AI金融助手

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。

【步点嗜挫】 9点27戈，瓢列射峻隐“比为湖融满呵崔析亭与力椒展课2024《蛇腿晦烫刘嗡咕摩》钟霍妄勺”疫蚊围稍。 【缘驱盏祝】 1、什如浩“刑踪融”？ 仗灵刀歌沫筐勾及依铭花场、摄兜糟禀、金融工祷和羔蘑服务涡泞泛概馒，下一夷私忿丙局复绒跌围皆酷、抵敌丰薯含一引驳癌谤懈，诈猴鹰腔匕市场、金咏辉熔、册融永民和终壕拇引冰型萧逆面。 “大金猪”残踪由因岭缎喘浦豪郎家哀月唇富，是典粮潘翁震的金溃框颤馁柒，摇逛浙胞痊金词拦浩甚扛合、郊蒿兢实今鲸济澳浊谐赎座、金漂耙展规嫌航国家卓含喳芒豺吭裕因外业含漾蜀氧银融橙全赌疏俱星。 2、“迅丑木”瘟睁贵发九设景！ 预还济秩兑漱咏垒断渴棉，2023年，锁唉尘技贸离悍箫篇梅肩两、诡鞭、叹丰你耽腹笑等态览爽搔尸凑，颇模型、央玄效吟夸楚、修蕴育吐、湿牛据、讽茫惹技撕成酵言装苟摇。 直融行拿作贡柜济钥银招溢较罐篷挺召，阱憎画来幸扮演着葱紧融通、风越荐惊辨重兜箫桌砖重碉写埋。2023年瘫水季翻，锋景畅融需捷渠撞附总额咬海1181.26敢隐，跟资百晨殉陶衬传907蚌。 【教光蓝8谤艰孙煎】 1.郭糯拔连 扑殿圾菇蚤瘩感愈澄按云BOSS辱静谦遇蔓惧翩蚊炭尔提吊抗，吐巨婿务箍瞎琅、暂诬、栏伙胧煌

作为数据密集型行业，当金融行业与大模型，会产生怎样的化学反应？ 当前，科技在金融领域的应用已经越来越广泛。从支付、贷款、理财到保险、投资等各个方面，科技与金融的融合正在逐步加深，使得金融行业更加数字化、智能化和高效化，为未来的金融业带来了无限的可能性和机遇。但另一方面，金融行业对业务稳定性和风险控制有着极高的要求，在此背景下，落地大模型等一系列新技术，是否也存在一些隐患？ 因此，InfoQ 中国希望举办一届真正的金融科技峰会，聚焦金融行业数字化转型路程中的难点与痛点，针对具体场景下的具体问题展开讨论，FCon 全球金融科技大会应运而生。 11 月 19-20 日，InfoQ 中国旗下首届 FCon 全球金融科技大会将在上海中谷小南国花园酒店盛大开幕，本届大会主题是「科技 + 金融，激发创新力量」，旨在探讨和定义在新时代下金融科技的新角色、新机遇以及新挑战。 在会议上，你不仅能听到金融行业大模型应用，还将与大咖们围绕金融领域数字化转型挑战探索 、基于大数据和 AI 的风控系统 、创新的金融科技应用 、金融实时数据平台建设之路 、金融系统建设 、DevOps 在金融企业落地实践 、金融数字人才成长 、金融安全与风险管控 、数据要素流通与数据合规 、银行数智化建设 、建设金融科技人才高地 、打造面向 AI 时代的云架构实践等主题进行讨论交流。 大咖齐聚 会议邀请到蚂蚁集团副总裁 & 首席技术安全官韦韬博士 ，恒生聚源总经理 & TGO 鲲鹏会学员吴震操 ，汇丰科技中国区代理总经理、工商金融资讯科技总监马国栋 ，度小满数据智能部总经理、技术委员会执行主席杨青担任联席主席。 度小满数据智能部总经理、技术委员会执行主席杨青，汇丰科技中国区代理总经理、工商金融资讯科技总监马国栋，国泰君安证券股份有限公司首席信息官俞枫博士，平安集团党委副书记 & 首席数字运营执行官黄红英，中国民生银行信息科技部总经理助理、民生科技有限公司总经理助理李晓东等大咖，将在主会场环节分享他们对新时期的金融行业数字化转型与人才培养的洞见。 来自中国银联 、招商银行...

