AI金融助手

人们对于大模型的态度，仿佛像把齐天大圣扔进太上老君的八卦炉，立志在短期内掌握七十二变的变化之道。 尤其是垂直大模型，已成为各行各业竞相追风的一大热点，这种“大模型+”的模式已经成为企业探索创新和转型的重要趋势。近日，在“2024人工智能大模型产业发展大会”上，AI专家、业界领袖及政策制定者共同探讨了大模型的应用领域。其中，猎豹移动董事长兼CEO 、猎户星空董事长傅盛就大模型参数规模表达了自己的观点，“千亿昂贵全面，百亿省钱专业。在企业场景中，专业足矣，更具性价比。百亿参数推理成本只有千亿参数的1/10。” 这就产生了一个问题，在金融科技领域，垂直大模型究竟需要对哪些方面具体关注？目前金融大模型处于什么状态？金融机构会如何选择部署大模型？ 多数金融大模型应用于非核心领域 在金融科技的浪潮中，金融大模型正逐渐成为改变游戏规则的关键力量。这些模型，凭借其处理海量数据的能力和对市场动态的深刻理解，正在金融业的多个领域引发革命。 目前，国内外的金融机构和科技公司都在积极布局金融大模型。2023年5月中旬，奇富科技首先宣布推出金融行业通用大模型奇富GPT，号称“国内首个金融行业通用大模型”。2023年5月，度小满推出国内首个千亿级中文金融大模型“轩辕”。恒生电子于2023年6月发布了金融大模型LightGPT，并对其进行升级，形成“LightGPT+WarrenQ+光子”体系。2023年9月7日和9月8日，腾讯混元大模型和蚂蚁金融大模型相继正式亮相。2023年11月，幻方量化旗下DeepSeek推出DeepSeek LLM 67Bt，相较于其他金融模型拥有更突出的推理、数学、编程等能力。 2024年开年之初，同花顺和东方财富分别推出问财HithinkGPT和妙想金融大模型。工商银行也已经建立了千亿级的AI大模型技术体系，招商银行也在大模型生态建设上取得了进展。马上消费天镜大模型在智能对话、智能超级员工、智能辅助、智能合规四大核心领域已经成功落地相应的场景产品。 以下为数据猿整理的目前在金融大模型领域布局的企业及应用领域，列表并非囊括市场上所有涉及金融大模型的企业，包括直接研发并推出金融大模型产品的金融科技公司、积极参与相关标准制定的科技巨头、以及通过研报等方式对金融大模型进行分析的金融机构。此外，部分企业虽然未直接公开具体的金融大模型产品名称，但根据已有资料，它们在金融大模型技术研发与应用方面有所布局。 从上述图表中，数据猿观察到，目前在已“成型”的金融大模型大部分将领域聚焦于办公、开发、营销、客服等业务场景。 其实，金融大模型的应用非常广泛，涉及风险管理、客户服务、投资决策、反欺诈等多个领域。这些应用不仅涵盖了金融机构的基础业务流程，如智能风控、智能投顾、智能投研等，还包括了客户服务、理赔自动化、智能客服等交互领域。此外，金融大模型还在贷款评估、风险控制等方面发挥着重要作用。 在客户服务领域，金融大模型通过自然语言处理技术，提供个性化的客户咨询和支持，极大提升了客户体验。在风险管理方面，大模型利用其强大的数据处理能力，快速识别潜在风险点，提高了风险管理的效率和准确性。而在投资管理领域，金融大模型通过分析市场数据和趋势，为投资决策提供支持，尽管目前仍在探索阶段，但其潜力不容小觑。 尽管大模型在处理大量数据、发现潜在模式和预测市场趋势方面展现出了巨大的潜力，但金融机构仍然倾向于将其应用于非核心业务领域。 大模型在应用于金融的核心业务场景中还面临哪些挑战？数据猿发现，在投研领域，大模型虽然能够提供深度的市场分析和投资建议，但受限于模型的解释性和准确性，目前还未能在核心投研决策中完全替代人类专家。在交易执行方面，大模型可以实现自动化交易策略，但由于市场波动和监管限制，其应用仍需谨慎。而在风控领域，大模型虽然展现出强大的潜力，但在处理复杂金融衍生品和市场异常情况时仍存在局限性。 金融大模型在金融领域具有广泛的应用前景，能够为金融机构带来显著的价值。然而，要充分发挥金融大模型的价值，还需要解决数据不足、模型过拟合和可解释性等挑战。 金融大模型何时才能真正达到其价值？ 说到大语言模型，数据、算力、算法这三个关键数据永远逃不开众人的关注。数据猿注意到，通用大语言模型不是在“卷”参数，就是走在“卷”参数的路上。即使是拥有先机优势的OpenAI也多次被爆出意图使用外部数据训练自家产品，作为后来者的谷歌、Meta为了能够得到更多的数据来训练自己的大语言模型，也是各显神通，试图笼络一切可以拥有的资源。 无可厚非，单就通用大语言模型来说，参数规模越大，数据量越多，肯定更有利于产品的进步。尤其是高质量的数据，企业所拥有的高质量数据越多，大语言模型在表达能力、泛化能力、任务性能、多任务学习和迁移学习等方面就越有优势。 既然如此，将大语言模型融入金融领域，是否也需要更多的参数？数据猿整理了目前市面上已披露参数规模的金融大模型产品，发现呈现两级分化的现象。 其中，度小满和同花顺的金融大模型将产品从参数方面分为了多个类别。3月11日，度小满宣布“轩辕”系列新增开源6B、13B、70B三种参数12款金融大模型，对此，度小满表示，在“轩辕”模型矩阵中，70B及以上模型适合针对需要深度分析、复杂指令执行以及全方位Agent调用的场景，而6B、13B的模型则更加适用于对响应速度有高要求、面向小规模场景和单任务的应用。”