家的思路进行分析和生成，背后就是依靠专业智能体框架。 在金融领域，AI智能体正在向普通人提供低门槛的服务。例如支付宝智能助理是一款基于蚂蚁集团百灵大模型研发的AI Agent。记者向AI金融助理提问，“请准备一份适合年轻人的投资方案”，它给出了“考虑到年轻人的特点，投资方案应平衡风险与收益”，并给出了5条投资建议。展台工作人员介绍到，让每一位投资者都拥有一位“私人理财专家”是支付宝AI金融助理的目标，只需一部手机，用户就能获得行情分析、持仓诊断、资产配置和投教陪伴等服务。 展会上智能助理介绍 AI Agent不仅是个人用户的金融助手，也在B端展现出巨大价值。记者注意到，会上有不少创新型公司发布了AI智能体相关应用，助力金融业各细分领域数智化升级。 如无限光年与证券公司合作推出AI投研助手。借助新一代可信技术，这一投研助手在国内实现了用大模型深度解读企业财报，为分析师等专业人士提供包括信息总结分析、范式写作和精准搜索在内的一站式功能。 另外澜码科技与华为昇腾联合发布了“澜码智能体一体机”，为企业用户提供智能体平台，便利金融机构快速构建和部署自定义的AI Agent。 例如在银行的信贷审核过程中，原本需要耗费大量人力去查看企业的基本情况，如股东信息、公司章程以及现金流量表等，现在可以通过澜码AskXBOT平台构建的Agent，自动收集、整理和分析这些信息，节省了客户经理80%报告撰写时间，降低了客户资料审核的错误率。 智能体助力实现“超级自动化” 当前，AI正迅速渗透到金融各个领域，其中智能体发挥了关键作用。 “在银行业，大模型的应用正逐步展开，未来有望形成局部领域的智能体，最终实现银行操作系统的整体智能化。”柳晓光表示，目前中国银行业正处于尝试阶段，大模型的引入将推动业务流程的实质性变革。 例如邮储银行推动“邮储大脑”从感知、洞察向生成创作转型升级，加快虚拟营业厅、智能业务助手、数字客户经理等场景推广应用力度；建设银行启动“方舟计划”，推进金融大模型建设工程，推进生成式人工智能技术在市场营销、投研报告、智能风控等场景的应用。 除了银行，智能体在金融科技领域也有很强的适用性，涉及移动支付、机器人顾问、个性化金融服务等。比如利用智能体分析社交媒体数据和其他非传统数据源，从而建立更全面的信用评分模型。 汇付天下董事长兼CEO周晔表示，未来的世界是一个个智能体连接的世界，快速将软件替代。同时检索增强生成转变到智能体，所有的流程都可以自动编排，从而实现“超级自动化”。 周晔举例到，当前不同平台发放了大量营销券，某冷饮公司要在60多个平台上核券，每年因为核券对不清的账，损失可能超过千万元，现在利用连接自动对账，可以秒级完成。而面对报表，相信未来所有中小企业的报表都是由机器自动生成。 马上消费人工智能研究院院长陆全则认为，一个更加智能的智能体，也引入了新的风险，特别是在数据生成、处理、决策和工作流程中的管控难度。一方面，人工智能的风险管理不应与技术发展相对立，应视为技术进步的组成部分，需要在发展中不断调整和优化。另一方面，由于智能体“变异性”非常强，因此在人工智能的治理过程中不能一成不变，不然就是刻舟求剑。 责任编辑：孟俊莲 主编：张志伟

（精选报告来源：幻影视界） 随着大模型技术的成熟，从基于数据集的开发转向基于大规模预训练模型的应用工程体系，我们可以想象未来大模型通过API化与云原生环境下的金融业务流程与技术架构的深度整合，从而解决一些从前我们不敢想象的融合问题，比如金融模型应用的成本效率与稳定性，金融知识的准确及专业性、金融合格的严谨可解释性等。不仅如此，云原生和大模型融合的新范式，非常需要新的大模型应用平台降低从特定领域到广泛场景到AI应用的门槛。 《百炼成金-大金融模型新篇章》不仅分析了AI大模型的发展趋势，还深入探讨了金融企业在采纳大模型技术时面临的挑战。