“一年时间涨10倍，我认为这事就成了。” 11月12日，在2024年百度世界大会上，百度集团创始人、董事长兼CEO李彦宏在演讲中，回忆起半年前与高管们讨论大模型未来走向时的想法。 彼时，百度文心大模型的日均调用量约为2亿次。李彦宏认为，如果在一年时间内，这个数字能跳升10倍，达到20亿，就意味着用户与市场存在刚需，大模型的需求得到验证。 而根据大会上最新披露的数据，如今文心大模型的日均调用量超过15亿次，半年内增长7.5倍，已接近于半年前的预期数字。相较于一年前首次披露的5000万次的数据而言，更是增长约30倍，来势汹汹。 调用量增速迅猛的背后，一方面是文心大模型本身技术能力持续迭代，另一方面，也暗合着当前大模型应用大爆发的趋势。其中，大模型在产业端的落地，是百度持续探索的方向。“过去这一年半左右，我们看到在金融、能源、教育、招聘、公共服务等领域，大模型与场景结合后，在降本和增效两个方面都取得了实实在在的成果。”李彦宏指出。 “大模型正在从技术变革走向产业变革。无数的AI原生应用，正在重新定义我们与数字世界乃至物理世界的交互方式。”在大会上，百度集团执行副总裁、百度智能云事业群总裁沈抖同样表示。在他看来，AI应用正率先在B端爆发。 作为产业端落地的重要行业之一，大模型在金融领域，也正在创造越来越多的增量价值。 大模型深入金融行业 当前，金融行业已成为大模型应用的热门行业之一。 由于金融业具备大规模、高质量的数据资源和多维度、多元化的应用场景，被视为大模型技术应用的最优行业之一。在日前举办的在2024金融街论坛年会上，有专家指出，金融领域是大模型渗透率最高的行业，渗透率超过50%，而智慧销售、智能问答和智能风控是现阶段金融行业最热门，也是应用成熟度最高的AI大模型应用场景。 不过，在拥抱大模型的过程中，由于金融业对准确性、精准性的要求特别高，并对风险外溢的防范要求严格，因此，大模型在金融领域的应用必须经过严格的测试验证，从而确保其能够满足金融业务发展的需要。 与此同时，考虑到实施大模型应用落地需要一定的成本投入，金融机构需要在投入与产出之间找到平衡点，从而确保技术应用的经济合理性。此外，由于金融行业数据的敏感性和保密性，大模型在应用过程中必须严格遵守相关法律法规和监管要求，确保数据安全和隐私保护。 这也为包括百度在内的大模型厂商提出了更高的要求。而作为百度构建智能产业生态的主要依托，百度智能云就此有自己的感受与思考。 “最初大模型兴起时，金融机构可能会追逐新潮，但随着最初的热潮退却之后，本质的问题就会出现，就是它到底价值在哪。”百度智能云金融业务部总经理徐旭直言道，“在这个过程中，大家都在探索，我们的产品矩阵也在不断完善。” 徐旭介绍，自去年开始，百度智能云与金融机构的合作从底层基础设施到上层应用均在升级。今年以来，百度智能云陆续发布金融行业智能体应用“智金”、开元智慧金融解决方案2.0等。前者为金融机构提供智能、高效的辅助工具，助力金融机构增收提效，后者在通用大模型上增强了行业专业性，从而成为最懂行业、最具性价比的解决方案之一。 值得注意的是，在推动大模型落地金融行业的过程中，百度智能云的思路也有变化。徐旭介绍，起初，百度考虑过把重心放在输出基础大模型本身，也考虑过是否去做金融行业大模型，但落地过程中发现对客户来说，性价比不是最高的。“目前看的话，大模型快速落地的过程中，就是一个基础模型叠加专业细分领域重要数据进行精调，然后把需要的产品功能加进去实现，这个速度会更快。” 产业应用提速 当前，百度智能云在与金融机构的大模型产品合作上，已有不错的进展。 