轩辕”6B-4-bit量化Chat模型则以其低推理部署成本，进一步降低大模型的应用门槛。 1月，同花顺和东方财富相继推出了旗下AI 大模型产品。同花顺HithinkGPT 提供7B、13B、30B、70B 和130B 五种版本选择，东财妙想大模型提供7B、13B、34B、66B 及104B 五种版本选择。 数据来源：公开信息，数据猿整理 不过，仍有企业将大模型参数定位到了千亿级别。例如，工行2023年报显示，其建成同业首个全栈自主可控的千亿级AI大模型技术体系，实现在多个金融业务领域创新应用。3月23日，上海报业集团旗下的财联社与阶跃星辰共同打造的千亿级金融大模型发布——财跃F1金融大模型，致力于构建在智能运营、智能风控、智能投顾、智能营销、智能客服等方面的多个“AI+”大模型应用场景。 针对此现象，数据猿与吾道科技进行了沟通，吾道科技目前也在金融大模型领域做相关的探索，其表示：“其他条件不变的情况下，一般来说都是参数规模越大能力越强，但是在根据所在领域肯定会选择不同的参数规模做实际的落地，主要还是受限于机器性能和成本，比如多数需要企业内部部署的场景都会选择14B甚至更小的模型，而在公众领域，用户都是通过互联网接入大模型，大模型运行在云端数据中心，这时候肯定是选择规模更大能力更强的版本。” 拓尔思金融和产业大脑产品中心总经理周宁捷提到，所谓的金融大模型实际上是一个伪命题，因为它的概念过于宽泛，它在实际应用中需要细化到具体领域，而不是试图覆盖所有领域。在设计基座大模型时，通常参数规模越大，模型性能越强，因此可以认为参数越大越好。然而，对于垂直大模型，其参数规模应根据具体需求来决定，不能一概而论。同时，为了实现更好的价值，大模型应与其他技术相结合使用才能更好的赋能金融机构。 数据猿认为，金融大模型的参数规模确实在一定程度上影响了模型的性能，但这并不意味着参数越多越好。参数规模的增加会带来一系列的变化和挑战，需要根据实际情况进行权衡。对于金融行业而言，除了模型性能外，还需要重视模型的安全性、稳定性、可解释性和合规性。因此，并不是所有情况下都应该追求最大的参数规模，而是应该寻找最适合解决特定问题的模型规模，平衡性能和成本，同时确保模型的可靠性和透明度。 就此来看，金融大模型，不只是“大”那么简单。 金融大模型，它不仅仅是“大”在数据处理能力上，更在于它对金融业务的深度理解和应用。从客户服务到风险管理，从投资管理到营销优化，金融大模型无一不精，无一不通。 同时，吾道科技提到，金融行业积累了大量不同格式的数据，如PDF、Word、HTML等，如何高效地进行数据清洗和保存，是一个复杂而艰巨的任务。同时，在严格遵守监管法规的前提下，确保数据的合规性也是我们必须考虑的问题。 大模型这两年非常火，并且确实给大家带来了很多惊喜，但在实际应用方面还处于探索阶段，大多数探索性的应用都是基于通用大模型。而想要金融大模型实现所谓的“价值”，其中，最不应该忽视的一点就是，这一通用大模型基座本身能力如何。 某金融机构投资总监邹杰在探讨金融大模型的发展前景时，提出了一个深刻的见解。他认为，金融大模型的真正潜力在于其能够推动创新和创造性的解决方案，尤其是在金融服务领域中那些尚未被充分探索的创造性领域。然而，当前的技术发展阶段尚未达到能够充分发挥这种潜力的水平，特别是在大模型的基础设施能力方面，还存在一定的局限性。为了使金融大模型能够在未来真正释放其价值，其强调了做好基础工作的重要性。这意味着我们需要在技术开发和研究上投入更多的精力和资源，以确保大模型的基座能力得到加强和完善。这包括但不限于提升数据处理能力、优化算法效率、增强模型的泛化能力和可解释性，以及确保模型的安全性和合规性。 金融机构：自研大模型还是拿来主义？ 金融大模型的优势不可置否，但金融科技的浪潮一波接一波，金融机构站在了一个新的十字路口：是投入巨大资源自研大模型，还是搭便车接入现成的大模型？这不仅是个技术问题，更是一场关于未来战略的豪赌。 作为金融大模型的甲方“爸爸”，金融机构是最有话语权的一方。选择自研还是接入，数据猿认为，资金实力是首要影响因素。 以银行为例，科技是银行发展的关键驱动力，国有六大行则是银行科技投入的核心发动机。厚学研究数据显示，国有六大行的金融科技投入总金额创出1228.22亿元的新高，同比增长5.38%。虽然近几年金融科技投入增速呈现逐年放缓趋势，但科技投入占营业收入的比例在2023年却达到了3.52%的新高。就此来看，国有银行是最有可能选择自研金融大模型的企业。 以下为六大行在大模型方面的布局： 其中，工商银行在自主研发方面取得了显著成果，建成了同业首个全栈自主可控的千亿级AI大模型技术体系，并在多个金融业务领域实现了创新应用。例如，在网点运营上，推出了基于大模型的网点员工智能助手，提升了网点效能；在消费者权益保护方面，将生成式AI、自然语言处理等技术应用于投诉处置和管理主要环节，提高了监测分析的智能化水平。 农业银行AI研发团队推出了类ChatGPT的AI大模型应用ChatABC，并在科技问答场景进行了内部试点。ChatABC大模型的建设重点着眼于大模型在金融领域的知识理解能力、内容生成能力以及安全问答能力，实现了全方位的金融知识理解和智能问答应用。...

