AI金融助手

哥伦比亚大学近日联合上海纽约大学推出全新大模型产品FinGPT，这是一款面向金融领域的大模型产品。 结合彭博此前已推出金融行业大语言模型BloombergGPT,这标志着金融行业迎来大模型时代，未来可能应用于金融建议、量化交易、组合优化、金融情感分析、风险管理、金融欺诈发现、信用评级、破产预测、ESG、低代码开发、金融教育等场 此外，基于FinGPT其开源特性，有望加快金融大模型的普及、应用端的推广，加速金融创新的发展，梳理受益方向包括: 1)具备较强的AI能力。如同花顺，建了AI领域的顶尖团队;恒生电子，自2014年正式启动Al研究工作，已发布20多款人工智能产品;金证股份引入了多名算法专家和架构师组建团队。 2)具有丰富行业数据。具有金融行业相关数据的同花顺、指南针、恒生电子(恒生聚源)等有较大优势。 3)具备丰富的行业经验与深入的业务理解。人工智能需要IT能力、算法、业务等，占据较大市场份额的公司会积累起较多的行业经验与业务理解，如恒生电子、金证股份、宇信科技。 4)与头部互联网厂商有紧密联系。与其进行合作有利于率先进行大模型的落地取得先发优势，如恒生电子(蚂蚁科技集团为其股东)，宇信科技(与百度达成战略合作)。

GPT的风刮向了金融领域。这项变革性的技术正在驱动金融行业使用AIGC，通过实际的应用产品去满足客户需求，进行金融服务创新。公开信息显示，摩根大通、摩根士丹利、美国支付巨头Stripe、高盛等都已纷纷入局AIGC，这其中，中国金融机构也开始跃跃欲试。 在与AI的互动中，金融机构都有相同的选择：都服务于公司内部，以间接的方式提升客户体验，并不直接对外开放。金融机构不约而同的选择并不奇怪，数字金融业态走向产业与场景的融合阶段下，AI提效最优解就是直接面向客户，金融机构也在围绕这个落点展开。 金融行业拥抱AI 作为第一家在工作场所限制使用ChatGPT的华尔街投行，摩根大通近日被报道或会成为第一家计划直接向客户发布类似ChatGPT产品的金融机构。 报道称，摩根大通正在开发一种类似ChatGPT的研发投资顾问GPT，为一款名为IndexGPT的产品申请商标。根据摩根大通提交的文件，IndexGPT将连接利用人工智能(AI)技术的云计算软件，根据客户需求，量身分析和选择证券标的。不过IndexGPT是否将与ChatGPT使用“同款”AI技术，在相关披露文件中并未说明，仅称摩根大通计划使用“受生成性对话模型(GPT)驱动的AI技术”。 而在摩根大通之前，已经有摩根士丹利、美国支付巨头Stripe、高盛等纷纷入局，但它们并没有直接面向客户提供服务，都仅在内部进行测试。 以首家正式接入GPT-4的金融机构摩根士丹利为例，其与GPT-4的合作主要服务于公司内部，用来帮助财富管理顾问们更好地工作。GPT-4已将公司所有智库内容转化为更易于使用和操作的格式，帮助其财富管理顾问更便捷高效的检索涵盖投资策略、市场研究和评论、分析师洞察等内容信息。从员工的体验感来说，这就好比他们在和客户打电话时，公司的首席战略官就坐在自己旁边。 通过训练GPT-4，尽可能地满足摩根士丹利内部人员工作时的需求是确保良好客户服务的关键。摩根士丹利数据与创新分析主管Jeff McMillan也表示：“进一步确保良好客户服务的关键是我们大规模投资技术的能力。” 同时宣布与GPT-4合作的还有美国支付巨头Stripe，使用GPT-4可以帮助Stripe进行“优化服务”的工作。Stripe计划了解每个企业客户如何使用平台，但通过人工进行这项工作，不仅工作量十分庞大，且容易发生疏漏。该公司负责人表示，Stripe使用GPT-4扫描客户网站并得出简要报告的表现中，GPT-4要优于人工。值得注意的是，合作中Stripe为基于ChatGPT等人工智能工具的支付提供计费和结账功能，以及自动化和税务合规技术，这也帮助了ChatGPT进行商业化尝试。 高盛也曾明确表示禁止在交易大厅使用类 GPT 技术产品，但对于人工智能的限制也是“口是心非”。继摩根士丹利接入GPT-4之后，高盛也开始使用类似于ChatGPT的人工智能软件，在内部协助工程师编写代码。