AI金融助手

近日，第三届世界人工智能大会（WAIC）云端峰会在上海世博中心盛大开幕。大会第二天，五位顶尖金融科技专家高屋建瓴，为与会者带来了一场场别开生面的演讲。 在大会上，诺奖得主、AI顶会主席、知名企业家们观点鲜明、金句频出： AI金融是最令人兴奋的机会之一。 对金融业产生巨大影响的AI技术，不止机器学习。 人工智能与区块链的关系，不是竞争而是互补。 「诺奖得主」托马斯·萨金特以亚当·斯密的理论为切口，详细讲解了区块链和人工智能这两种技术如何大大减少当代贸易的壁垒；「IJCAI理事会前主席」迈克尔·伍尔德里奇介绍了人工智能在金融领域最让人兴奋的应用，并列举了机器学习之外，两个可能会对金融业产生重大影响的人工智能技术。 为此，雷锋网整理了这五位顶尖专家的演讲，以飨读者： 托马斯·萨金特：人工智能与区块链，不是竞争而是互补 诺贝尔经济学奖获得者、斯坦福大学胡佛研究所研究员托马斯·萨金特以“2020年及未来技术展望为主题”发表演讲。 托马斯·萨金特主要针对区块链和人工智能两个问题展开了探讨。他在大会上将人工智能和区块链进行对比，认为区块链和人工智能的关系不是竞争而是互补。 托马斯提到了现代经济学的创始人之一，亚当·斯密，其认为贸易壁垒的增加阻碍了经济的发展。比如中国的丝绸之路，商人在进行贸易活动时会遇到小偷和强盗，这是一种贸易壁垒；买卖双方很难彼此信任，很难保证按时交付，而这种缺失的信任和大量的沟通成本也是一种贸易壁垒。贸易壁垒越大，成本就越高。 托马斯认为减少贸易壁垒就是增加经济价值，就会有更多价值被创造出来。而区块链和人工智能这两种技术大大减少了当代贸易的壁垒和成本。以区块链为例，它是一个分布式的共享账本和数据库，具有不可篡改、可以追溯等特点。而这些特征可以有效降低贸易的沟通成本。 而相比区块链，托马斯认为人工智能不是固定不变的，人工智能由一组算法组成，对不知道的事实进行猜测，随着更多数据的输入，人工智能的准确性也相应提高。人工智能通过建立模型来模拟世界，而区块链使用的是与之不同的角度和工具。 托马斯表示，区块链的目的，是成为一种交易技术。现在占主导地位的交易技术是银行，在网络的中心只有一个受信任的中介便是银行。银行作为一个中介，不管是转账还是交易，都要付出很高昂的手续费。垄断意味着收费且金额很大，而且跨国转账常常需要两三天甚至一周。区块链的目标是消除受信任的第三方中介，缩短交易时间，降低成本。记住亚当·斯密的格言，如果你能降低成本，你就可以增加贸易。 最后，托马斯总结道：“人工智能和区块链的关系，不是竞争而是互补。这两项技术，都能够帮助我们降低金融交易的成本。” 迈克尔·伍尔德里奇：AI金融是最令人兴奋的机会之一 迈克尔·伍尔德里奇是国际人工智能联合会（IJCAI）前主席，现担任牛津大学计算机科学系主任，还曾参与开发阿尔法围棋机器人（AlphaGo）项目，是著名智能体理论研究学者，在其二十年的研究生涯里，他几乎当选了人工智能相关学会的所有Fellow。 迈克尔·伍尔德里奇这一次的演讲主题是「让人工智能在金融领域发挥作用的风险和机遇」。 伍尔德里奇相信AI金融是人工智能目前最令人兴奋的机会之一。 他认为，人工智能不只是一种技术，人工智能是由一系列技术构成的。 我们对当代的人工智能如此兴奋的原因是机器学习和深度学习。在过去的15年里，深度学习在机器学习领域取得了巨大的成功。因为深度学习，我们现在可以用人工智能做那些在几十年前看来不可能的事情。但是机器学习和深度学习并不是唯一的人工智能技术，还有很多其他的人工智能技术，比如搜索和战略推理。 伍尔德里奇所说的搜索指的是，能够找到复杂问题的解决方案 。搜索是人工智能中规划和解决问题的基础技术。如何将这个世界的初始配置转换成期望的最终配置？如何把现状变成你想成为的样子？这就是规划和解决问题的意义所在。 战略推理，是设身处地地考虑如果我是你，你会怎么做？战略推理，是目前AI金融的另一个核心组成部分。在过去的几年里，它取得了很大的进步，最明显的是玩扑克的游戏。 伍尔德里奇认为，人工智能不仅仅是机器学习，各种各样的人工智能技术都在金融领域发挥着作用。 接着，伍尔德里奇讲述了两类不同的人工智能在金融界的应用，即面向客户的应用程序和办公室后台的应用程序。面向客户的应用程序，指的是人工智能应用程序可以直接与客户交互；而后台的人工智能应用指的是，在你的业务后台中应用人工智能，但不是直接与消费者互动，而是间接互动。 随后，伍尔德里奇介绍了人工智能在金融中的一个令人兴奋的应用：个人财务软件助理。 伍尔德里奇认为人工智能在面向客户方面最明显的应用、最激动人心的应用之一是面向客户的软件助理。比如我们随身携带的Siri、Alexa、Cortana等都是软件助理。而软件助理和金融之间的联系，核心在于个人财务管理助理。 他解释道：“就像医疗保健中的人工智能，可以全天候监控我们的健康状况一样。人工智能驱动的个人财务助理也可以为人们做到这一点。我认为下一代的应用是使用这些个人财务助理来理解我们的消费习惯。” 伍尔德里奇认为人工智能在观察数据、发现趋势分类，并根据现有的数据预测事物的发展方向方面非常强大。而一个人工智能驱动的个人金融系统，能够相对轻松地完成这些事情。 同时，他也承认数据隐私和数据安全是一个大问题。“如果人们开发了一个软件可以控制客户的银行账户，软件被黑了怎么办？如果软件被其他软件所误导或利用怎么办？只要我们要使用人工智能，这些问题就无法避免而且必须解决，因为它控制我们的财政。”伍尔德里奇说。 