添加我为微信好友<<<点击左侧， 每日精选三只热门板块金股免费领。 【金融科技步入新纪元，AI助力开启数字化金融新征程】 金融科技领域正经历着前所未有的加速发展，以大模型为代表，宣告数字金融新时代的开启。科技与金融的融合经历了三个显著时代：金融信息化时期，科技进步替代了人力劳动，信息传播速度与广度得到提升，虽受限于时代条件，但为互联网金融奠定基础；互联网金融时代，信息科技公司通过网络技术变革传统金融渠道，实现了金融业务的互联互通；当前AI金融时代，大数据、云计算、人工智能、区块链等新技术正在改变金融业务的运作模式，推动金融科技资金投入的快速增长。 AI技术的运用在金融领域呈现出显著的降本增效成果，尤其是在提高工作效率、增强风控能力、优化客户服务和营销策略方面。此外，智能投顾产品和金融信息终端的创新，为金融行业带来了新的增长点。券商经纪业务、两融业务、投行业务、投研和投顾业务等均将受益于AI技术的赋能。 在科技金融公司领域，AI技术正不断提升核心业务并拓展新的业务场景。B端和C端产品的AI功能不断完善，公司AI大模型HiThinkGPT深度赋能多个应用场景。金融数据AI智能化生产平台、多媒体智能资讯及互动平台系统等多个AI项目的研发，依托互联网财富管理平台的优势，正构建起金融行业的模型底座能力。 然而，金融科技的发展也面临监管环境趋严、行业竞争加剧以及权益市场大幅波动等风险。投资者需要密切关注相关动态，以做出明智的投资决策。

携手AI+大数据 打造新一代 + “智慧金融” 金融世界，浩如烟海，而今，AI与大数据犹如破浪双桨，正以前所未有的智慧力量驱动金融航船驶向未来。这场革命性的交融，不仅赋予传统金融崭新的面貌，更开启了前所未见的服务模式、风控机制与商业模式。本文将以创新视角深入剖析AI+大数据如何在智慧金融领域各环节大放异彩，揭示其创新应用与深远影响，引领读者一同领略这场科技与金融交织的盛宴。 智能算法交易 01 跨越时空壁垒，智能算法交易犹如金融市场中的“量子猎手”，凭借AI与大数据之力，实时捕获市场脉动。深度学习算法犹如金融市场显微镜，揭示价格波动背后的复杂动力学；强化学习则扮演“金融指挥家”，在高频交易、量化投资等舞台上，根据市场反馈动态调整策略，实现最优执行。更令人瞩目的是，算法交易不仅能应对海量数据，还能洞悉隐含在数据洪流中的非线性关系与小概率事件，为投资者开辟通往阿尔法收益的新航道。 智能监管合规 02 在金融法规的迷宫中，AI与大数据如同智能导航仪，引领金融机构穿越监管丛林。通过自然语言处理技术，AI能精准解读法规文本，实时追踪监管动态，确保金融机构紧跟政策步伐。大数据分析如同鹰眼，监控每一笔交易、每一次操作，实时预警潜在违规行为，将合规管理由被动防御转向主动预防。此外，AI辅助的智能报告系统，可自动生成详尽合规报告，极大减轻人工负担，使合规工作更加高效且精准。 数智化营销 03 AI与大数据携手打造的“金融私人订制师”，让营销活动直击客户心弦。通过对用户行为、社交网络、信用评分等多维度数据的深度挖掘，AI构建出细腻入微的客户画像，揭示个体消费偏好、风险承受能力等隐藏特性。基于此，金融机构能够推送个性化的产品推荐与营销信息，实现“千人千面”的精准触达。不仅如此，AI还能预测客户行为趋势，助力金融机构前瞻布局，抢占市场先机。 智慧客服 04 AI赋能的智慧客服，是金融业永不疲倦的“知识守护者”。运用自然语言处理与语音识别技术，客服机器人能理解并回应客户的复杂需求，提供7×24小时无间断服务。更重要的是，AI客服具备自我学习能力，通过深度分析每一次交互数据，持续优化对话策略与问题解决路径，提升服务质量和客户满意度。未来，融合情感计算的AI客服还将赋予金融服务业更多人性化温度，实现真正的人机共情交流。 存储算力 05 AI与大数据驱动的金融新基建，正以前沿科技重塑数据存储与计算的疆界。面对海量金融数据的挑战，分布式存储、云计算、边缘计算等技术构建起弹性、高效的数据高速公路，确保数据的实时存取与闪电处理。与此同时，通过数据压缩、索引优化等技术创新，大幅降低存储成本，提升数据使用效率，为智能应用的规模化部署奠定坚实基础。 数据治理 06 数据是智慧金融的基石，而数据治理则是确保基石稳固的关键。在AI+大数据时代，数据治理涵盖了数据质量管控、生命周期管理、安全防护等全方位工作，旨在确保数据的准确性、完整性、一致性。其中，通过实施数据标准化、元数据管理等精细化措施，金融机构能够提升数据资产的共享性与复用率，打破部门间的信息壁垒，释放数据的真正价值。 流程配置 07 AI与大数据共同编织的“金融流程魔方”，让业务流程随需而变，灵动自如。基于大数据分析，系统能精准定位流程瓶颈，运用机器学习算法提出优化建议，甚至自动调整部分流程，实现动态优化。此外，借助流程挖掘技术，金融机构能揭示隐藏在复杂流程背后的规律，设计出更简洁、高效的业务路径，大幅提升运营敏捷性与客户响应速度。 定制产品 08 AI与大数据联手打造的“金融产品设计师”，以客户需求为笔，以市场趋势为墨，绘制出独一无二的金融产品画卷。通过对市场、客户、竞争环境等大数据的深度洞察，金融机构能精准把握产品创新方向，运用AI模型进行精细化定价、风险评估，确保产品既满足个性化需求，又能在风险可控的前提下实现商业目标。未来，随着用户参与度的提高，AI+大数据还将推动金融机构实现产品共创，让用户成为金融创新的积极参与者。 