在本次大会上，百度智能云千帆大模型平台正式发布“工作流Agent”功能，旨在帮助企业快速开发出面向复杂对话场景的AI应用，快速拥有专业水平的“数字员工”。目前百度智能云正在联合某头部保险集团，基于工作流Agent探索、落地车险续保售前数字员工。 在与泰康保险的合作中，百度智能云和泰康科技基于百度智能云知识管理平台“甄知”打造了私有化、新一代的泰康知识中台，把泰康过去沉淀的行业知识、多源异构数据接入进来，基于大模型能力，将企业知识在内部更高效地流动，为业务创造价值。 据介绍，作为金融保险行业的头部企业，泰康保险内部系统繁多，知识分布在不同的系统中，知识生产、获取效率较低，员工难以高效应用企业信息资源。通过打造泰康知识中台，泰康的内勤工作人员可以快速获取公司最新的福利制度、通知公告，泰康保险代理人则可以实时获取专业保险理赔建议，获取最新保险政策，实现搜得更全，搜得更快，大幅提高知识获取和办公效率。 在与泛华控股集团的合作中，百度智能云与客户共同打造了保险业AI智能体“度晓保”，基于智金提供的智能对话、智能获客、智能营销等能力，在规划决策、长短记忆、外联协同、金融输出等方面做了“最后一公里”优化。 据介绍，“度晓保”能提供专业的产品解读、产品对比、产品脑图等，大幅提升了保险销售人员的专业性，条款收录、问答准确度达到90%以上；可以在几分钟内快速完成不同保险产品间的对比与建议书，方便保险从业者为客户推荐更匹配其需求的产品；还能快速生成专业的面客营销话术和营销文章，让保险销售人员可以更高效地经营私域，沟通与回复客户，销售人员产能增加20%以上。 需要注意的是，这些还仅仅是个开始。随着百度智能云面向金融行业的产品矩阵不断丰富，徐旭认为明年有望成为一个转折时点。 “明年对于大模型而言，应该是真正开始去构建行业价值和产品价值的阶段，会是一个行业价值兑现的时期，”徐旭判断道，“无论是百度自己的方案或是合作伙伴生态，都能够将产品价值更明显地实现出来。” 十万卡部署能力保障 大模型在落地的过程中，算力是个绕不开的话题。 沈抖指出，由企业级大模型工程平台、异构算力平台组成的新型AI基础设施，将替代传统云计算，为大模型应用在企业生产力场景中的规模落地提供关键支撑。 为了满足企业落地大模型从集群创建、开发实验，到模型训练、模型推理的全旅程算力需求，百度智能云推出百舸AI异构计算平台 4.0，目前已具备了成熟的10万卡集群部署和管理能力。 其中，在算力供给方面，百舸平台兼容昆仑芯、昇腾、海光DCU、英伟达、英特尔等国内外主流AI芯片，帮助中国企业摆脱单一芯片带来的高溢价和供应链风险。同时，百舸能够将两种芯片混合训练大模型的效率折损控制在5%以内，达到业界领先的水平。 对于金融机构的需求而言，这样的算力能力已绰绰有余，甚至是“降维打击”。“国内头部的金融机构最大的需求量大约也就是大几千卡规模，”徐旭指出，“从这一点而言，理论上我们具备十万卡集群纳管和调度的能力，去做千卡的话，无论是故障率或异构复杂度，甚至跨集群跨地域的能力等都毫无问题。” 这一点，从百度智能云与中国邮政储蓄银行的合作可见一斑。 据介绍，邮储银行拥有近4万个网点、6.5亿用户和18亿账户，“毛细血管”非常发达，希望用战略入脑进行全局化数字化转型，建设支持全行业务系统智能应用的AI PaaS“人工智能大脑”，对各类模型应用整体统筹、规划，提升各金融场景的模型开发及训练能力。 2023年，为加速大模型应用落地，邮储银行新增大量来自不同厂商的GPU资源，基于大模型为18个核心业务系统、30多家分行的金融业务提供AI赋能。在百舸平台的支持下，邮储银行顺利完成了不同型号GPU资源的部署、上线。 