廖理：细数金融科技十年发展历程 廖理是清华大学五道口金融学院常务副院长、清华大学金融科技研究院院长，现任《清华金融评论》主编。 廖理此次在大会上分享的主题是「金融科技发展的新机遇」。 廖理认为在本世纪的前20年，以支付科技为基础的金融科技得到了快速的发展，尤其是在过去的十年，金融科技在中国几乎是有了一个全面发展的势头。 对此，廖理总结了金融科技对于经济生活的发展做出的三个贡献。 第一是推动传统金融的转型，提高传统金融的效率； 第二是大量创业公司和新的金融科技公司出现，提高了整个社会范围内资产和资源配置的效率；三是填补了传统金融所没有覆盖的洼地或者盲区，即中小企业融资难、融资贵的问题。 同时，廖理还把为中小微企业提供服务的新创企业分成4个大类：企业贷款、企业支付、企业财务管理、企业员工管理。 面向企业，特别是中小微企业进行贷款的平台，廖理将之分为两类，一类就是电商平台，像国内的京东、苏宁、唯品会都开始为自己平台上的商家提供贷款服务，包括美国的亚马逊等等。还有一类是支付平台提供的贷款服务，包括美国的square等，这些支付平台通过对支付数据的信用分析和判断，为商家提供信贷服务。 他还介绍了过去十年比较引人瞩目的两类贷款平台：第三方的贷款平台和网贷平台。 廖理认为过去十年，面向中小微企业信贷的产业生态逐渐发展起来。不管是电商平台、支付平台，第三方平台还是包括市场借贷的平台，他们的风控逻辑和传统的风控有一个很大的不同，传统的风控逻辑是以资产为主，而新的风控逻辑是以信用为主。 廖理对每一个平台的特征进行了细致的描述，对贷前的审核、贷后的持续的风险监测上的一些方法也进行了慷慨的分享。 最后，廖理还分享了自己所在的五道口金融学院互联网金融实验室，孵化成功的一个高科技企业——道口金科玉律，详细描述了道口金科玉律在技术和商业上覆盖的面积和获得的突出成果。 陈青山：数字化是金融业务AI化的必经之路 合合信息联合创始人、启信宝CEO陈青山，在本次大会上以「AI大数据，共创金融新生态」为主题，分享了自己近年来的一些体会。...

1、人工智能落地金融场景，行业发展潜力巨大。“AI+金融”即人工智能与金融行业的结合。金融业天然的数据属性与智能化需求为人工智能的应用提供了坚实的基础，加之政策和资本的驱动，人工智能落地金融场景已成为不可逆转的趋势。 2、AI技术向金融业各个务场景渗透，带来整体效率的提升和服务模式的转变。智慧银行、智能投顾、智能投研、智能信贷、智能保险和智能监管是当前人工智能在金融领域的主要应用场景，分别作用于银行运营、投资理财、信贷、保险和监管等业务场景。 3、当前AI对金融业的辅助作用明显，场景创新是重点，未来具有不确定性。当前，人工智能在金融行业的应用场景绝大多数是人机结合式的，即机器或技术对实际的金融业务起辅助性作用，人工干预仍不可或缺。但长期来说，随着技术的逐渐成熟，市场的发展具有较强的不确定性。 4、行业处于初创期，智能化趋势明显，市场预期较好。我国“AI+金融”行业仍处于早期的探索阶段，但行业智能化趋势明显，市场预期较好。在应用场景方面，智慧银行主要利用人工智能相关技术提升运营效率，是对银行业现有业务的改进，目前多由技术公司与银行合作共建。智能投顾、智能投研等均由国外先行探索，后在国内经创业公司引入并进行本土化改进，随后由传统金融机构、金融IT和数据服务提供商进一步推动其发展。智能信贷、智能保险和智能监管则分别由互金、保险、交易所和监管部门等将各自的业务领域与人工智能相结合产生的应用创新。目前，除智能投顾发展较早，在国外市场相对成熟之外，其它场景均处于起步探索阶段，但传统金融机构、互联网巨头、金融IT、人工智能技术类公司的纷纷布局将会较大程度地推动行业的发展。 5、科技赋能金融，人工智能应用广泛。借助AI技术实现金融场景创新是行业普遍关注的课题，当前，人工智能技术在银行、理财、投研、信贷、保险、风控、支付等领域得到实践，并呈现出向各个领域渗透的趋势。

财联社12月9日讯（研究员张玉虹 记者郭松峤）ChatGPT发布一周年之际，AI大模型的讨论热潮仍旧方兴未艾。在ChatGPT的推动下，国内的大模型企业亦从探索和尝试渐进深水区。 在国内“百模大战”中，有关垂直行业的专有大模型的应用，一直被高度关注。其中，金融领域中的大模型应用便是焦点之一。 那么，目前金融大模型业态发展如何？哪些金融大模型企业可以在“百模大战”中胜出？ 毕马威中国金融科技主管合伙人黄艾舟在接受财联社专访时认为，算法以及数据的质量和规模是竞争核心。“金融大模型未来发展方向是通用模型+Agent（智能体）的形式”。 财联社：中央金融工作会议提出科技金融、绿色金融、普惠金融、养老金融、数字金融五篇大文章。在你看来，金融大模型可以给予哪些助力？ 黄艾舟：大模型是偏基础设施的一个东西，所以对这五个方面都有助力。现在通常说的金融大模型是通用大模型基础上针对金融行业所做的特色定制，所以叫做“金融大模型”。金融大模型在绿色金融、普惠金融、养老金融这三个领域有一些比较清晰应用了。比如绿色金融方面，AI做ESG数据采集分析。 科技金融更多的是指金融如何更好地为高科技、高成长型公司服务。从这个角度来讲，金融机构为科创公司提供融资服务时，可以用到大模型提升智能风控的效果。数字金融更多的是面向金融机构的数字化。科技金融、绿色金融、普惠金融、养老金融是金融机构怎么服务不同的场景和客群，数字金融是金融机构怎么提升自己的数字化，在这一点上，大模型有很大的应用空间。原来可能有很多现有的AI应用都是比较独立的，客户营销、智能风控、舆情管理、合规管理等等，大模型能像一个底座，把这些个体的AI应用打通。 