支付渠道 09 AI与大数据正掀起一场“支付革命”，重塑支付体验，构建无缝、安全、高效的支付生态系统。通过对用户支付行为、消费习惯等大数据的深度学习，支付系统能提供个性化支付推荐与优惠策略，提升支付满意度。同时，融合生物识别、区块链等前沿技术，确保支付过程的安全、透明，消除信任壁垒，为用户带来极致便捷的支付体验。未来，AI+大数据将进一步推动支付渠道的跨界融合，实现支付、购物、娱乐等场景的一体化服务。 风控管理 10 AI与大数据铸就的“金融盾牌”，为金融机构构筑起立体化的风险防控体系。通过深度挖掘历史数据，AI模型能精确刻画风险特征，实时监测信贷、市场、操作等各类风险。同时，运用关联分析、异常检测等先进技术，系统能敏锐捕捉风险信号，实现风险的早识别、早预警、早处置，有效防止风险蔓延。此外，AI还能辅助金融机构进行压力测试、情景分析，提升风险决策的科学性和前瞻性。 生态构建 11 AI与大数据携手擘画的“金融生态图谱”，打破了行业边界，实现了资源的高效整合与价值共创。通过API、SDK等技术手段，金融机构能与其他行业、平台实现数据共享与业务联动，构建开放、协同的金融生态圈。在这个生态中，大数据洞察助力金融机构挖掘跨行业商机，预见未来趋势，引领业务创新。同时，AI驱动的智能合约、共识机制确保生态合作的公平、透明、高效，为所有参与者创造更大的价值空间。 生态运营 12 在智慧金融生态中，AI与大数据不仅是“智慧大脑”，更是“生态引擎”。通过对生态内海量数据的深度分析，金融机构能精准把握用户需求，优化服务体验，提升用户粘性。AI驱动的智能推荐系统，能根据用户行为与偏好，提供个性化的内容与服务，打造千人千面的生态体验。在合作伙伴管理方面，AI通过数据分析与预测，帮助金融机构优化资源配置，提升合作效益。此外，AI还能助力金融机构实现生态资源的智能调度，如动态调整营销策略、优化资金分配等，确保生态运营的高效与稳健。 结语 AI与大数据的深度融合，正以前所未有的深度与广度重塑金融业态，催生出新一代“智慧金融”。从智能算法交易到生态构建与运营，每一个环节都展现出AI+大数据的创新魅力与变革力量。展望未来，随着技术的持续迭代与应用场景的无限拓展，智慧金融将以更为成熟、先进的形态，深刻改变我们的生活方式，驱动金融行业迈向更高层次的数智化未来。让我们携手AI+大数据，共绘智慧金融的美好蓝图，共创金融新时代的辉煌篇章。

原标题：AI金融新纪元：赋能金融，AI开启新时代 今天分享的是：《AI金融新纪元：赋能金融，AI开启新时代》 （内容出品方：东吴证券） 报告共计：32页 核心要点 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)A金融:科技辅助脑力劳动。大量原有的金融业务通过大数堀、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)A1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)A1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。AI赋能科技金融公司，提升核心业务+拓展新生业务:1)同花顺:B端iFinD产品逐渐完善AI功能，C端智能投顾机器人“问财”持续发展，公司A1大模型HiThinkGpT，深度赋能i问财、同花顺 APP、iFinD、爱基金以及面向 B 端客户等应用场景。2)东方财富:持续研发公司金融数据AI智能化生产平台、多媒体智能资讯及互动平台系统等多个A项目，依托公司互联网财富管理综合运营平台的优势，妙想金融大模型凭借数据特色和算法、算力优势，搭建起领跑金融行业的模型底座能力。3)恒生电子:专注B端业务，打造更专业、更合规、更轻量的金融行业大模型，LighGPT、WarenO和光子系列产品火热内测中。4)财富趋势:受益于国密改造和信创建设，B端业务前景广泛。5)指南针:体量轻盈受益于整体金融市场活跃，带来迭代式增长。 返回搜狐，查看更多 责任编辑：

原标题：AI+金融专题元：赋能金融，AI开启新时代 今天分享的是AI专题系列深度研究报告：《AI+金融专题元：赋能金融，AI开启新时代》 （报告出品方：东吴证券） 报告共计：32页 海量/完整电子版/报告下载方式：公众号《人工智能学派》 核心要点:金融科技发展加速，大模型落地开启数字金融新时代 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衣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。 4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)A1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 41赋能科技金融公司，提升核心业务+拓展新生业务:1)同花顺:B端iFinD产品逐渐完兽AI功能，C端智能投顾机器人“问财”持续发展，公司A大模型liThinkGPT，深度赋能i问财、同花顺 APP、iFinD、爱基金以及面向 B 端客户等应用场景。2)东方财富:持续研发公司金融数据AI智能化生产平台、多媒本智能资讯及互动平台系统等多个AI项目，依托公司互联网财富管理综合运营平台的优势，妙想金融大模型凭借数据特色和算法、算力优势，搭建起领跑金融行业的模型底座能力。