AI金融助手

曾经在世博源三区B层搭建的AI智慧商街，你还记得吗？那是一个将数字世界与现实世界相结合的商业空间，所有支付均使用数字货币，营造出了沉浸式互动消费新体验。 在一个完整的贸易流程中，支付仅是小小的一环，却可以让我们“管中窥豹”，看到人工智能赋能金融领域的无数种可能。 《上海市人工智能产业发展“十四五”规划》指出，要在金融领域“深化人工智能在风控、监管、客服、投顾、投研、支付等各环节应用。”而在去年10月1日起正式实施的《上海市促进人工智能产业发展条例》更为“人工智能该如何赋能金融领域”指明了方向——“推动人工智能、大数据与金融业深度融合，推动金融业提升金融多媒体数据处理和理解能力，促进金融业智能化转型，开展智能金融产品和服务创新，支持金融机构等市场主体应用智能投资顾问、智能客户服务、智能风险控制等人工智能技术和装备，提升金融风险智能预警和防控能力。”作为全国首部促进人工智能产业发展的省级地方性法规，《条例》具有鲜明的指导意义。 目前，金融领域的竞争加剧、人力成本上升、市场监管趋严等客观环境，促使许多金融机构转向前沿科技，以期改善传统作业模式，提升金融业务运营水平。AI是充分发挥数据价值的关键技术，并已走向“大规模应用时代”，它将成为推动金融产业发展的重要动力。 因此，AI+金融并非单纯的技术累加概念，而是针对不同业务场景的需求，运用前沿技术成果推出的创新金融产品、经营模式、业务流程以及推动金融业务高质量发展的一系列配套解决方案。 上海正全面推进城市数字化转型，其中，数字经济将成为一股重要的驱动力。 以交通银行为例，作为业内翘楚，交通银行不断加强科技赋能，通过信息化、数字化、智能化升级，持续推动传统贸易金融业务数字化转型，不断赋予传统贸易融资产品新的生命力。交行的“惠民就医”是为配合上海市医疗付费“一件事”推广和“便捷就医”数字化转型而打造的一款数字信用产品，为患者减少排队缴费时间，极大提高了医疗效率；另一边，交行与海关总署国家口岸管理办公室合作打造的“交银e关通平台”也开始发力，该平台可让各进出口企业实现“账户开立、税费缴纳、国际结算、贸易融资”等各类本外币金融服务的一站式办理，全面提升金融服务质效。 如今，人工智能正在金融领域“多点开花”：中国银行打造沉浸式元宇宙体验空间、工商银行推动元宇宙网点照进现实、中信银行的“数字员工”在千余个场景上岗、建设银行呈现金融业务虚实共生的智慧图景……AI+金融秀出了自己的“硬核实力”。随着越来越多的金融机构开始布局抢占AI赛道，一幅崭新的AI+金融画卷正缓缓打开。 信息来源：浦东发布

中新网1月25日电(中新财经 宫宏宇) “生成式AI技术在金融业中的应用尚处于技术探索和试点应用的并行期，预计1-2年内，首批大模型增强的金融机构会进入成熟应用期，3年后将会带动金融业生成式AI的规模化应用。”《2024年金融业生成式AI应用报告》指出。 该报告由清华大学经济管理学院、度小满、《麻省理工科技评论》中国、清华大学经济管理学院动态竞争与创新战略研究中心联合编写，近日在京发布。 《报告》认为，生成式AI重新定义客户体验，正在形成新服务。生成式AI可以充当有价值的助手，提出实时响应建议并满足客户多样需求。在金融行业当中，生成式AI能助力释放新的生产力，赋能银行数字化转型，以前所未有的方式重塑全球金融业的格局。 报告的主要负责人、清华大学经济管理学院副院长李纪珍在发布报告时表示，“2023年是基础大模型智能涌现的一年，2024年生成式AI将从模型层走向应用层。开拓落地应用场景，不断提高客户采用率和大模型的利用率，更好发挥大模型的潜在价值，将会是2024年生成式AI突破发展的重要内容”。 “2024年将会是生成式人工智能应用涌现的一年，大量提升生产力的应用即将出现。”度小满CTO许冬亮认为，在B端场景，生成式人工智能将把数智化带到新的高度，大幅提升数据创造价值的效率。在C端场景，大模型已经在从大语言模型向多模态大模型、Agent智能体、甚至具身智能方向进化，这些新能力的注入，会极大提升AI的人类交互能力和任务处理能力。(完)

每经AI快讯，神州信息官微消息，在神州控股、神州信息、神州数码集团联袂主办的数云原力大会2024启幕仪式上，神州信息常务副总裁于宏志发布面向金融的AI原生产品——九天揽月“AI+”。据悉，新一代九天揽月“AI+”实现了“工艺规范”“资产沉淀”“智能生成”三大升级，端到端效率提升30%。 每日经济新闻