总结一下，首先如果针对这“五大金融”来说，底座是数字金融，是金融机构的数字化转型，或者是数字能力的提升。大模型在数字能力提升上肯定能发挥巨大的作用，由于底座的质量提升反过来也能更好地促进科技金融、绿色金融、普惠金融、养老金融的发展。 财联社：金融大模型与其他行业大模型相比，具有什么特征？ 黄艾舟：大模型需要大量的数据，底层有很多语料训练才能涌现出推理能力。金融业是对于数据安全和数据隐私保护最为重视的一个行业之一，所以开展大模型的探索，可能会存在一定的困难。 目前各银行对于大模型的应用都还在探索阶段。未来大模型在金融机构的应用，我认为有两种方式：一种方式是现有的开源大模型作为底座，利用已经训练好的开源模型，辅以自己的语料进行新的标注和训练；第二种是探索开发自有大模型。我判断这种可能很难，虽然基础技术框架大家都知道，但算力成本太高了。目前来看，想真正完成自有的大模型还是挺费时费力的，而且效果也不一定理想，所以还是第一种方式相对来说比较可靠一些。 财联社：目前国内金融大模型主要的应用情况和落地场景有哪些？主要参与方有哪些？ 黄艾舟：金融大模型主要的应用情况和落地场景有三类：一类是做投顾指导。大模型可以代替人的很大一部分工作，生成千人千面的有针对性的投资参考；第二类是做更精准的智能风控。风控方面大模型可以精准地识别市场的信号，提出一些风控建议；第三类是做监管合规。针对监管规定、合规等问题，大模型能够很有效地组织整理信息。参与方分三类：科技公司、金融机构、包括高校实验室在内的技术研究机构。这些应用产品是科技公司在开源大模型的基础上进一步开发完成的。金融机构更多的是采购科技公司提供的方案，也有一些探索是设计一些Agent用大模型来解决自己的研发能力的问题。高校等研究机构在做自己的开源模型。 财联社：你认为金融这个细分领域的大模型展现了哪些比较突出的价值？ 黄艾舟：第一是能力更强。金融大模型在具备专业知识的基础上具备了推理能力，能够在特定的领域表现得适应性更高。比如现在有些客服电话，聊一两句就知道它是AI，大部分情况下很难解决具体问题，现在有了大模型，这种沟通解决问题的能力更强了。第二是效率大幅提高。在大模型出来之前，金融机构也一直通过RPA（机器人）提高效率。但我发现具体的业务人员对RPA的使用并不很广泛，因为使用起来还是相对麻烦，有学习成本。而未来金融大模型很可能能够清楚地以自然语言交互的方式理解你说话的意思并且执行相应工作。同时，大模型应用在代码撰写等系统开发领域也是能起到很大作用，大大提升效率。第三是应用场景更加广泛，覆盖更多的用户需求。 财联社：目前金融大模型竞争中，竞争的核心是什么？ 黄艾舟：我觉得最关键的是两个能力：第一个核心是算法。原理基础是一样的，但是好的算法能够使得需要的参数减少，同时产生更好的效果，但这需要顶尖的AI科学家。第二个核心是数据的质量和数据的规模。数据质量的意思是有大量的，经过了很好标注的数据，那一定会提升模型的性能和模型产生的结果。标注本身也不是简单的标注，是带着自己对场景、客户和业务的理解去做标注。数据的规模方面，因为大模型的涌现是靠大量的学习不断地训练，数据太少肯定是不行的。国外现在有个方向是在通用的大模型基础上，有各种各样的小公司小团队去做Agent。也就是通用模型+Agent的模式。ChatGPT做的Markets，其实就是类似这种模式。你需要解决的问题，通用大模型可以给到一个看起来及格的答案，但是你又觉得不够解渴，没有真正解决你的实际问题，所以就需要有专门Agent来解决具体问题。比如说金融行业现在已经有100个AI应用，很可能最后这100个AI变成了100个基于大模型的Agent，某个Agent负责解决理财产品销售的问题，另外一个Agent负责解决某个产品的风控问题等等。 （财联社研究员张玉虹 记者郭松峤）

文章摘要 AI助力金融存量业务增长+开拓新机遇：AI助力金融业务降本增效，降低风险成本。AI技术在金融行业中的应用可以显著降低人力成本并提高收入；AI在提高基础工作效率、增强风控能力、优化客户服务和营销策略方面发挥着重要作用。 AI助力B端+C端产品多应用场景升级。AI技术的发展推动了智能投顾产品和金融信息终端的创新，这些产品通过提供个性化和精准的服务，提升了市场交易活跃度，并为金融行业带来了新的业务增长点。AI促进金融行业存量业务增长。券商经纪业务、两融业务、投行业务、投研和投顾业务将有所受益。 文章内容 文章篇幅有限，仅为部分预览 回复暗号：24052213 *免责声明：以上报告均为本公众号通过公开、合法渠道获得，报告版权归原撰写/发布机构所有，如涉侵权，请联系删除；本号报告为推荐阅读，仅供参考学习，不构成投资建议。 往期推荐 2023年新茶饮创新案例集研究报告【附下载】 2023-06-04 2023年企业数字化转型技术发展趋势研究报告-【附下载】 2023-06-06 2023年6月拍卖会图录研究报告【附下载】 2023-06-10 2023年中国建筑行业装配式建筑发展研究报告【附下载】 2023-06-11 2023年家用电器行业A股上市公司高质量发展研究报告【附下载】 2023-06-17 2023年工业绿色发展白皮书【附下载】 2023-06-19 2022年中国酒业经济运行研究报告【附下载】 2023-06-21 2023年中国氢能产业-氢制备环节深度研究报告【附下载】 2023-06-23 2023年咖啡赛道专题研究报告【附下载】 2023-06-25 2023年混合AI是AI的未来研究报告【附下载】 2023-06-29