高盛首席信息官 Marco Argenti 表示，在某些情况下，开发人员已经能够使用生成式AI自动编写多达40%的代码。 中国金融机构对AI的热情明显高涨的多。百度副总裁李硕曾公开表示，文心一言在金融行业的应用会率先在智能检索、投研助手、金融数字人、智能客服、智能创作等场景落地，大幅提升业务效率，带来金融行业应用的突破。 部分金融科技公司也选择和头部IT公司开展广泛合作，提升公司与AI相关的技术能力。以金融科技公司神州信息为例，该公司金融科技首席行业专家崔蕾向钛媒体App表示，希望能够在与头部IT公司合作中，创新对代码自动生成、金融产品自动创新以及客户旅程自动优化等多个方面的能力。 眼看国外从华尔街投行一起限制AI，到现在开始拥抱，以及中国的银行业接入大模型的陆续尝试，金融行业正在不断丰富大模型应用的实践。 AIGC优化用户体验，但仍有挑战 从金融机构接入大模型实践的过程可以发现，与AI相关的尝试往往从服务于公司的内部测试开始，逐渐转为直接面向客户。可见金融行业中，内秀并不是大模型的终点，客户才是。 作为金融行业中专注科技创新的部分，金融科技拥有更垂直领域的经验与数据支撑，也在进行着帮助金融行业尝试AIGC能力革新的工作：用大模型技术帮助完善与客户有关的金融服务能力，拓展融合业务场景。 通过AIGC技术的引入，客户使用的自然语言描述能够被准确识别，金融服务提供方可以准确理解客户需求，从而帮助金融机构在场景端进行千人千面的金融产品设计；与此同时，再按照AIGC生成的对应配套的优化策略自动优化不同场景下的客户旅程。如此来完善从客户到场景到业务建设的完整流程。 除了在生成式人工智能方面提出设想，金融科技公司还能通过提供AI模型、提供算法解决方案，来帮助金融机构解决在运营方面的服务能力，这也是金融机构完善客户服务的环节之一。比如，金融科技公司通过平台提供内容理解、内容质检的多类AI模型能力，从提升内容服务入手提升运营质量；同时在内容推荐中，提供信息流类推荐、社区类内容推荐、PUSH推荐等模块的算法解决方案，从而帮助各渠道端实现更好的个性化分发及转化效果，帮助金融机构降本增效。 但将AIGC技术真正落实到业务领域，直接对接客户达到一定水准的服务水平，还有一段路要走。 目前看来，行业内大部分产品的AI能力所使用的技术对标ChatGPT还明显不足，在ChatGPT面前，仍然属于“小模型”或者说是“局部模型”范畴。在AIGC产业生态体系的三层架构中处于中间层，还没有更好地覆盖到应用层。 AIGC产业生态体系呈现上中下三层架构 钛媒体App了解到，在金融这种准确度和偏差要求都非常高的行业，未来对大模型输出结果不可控性的约束和防范也会成为一个极大的难点。除此之外应用难点也是值得考虑的问题：如何适当缩小大模型规模以便能够进行性价比最高的私有化部署、如何管控模型训练时的数据外泄风险、模型输出如何进行业务系统微服务的调优等等，都是大模型在金融科技中需要面临的挑战。 但正因为有了困难与挑战，科技才能够不断前进。大模型在金融科技中的应用难点，也是极具吸引力的金融科技创新点，或许未来，行业内也会基于此诞生很多与今不同的创新型系统。（本文首发钛媒体APP 作者 | 贾雨微 编辑 | 秦聪慧

（作者葛雷，中国人民大学数量经济助理教授） 金融人工智能是人工智能与机器学习算法在金融领域的前沿应用。因为人工智能模型的强大预测能力与准确程度，近些年来被各大金融机构所青睐，用来替代传统的经济分析与金融评估业务（包括房地产估价、股票基金投资、商业银行、风险管理、保险等各个行业）。因为机器的效率与能力超出了人工分析。 资深金融分析师通过十几年的工作经验与几千个工作的案例总结的经验从而对金融资产进行定价，可人工智能模型算法只需要几个小时就可以轻松分析几十万个甚至上百上千万个资产。机器学习算法通过百万级大数据的分析，远远超出人类分析师日积月累的经验，其精准度与效率也远远超出同一领域的人工分析师。 比如，在笔者自身从事使用房产人工智能模型领域，人工智能模型就有非常出色的表现。人类资深分析师分析房产价值误差高达8%，金融人工智能模型的分析房产价值的误差仅为5%。在房产风险预警与防范方面，人类资深分析师的误差高达10%，金融人工智能模型的分析房产价值的误差仅有3%。