点击蓝字 ╱ 关注我们 BBT FINTECH 4月11日，北京商报记者注意到，蚂蚁集团的“AI金融助理”支小宝2.0版本已经处于对外测试阶段，当前在支付宝APP的蚂蚁财富和蚂蚁保频道内，均能唤起支小宝服务，支持文字和语音问答。 北京商报记者测试发现，支小宝定位于解答基金、保险等金融垂直领域的专业问题，可基于用户的理财、保险产品持有情况，提供包括理财持仓分析、市场行情解读，以及保险智能核保、智能理赔等实用工具。例如，当询问某只基金时，支小宝能够提供全面的产品数据，并提示规模和基金经理变动等风险。 图片来源：支付宝 蚂蚁财富公布的数据显示，支小宝深度服务过的用户相比未服务过的用户，资产配置的合理程度高出5%，用户频繁交易的比例下降60%。另根据支小宝一季度的问答数据，2024年以来，新版支小宝共解答了用户手动输入的845万个理财和保险问题，相应问题解答的用户采纳率较前一版本均提升20%左右。 随着大模型在金融领域的广泛应用，国内AIGC（生成式人工智能）已开始试水医疗、交通等垂直领域，据介绍，支小宝是金融领域首个实现规模化对客的AI应用。浙江大学金融研究院副院长章华分析指出，垂直领域专业门槛、合规水位等都较高，AIGC在这些领域需要更强的知识数据、逻辑能力和技术能力。而一旦成功应用，就会显著降低这些产业的服务门槛，提升用户体验。 文 / 北京商报记者 廖蒙往期精彩回顾 收单市场暗流涌动：支付机构忙整改，外包商忙推销套现 现金贷海外淘金记 蚂蚁腾讯百亿罚单背后， 平台企业离上市还有多远？ 点个“在看”每天收到最新资讯！

这几天，金融FinGPT进入了GitHub排行榜。 项目核心成员，是几个华人留学生，从2022年就开始折腾金融方面的项目。 我们团队内部也在讨论，重新激活TOP极宽量化项目的可能。 毕竟，TOP极宽是国内AI智能量化的开拓者和启蒙人，《Python量化三部曲》，目前依然是国内唯一的系统化Python量化专著，不少大学依然在作为量化教学课件： 入门：pandas数据分析，量化策略，talib金融指标， 进阶：backtrader量化软件，skleanr机器学习，可视化分析 高阶：AI神经网络与量化 特别是高端《AI神经网络与量化 》，jd，tb基本上80%图书，目前还是TOP极宽团队5-6年前的作品。 参见：依然是顶流#2：零起点python量化三部曲 今天，和finGPT群网友互动，主要是探讨GPT，量化与AI套利空间。 网络沟通，有些乱，摘录如下： 字王zw: 理论上finGPT挺难盈利，特别是稳定盈利，个别周期盈利的策略，和架构，没有实际意义。 原因很多，其中主要有： 金融套利空间很低，外汇一般是100x，1000x杠杆，盈利空间在万分之一。ai模型，特别是GPT置信空间一般是95%，差n个数量级。 另外一个，很多人没有认识到的就是，所有的金融模型，包括传统量化，数据源都是不精准的 。 ai模型,GPT大模型，都是通过喂数据优化模型。如果数据源，meta元数据，起源就是错误的,模型肯定有问题,特别是高精度应用场景。这个也是ai模型为什么，目前主要用于图像，文本等容错高的领域。 网友：BloombergGPT这个模型准不准？这个是收费的 字王zw:理论上，目前没有准的策略和AI套利模型 。有网友说，如果准，openAI就无需融资了，同样，如果准，两个稳定盈利， BloombergGPT就无需收费了。 字王zw:稳定盈利，至少需要51% 套利空间 ，这个也是我一直说的“足彩图灵法则”，3选1都不盈利，其他更加。 网友：只能走情绪 字王zw: 情绪，语义，10年前MIT就做过tw，谷歌的测试，github有遗留项目。没有价值，垃圾信息太多。数据精度，套利空间也不够 关于ohlc数据源 字王zw: ohlc数据源， 看起来精确，包括min分时，可这个数据是时间节点起始，结束数据，realwordl真实数据是连续的。 用离散空间，模拟连续空间，本身就漏洞百出 小数据理论 字王zw: 我们足彩测试过，四大庄家数据比500家全数据模型准确，所以我们提出了“小数据理论”。 网友: 连续空间是什么？ 字王zw: ohlc开盘价，收盘价，只是：早上9点到下午4点，交易时间节点的切片数据。 而交易是连续的，你用9点，16点的数据，预测11点的结果，是不是有很多缺失。 当然，你可以说用分时 甚至tick数据。 理论上最好的是lv1，lv2等实盘数据，问题是这个数据，全世界都没有，分散在各个交易所。 就是有，也是不真实的，大家应该知道“冰山委托”等交易手段，本身order交易数据，就是人为设置的虚假数据，是一种欺诈交易策略。 网友: 不用高频交易，就看收盘价，忽略波动就好了 字王zw: 你用close数据节点，问题是 ，已经close了，如何交易，这个哲学上是悖论。 当然可以高频倒数1分钟，现在很多open，close交易策略，大家都close，就全部over。 如果你在寻找一个伟大的项目，AGM就是。 AGM阿格姆：AI权重粒子模型，无论是工程项目，还有相关的理论体系，有大量的工作，需要大家补充完善。 想刷高分paper，以及在GPT时代，寻找市场机会的llm创业团队，尽管放马过来。...