撰文 | 郑磊（经济学博士，萨摩耶云科技集团首席经济学家） 今年“人工智能+”首次被写入政府工作报告，上升到国家战略高度。生成式AI正在席卷金融业，释放新的生产力，以前所未有的方式重塑全球金融业态。拥有逾20年金融科技行业经验，金融领域知名的AIGC先行者和实践者林建明先生在新书《 AIGC重塑金融：AI大模型驱动的金融变革与实践》写道，“AIGC开启了AI大航海时代，并以超预期的速度到来。AIGC加速形成新质生产力，未来将重塑金融行业。” 这是国内首本探讨AIGC如何在金融业应用的专著，全书主要涵盖AIGC技术演变与典型应用场景、AIGC提升金融内外部效率方法论、AIGC监管与金融业安全使用策略、从零开始训练金融大型模型和提示工程训练要点使用技巧、未来人机协作，以及金融业从数字金融向智慧金融转变路径等关键内容。该书结构完整，内容充实，全景式地展现了AIGC在金融领域的纵深影响和应用前景，为金融业从业者提供了驾驭金融垂直大模型实践的重要参考和行动指南。 笔者从2018年开始关注金融科技，相信十年后的金融将和当下的传统金融业态完全不同。在和金融硕士生谈到未来的职业发展趋势时，判断只需五到十年时间之后，他们将面临一个全新的金融行业，以大数据、人工智能为主的金融科技将深刻改变金融流程管理、产品和服务。科技赋能金融从互联网金融开始，区块链技术和加密数字币等非中心化金融也火过一段时间。但是真正能够快速落地，提高金融业务能力和效率的技术，还是基于数据的人工智能。AIGC技术以日新月异的速度突飞猛进，迅速在银行、证券、保险、投资等领域找到了丰富的应用场景。人工智能已经成为金融人必须了解的知识和技能。 该书作者认为科技是金融业数智化转型最大的驱动变量。全球金融业积极布局新质生产力锻造“利剑”，数字人、智能营销、风险信用评估、智能投顾等应用场景初露锋芒。在这个过程中，AIGC扮演了关键角色，成为了金融业内部生产效率的“催化剂”。它能够提升自动化运营水平、数据分析效率、财务报告自动生成、风险管理效率以及人机协作，为金融机构带来显著的降本增效。例如在智能运营领域，AIGC可处理大规模、高复杂度的数据，利用AIGC的Completions算法来预测并补全客户未说完的话，准确把握客户意图和需求，从而改善了金融机构与客户之间的交互模式。随着金融业务呈现出轻型化、场景化、个性化的特点，AIGC也推动金融业科技架构向着高安全、可扩展、高性能易维护的路径转变。 《AIGC重塑金融》的作者具有坚实的IT技术背景，并拥有近二十年的相关金融产品开发和经营管理经验，能够通俗地解释技术原理，并紧密结合实践，为工程师和金融专业人才搭建一个相互理解的知识平台。比如，该书系统性地解读了AIGC和机器学习的精髓，深入其工作机制、算法设计与潜在局限。这些章节填补了金融专业人才的知识盲区。在AIGC实践应用方面，透过一系列真实案例，让技术类读者看到AIGC如何在金融的各个环节发挥作用。 这本书也适合金融业管理者阅读，尤其是着重探讨了如何运用AI技术在金融领域达成内外效益双赢。借助实际案例和实践经验，读者可以看到AI如何为金融业赋予更多的竞争力与增值空间，助力金融机构实现稳健经营。技术开发人员可以从中学到金融大模型建构的核心知识，如Prompt Engineering的核心思想、关键技巧以及其在金融应用的广泛场景，提供了一套详实的框架和步骤。 金融是一个严格监管的行业，安全和合规是一切技术应用的前提条件。这本书用较大篇幅讨论了相关问题。作者指出“在身份识别、数据采集、监管数据报送、风险监测及预警等场景里，AIGC为应对科技治理挑战发挥重要作用。”作者建议监管机构利用AIGC技术优势，进行处理大规模监管数据，从而加快风险识别和决策，抵御复杂多变的市场环境，维护金融市场的稳定和健康发展。 AI在金融行业的应用还涉及多个伦理领域，如科技伦理、金融伦理等。该书深入探讨了AI应用中的伦理挑战和法规问题，为金融机构提供面对这一新领域所需的策略建议。作者认为“要辩证看待金融与生产力关系，广泛借鉴吸收国际治理经验，克服安全和隐私风险、调整生产关系、推动监管法规更新、解决人才短缺等问题，用可信AIGC应对科技治理挑战，促进金融领域新质生产力的可持续、健康发展。” 书中大量章节对AIGC重塑算力系统、提升数据处理能力、加速智能开发，以及变革团队人员和基础架构方面的具体应用，进行了深入分析。AIGC技术的广泛应用正在推动AI开发迈向智能化新时代，解放了程序员的生产力。在智能开发领域，AIGC通过自动化的代码生成减少开发人员编写重复代码的工作量，提高工作效率。目前已经有企业使用AI程序员，配合人类程序员工作，不仅大幅提高了代码编写速度，还可以利用静态代码分析技术和机器学习模型对代码进行自动审查评估。AIGC能够辅助开发人员降低常见错误，及时修复缺陷，提高代码的稳定性和可靠性。当前，我国正站在AI科技革命和产业变革的关键节点。金融业应积极发挥创新引领作用，向上突破关键技术的“天花板”，向下扎根产业场景的“试验田”。作者认为不能因为恐惧而抵制变革。 “未来要么颠覆自己，要么被别人颠覆。”