在这个过程中，邮储银行还实现了GPU、CPU算力的规划重组，有力保障了300多个大小模型、6000多次训练任务。模型迭代时间也从过去的一个半月大幅缩短至半天，并实现了更好的模型效果。 也正是在高效的算力基础设施保障下，通过引入百度智能云 AI 中台解决方案，邮储银行构建了国内大型商业银行中首个落地的全行范围统一机器学习平台“邮储大脑”，并持续进行平台升级、拓展场景建设，借助生成式大模型能力，孵化出测试用例分类、货币交易机器人、金融领域对话生成、金融领域辅助文档分析、金融领域投诉分析等AI原生应用。 目前，邮储银行零售信贷自动化审批判断处理从5分钟压缩至10秒以内，实现了以天为周期的模型迭代；支持信用卡、个贷等零售业务约14亿账户的风险分池建模，模型迭代时间从43天缩短到10小时；对信用卡亿级别样本的数据清洗和分析时间从月级别、周级别压缩至小时级别，提升数据处理工作效率；AI平台集群支撑18个核心业务系统、3大主管部门、14个支撑业务部门、30余家分行，成为行内智能化战略规划推进的中枢。 徐旭指出，尽管目前大模型的落地尝试更多聚焦在金融机构的对内赋能上，未来等待时机成熟时，大模型也可能切入直接面客的核心场景，从而有潜力发挥更大的价值，为金融机构带来降本增效的核心收益。

收藏「雷科技Lite」小程序，让你不再错过精彩内容 编 辑：钟立磊  8月23日,北大光华-度小满金融科技实验室举办“北大光华-度小满金融大模型技术与应用论坛”,北大光华金融系主任、教授刘晓蕾,度小满CTO许冬亮,清华大学人工智能研究院常务副院长孙茂松,北京大学光华管理学院商务统计与经济计量系王汉生教授,哈工大计算学部长聘教授车万翔,中国农业银行研发中心大模型研发负责人耿博,光大信托数据中心总经理祝世虎等行业专家出席研讨会。会上,大模型本身的技术难点、大模型对金融行业影响和应用等问题成为产学研界共同关注的课题。 (度小满CTO许冬亮) 许冬亮表示,大模型让机器具有了常识,懂得了逻辑,学会了创作,让人和机器能以更自然的方式互动,通过与周边工具的结合,大模型已经具有了通用人工智能的雏形。金融行业是高价值行业,数字化基础好,高度依赖数据和技术,是大模型落地应用的高潜场景。对于中小金融机构,在大模型的浪潮里,他们也有机会通过应用创新,来加快自身的数字化和智能化进程,跨越数字化鸿沟。 现阶段,如何在金融领域发挥大模型的能力,他认为还有三个挑战需要解决: 第一个挑战是通用模型能力不能满足金融场景需要。首先是通用大模型本身精度不够,当前大模型原生的幻觉问题、可控性问题和可解释性问题都限制了生成内容的准确性和可控性,而金融又是一个对精准性、可控性要求很高的行业;其次是通用大模型金融知识的缺失;再次是大模型更新迭代困难,金融是高时效的,模型必须能够实时跟踪金融市场的变化和趋势。 第二个挑战是大模型如何高效植入现有业务场景。一个团队既要懂业务场景的know-how,又要理解大模型的使用方法,而且还需要具备比较强的工程能力,这样才有可能选择出适合应用大模型的场景,高效的将大模型嵌入到实际业务流程。 第三个挑战是大模型应用于金融业中产生的安全合规和隐私保护问题。金融本身是一个高合规要求的行业,大模型又是具有颠覆性的新技术,我们对它的风险还没有完全了解,随着大模型落地的不断推进,如何平衡大模型落地收益和潜在合规风险,会是一个越来越突出的问题。 如何解决大模型在金融行业落地应用的这些难题,许冬亮认为每家机构独立去解决这些问题既是不现实的,也是不经济的,科技公司和金融机构在金融大模型上的合作非常有必要,“科技巨头提供通用大模型,或者技术能力强的金融科技公司提供金融行业大模型,具体的金融机构基于这个行业底层模型,用自己的业务数据去做私域的训练,然后做私有化的部署和应用”。 今年5月份,度小满开源了国内首个千亿级中文金融大模型“轩辕”,“轩辕”在金融域任务评测中全面超越了市场上的主流开源大模型,开源以来已经有上百家金融机构申请试用。 ·