“ 6月28日，在第四届夏季达沃斯论坛“《财经》专场：数字中国新蓝图”上，中国国际经济交流中心副理事长、世界经济论坛基金董事会成员朱民表示，10年以后数字经济渗透一切。“ChatGPT 在根本上改变了我们对数字经济的理解”，一个 APP 取代一切的时代正在到来。 ” 他指出，到2025年以后，中国将是世界上最大的数据大国，要发展数字经济就要把数据用起来，不但要把数据用起来，还要把数据变成财富。“把数据变成资源是不够的，我一直说要把它变成资产。”朱民说，“把中国的数据全部动起来、用起来，那中国数字经济的发展，世界就挡不住了，因为没有中国那么大的数据库。”他认为，数据变成财富以后，这个财富是可以永恒存在的，存在于一个虚拟的世界里、在云上。（当数据的）运算、存储都在云上，国家数字经济的基础设施会发生根本变化，这是下一步重大的投资机会。“包括现在谈大模型，未来一切取决于有没有大模型，那么这个世界就真的变了，而且这些变化会推动整个基础设施、企业甚至是整个宏观的变化。”谈及数字经济对制造业的影响时，朱民认为，制造业的一个难题是供应链管理，而大模型是天然的管供应链最好的工具，供应链的有效迭代、产品质量平衡、时效全部可以解决。谈及ChatGPT对金融行业的影响，朱民提到了BloombergGPT，他说，其最厉害的一点是，除了把已有的企业数据、财务数据做分析外，还把市场的波动、传媒和舆论都关联了起来。“这个市场是有情绪的，BloombergGPT把情绪这一块拿进来，这是一个根本的变化”，他强调，BloombergGPT的应用会很厉害。“这三个维度结合起来，这就符合我们对市场的理解了”。朱民还认为，ChatGPT可以把中台打通，促进金融业的交叉销售，进而使得利润大大提高。另外一方面，朱民认为，AIGC对客户营销的管理是非常细致的、全面化的，能把对客户需求的管理、预测等包含在产品制造、营销当中，效率会高很多。“大模型GPT对金融业的颠覆是根本上的，它改变了传统上对FinTech的定义”，朱民说。关于人工智能对未来就业的影响，朱民认为，未来是人和科技的竞争。科技的长处在知识、在决策、在数据。人的长处在人性、在智慧，在整个人类理念的发生。未来我们应该学习的是两端的知识，一端是数学、物理、工程，一端是哲学、社会学、心理学、历史学。两端当中的东西都是会被机器化的。 “ 6月29日，在第四届夏季达沃斯论坛以“中国经济将迎来强劲反弹？”为主题的分论坛上，中国国际经济交流中心副理事长、世界经济论坛基金董事会成员朱民表示，整体来说现在经济不错，第二季度表现比第一季度表现还要好，今年整体会达到5%的增长。 ” 现在非常重要，从消费角度来看消费已经反弹了，但没有预期的幅度那么大，疫情之后人们以更谨慎的方式在消费。此外，房市也有反弹，但反弹幅度也没有预期那么高。所以的确有反弹，但是不是强劲的反弹，这是一个结构性问题。目前供给过剩但需求下降，存在供需不平衡。我们该怎么消化多出来的土地，长期来看必须要进行结构性的改变。谈及需求侧首次出现下降的现状，朱民指出，去年结婚人口不多，假定大家都买了房，最后这些房所占的面积其实只占供给面积的一半而已，所以必须要让现在市场供需再次平衡起来。房产市场需要改革，必须确保不发生系统性风险。在贸易方面，现在全球增长放缓，这影响到了中国，地缘政治因素也非常重要。中国原本是很大的出口国，但是几年间状况出现了改变。中国会如何应对呢？朱民称必须要找到长期的增长引擎。“例如现在数字化带动了制造业，全球30%的制造业来自中国，超过日本、德国还有韩国加起来的总量（29.7%）。制造业是经济的强项，我们必须确保制造业要数字化、要不断提升。而现在的ChatGPT让我们可以在制造流程当中大量使用数字工具，未来数字化只会加快。”朱民说。关于碳中和转型过渡，朱民预计2050年前会对净零转型进行大力投资。现在太阳能价格、新能源价格也下降了。中国的新能源汽车总量比整个欧洲加起来的还要多。所以整个结构正在改变，改变的时候有些波动，但整体来说是向前、向上、稳步增长的状态。-推荐阅读-