中信证券上市公司交流会：谈谈生成式AI如何赋能金融变革### 近日，中信证券成功举办“人工智能与科技制造”论坛暨上市公司交流会，活动现场百融云创研发负责人发表演讲，分享生成式AI如何赋能金融业变革。 随着ChatGPT 横空出世，生成式AI突然成为了全球热点话题。对于信息化程度较高、数字系统较为完备的金融业来说，生成式AI所展现出的吸引力无疑更是巨大的。很多机构开展了积极探索，从最初的狂热到后来的冷静，人们的心情跌宕起伏，业务与技术的融合要比想象中要曲折。生成式AI要怎样才能在金融领域，更好地实现商用落地呢？ 01 从idea到商业化落地要闯几关 该负责人认为，在金融领域生成式AI从一个idea到商业化落地要闯好几关，“第一，需要有大量的数据和巨大的算力支撑；第二，需要有强大的AI开发应用平台，加快AI从验证到投产过程，使项目周期从‘年’缩短到‘月’或‘周’；第三、要保证隐私性和安全性；第四，AI生成的回答要足够精准；第五，整个生成流程要足够透明化。” 针对这一系列产业化问题，百融云创打造了一个AI中台，这个中台集数据集管理、模型的训练、模型的版本部署优化、以及上层的AI应用开发和托管平台为一体，将算力、数据、模型进行统一化、标准化管理，降低业务线接入AI的门槛。 AI中台具备精准、安全、透明可追溯几大优势，直指生成式AI产业化落地的核心问题。 精准 由于行业属性使然，金融产业对于隐私性、数据安全有极高的要求，模型生成的回答也必须十分精准。比如有用户来投保，保险企业利用生成式AI作为客服，一旦在回答用户问题时产生错误，就会对理赔造成很多麻烦。 为了减少幻觉，提高准确率。百融云创AI中台通过RAG技术外接外部数据库，大幅提升模型的表达能力和预测性能，精准性也得到大幅改善。 安全 隐私和数据安全是金融机构的生命线。百融云创的AI中台打造了安全防护机制，搭建了一个安全防护的中间层。 “我们从用户问题输入和模型输出两个端点入手，进行检测和过滤，把一些不合适的提问和回答过滤掉，就像是在入口和出口设置安检系统，最大程度保证问答的安全。”该负责人表示。 同时，百融云创针对模型本身，也做了安全的评估框架。“我们做了大量的测试，检测模型本身可能存在哪些安全风险，实现对模型全生命周期的监控和管理。”该负责人表示。 透明、可追溯 一直以来，产业界很难完全信任AI的一个重要原因，就是它的“黑盒”模式，人们无法窥视神经网络内部的运作方式。金融产业事关人民财产安全，无法承受不可预测的不确定性。 从不可信任塑造可信任，需要整个作业流程做到透明化和可追溯。百融云创AI中台从三个维度来解决这一问题。 首先是知识库的构建。知识库可能来自金融机构内部结构化或非结构化的数据，AI中台通过模型去阅读、学习和理解这些文档数据，并进行嵌入、分块，从而构建知识库。当用户提问时，AI平台会结合RAG技术把与问题相关的知识检索出来，并提供给大模型，利用其语义理解能力，结合上下文最终生成问题的答案。 “这有一个案例，一个金融机构的客服，回答用户某个问题的时候，我们可以在内部清楚看到，这个问题的答案来自哪个数据库，充分保证透明性和可追溯性。” 该负责人表示。 其次，百融云创也会利用混合专家模型，将生成式AI跟很多传统的金融模型去结合，比如估值模型、评级模型、预测模型等，就好像汽车的智能驾驶和人工驾驶共同发挥作用，两者的结合将大大提升生成式AI的可靠性。 第三个层面，AI中台对所有应用的生成全栈可追溯、问题可复原。“假设我们在线上某个地方产生了一个问题，我们可以通过AIOPS分析出问题产生的原因、调用的模型，可以追溯bug产生的原因，然后进行问题的分析和优化。我们可以做到，30分钟内将问题复原。” 02 积极拥抱 ，逐步渗透 面对生成式AI这样的新技术，既要避免“短期高估”，也要避免“长期低估”。如果“短期高估”，容易导致一哄而上、盲目跟风；如果“长期低估”，一旦产生颠覆效应，就会错失发展机会。 该负责人建议认为：“对待生成式AI，金融机构可以采取积极拥抱，逐步渗透的态度。” 目前，百融云创采取内外联动，协同推进的策略，加速生成式AI的商业化落地。对内，AI中台用来降本增效；对外，则是扩大供给，创造增量。 对内，百融云创基于AI中台打造了AI员工、AI助手、BR-Coder等工具实现协同办公。该负责人表示，“我们把这些AI工具给到工程师、分析师使用，他们只需要给出一段自然语言的描述，AI工具就能自动生成代码，产生数据分析报表。目前，公司大概有10%的开发工作自动生成。” 对外，AI中台能有效扩大供给，创造增量。市场上，有些需求本身就存在，只是产品的供给不足，导致有些需求无法被有效激活。该负责人表示，“基于AI中台我们打造了对话大模型VoiceGPT，为财富、信贷、保险等场景提供服务，帮助客户完成营销运营、理财顾问、客户问答等工作。” 他在现场举了一个例子。在很多银行，用户资产要达到一定数字，可能是50万，才能享受到人工理财顾问服务。实际上，大量的客户没有这么多的资产，但他也需要理财顾问的服务，而很多银行就是因为无法满足这些客群的需求，导致潜在客户的流失。 VoiceGPT则有效填补了这一供给缺口，VoiceGPT每天可以进行3, 000万次的交流，为很多金融机构创造了资产运营的增量收入。不仅是线上，面对线下场景，百融云创还打造了精通多国语言的数字人产品。在购物商场、 营业厅、银行网点或者机场，数字人能胜任客服、讲解、推广等工作，创造增量收入。 该负责人指出，我们要客观看待生成式AI能力的边界，不要陷入思维误区。产业落地是一个系统性工程，生成式AI不可能端到端全部都搞定，实际上它只能胜任一部分工作。而且，也不是非要出现一个颠覆级应用，才标志生成式AI的成功。 产业界应该保持客观和科学的态度，找准定位、制定目标，评估好自身资源，数据情况、人才情况、IT资源，实现技术、应用、合规、监管的全面融合，逐步推动AI落地。技术革命并非总是疾风暴雨声势浩大，有时需要在时间的淬炼中，慢慢显露其威力。