金融行业是高价值行业，数字化基础好、高度依赖数据和技术，是大模型落地的高潜场景。但是，金融作为一个强监管且对精准性、可控性要求很高的行业，通用大模型在金融核心领域应用上还面临诸多挑战。作者：胡群 封图：东方IC 2023年8月31日，百度“文心一言”、商汤科技“商量SenseChat”、智谱AI“智谱清言”等首批国产大模型产品正式面向公众开放服务。 当通用大模型已在正式落地，金融核心领域离大模型应用还有多远？ 目前度小满、恒生电子、马上消费金融等公司已先后发布金融大模型，蚂蚁集团有望在今年的外滩大会上发布大模型。在银行领域中，农行已率先推出ChatABC，并不断迭代升级；工行、交行、招行、平安银行、兴业银行等多家银行已披露其在大模型领域的探索及应用。 “大模型让机器具有了常识，懂得了逻辑，学会了创作，让人和机器能以更自然的方式互动，通过与周边工具的结合，大模型已经具有了通用人工智能的雏形，在营销、电商和内容等许多领域已经形成了生产力”。度小满CTO许冬亮认为，金融行业是高价值行业，数字化基础好、高度依赖数据和技术，是大模型落地的高潜场景。但是，金融作为一个强监管且对精准性、可控性要求很高的行业，通用大模型在金融核心领域应用上还面临诸多挑战。 爆发前夜 8月28日，中国工程院院士倪光南在金融大模型发展论坛暨马上消费金融大模型发布会上表示，金融行业的人工智能应用要求高、场景丰富，是大模型技术和算法突破的沃土。 今年5月份，度小满开源了国内首个千亿级中文金融大模型“轩辕”，开源以来已经有上百家金融机构申请试用。 6月28日，恒生电子和旗下子公司恒生聚源发布基于大语言模型技术打造的数智金融新品：金融智能助手光子和全新升级的智能投研平台War－renQ，恒生电子金融行业大模型LightGPT也首次对外亮相。“LightGPT将于9月底完成新一轮的金融能力升级，并正式开放试用接口。”恒生研究院院长、恒生电子首席科学家白硕称。 8月9日，奇富科技宣布与360智脑达成在大模型方向与落地应用等多个层面的战略合作。 8月23日，北大光华金融系主任、教授刘晓蕾在“北大光华-度小满金融大模型技术与应用论坛”上表示，AIGC的发展正在从概念开始走向落地应用，从“通用大模型”走向“行业大模型”。而金融行业作为人工智能应用场景密集的行业，无疑是大模型技术落地的最佳领域之一。 8月28日，马上消费金融发布零售金融大模型“天镜”。据马上消费金融人工智能研究院院长陆全透露，该模型已运行近3个月，意图理解准确率达91%，相较于传统AI的68%有较大提升；客户参与率61%，高于传统模型43%的参与率，也高于人工坐席平均28%的水平。 在上市银行2023年半年报中，多家大中型银行已披露其在大模型领域的进展。 工行在中报中表示，完成人工智能大模型能力建设应用规划，在国内同业率先实现百亿级基础大模型在知识运营助手、金融市场投研助手等多个场景应用，并与头部科技公司合作探索千亿级人工智能大模型在金融行业的创新应用实践；交行则称，积极探索AIGC（生成式人工智能）前沿技术，制定生成式人工智能建设规划，组建GPT大模型专项研究团队，为体系化、规模化应用奠定基础；邮储银行表示，积极探索数字员工、NLP(自然语言处理)对话机器人、预训练大模型等前沿技术领域课题研究，促进创新技术融合应用。 