前言 ChatGPT的出现引发了大众对大模型的关注和探索，它展现的强大能力，让其成为近几年最受关注的科技热点。站在金融行业的角度，我们尝试从宏观趋势出发，理解LLM在金融行业为什么会获得高关注度？它在金融行业应该如何推进落地？金融从业者改该如何面对AIGC大浪潮？以下内容选自K+Talk大咖对话第49期专家分享，一起来探索ChatGPT在金融行业的无限可能。节目对话嘉宾：李  智——易观智慧院院长/首席分析师袁  兰——摸象科技联合创始人/总裁王晓雷——海思算法专家肖  然——Thoughtworks创新技术总经理全文字数：5951字阅读时间：约6分钟‍‍‍‍‍肖然（本期主持人）：从宏观趋势角度看，为什么现在金融行业（包括银行、券商等）对LLM 有这么高的关注度？李智：第一，金融行业的数字化转型，其中一个非常重要的维度和视角就是以用户为中心，去做面向用户旅程等各个方面的业务创新和升级。但是在用户体验的过程当中，拿金融行业跟其他行业去做比较，我们只能说金融行业过往跟自己相比有了很大的提升，但是金融行业的体验视角还是有很大提升空间。在体验维度上，一方面可以通过人更多地去服务用户，也可以通过数字化的方式，比如说非常多的金融行业，包括银行、证券把 APP 作为一个非常好的抓手，但是它仍然需要在体验的过程中，更加智能的以情感的方式跟用户去建立对话和连接。如果没有大模型应用，也许智能客服等这样的方式已经在金融行业比较广泛的应用，但是我们能看到这种应用的层次相对比较浅，而且从体验的视角也是不够的。但是有了 ChatGPT 给我们带来的多轮对话和情感智能的冲击，我们可以看到金融行业的用户体验还是有很多可以提升的地方，体验的背后就是真正回归到怎么能够实现以用户为中心。第二，能够优化内容生产的创意效率。AIGC 在数字化营销的其他行业已经有广泛的应用，但是金融行业在这个点上仍然是非常振奋。其中一点是金融行业的数字化营销做了多年，但是在营销物料的快速生产和补充上，还是存在短板。所谓千人千面的营销，也许过往金融机构做了非常多的事情比如KYC（Know-Your-Customer），但是除了对用户非常好的了解之外，也需要有足够丰富的物料才能够去满足千人千面的个性化营销，所以从这个维度上内容生产的创意和效率是非常重要的。整体上说，无论是用户体验维度，还是内容生产维度，或者降本提效维度，金融行业还是非常看重大模型可能带来的价值。袁兰：当一种新的技术出现，银行是最有资格用的，一方面它有庞大的客户群，任何一个技术在银行如果能提升1%，都值得去做。第二就是它有充足的预算。但是其实AIGC 在银行很难落地，因为从目前跟客户接触的实际情况来看， AIGC 产出的内容由 AI 直接输出，那么 AI 输出的机理背后是神经网络，它的想法是不可溯源的。因为不是简单地去拼接一段话，而是它通过自己的学习和神经网络产生了自己的话，这段话的产生机理不可溯源，也就无法风控，所以看起来容易做的事情，反而很难做。肖然：金融行业打开LLM模型的正确方向和姿势是什么？袁兰：将来如果真的有一个大模型的话，它的智力应该是远远超过我们这些普通人类的。如果大模型吃掉了所有金融的相关数据和金融现象，那我认为它应该学的技能是投资炒股、资产配置。陪聊和提升用户体验这件事虽然也重要，但是如果我是一个用户，机器人陪聊天贡献的情绪价值，不一定要从它身上获取，我可以从同事朋友身上获取，如果它能帮我赚钱，我愿意为此付费。如果以后有这种金融的垂类大模型的话，它主要解决的功能跟这种泛通用的大模型不一样，不是说它去帮我写程序或者是帮我画画，而是应该帮我把金融的规划做好。这个方向是我认为未来最有前途的方向。要学成一个金融专家，他所经历的训练可能有一些像语言大模型，像下围棋，要经历不同的范式去进行训练，然后能训练出专家。