原标题：15万张消费券、AI客服和区块链：咖啡节背后的金融力量 优惠券、信用卡、金融科技轮番上场，银行通过金融创新服务，助力上海打造“世界咖啡之都”。 “不愧是咖啡之都，咖啡展出的商铺一眼望不到头！”在逛完徐汇西岸滨江的咖啡市集后，一位网友如是感叹道。 近日，2024年上海国际咖啡文化节开展系列活动，吸引了各地咖啡爱好者的目光。活动期间，银行也推出各类优惠和服务，优惠券、信用卡、金融科技轮番上场。 未来，银行如何更好助力上海打造“世界咖啡之都”？专家指出，银行可以通过金融创新更好地融入本地社会活动。对外支付业务方面，可以从商户支持拓展、用户支付体验等方面入手，通过产品功能的打造，为用户提供区域性的一站式综合金融生活服务。 罗葛妹摄 银行助力“咖啡节” “在上海，品世界”。 近日，在上海市各区的活动接力下，2024年上海国际咖啡文化节正如火如荼地展开。作为“五五购物节”15大标杆活动之一，今年的咖啡节吸引了多家咖啡品牌参展，无论是“五一”期间人山人海的徐汇滨江西岸主市集，还是刚刚在虹桥国际咖啡港开幕的系列活动，其后都少不了金融力量的支持。 例如，在滨江咖啡市集上，游客可以享受到建行上海市分行与多家知名咖啡品牌联手推出的“1元起喝咖啡”活动和绑卡支付的各类优惠，如果办理了新近推出的“魔咖信用卡”，还有微信立减金、折扣等礼遇。 对于境外游客和展商，“支付不见外”成为一大亮点。“我们为活动现场的咖啡商户配备了支持外卡支付功能的POS机，方便境外游客支付。”建行上海市分行的工作人员向记者介绍道。 在静安区的节庆活动中，静安区文化旅游局联合中国银联、中国农业银行、上海银行和泰隆银行共同发放了近15万张“满9.9元减5元”和“满19.9元减10元”的咖啡消费券。 金融科技的助力也不容忽视。在虹桥国际咖啡港的系列活动中，建行上海市分行与虹桥品汇共同推出互联网平台，为咖啡产业链各主体提供“从种子到杯子”一站式线上服务，引入AI客服和和区块链技术等金融科技应用助力构建咖啡产业的“上海标准”。 “咖啡节的举办，可以看作是城市品牌形象塑造工作中的一项重要举措，背后涉及的元素较为多元，既有文化传播，也有消费促进、商户支持等。”素喜智研高级研究员苏筱芮表示，“银行在此次咖啡节中发挥了金融侧的支持力量，既可以从C端来打造咖啡相关元素的产品，优化相关的金融服务，也可以从B端商户渠道入手建立合作，包括营销运营合作、资金合作等。” 光大银行金融市场部宏观研究员周茂华认为，银行提供咖啡节特定场景金融服务，满足消费者体验式消费需求，释放消费潜力，同时加强商家合作，可以促进行业及产业链发展，活跃区域经济。 打造“咖啡之都” 不经意间，在上海这座快节奏、国际化的大都市中，咖啡已经成为不少人的生活必需品。 早间提神的冰美式、午后香醇的热拿铁、灵感百出的花式特调……咖啡不再是一种舶来的时尚单品，而是一种悠闲美好的生活方式。云南小粒咖啡源源不断地输入上海、咖啡市集上涌现的中老年客群、上海正营业的9000多家咖啡店，无不展现着一颗颗棕色的小豆子对人们生活的影响力。 “这次参与活动的人流量很大，许多客人会主动询问咖啡的信息，品尝后也往往会带些产品回家。活动现场使用银行推出的优惠券的客人非常多，我们会直接为他们核销。”知子罗咖啡专卖体验店的一位工作人员告诉记者，“整个云南咖啡展区的销量都很不错。咖啡节期间，云南展位的日均营业额大多都在6000元至10000元，消费人群大多为中年以上的客人。” 咖啡文化是一扇“走出去、引进来”的窗口，在上海擦亮“咖啡之都”这一新名片的过程中，银行如何更好地提供助力？ 上海交通大学高级金融学院副教授李楠对记者分析指出，从宏观经济视角来看，对于上海咖啡节以及其他社会生活符号而言，银行的核心作用是能否提升消费便利。 “消费便利应该包括两方面，一方面是为上海的咖啡爱好者提供消费便利，即‘促消费’；另一方面是给上海有喝咖啡习惯的外国人提供消费便利，即‘国际化’。因此，对于上海咖啡节而言，银行通过金融创新融入本地社会活动，既有助于银行获客、推广业务，也有助于提升消费，强化城市的国际化形象。” “银行业务与各类社会生活的密切联系，更多体现于提升消费便利、刺激消费欲望，客观上起到了促进消费的作用。在助力城市名片方面，银行可以嵌入的方式方法很多。例如，目前银行的现金业务比重越来越低，银行大堂也逐渐具备了改造条件。银行可以改造网点，打造‘咖啡银行’，与咖啡店互通积分、实现获客渠道共享等。此外，银行还可以将支付方式与交易内容、交易场景更好地结合。”李楠建议道。 苏筱芮也提出建议，银行的对外支付业务可以从商户支持拓展、用户支付体验等方面入手，不断提升支付效率，也可以考虑将支付服务融入生活圈子，通过产品功能的打造，为用户提供区域性的一站式综合金融生活服务。 记者 李若菡 编辑 姚惠 责任编辑 孙霄 —— / 好文推荐 / —— “从企业的加油站变为同行者” 探访“混合养老” 中美应“做伙伴，而不是当对手” 美财报季的AI看点 A股五月“开门红” 问界“甩锅”，博世“拒收” 点亮“在看”，你最好看！(*╯3╰)返回搜狐，查看更多 责任编辑：