3)恒生电子:专注B端业务，打造更专业、更合规、更轻量的金融行业大模型，LihGPT、WaenO和光子系列产品火热内测中。4财富趋势:受益于国密改造和信创建设，B端业务前景广泛。 5)指南针:体量轻盈受益于整体金融市场活跃，带来迭代式增长。 1.1.金融信息化阶段:科技替代体力劳动 金融信息化阶段(2004年之前):中国金融与技术的融合开始于20世纪80年代，以互联网公司、系统开发商为代表的技术主体为金融机构提供技术支持，帮助金融机构“把业务”搬到网上，还未出现真正意义的互联网金融业态. 金融信息化阶段代表性产品及服务: 银行:自动取款机(ATM)的开发与应用初步实现了银行无接触式服务，客户仅需要通过ATM自助完成一系列金融交易而无需前往柜台办理极大程度上减轻了银行人员的工作负担。 证券公司:系统开发商和互联网公司为证券公司各网点投入IT自助设备和数字服务终端，实现客户开户、交易等证券服务的无纸化时代。交易所:1990年11月26日，上海证券交易所正式成立，同年12月19日开市，并采用计算机系统进行交易，标志着我国证券交易进入电子交易时1993年 12月，上海证券交易所开通卫星通讯双向网，实现证券营业部与交易所交易指令信息的互联网时代。 报告共计：32页 海量/完整电子版/报告下载方式：公众号《人工智能学派》返回搜狐，查看更多 责任编辑：

原标题：丽泽金融商务区AI智能巡查车亮相 “全域智能运营平台”上线 5月8日，北京青年报记者从丰台区获悉，丽泽金融商务区通过数字孪生技术搭建商务区“全域智能运营平台”，已累计派发工单数70625单，接单率100%，完工率99.76%，全域运营成效明显。在数字化转型的推动下，智慧数字建设成为提升丽泽综合服务效能的重要抓手，“全域智能运营平台”系统不断迭代升级，不仅仅是数据的叠加，更是丽泽区域治理质量的飞跃。 让“治理”变“智理”，新一代城市数字孪生管理中枢上线 那么何为“全域智能运营平台”呢？在位于丽泽晋商联合大厦八层的丽泽智慧云城市资源经营管理有限公司（简称“丽泽城资公司”）中控后台，北京青年报记者看到，一个和现实世界近乎一样的虚拟世界呈现在智慧运营系统的大屏上，小到一个垃圾桶的数据，大到丽泽金融商务区8.09平方公里的实体空间，在这里都可以看得到。这个智慧“大脑”来自丽泽城资公司打造的“全域智能运营平台”，作为新一代城市数字孪生管理中枢，该平台依托城市运营服务中岗位、物联、调度系统，实现近场服务调度与远程运营调度智慧融合。 “我们把商务区划分为3个网格，网格A为核心区，B为在建区，C为居民区。将综合巡查、市政环卫、园林养护、应急环境提升4项综合业务整合为一体，同时依托工单模式和员工报事软件等，对日常工作进行标准化落实，对巡查人员等所报工单进行在线收集、分析、派发、处理，有效打破了业务板块壁垒，形成了高效服务矩阵，让城市‘治理’变‘智理’。”丽泽城资公司总经理余婷婷告诉记者。 当天上午10:30，虚拟大屏中实时显示112位城市管家被标注为环卫保洁员、综合巡查员、安全员、绿化员等分工，在各自所负责的区域里进行着日常巡查作业。据悉，共有354位城市管家每天8小时轮岗制，不间断地为丽泽金融商务区提供城市服务。 “叮咚——您有一条新的报事工单，请及时处理！” 当时，正在三路居停车场附近巡查的城市管家贾洪斌赶忙打开手机中的“助英台”APP查看工单详情——三路居停车场存在乱堆物料情况，需要清理。贾洪斌迅速将手头工作处理完毕后，赶赴工单地点。清扫完毕又重新拍摄同角度照片上传，经审核后形成了事件闭环，整个流程仅仅用了15分钟。 如此高效的事件处理背后，正是得益于“物业城市一体化”运营新路径的不断探索，真正运用数字技术实现资源的优化配置和高效利用。“自全域智能运营平台投入使用以来，截至目前，已累计派发工单数70625单，接单率100%，完工率99.76%，全域运营成效明显。”余婷婷说。 AI巡查车全覆盖巡查，全域智能运营管理提效 通过发挥摄像头、定位设备、执法记录仪、环境传感器等物联网设施优势，可以发现城市运转中出现的静态问题。除此以外，在丽泽金融商务区还有着动态监管的“智能眼睛”。 取名为“云豹”的橙色AI巡查车是商务区内移动的眼睛，也是商务区的重要“智理”工具。AI巡查车以时速20—30公里的巡查速度对辖区73万平方米道路进行全覆盖巡查，1辆这样的AI巡查车可替代10名综合巡查人员的巡查作业范围。其360度转动的智能AI识别摄像头搭配车载iPad，依托AI算法系统可对沿街晾晒、违规撑伞等14大违规场景进行自动识别、标记、归类，并形成预警，进而通过智能运营平台实现事件工单的快速流转，有效提高事件发现和处理效率。目前，“云豹”已累计闭环处理13230个事件工单，大幅提升了数字化管理水平。 下午5时，正值商务区下班高峰时段，“云豹”AI巡查车驾驶员张海天根据设定路线巡查至骆驼湾街时，自动捕捉到因路侧违规停车造成局部拥堵情况，同时将工单下发给距离拥堵位置最近的城市管家，第一时间处理解决。 “我们上下班经常看到这辆橙色的巡查车，没想到它还能帮着疏导交通，真的是功能强大呀。”丽泽入驻企业职工王雪告诉记者，“明显感觉到现在的丽泽环境品质不断提升，交通越来越便捷，对我们公司形象来说也是一种加分。” AI时代的城市是由实体空间和数字空间组成的数字孪生城市，要在实现数据化、网络化、智能化后，根据丽泽的产业、生态、文化特色，合理规划开发数字智慧空间，以需求为导向建立数字空间中的治理体系。“全域智能运营平台”就是基于此，通过对事件的统计分析，自动生成事件高发地点热力图，运营调度人员依据图示，高效调配现场资源，并向事件高发区域倾斜。 丽泽金融商务区管委会负责人表示：“科技化手段和智能化设备的运用发挥了重要作用，丽泽金融商务区也将进一步结合新型智慧城市建设目标，推动全域智能运营管理提效，持续为辖区企业营造一流营商环境，加快建设丽泽数字孪生城市新图景。” 文/北京青年报记者 蒲长廷 供图/丰台区返回搜狐，查看更多 责任编辑：