股份行方面，招行称，正加快新技术应用推广，提升GPT类自然语言处理大模型的建设能力，并重点发掘其在全流程财富管理中的应用，投产FinG－PT创意中心，加快大模型应用模式探索；平安银行探索自研BankGPT平台，研究构建大模型文本生成、图片生成等能力，及其在图标头像、节日海报、个性化营销内容创作、交互式数据分析、非结构化数据洞察等场景中的应用落地。兴业银行引入部署私有化的商业大模型，上线大模型产品ChatCIB；中信银行与华为、雄安新区成立联合创新实验室，布局大模型等联创课题；浙商银行与头部科技公司基于通用大模型合作开发场景化的数字化应用技术，打造一批有浙银辨识度和行业竞争力的重大数字化应用。 一位国有大行研发中心大模型研发负责人向经济观察报记者表示，对于金融科技，银行更针对应用，而非聚焦基础研究，因此各家银行积极与金融科技厂商合作大模型在金融领域场景的应用。 尚未触及核心领域“目前为止，大模型在银行主要应用于智能客服、智能运营、写文章、写邮件等方面，但是这些应用均不涉及银行的核心应用”。光大信托数据公司总经理祝世虎表示，银行的核心应用在风险管理、资本管理和监管科技等方面。“尽管生成式AI技术具有许多潜在的优势，但在使用时仍需谨慎。银行需要确保AI生成的内容准确、合规和符合品牌形象。此外，监督和审查AI生成内容的过程也是必要的，以确保生成的内容不涉及虚假宣传、误导性信息或违反相关法规。”中国银行业协会首席信息官高峰认为，生成式AI技术根据指定的主题、风格和要求，帮助银行快速生成高质量的内容，降低人工操作成本和时间成本。“毫无疑问，大模型将给整个行业带来无限可能。大模型使得企业掌握和运用知识的效率有了革命性提升，特别是对于财富与资管这类知识密集型行业而言，尤其值得期待。”8月25日，招行首席信息官江朝阳在招银浦江金融科技论坛上表示，财富与资产管理行业将有望成为金融大模型应用最先应用的行业之一。他预测，未来的市场，大模型不会一家独大，将会有多个基础大模型，这既是技术成本降低带来的可能性，也是社会多元化发展的现实需求。当前我国居民家庭资产中的不动产配置比例将趋于下降，金融资产配置比例有望快速提升。根据麦肯锡报告，中国居民金融资产规模将从2022年末的243万亿元提升至2032年末的571万亿元，年化增速9%，资产管理行业规模有望在2030年突破280万亿元。现阶段我国居民金融资产配置中现金和存款占比仍然较高，超过50%，相比之下，成熟市场的存款占比仅15%，居民财富结构将持续优化。“运用科技提升能力，这是财富与资产管理行业的确定性机会。”江朝阳认为，无论是资产配置、投资者教育，还是投研分析、风险管理，每一个环节都要以数字化手段再造，提升效率、提升投资者体验、提升价值创造能力。“人工智能在金融行业的应用潜力目前可能只发挥了不到1%。谁能将人工智能的优势尽早应用于业务，谁就能成为金融行业引领者。”许冬亮表示，金融数据集中在各个金融公司里，对于金融机构而言，数据是核心生产力，相互之间也是竞争关系，不太可能把自己核心的生产资料共享出来。加之监管因素以及用户数据的隐私保护的因素，金融领域的高质量数据未来仍将是分散的。波士顿咨询发布的《银行业生成式AI应用报告（2023》显示，若能在银行业实现生成式AI规模化应用，有望带来可观的降本增效收益。波士顿咨询曾以一家拥有约两万名员工的区域性国际银行为例，初步梳理了该银行前中后台相关部门应用生成式AI的潜力和效益，预计在首年即可为该银行节省约1.5亿美元的成本，占整体薪酬总包的7%左右。 如何破局 马上消费金融副总经理兼首席信息官蒋宁认为，作为生成式大模型，ChatGPT虽满腹经纶，但回答错了并不承担风险。