在国外跟中国的模型可能还不同，因为大家知道国外的金融包括股票和投资，跟我们都有非常大的区别。在中国如果真的要做这个金融大模型的话，有非常大的挑战，所以我认为它是非常有前途，我们肯定是能看到这一天的，只不过不知道是在 5 年还是 10 年后。肖然：大模型的潜力还是能突破，现在只有 VIP 才能享受一些服务，这某种意义上也是一种金融普惠，现在可能必须是高净值客户才能享受，那未来可以把这种 VIP 的服务通过大模型技术进行一种普惠。李智：我们换一个维度去看待这件事情，金融行业我们需要看的是无论是银行、保险还是券商，对于财富管理业务是很关注的，但是这个事情的关注点是源自于中国有一个庞大的用户基数，它具备理财和财富管理的这个基础和可能性。但是同时他们又跟美国、欧美不太一样的地方是，他们是理财的小白，他处于需要逐步地培养他们的财商和最终他们做财富管理的这个事情。所以咱们算投入产出比，把更多 AI 的可能性放在怎么能让这个庞大的用户基数真正意义上变成财富管理的潜在用户，并且往高价值的用户方向走，它可能触及到的用户的规模，用户的价值的升级空间是很大的。王晓雷：其实金融领域最近五年给我带来印象最深的可能是周志华老师（南京大学教授，机器学习与数据挖掘研究所(LAMDA)所长），之前和他畅聊AI 未来发展的话题，我们赌了矩阵，因为我们做芯片的需要当期的产品具有很高的ROI，我们认为将来会看到 transformer 这样一个架构，其实本质上也是矩阵和向量的乘法。周志华老师当时走了深度森林这条路线，在软件和硬件上，做了一个系统设计，这个模型最占优势的就是金融领域。有本书叫《概率图模型》，对于这种可解释的，有 reasoning 的阶段，尝试着把知识图谱框架融入进去，可能会对金融领域的解释性有一个很好的帮助。大模型本身的可检视性如果能和知识图谱这样显示的规则融合起来，应该会在这个方向上有一些突破和进展。肖然：LLM在金融行业会不会像支付一样发牌照？袁兰：支付本质上是一个牌照为先导的领域，但是大模型其实是底层能力的领域，我觉得它对整个业界的影响不是非常的大。可能会发在上面的 AIGC 层，比如用大模型来做 ToC 的服务，以后有可能是要发牌照的。李智：支付必须发牌照，因为支付其实是整个资金流通路非常重要的一个部分，尤其是非金融机构也做非常重要的监管动作，所以有必要通过发牌照的方式来约束监管。但是对应到比如说大模型以及大模型在金融行业的应用，如果真的要发牌照，也许国家应该针对的是大模型本身，而大模型在金融行业的应用，包括肖然提到的制造行业，其实大模型在非常多的行业都会有应用，我们应该对安卓和 iOS 有一个比较严格的或者是合规的管控，但是上面的生态应该百花齐放。如果将来大模型上的应用有上百万，那发牌照的意义就不大了。王晓雷：如果先给结论，我不认为大模型在金融领域会发牌照。首先要看牌照怎么定义，我不觉得支付这个领域和大模型是一类，因为支付本身是预决算，国家对于支付是要托底的，如果泛化一点来看，像智能客服这类是不需要托底的，所以我不认为金融领域会发牌照。谈起大模型的牌照，就好像当时芯片进国产化的白名单一样，比如国家要采购这类的产品，就要先有白名单或者短名单。如果纯从大模型的应用领域来谈牌照，可能最 critical 的一个领域是上次聊的自动驾驶。如果主体是 AI 员工、智能客服等，因为它本身不造成资产的损失和结算，我觉得不会发牌照，除非政府要大规模地采购。肖然：明年的今天，也许我们有机会再聚到一起，我们可以再看监管机构是怎么考虑这个事情的，到底会不会发牌照。从我个人角度来讲，其实我跟三位的观点不太一样，我相信监管机构会发牌照，它和理财产品是一样的，某种意义上理财没有绝对保本的，大家可以想象一下银行快速应用大模型，然后生成了一些客户界面的信息，这些信息的后果不论怎样政府都是要兜底的。肖然：金融机构自有模型现实吗？会不会成为一个 showstopper ？李智：原来金融行业在做很多AI场景应用的时候，会希望 AI...