原标题：【AI金融新纪元】系列报告-三-：赋能金融，AI开启新时代 今天分享的是【【AI金融新纪元】系列报告-三-：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。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。2）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。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。 AI赋能科技金融公司，提升核心业务+拓展新生业务：1）同花顺：B端iFiD产品逐渐完善AI功能，C端智能投顾机器人“i问财”持续发展，公司AI大模型HiThikGPT，深度赋能 i 问财、同花顺 APP、iFiD、爱基金以及面向 B 端客户等应用场景。2）东方财富：持续研发公司金融数据AI智能化生产平台、多媒体智能资讯及互动平台系统等多个AI项目，依托公司互联网财富管理综合运营平台的优势，妙想金融大模型凭借数据特色和算法、算力优势，搭建起领跑金融行业的模型底座能力。3）恒生电子：专注B端业务，打造更专业、更合规、更轻量的金融行业大模型，LightGPT、WarreQ和光子系列产品火热内测中。4）财富趋势：受益于国密改造和信创建设，B端业务前景广泛。5)指南针：体量轻盈受益于整体金融市场活跃，带来迭代式增长。 免责声明：以上报告均系本平台通过公开、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 ；资料为推荐阅读，仅供参考学习，如对内容存疑，请与原撰写/发布机构联系返回搜狐，查看更多 责任编辑：

原标题：力荐！专业金融分析师都在用的天工AI搜索 OpenAI要做AI搜索这件事已经传了很久，近期又有新消息爆料OpenAI 的 AI 搜索产品 Sonic – SNC（SearchGPT）已进入评估阶段。反观国内，昆仑万维的天工AI搜索已经稳坐AI搜索赛道，产品持续迭代、稳步升级！ AI搜索的盛行，最大的受益者无疑是用户，毕竟与传统搜索引擎只给一些链接的效果相比，AI搜索直接给答案的能力才是用户渴望的终极体验，比如我用天工AI搜索测试金价波动这个既专业又和很多人相关的问题，这种天壤之别的差别感就十分明显。 在大多数人心里，黄金是公认的硬通货和避险资产，投资黄金是抵御风险、实现财富保值的有效手段，但又有多少人能够看懂黄金价格波动迷雾，达到计划的投资预期呢。 特别是自2月中旬的低点以来，国际金价涨幅高达17%，在3月就曾大涨8%，从而吸引了大量投资者的关注，众多普通人纷纷加入黄金投资大军。然而上周开始，国际金价戛然下跌，跌幅达2.76%，巨幅波动引发市场震动。 人们都在问，黄金未来到底是看涨还是看跌、普通人是否适合投资黄金？什么时候投资黄金最合适？ 很明显，仅凭几篇报道和评论很明显无法全面、准确、即时的掌握黄金的价格走势和背后的逻辑。在专业做投资理财的分析师朋友的推荐下，我用了他们圈内很多人在用的天工AI搜索后，终于理清了金价波动的头绪，找到了合理投资黄金的可靠答案，正所谓“工欲善其事必先利其器”。 金价为什么会波动？这是所有人首先想知道、且必须要知道答案的问题，如果不明白这个问题，那么投资成功的概率将大打折扣，勉强算个投机，很难实现财富增值。 当我们把这个问题抛给天工AI搜索，它并没有像传统的搜索引擎一样，机械的推荐一连串的文章链接，需要手动翻找和甄别，而是结合搜索到的正确的信息源，AI自动梳理成了一篇大纲清晰、知识明了、信息全面的内容，对AI整理的内容不够满意的话，在答案的右边提供了信息来源，如果你需要看到相关更多的信息，就可以一键直达。 包括我们问到“普通人如何科学投资黄金”时，效果也是一样的，知识大纲清晰了然，让我们一次性就能够掌握到所有的知识点，再也不用像传统搜索引擎那样让人大海捞针，沙子里找石子。 在我的搜索过程中，我发现天工AI搜索可以提供简洁模式、增强模式、研究模式，每个模式各有特点，可以满足不同用户在不同需求下的搜索需要。 简洁模式下，天工AI搜索提供的答案简洁明了，适合快速获取信息。它能够在短时间内完成全网搜索，并从多个信源中提炼出精准的答案，省去了用户逐个点击链接并自行总结内容的繁琐过程。而在增强模式下，可以检索更多的网页，提供全面的个性化答案。这种模式适用于需要更详细信息的情况，用户可以获得更深入的搜索结果，同时保证信息的准确性和实用性。 对于要深入研究的人来说，研究模式就特别有用，就是我们常说的“知其然，更知其所以然”的境界。这种模式的结构更为细致，内容更深入。它不仅可以自动总结大纲，而且还能生成知识图谱和思维导图，给你结构化的知识体系。这种模式适合需要进行深度研究和分析的用户，比如分析师、研究人员等专业人士，可以获得详尽的信息和数据，以便进行进一步的学术研究或商业分析。