本报（chinatimes.net.cn）记者付乐 冉学东 北京报道 当前，消费金融与大模型的结合正在改变着传统金融服务的面貌，深度优化了客服、营销等关键环节。《华夏时报》记者统计发现，在31家已开业的消费金融公司中，已经有海尔消费金融、马上消费金融、招联消费金融发布了大模型相关应用。 海尔消费金融与火山引擎5月10日共同成立金融大模型联合创新实验室，构建起消费金融垂直大模型，并在精准营销、智能客服、贷后管理、风控等业务场景中持续探索大模型的创新应用。 5月11日，素喜智研高级研究员苏筱芮对《华夏时报》记者表示，当下垂直大模型是重要趋势，一方面可以与消费金融公司自身业务紧密结合，促使大模型的应用更具针对性。另一方面，垂直大模型的训练以及调优等更加精准，能够为消费金融公司的营销、风控等具体流程持续赋能。 共建消费金融垂直大模型 在消费金融领域，通用大模型存在精度不够、金融知识缺失，以及难以满足消费场景中定制化需求等难题，限制了模型在风险评估、信用评分、个性化推荐等关键业务场景中的应用。 与基础大模型相比，针对特定业务场景进行优化的垂直大模型在特定范围内的表现更为出色，正在推动大模型技术应用从边缘业务向核心业务迈进。 “将加速大模型技术在公司业务中的应用落地，提升服务的数智化水平和竞争力。”海尔消费金融表示，基于字节跳动自研大模型精调，消费金融大模型具备迭代速度快、模型能力丰富、模型效果增强等特点，能够满足海尔消费金融90%以上的智能化场景需求。 以信贷资产管理为例，在大模型的辅助下，资产管理人员能够更准确地识别用户意图，提供更加精准、及时的服务体验。利用大数据分析，整合如交易记录、宏观经济指标等数据，构建更精准的信用评分模型预测违约概率。 此外，在消费金融的贷前、贷中、贷后管理中，大模型覆盖了从风险评估到客户服务的全过程，助力消费金融机构更加有效地控制风险。 贷前，大模型通过分析申请人的历史交易数据、收入水平等信息，评估申请人的还款能力和意愿，辅助金融机构做出贷款审批决定；贷中，基于借款人实时的信用表现，大模型动态调整信贷额度；通过分析贷后数据，大模型调整贷款组合的风险结构，提高资金使用效率。 提升服务可得性与用户体验 当下，消费金融与大模型的结合是大势所趋，为用户带来了更多选择和更好的体验。记者盘点了31家已开业的消费金融公司，发现已有海尔消费金融、马上消费金融和招联消费金融发布了大模型相关产品，应用场景包括智能客服、智能营销等领域。 去年8月，马上消费金融推出零售金融大模型“天镜”，覆盖了客服、营销、风控等场景，其营销效果提升了30%以上。在企业知识库的应用中，知识产出效率提升了150%，大幅度提高营销物料的生产效率。在与重庆某银行的合作中，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。 在智能客服领域，消费金融业务小额分散，因此对智能客服提出了更高要求。但在实际应用中，智能客服常因“答非所问”饱受质疑，随着大模型的出现，智能客服不智能表现有望改善。 当前，“天镜”已经应用到智能语音助手、辅助人工坐席决策等多个环节，具备语言理解、数据分析、自主学习和智能推理能力。在客户服务过程中，“天镜”可以直接提供针对用户提问的差异化话术，具备生成端到端的对话能力。在处理贷后等场景中，大模型克服传统AI技术理解复杂专业知识的短板，结合对话上下文、历史数据、业务场景等识别用户意图，提升服务效率和用户体验。 11月，招联消费金融发布大模型“招联智鹿”，该模型能发现潜在问题并提供相应的解决方案。经模拟测试，相比人工作业，使用“招联智鹿”进行文本标注与生成的效能可提升百倍，进一步助推降本增效。 以客服场景为例，“招联智鹿”可结合具体会话状态与服务场景，定制回复话术，助力客服工作提质增效，节约时间成本近80%。据了解，该模型未来将应用于更多细分场景，如风控管理、代码生成、运营提升等，并在“智能体”技术、仿真模型、科技向善等方面持续探索。 谈及未来消费金融大模型的发展趋势，苏筱芮认为，一是在智能营销方面，有助于为产品、服务分类推介，提升营销效率；二是在搭建企业知识库方面，能够不断丰富企业内容；三是在智能客服方面，能够进一步加深在特定语境下对客户需求及疑问的理解；四是为授信等风控领域提质增效。 责任编辑：孟俊莲 主编：张志伟

原标题：2024年AI金融新纪元报告：赋能金融，AI开启新时代 今天分享的是：2024年AI金融新纪元报告：赋能金融，AI开启新时代（报告出品方：东吴证券） 回顾与展望“科技+金融”三个时代:1)金融信息化:科技替代体力劳动。信息传播的速度和广度大大提高，大量的人工作业电子化，但受限于时代条件，互联网金融领域仍处于起步阶段，但打下了信息化趋势的基础。2)互联网金融:科技延伸人类触角。大量信息科技公司利用信息传播的速度和广度大大提高大量的人工作业电子化利用网络技术汇集海量用户和信息变革传统金融渠道，和讯网、金融界、证券之星等垂直财经网址厚积薄发，而在移动互联网时代,依托流量实现金融业务中的资产端、交易端、支付端、资金端的互联互通，东方财富、同花顺和华泰证券大放异彩。3)AI金融:科技辅助脑力劳动。大量原有的金融业务通过大数据、云计算、人工智能、区块链等新技术来改变传统的金融信息采集来源、风险定价模型，金融科技资金投入年均复合增速快，非银金融机构技术资金投入占比逐年提升，金融AI大模型引领金融科技范式将迎来变革。 AI助力金融存量业务增长+开拓新机遇:1)AI助力金融业务降本增效，降低风险成本。A!技术在金融行业中的应用可以显著降低人力成本并提高收入;AI在提高基础工作效率、增强风控能力、优化客户服务和营销策略方面发挥着重要作用。2)1助力B端+C端产品多应用场景升级。A)技术的发展推动了智能投顾产品和金融信息终端的创新，这些产品通过提供个性化和精准的服务，提升了市场交易活跃度，并为金融行业带来了新的业务增长点。3)AI促进金融行业存量业务增长。券商经纪业务、两融业务、投行业务、投研和投顾业务将有所受益。 报告共计：32页 以下为报告节选内容 报告共计：32页 中小未来圈，你需要的资料，我这里都有！返回搜狐，查看更多 责任编辑：