·伦敦证券交易所全球战略客户技术总监诸赞松在接受澎湃科技采访时表示，金融领域大模型的构建方式比较特别，由于对数据安全的要求很高，现在普遍要求模型私有部署，即在加密环境中使用私有数据训练模型。 ·微软（中国）金融行业总经理沈菲称，微软承诺不会使用客户的任何数据来训练和改进语言模型，客户的所有数据都会存放在只有客户可见和可用的环境中，没有任何第三方，包括OpenAI本身，能够获取这些数据。 今年，以ChatGPT为代表的生成式人工智能突然崛起，也开始迅速波及整个金融行业。伦敦证券交易所集团全球战略客户技术总监诸赞松近日在接受澎湃科技（www.thepaper.cn）采访时表示，金融领域大模型的构建方式比较特别，由于对数据安全的要求很高，现在普遍要求模型私有部署，即在加密环境中使用私有数据训练模型。“数据是私有化，模型也是私有化，通过私有化来控制相关数据和模型的安全风险。” 7月4日，伦敦证券交易所集团（LSEG）2023市场展望夏季论坛在上海中心举办。在主题为“金融 GPT: 构建、赋能和规范”的圆桌讨论环节中，3位来自金融机构、企业等领域的行业人士，就人工智能与金融行业的最新趋势和发展方向进行探讨。 7月4日，伦敦证券交易所集团（LSEG）2023市场展望夏季论坛在上海中心举办。 未来多模态会在金融领域发挥重要作用 金融GPT即面向金融行业的大语言模型，是金融行业与人工智能相结合的重要实践，是一个全新的产业领域。微软（中国）有限公司金融行业总经理沈菲在讨论中介绍，金融行业本身有丰富的结构化数据，多样的场景，适合做生成式人工智能或泛人工智能领域的应用。诸赞松也认为，大模型在金融领域有许多应用场景，例如投资研究、风险管理、智能客服。 关于大模型技术如何在金融行业落地，诸赞松表示，“从技术角度展望，通用模型与垂直领域模型将会是百花齐放的局面。”“能提供通用大模型的厂商不会太多，而大厂在算力和数据方面有一定的先发优势，但这并不是说其他提供垂直领域大模型的厂商没有机会，反而垂直领域大模型未来将是一片蓝海，他们会利用大模型提供的超级智能，结合各行业的领域数据，通过模型微调等方式深耕行业领域模型，有效解决行业中的业务痛点。在金融行业的体现是私域化模型。” 诸赞松在采访中表示，金融行业一般不会使用云计算，由于涉密程度较高，一般也不会选择让数据流通起来。 在会上，浦发银行创新实验室副处长李旭佳也表示，银行通常倾向于私有化部署模型，这就导致对大模型进行重复投入，涉及投入产出的会计核算问题。她表示，银行可以根据自己的业务需求，对开源模型进行微调和优化，“每个银行都在适用市面上的开源模型，包括国内学术界和大厂开发的模型。” 除技术创新以外，制度创新也十分重要。“一个新技术应用能够落地并且大规模推广，与制度创新是不可分割的。”李旭佳表示，“AI技术想要在一家金融行业大规模落地，需要遵循‘10、20、70法则’，10%指AI和区块链新技术的突破带来变革的想象力，20%指在传统企业里包括金融、IT团队、云迁移等工程化能力的配套等，剩下70%是指这家公司或者银行组织业务流程的转型、人才的储备和变迁等一系列制度治理的能力。” 此外，诸赞松认为，未来多模态也会在金融领域发挥重要作用。目前，整个人工智能的流程分为感知、决策、执行三部分，而ChatGPT集中于决策部分，执行部分现在只有文本。“将来我们希望在感知部分加入语音、图像、声音，让模型可以处理更加复杂的金融问题。”诸赞松说，“例如，将来给大模型输入一个K线图，大模型可能就会产生一些相关的投资建议，或者在大模型中输入客户投资理财的偏好，模型就会根据相应产品产生理财方面的推荐视频，这是未来我们可以期望实现的一些场景。” “安全可控是重中之重” 金融行业是受到强监管的行业，随着大模型的发展，数据的合规性和安全性成为亟待解决的问题。前段时间，OpenAI被指控训练ChatGPT时使用从互联网上抓取的数据，大规模侵犯了无数人的版权和隐私。微软的沈菲强调，“大模型的安全可控是重中之重。微软一直在全球政府、行业间积极奔走和投入，尤其是大模型的规范和全球监管。” 在数据合规方面，沈菲介绍，微软有几项重要举措。第一，微软承诺不会使用客户的任何数据来训练和改进语言模型。