作者提出了金融级AI原生的六大要素，包括可靠性、低延时、扩展性、安全性、准确性和开放性，为金融行业AI应用的安全性和有效性提供了重要参考。这些要素对于确保金融行业在利用AI大模型时能够满足行业特有的严格要求至关重要。报告通过深刻的行业洞察、丰富的案例分析以及前瞻性的技术讨论，为金融企业提供了金融大模型应用的路线图和实践指南。相信无论是金融行业的专业人士，还是对金融科技充满热情的学者和研究者，都能从这个报告中获得深刻的洞见和启发。 大模型是 DT 时代标志性产物 大模型是数字转型（DT）时代的产物，标志着人工智能技术的一次重大突破，尤其是在自 然语言处理（NLP）、图像识别、推荐系统等领域。这些大模型，如 OpenAI 的 GPT 系列、 Meta的 Llama、Google的Gemini，基于Transformer架构，通过消化海量数据集进行预训练， 获得了对人类语言、图像等数据的深入理解和处理能力。在数字转型时代，大模型为企业提供了前所未有的机遇，使其能够通过高效的数据分析和 决策，实现业务流程的智能化、优化客户体验和创新产品服务。从金融行业的智能投顾和欺诈 监测，到医疗行业的智能诊断和药物发现，再到零售行业的个性化推荐，大模型的应用正深刻 改变着传统行业的运作模式和价值链。 大模型发展的趋势趋势一：“Cloud+AI” 大模型与云的结合日益紧密 在信息技术领域，无疑地，云计算和人工智能（AI）大模型的快速发展正日益成为推动现 代社会进步的两大驱动力。特别是在中国和美国，这两种技术不仅诞生并蓬勃发展，还持续引 领着全球技术革命的浪潮。随着时间的推移，大模型与云计算的结合日益紧密，这种融合在推 动着科技界走向新的里程碑。 趋势二：“AI Everywhere” 大模型无处不在，成为企业数字化标配 在当今的数字化时代，大模型技术以其强大的数据处理能力和智能化水平，正逐步成为企 业数字化转型的标配。其广泛的应用不仅仅局限于传统的计算中心，更是与小模型、新终端以 及数据中台结合，共同构筑起一个多元化部署与互联互通的新生态，极大地深化了对数据资源 的挖掘与运用能力。 趋势三：“AI Native SaaS Rise” 大模型企业级市场崛起，向深度化、产业化、垂直化方向发展 大模型技术的崛起已成为推动企业级市场向深度化、产业化、垂直化方向发展的关键动力。 企业正越来越倾向于将这一技术作为核心驱动力，深入挖掘其在特定行业中的应用价值和潜力， 进而实现智能化升级与业务创新。 趋势四：“AI API First” 大模型功能性能力突破性增长 近段时间以来，大模型正在经历功能性能力的快速增长和重大突破，其中多模态、Agent 模式以及 Assistant...

据韩联社7月4日报道，由韩金融委员会主办的“第七次政策金融支持协商会”当天在首尔举行，会上讨论了向人工智能（AI）领域提供3.5万亿韩元的新资金扶持方案，政府相关部门及政策金融机构与会。据当天的讨论成果，KDB产业银行将在其先进产业支持项目“超差距产业扶持项目”中新增AI领域，并于今年年底前提供总额达3万亿韩元的资金。扶持对象为从事AI模型、机器人、自动驾驶、云计算、AI半导体业务的企业，扶持领域包括设备投资、研究开发（R&D）、并购（M&A）及日常运营资金筹备等，这些企业将最高享受1.2个百分点的优惠利率。产业银行还将新设规模为5000亿韩元的“AI崔智秀基金”，以支持AI技术开发及生态系统培育。产业银行计划自筹1500亿韩元，吸引3500亿韩元的民间资金，投资于云计算、AI模型及AI应用领域的企业。 此外，会上对截至今年5月的政策金融供应现状进行了检讨。截至5月底，向五大重点战略领域提供的资金总额为54.5万亿韩元，年度目标执行率为53.2%。据悉，政策金融支持协商会于2022年成立，旨在通过将国家产业战略与政策金融相结合，向重要领域有倾向性的提供政策资金保障。 海量资讯、精准解读，尽在新浪财经APP