生成式大模型不能做解释，但金融大模型最主要的能力是判别性，需要做交易决策。在工业领域、金融领域的应用还面临诸多难题，比如金融领域的业务需要百分之百合规、安全，不能有一点点差错，不然就会对交易造成重大伤害。 波士顿咨询董事总经理、全球合伙人谭彦认为，当前市场通用的生成式AI模型具备普适、跨行业通用、模糊语言的特性，而这难以满足银行业对金融专业能力、精准性方面的高要求。因此，如何让生成式AI模型“说专业的话”“说真话”就成为了银行业规模化应用生成式AI的两个关键挑战。此外，银行等金融机构对数据安全的高要求也意味着模型的精调和应用都很有可能需在本地进行。 在度小满数据智能部总经理杨青看来，大模型应用于金融核心领域还面临行业监管严格、GPU算力不足、优质数据缺乏、通用大模型金融能力不足以及场景落地难挑战。金融本身是一个高合规要求的行业，大模型又是具有颠覆性的新技术，当前对它的风险还没有完全了解，随着大模型落地的不断推进，如何平衡大模型落地收益和潜在合规风险，会是一个越来越突出的问题。 如何解决大模型在金融行业落地应用的这些难题，许冬亮认为每家机构独立去解决这些问题既不现实，也不经济，科技公司和金融机构在金融大模型上的合作非常有必要，“科技巨头提供通用大模型，或者技术能力强的金融科技公司提供金融行业大模型，具体的金融机构基于这个行业底层模型，用自己的业务数据去做私域的训练，然后做私有化的部署和应用”。 祝世虎认为，大模型在银行业的落地路径将呈现大合作与大创新并举的局面：底层基础大模型将由头部人工智能公司提供、中间会是金融业人工智能公司、上层任务型大模型则由银行与人工智能公司合作开发。 专访吴晓求：中国资本市场一定要完成功能转型改革认缴出资制不宜走回头路谭旭光：唯有改革 | 中国重汽五年登顶启示录

【中国金融案例中心 编译：谢彬彬、叶子】 今年9月，Supermicro（即美国超微电脑股份有限公司）发布了一份名为《人工智能如何推动金融服务创新》（HOW AI IS PROPELLING INNOVATION IN FINANCIAL SERVICES）的报告，深入探讨了人工智能（AI）在金融服务领域的应用潜力，并对Supermicro与NVIDIA（英伟达）的合作及其如何帮助组织实现AI应用的解决方案进行了阐述。 AI在金融服务中的应用 过去五年中，AI显著改变了组织间的互动方式，AI采用率也从2017年的20%增长到2022年的50%以上。金融服务业正在将预测性和生成型AI整合到业务实践中，预计到2024年底，75%的企业将从试点转向操作化AI。 报告提到，AI技术在金融服务中有五方面典型用例，包括： 1）量化金融：将AI技术和定量建模与数据科学相结合，帮助组织做出明智的商业决策； 2）算法交易：AI模型能够分析大量金融数据，包括消费者交易、物流信息等另类数据集，生成预测性洞察，优化交易策略； 3）欺诈检测：AI有助于简化客户验证程序，并通过扫描全球支付网络以提供交易监控，识别异常交易，有效预防和减少欺诈； 4）智能文档：AI技术可通过自动化处理文档、数据提取和内容验证等任务来简化财务流程，提升工作效率并减少人为错误； 5）客户服务：AI驱动的聊天机器人和虚拟助手提高了客户服务的响应速度和质量。 AI实施的挑战及应对策略 尽管AI的潜力巨大，但在金融服务业实施AI技术时也面临着一些挑战： 1）法规限制：在不同国家或地区，金融服务业均受到严格的监管，AI技术的应用必须符合相关法规和合规要求； 2）数据隐私：保护客户数据的隐私是金融服务业的首要任务，AI技术的应用必须确保数据的安全和隐私； 3）技术障碍：许多金融机构的遗留系统无法与现代AI技术兼容，需要进行升级和现代化改造； 4）人才短缺：AI领域的专业人才相对稀缺，金融机构需要投资于员工培训和招聘AI专家。 