第二，客户的所有数据都会存放在只有客户可见和可用的环境中，没有任何第三方，包括OpenAI本身，能够获取这些数据。第三，微软会对客户的数据进行加密，并支持企业使用自己的密钥，同时会设置基于权限和职能的访问控制。第四，在服务等级协议（SLA）方面，OpenAI实际上是微软PaaS（平台即服务）的一项服务，所以微软承诺它享有与微软其他服务相同的SLA标准。 在安全方面，为防止服务被滥用或者生成有害的内容，微软额外构建了一套内容管理系统，它会与语言模型协同工作，并使用特定算法检测和监控可能发生的服务滥用或有害内容生成情况，以确保整体模型符合人类社会价值观。 李旭佳表示，在金融行业，新技术的应用需要遵循一定的规范和边界。制度方面，浦发银行内部制定了“三禁止两鼓励”的原则，如“数据不能出境、数据不能出行”等，两鼓励指，在不碰客户数据、不碰内部规则制度的情况下可以去尝试。 技术层面，目前大模型构建面临的难点是输出结果不够准确，容易产生歧义。诸赞松在采访中表示，解决这一问题的常见方法是通过对模型进行领域知识的微调，利用更加精确的数据来纠正模型的偏差，也就是构建垂直领域模型。他认为不必过分担心GPT模型产生“幻觉”并胡言乱语的问题，因为最终的决策权在人类手中，人可以判断模型输出正确与否，并选择是否采纳。 “为员工创造价值同等重要” “我们会先尝试在对内的员工赋能方面应用大模型，而对客户的服务我们会更加谨慎，因为大模型的可解释性还不够强，还需要更多的验证和测试。”李旭佳说，“为员工创造价值同等重要。” 李旭佳认为，AI或者RPA（流程自动化）可以被统一视为智能客服或风险审核岗的数字员工。伦敦证券交易所集团数据和分析业务战略客户业务总监傅罗莎也认为，与专业交易员、决策者相比，AI大模型有突出的低延时特点。“这可以很好地帮助金融机构控制风险，然后对市场做一个比较好的预判，包括可以帮助交易员去提升一些生产力和判断力。” 李旭佳建议，对员工赋能的大模型可以制定短中长期的场景规划，短期内可以实现行内制度文本的问答和对话，帮助员工掌握相关知识，提高沟通效率。中长期内可以探索多模态领域，如图文、视频生成等，增加员工的创新能力和表达能力。 诸赞松在采访中表示，金融领域大模型的应用会代替一些岗位。“一些涉及人工操作比较多的岗位，比如接打电话、手工录入等职位都能够通过自动化的方式来解决。但与此同时也会诞生一些新的岗位。”李旭佳也指出，“在我们内部，我们客服中心的同事可以转岗到人工智能的训练师，还可以变成营销岗位的专家同事，他们甚至可以考基金从业或者销售资格岗位的证书提升自己的专业技能，不仅他自己可以获得更高的技能，而且也为客户服务赋能。”

科技创新一直是加速产业变革和行业发展的重要力量，尤其是以大模型为代表的新兴技术为行业数智化转型带来了全新的机遇。作为高度依赖信息技术和科技赋能的金融行业，更是如此。 中国金融行业经过进40年的发展，从电子化发展到信息化再到当今的数字化阶段，在数字化应用领域，领先于国内其他行业、甚至是世界金融行业。 如今，AI技术已经应用在了在大量的金融行业场景，驱动企业数智化转型，包括像智能化营销、智能化服务、智能化风控、智能化生产力、智能化运营等多种智慧场景。 艾瑞咨询的数据显示，2024年，中国银行与保险机构前沿科技采购支出将增长到255亿元，其中金融AI与大数据类186亿元，占比达到73%。随着技术的加强，大模型在金融行业的应用场景也会不断演变。 徐汇区政协常委、CCF数字金融分会副主任、中电金信高级副总裁张东蔚认为，在当前各行业处于数字化深度转型阶段下，金融服务已经成为社会运行的关键基础设施，金融行业数字化转型也面临着更多挑战。 大模型的建设需要大量的人力成本、算力成本、数据成本。建设难、模型多，如何集中化地生产和运营模型？基于这样的出发点，中电金信构建了源启·行业AI平台，帮助企业整合AI技术和场景，集中化地生产和运营模型，从而一站式助力企业数智化转型升级和安全发展，目前已在30多家金融机构中应用。通过源启·行业AI平台，开发人员可用较短的时间、更高效地梳理和开发模型；对全行所有的模型和资源进行统一管理维护、降低成本；同时打破原有烟囱式“模型孤岛”，实现模型复用、提升效率。 