来源 | 九卦金融圈 编辑 | 武文 张云迪 美编 | 杨文华 据报道，5天注册用户超100万，月活破亿用时仅2个多月……一举成为历来所有互联网应用程序中积累用户最快的No.1。 2月7日晚间，火爆的ChatGPT再次因访问量激增而宕机，多位网友尝试更换浏览器访问ChatGPT，都表示登陆不上，且收到“满负荷运转”的提示。 微软投资的人工智能公司OpenAI开发的聊天机器人ChatGPT最近超级火爆，不光人工智能再度成为了全球最热的词汇，机构散户投资者纷纷押注科技领域。 有报道称，美国89%的大学生使用ChatGPT写作业，有美国议员借助ChatGPT写国会发言稿，ChatGPT的应用之一就是搜索功能，有人预言，ChatGPT有望重塑，甚至取代传统互联网搜索引擎。 Gmail创始人Paul Buchheit近日就在推特上表示，像ChatGPT这样的AI聊天机器人会像搜索引擎杀死黄页一样摧毁谷歌。 这下，不光谷歌，连微软、苹果、百度们都急了！不光巨头们着急，普通人也纷纷在问，人工智能都能自己进行内容创作了，那画家、作家、翻译、记者、金融从业人员等职业，将来是否都会消失？ “ChatGPT火爆，巨头们都慌了！” 据报道，在2月1日Meta的财报会议上，扎克伯格就将生成式AI提升为今年关注的最大主题之一；微软近期更是被爆追加近百亿美元投资，同时抓紧时间进行自家产品的深度融合；苹果也不甘落后，将于下周举行年度内部AI峰会。 据《纽约时报》报道，一份内部备忘录揭示，桑达尔·皮查伊参与了一系列探讨谷歌AI战略的会议，甚至推翻了内部众多团队的原有工作，并正在从其他部门抽调员工，以应对ChatGPT带来的威胁。 英国《金融时报》报道，谷歌已向AI初创公司Anthropic投资了近4亿美元，后者正在测试ChatGPT的竞争产品。据了解，Anthropic成立于2021年，创始团队正来自ChatGPT的开发商OpenAI。 有媒体进一步报道称，谷歌宣布将推出名为Bard的AI聊天机器人，与ChatGPT展开直接竞争。桑达尔·皮查伊也在其博客中发文介绍，Bard是基于对话应用语言模型（LaMDA）的实验性AI程序，目前已经开展测试，并在几周内向公众开放。 谷歌正在员工中测试Bard的部分功能，这是其应对ChatGPT的“红色代码”计划的一部分。包括名为“Apprentice Bard”的聊天机器人，以及可以以问答形式使用的新搜索桌面设计等。 苹果也很着急。有分析认为，苹果原本的语音智能服务Siri被ChatGPT“碾压”了，苹果需要找到能与之竞争的下一代产品。 据外媒此前报道，微软可能会将ChatGPT整合到Word、PowerPoint、Outlook和其他应用程序中，以便客户可以使用简单的提示自动生成文本，此举可能会改变超过10亿人编写文档、演示文稿和电子邮件的方式。同时有报道称，微软正准备通过ChatGPT背后的AI来推出新版必应（Bing）搜索引擎，微软或在搜索引擎中提供自然语言搜索结果，不再是链接列表。此外，微软还宣布将扩大与ChatGPT所有者OpenAI的合作关系，将向后者进行“多年、数十亿美元”的投资。 金融人会不会“饭碗不保” 除了科技巨头的集体“发慌”，大部分打工人，包括金融人也开始担忧自己会不会“饭碗不保”。 ChatGPT主要是能够通过学习和理解人类的语言来进行对话，还能根据聊天的上下文进行互动，并协助人类完成一系列任务，因此极大提高了人们办公、学习的效率。 不少人试用后认为，这款AI语言模型能让撰写邮件、论文、脚本，制定商业提案，创作诗歌、故事，甚至敲代码、检查程序错误都变得易如反掌。 对于ChatGPT的火爆，有人认为，以前的人工智能，如AlghaGo等只能打败围棋大师，而现在的ChatGPT则渗透进了日常工作领域和生活世界，这可能意味着我们的工作和生活将“切实地被改变”，甚至有些人会因此丢掉工作。 连公号大V胡锡进今日也发文认为，现在机器人已经可以帮着做作业，写格式化和专业化比较强的文章，比如新闻稿件，它能够为我们个人做的事情越多，意味着今后它可能夺去普通人的工作越多。 他个人认为，人工智能肯定会取代一部分文秘和创造性以及创新度不高的文化创作工作，这会倒逼人类为保住饭碗提高自己工作的不可替代性，从而让人的创造力形成新的质量飞跃。 根据最新MLIV Pulse调查显示，ChatGPT主要会威胁到金融、法律和计算机等行业的工作。 “营销数字化转型”公号作者腊阳的文章也认为，金融行业特别是银行业在大数据和AI应用相对成熟一些，ChatGPT和相关智能行业也可能很快会取代这些岗位： 1、客服人员、催收人员 几乎每个人都有过这样的经历：给一家公司的客服打电话或聊天，由机器人接听。而 ChatGPT的成熟会加快这个进展和趋势。 科技研究公司 Gartner 在2022年的一项研究预测显示，到2027年，聊天机器人将成为约25%的公司的主要客户服务渠道。 2、金融分析师、交易员 像市场研究分析师、金融分析师、个人财务顾问和其他需要处理大量数字数据的工作，都会受到人工智能的影响。 其实很多工作是自动化的，像机器人一样工作、做各种Excel表格，但现在可以让人工智能来做这些。 在信贷风险模型方面，ChatGPT...