为了应对上述挑战，金融机构可采取以下策略： 1）优化数据管理：确保数据的质量和准确性，为AI模型的训练提供可靠的数据基础； 2）精确标记数据：为了提高AI模型的准确性，需要对数据进行精确的标记和分类； 3）投资于技术升级：升级遗留系统，以充分利用AI技术的能力； 4）培养专业人才：投资于员工培训，提高团队的AI技能和知识。 Supermicro与NVIDIA的合作 Supermicro和NVIDIA有着长期的合作关系，主要集中在高性能计算（HPC）和人工智能（AI）领域。这种合作旨在提供先进的解决方案，以满足数据中心、云计算和AI应用的需求。 根据公开资料，2021年，Supermicro宣布与NVIDIA合作，推出一系列新的AI和高性能计算（HPC）解决方案。这些解决方案包括支持NVIDIA A100 Tensor Core GPU的Supermicro服务器，旨在提供强大的AI训练和推理能力。在2021年的NVIDIA GTC大会上，Supermicro展示了其与NVIDIA合作的最新成果，包括支持NVIDIA DGX技术的Supermicro服务器，这些服务器被设计用于AI研究和数据中心。此后，Supermicro还推出了一系列NVIDIACertified Systems，这些系统经过NVIDIA的认证，以确保最佳的性能和兼容性。这些系统包括支持NVIDIA GPU的Supermicro服务器和工作站，适用于AI、深度学习和高性能计算。 2022年，Supermicro与NVIDIA加深合作，为研究机构提供支持AI和机器学习研究的高性能计算平台。这些平台包括NVIDIA的AI Enterprise软件套件和Supermicro的GPU优化服务器。2023年，Supermicro与NVIDIA合作推出新一代AI基础设施，包括支持NVIDIA H100 Tensor Core GPU的服务器，旨在为AI和数据分析提供更高的性能和效率。...

5日早盘，行情风向标——金融科技板块再度走高，“AI+金融”全线领涨，信雅达快速封板，大智慧再度涨停斩获5天4板，顶点软件、新致软件、拓尔思、银之杰、格灵深瞳等多股涨超3%。热门ETF方面，金融科技ETF（159851）场内快速拉涨逾2%，实时成交额快速突破2亿元，环比放量明显！ AI科技端上，OpenAI首席执行官山姆·奥特曼当地时间12月4日在社交媒体透露，接下来的12个工作日中，每天都将进行一场直播。在总共12场直播中，公司将展示一些新产品或者样品。据科技媒体The Verge报道，新产品中包含用户们期待已久的文字转视频工具Sora和一款新的推理模型。 华西证券指出，金融行业是大模型推广应用首选场景，在通用大模型基础上，利用行业数据进行混合训练，形成具体行业的大模型，是大模型输出应用的重要模式，AI将赋能金融科技新蓝图。 金融端上看，国泰君安表示，近期央行等七部门发布的《行动方案》要求金融机构定制全方位数字化转型战略规划，新一轮金融科技创新周期即将开启。政策支持叠加资本市场回暖，2025年金融IT行业景气度将迎来大幅度反转。 多角度把握金融科技机遇，建议重点关注金融科技ETF（159851）。资料显示，金融科技ETF（159851）被动跟踪中证金融科技主题指数，创业板成份股权重及科创板成份股权重合计超60%，双创含量高，指数弹性更大；指数第一大行业为计算机，有效覆盖了互联网券商、华为鸿蒙、移动支付、金融信创、金融IT、数字经济等主题。 本文源自金融界