张东蔚认为，数据要素时代，以数据治理为基础，构建企业数据资产管理体系，提供可用、好用的数据，支撑企业业务流程改造、产品创新、风险防控，不断提升企业数据能力，挖掘企业数据资产价值，已经成为企业数字化转型的必由之路。“我们提出以‘往下扎根，向上结果’为核心的数据资产运营方法论。往下扎根，是指数据资产运营作为数据资产管理的重要环节，其需要以良好的数据治理作为保障。没有数据治理体系作为保障，数据不但不能转变为企业资产，还很容易让企业陷入‘数据沼泽’的陷阱。向上结果，是指数据资产运营要始终以数据价值释放为中心，关注数据用户的使用满足度，让数据可信、可见、好用、可评，不断适应和满足内外部利益相关方各类数据资产需求，使数据资产成为企业发展的核心竞争力。” 近期，徐汇区印发《徐汇区关于支持人工智能大模型发展的若干意见(试行)》，旨在充分发挥政府引导作用，打造具有国际影响力的大模型创新策源地，推动生成式人工智能技术应用赋能和产业健康发展。2024年新年伊始，徐汇区更是抢抓科技新赛道，举办高质量孵化器建设推进大会，发布支持高质量孵化器建设、加快科创街区发展的15条具体举措，全方位营造更具活力的科创生态。张东蔚认为，优质的营商环境和鼓励创新的政策导向，为区内企业的创新发展及核心竞争力提升提供了良好条件，越来越多的核心技术实现了“从0到1”的突破。

“金融行业传统业务发展模式面临着越来越大的挑战，需要用大模型去提升效率、适应客户需求变化和拓展新的服务空间及场景。”近日，国家金融与发展实验室副主任曾刚在“大模型驱动下的金融新质生产力创新论坛暨全国首部《金融大模型》著作发布”活动上说。 曾刚表示，金融行业面临着以下几方面挑战：一是资产获取难度越来越大，新客户发掘越来越难，传统服务模式可能无法触达客户。二是资产质量发生变化，一些过剩的行业正在经历调整，这对风险防控的要求不断提升。三是息差的收窄。四是资本补充有一定困境。因此，金融行业需借助大模型改善传统发展模式。 金融大模型是人工智能技术在金融领域的重要应用，推动金融服务由广度走向深度。“通过训练，大模型可以自动分析多种数据源，识别出用户所在行业、还款意愿等信息，构建差异化、个性化的客户画像和标签体系，实现数据驱动的分客群精细化经营。大模型已经在电销、客服、催收等主要业务流程，以及研发代码辅助、设计创意生成、数据分析等办公场景中广泛应用，提升公司的整体运营效率。”乐信首席技术官陆勇说。 小微金融领域一直面临着信息不对称、风险难以把控等挑战。传统的信贷用户画像构建方法往往难以全面、深入地了解小微用户的真实情况，大模型技术的引入，为这一问题提供了新的解决方案。 奇富科技大模型专家杨剑表示，奇富科技通过引入大模型技术，对海量数据进行深度挖掘和分析。在小微身份识别方面，大模型能够综合用户在各个平台的行为数据、质量信息以及需求特征，准确判断用户是否为企业主、个体户等小微身份。除了识别身份和行业信息外，奇富科技还深入挖掘小微用户的负债信息和竞品使用情况。通过对用户在消金、小贷、银行等机构的负债信息进行整合和分析，为金融机构提供风险把控的重要依据。通过大模型技术赋能，奇富科技成功实现了对小微用户行业特征的重新定义与划分，行业信息覆盖率高达94.5%。 大模型发展仍面临挑战。马上消费金融股份有限公司首席技术官蒋宁表示，大模型技术还在群体智能与安全可控、个性化和隐私保护、关键性任务和动态适应性标准、基础设施和架构改造等方面存在挑战。未来需要构建四大关键技术能力，包含模型安全可控、组合式AI、持续学习、平台化服务能力。“我们将长期以四大关键技术能力要求为核心，构建技术体系，驱动数字金融高质量发展。”蒋宁说。 星展银行中国有限公司首席信息官宫霄峻认为，国内大模型未来的机会有很多，主要集中在三方面：数据积累、经验总结和算力提升。“大模型想要做好，数据积累需要很多人、很多场景去对大模型完成培训，显然我们有足够的基础数据完成这一使命；在模型的运用上，我们可以看到国外很多早期实践遇到的问题，可以对经验教训进行总结；我们还需要花一定时间，在算力上完成突破，并通过云计算等方式弥补这一能力。”宫霄峻说。（经济日报记者 彭 江）