比如我搜索“普通人如何科学投资黄金”，它给的知识图谱的精准性和丰富程度已经是专业级别。 此外，最近天工AI网页版还更新了新功能——支持网盘链接搜索！这意味着，用天工AI搜索即可轻松查找你需要的各类资源，例如想要看书学习理财知识，用天工AI搜索不仅能为你推荐书单，还能直接输入书名搜索电子书网盘资源。 对于要长期跟踪黄金投资走势的人来说，如果只是到精准、全面、高效的体验程度，那天工AI搜索只能算是出类拔萃，还算不上“遥遥领先”。 事实上，天工AI搜索给的着实“有点多”，它还有其他AI搜索产品没有的绝招——智能体。在AI搜索获得答案后，为了能够密切跟踪每天的金价情况，我用天工AI创建了一个追踪金价波动的，叫投资助手的智能体，每天用它来追踪最新的黄金相关的新闻、第一时间了解金价的变化和走势，它可以实时联网获取最新信息和数据，提供更好的投资参考建议。这一下就颠覆了我们对搜索这件事的认知，原来AI搜索还可以这么玩，简直太超前了。 天工AI搜索之所以这么强大和领先，就不得不说这款革命性AI应用的独特基因和扎实的进化过程。 去年8月，昆仑万维发布了全球首个AI搜索应用——天工AI搜索，第一个将人工智能大语言模型技术应用在搜索引擎上，实现了智能、高效和快速的搜索，开创了AI搜索的先河，成为了AI搜索的鼻祖。 今年4月17日，昆仑万维在“天工”大模型一周年之际发布了“天工3.0”，并正式公测。“天工3.0”是采用4千亿级参数MoE混合专家模型的全球领先模型之一，并实现开源。相较于“天工2.0”，“天工3.0”在语义理解、逻辑推理、通用性、泛化性、不确定性知识和学习能力等领域有显著提升，模型技术知识能力提升超过20%，数学/推理/代码/文创能力提升超过30%。 综合对比下来，“天工3.0”已是集自然语言处理、计算机视觉、多模态、AI搜索、AI智能体等多项尖端技术于一体的人工智能大模型，更是全球领先的多模态大模型。 以“天工3.0”为内核的天工AI搜索也随之升级变身，与上一代的传统搜索引擎相比较，天工AI搜索引擎能够通过对话式交互理解用户意图，提供有效组织和提炼后的答案，具备整合、提炼、串联信息的能力，打破了传统搜索存在的信息泛化、冗余、广告多等痛点，尤其在处理知识类和创意类搜索时，其效率和体验更为优越。 在传统的投资世界里，许多人可能会因为信息的不对称和处理能力的有限而错失良机或承受不必要的风险。天工AI搜索的出现，无论是专业的金融分析师，还是普通的投资者，都拥有了一个便捷、高效、科学的投资参考助手，在提供深入分析和实时数据的同时，还通过智能体跟踪市场动态，让投资决策更加科学和理性。 我们正处在一个信息爆炸的时代，但同时也是一个智能科技不断突破的时代，天工AI搜索基于大模型技术加持而呈现的强大功能和便捷性，让其在全球AI赛道拔得头筹，成为科技进步改变我们生活和工作的典型例证。从传统搜索到AI搜索，从链接推荐到给出答案，从信息推荐到知识梳理，昆仑万维打造的天工AI搜索将让更多人享受到人工智能的技术红利，加速我们走进美好的智能世界。返回搜狐，查看更多 责任编辑：

4月28日,由中关村西城园管委会、北京市西城区总工会、北京金融科技产业联盟和北京金融信息化研究所主办,清华大学人工智能研究院支持,全球金融科技大会系列活动「大模型金融应用创新与实践大赛」颁奖仪式圆满举办,深信服安全GPT入选十佳卓越奖! 作为此次「大模型金融应用创新与实践大赛」十佳卓越奖中唯一一个网络安全垂直领域的大模型,深信服安全GPT针对金融机构在网络安全运营中遇到的挑战,提供了创新性的解决思路。 次大赛收到了来自39家机构的68份应用实践报告,经过前期初赛评审,共有25项应用实践入围终审。经过中国工程院院士柴洪峰、北京金融科技产业联盟理事长/工商银行首席技术官吕仲涛、中国金融电子化集团副总经理潘润红、中国银行业协会系统服务部主任赵成刚、深圳证券交易所人工智能专家杨振新、中科院计算机网络信息中心副研究员苟甜、百川智能联合创始人洪涛、中关村天使百人会理事长肖庆平共8名专家的最终评审,深信服安全GPT与工商银行、农业银行、建设银行、邮储银行、国泰君安、蚂蚁和百度等头部银行与知名机构共同入围十佳卓越奖! 深信服安全 GPT 作为国内首个通过深度合成服务算法备案的安全大模型,可协助金融机构完成流量检测、事件解析、安全建议生成、安全事件处置等复杂工作,秒级闭环、百倍提效,从检测能力和安全运营工作上赋能组织,对抗外部强敌。 检测能力远超传统设备和通用大模型, 大幅提升金融机构「威胁检测防御力」 金融机构信息系统复杂、网络边界分散、风险点位众多,风险暴露面大,对威胁检测防御能力要求高,传统检测引擎难以应对外部高对抗、高隐蔽的攻击手段。 深信服安全GPT可以作为检测引擎,赋能态势感知、端点安全等传统安全设备,具备对未知攻击的意图理解、异常判定、混淆还原能力,在流量威胁检测和主机侧钓鱼攻击检测上都取得突破性的效果。 流量威胁检出率高达95.7%,误报率低至4.3% 深信服通过知识蒸馏、模型量化、模型剪枝、Attention机制优化等,将安全GPT推理性能提升50倍,实现了在实际网络环境中,针对实时流量的实时检测。 安全GPT检测大模型能够发现混淆、编码类高绕过流量,并针对Web漏洞有良好检出效果,具有较强Web 0day漏洞检测能力,同时针对攻击成功研判具有较高准确率。 安全GPT检测大模型能力架构 经过3000w黑样本与2000w白样本检测,对比传统引擎,安全GPT的检出率从45.6%提升至95.7%,误报率从21.4%下降到4.3%。在某部委实际测试中,25个高混淆数据包(可绕过传统引擎及通用大模型GPT-4),安全GPT检出率100%,覆盖Web通用攻击、通用组件漏洞攻击、混淆绕过攻击和国家级攻防演练出现过的0 day/N day漏洞。 钓鱼攻击检出率高达91.7%,远超传统解决方案 钓鱼攻击的难防在于,从技术角度看,钓鱼邮件与正常邮件无异,普通人难以识别,而高混淆和形式多变的钓鱼攻击也难以用规则进行定义。 安全GPT 基于对自然语言的泛化理解能力,能够对邮件和文件内容背后的意图进行综合评估和研判,就像聘请了一个懂攻防、懂技术、懂人情世故的防钓鱼“安全专家”实时防守一样,实现钓鱼事件的精准检测和处置。 钓鱼邮件识别方法 通过3万高对抗钓鱼邮件、100万白邮件检测,对比传统解决方案,安全GPT钓鱼攻击检出率从15.7%飞升至91.4%,误报率从0.15%降低至0.046%,效果超越传统方案数倍。 提效90%, 金融行业的安全运营「新质生产力」 随着金融行业数字化转型步入深水区,银行面临的网络安全数据规模和复杂性不断增加,在网络安全专业技术人员少,能力精力也存在瓶颈的前提下,如何对海量网络安全告警进行快速分析研判,定位真实攻击及高效响应处置?安全GPT给出了新的答案。 安全GPT通过自然语言对话的方式提供符合安全人员运营水平的差异化建议和运营路径,承载 80% 安全运营操作,将海量告警的分析处置过程压缩到数分钟内,赋能初级安全工程师在5分钟内对单一高级威胁进行闭环,将日常安全运营所花费的时间减少90%以上。 由于攻防的不对等,攻击者常在非工作时间进行攻击,安全GPT 2.0 智能驾驶提供7*24小时安全事件/告警自主值守,减少 92% 需多次手动的运营工作,平均威胁检测时间(MTTD)/平均威胁响应时间(MTTR)减少 85%,运营人员1人即可守护数万资产。 深信服安全GPT运营大模型演进蓝图 截至目前,安全GPT已累计在130多家企业真实环境测试和应用,帮助金融、能源、政府机关等行业用户提升安全人员实际分析水平和处置效率。 「大模型金融应用创新与实践大赛」充分展示了大模型在金融应用领域的创新实践成果,有效推动了大模型金融应用场景探索及生态建设,为数字金融和智慧金融的稳健发展提供了有力支持。 深信服认为,安全大模型仍拥有广阔的想象空间,除了检测大模型与运营大模型,未来会逐步孵化更多可应用于实际的场景,将会为金融行业的网络安全建设带来更多“领先一步”的效果与体验。

4月28日，由中关村西城园管委会、北京市西城区总工会、北京金融科技产业联盟和北京金融信息化研究所主办，清华大学人工智能研究院支持，全球金融科技大会系列活动大模型金融应用创新与实践大赛颁奖仪式举办。作为此次大模型金融应用创新与实践大赛十佳卓越奖中唯一一个网络安全垂直领域的大模型，深信服安全GPT入选十佳卓越奖。 据悉，此次大赛收到了来自39家机构的68份应用实践报告，经过前期初赛评审，共有25项应用实践入围终审。深信服安全 GPT 作为国内首个通过深度合成服务算法备案的安全大模型，可协助金融机构完成流量检测、事件解析、安全建议生成、安全事件处置等复杂工作，秒级闭环、百倍提效，从检测能力和安全运营工作上赋能组织，对抗外部强敌。 深信服安全GPT运营大模型演进蓝图 金融机构信息系统复杂、网络边界分散、风险点位众多，风险暴露面大，对威胁检测防御能力要求高，传统检测引擎难以应对外部高对抗、高隐蔽的攻击手段。 深信服安全GPT可以作为检测引擎，赋能态势感知、端点安全等传统安全设备，具备对未知攻击的意图理解、异常判定、混淆还原能力，在流量威胁检测和主机侧钓鱼攻击检测上都取得突破性的效果。 深信服通过知识蒸馏、模型量化、模型剪枝、Attention机制优化等，将安全GPT推理性能提升50倍，实现了在实际网络环境中，针对实时流量的实时检测。安全GPT检测大模型能够发现混淆、编码类高绕过流量，并针对Web漏洞有良好检出效果，具有较强Web 0day漏洞检测能力，同时针对攻击成功研判具有较高准确率。 钓鱼攻击的难防在于，从技术角度看，钓鱼邮件与正常邮件无异，普通人难以识别，而高混淆和形式多变的钓鱼攻击也难以用规则进行定义。安全GPT 基于对自然语言的泛化理解能力，能够对邮件和文件内容背后的意图进行综合评估和研判，就像聘请了一个懂攻防、懂技术、懂人情世故的防钓鱼“安全专家”实时防守一样，实现钓鱼事件的精准检测和处置。 通过3万高对抗钓鱼邮件、100万白邮件检测，对比传统解决方案，安全GPT钓鱼攻击检出率从15.7%飞升至91.4%，误报率从0.15%降低至0.046%，效果超越传统方案数倍。 随着金融行业数字化转型步入深水区，银行面临的网络安全数据规模和复杂性不断增加，在网络安全专业技术人员少，能力精力也存在瓶颈的前提下，如何对海量网络安全告警进行快速分析研判，定位真实攻击及高效响应处置？安全GPT给出了新的答案。 据了解，安全GPT通过自然语言对话的方式提供符合安全人员运营水平的差异化建议和运营路径，承载 80% 安全运营操作，将海量告警的分析处置过程压缩到数分钟内，赋能初级安全工程师在5分钟内对单一高级威胁进行闭环，将日常安全运营所花费的时间减少90%以上。 截至目前，安全GPT已累计在130多家企业真实环境测试和应用，帮助金融、能源、政府机关等行业用户提升安全人员实际分析水平和处置效率。（科文） 来源： 光明网