在速度方面，人类资深分析师的速度是每小时评估一处房产，金融人工智能模型每小时评估十几万处房产。正因为，金融人工智能模型的效率与精度，它可以帮助我们预防与抵御相关的金融风险。 金融人工智能这么好，我们国家应该怎样才能发展好金融人工智能领域哪？是芯片吗？芯片固然重要但是不是问题的核心，重要的是青年人才。在这方面我们国家是有很大优势的。金融人工智能领域与其他人工智能领域一样主要依靠的就是创新能力，而这样的创新能力主要来自年轻人，更确切地说就是我们的大学生朋友们。有创造性的大学生群体，就是我们能够在金融人工智能模型领域赶超世界前沿的关键。大学生朋友们的创造性是最强的，比我们这些三四十岁的科研人员要强，比大学里面的教授要强。我们国家的大学生朋友们经过了严格的初中、高中、大学，近十年的基础科学训练，大脑的精力与活力也处于巅峰状态。我们的大学生是十分宝贵的，很多前沿科学家的核心研究成果都是在他们大学与大学毕业后这几年完成的。再比如很多国外大学的技术课程的讲师都是研究生一二年级的学生，因为他们有着最新的技术储备知识。大学生朋友们虽然是金融人工智能的核心人才，但是确实是比较缺乏发挥自身才华与一展抱负的机遇与资源。所以说，我们需要为这些年轻人提供很好发挥才能的机会。比如说，更好地资金支持大学生参与金融人工智能科研项目，让他们的才华得到最好的发挥。 经济的发展依靠的本质是科技的不断进步。回望历史，抓住了工业与科技革命的国家与地区，获得了长期的经济增长与国民收入的增长，比如说十八世纪中期抓住了工业革命时机的英国与在二十世纪中期抓住了信息技术革命的美国。现如今，新的科技革命领域就是人工智能领域，当然也包括我们的金融人工智能领域。展望未来十年二十年内，人工智能科技革命将为抓住时机的国家与地区带来长远的发展。而抓住人工智能科技革命的关键就在于我们的大学生人才。 本文仅代表作者观点。 （葛雷为中国人民大学数量经济助理教授）

原标题：AI 金融是下一个风口还是唬人的万金油? 人工智能在金融领域的影响越来越大 自动化和人工智能极大地改变了金融交易和投资市场，但是随之而来的挑战也越来越多。 许多科学家和未来学家一致认为，人工智能和自动化对社会的影响是难以预料的。理论上来说，它的源头正在自发地改变整个社会。这就是所谓的奇异点原理——未来将要发生一件不可避免的事件，技术发展会在很短的时间内产生极大而接近于无限的进步。当此转折点来临的时候，旧的社会模式将一去不复返，新的规则开始主宰这个世界。而后人类时代的智能和技术我们根本无法理解，就像金鱼无法理解人类的文明一样。 尽管许多人预言人工智能在医疗行业会走得更远，但是 AI 革命已经率先在金融市场上进行，挑战也正在发生。 持续发展 大数据密集型、高智商人才汇集、高质量资本聚焦、短时间投资盈利……如果你考虑到金融市场的这些本质特征，你就不会惊讶，金融市场很有可能也成为人工智能技术的下一个风口了。 许多上市公司为了维持买家和卖家的市场流动性，展现更自动化的效果，几乎都使用了 AI 技术，比如先进的模式识别机。在每个交易日，无数的交易团队，都在争先使用以 AI 为中心的自动化技术，为的就是能够在竞争激烈的金融市场抢占先机。 AI 已经成为金融市场的重要组成部分。 根据 BCC 研究，全球 AI 市场将于 2019 年达到 153 亿美元的规模，至 2024 年将超过 400 亿美元，十年复合增长率超 20%；其中，针对各个行业的智能系统将成为最大的细分行业，占市场份额 30% 左右，而智能助手将成为增速最快的细分行业，未来5年增速预计达到 30% 。 这种变化不是一朝一夕的事，从本世纪初就已经开始展开。它不是由一个精英建立了单一的“大爆炸”似的发明结果，而是许多团队在不断进化的步骤中创建的系统 。 展开全文 这个新市场的生态系统的最终表现将产生多种直接和间接的机会。例如，有人设计了一款“Riskbot”的专门用来监管超级计算机的超级计算机。Riskbot 具有新型智能市场的分析能力，它会监督智能交易系统和交易所之间的交易流量，提供新的海量存储和分布式数据库。 挑战担忧 像所有的新发明一样，新的市场也有可能会发生意外事故，比如 2010 年的闪电崩盘现象。因为金融市场是高度资本的集中，本质上仍然是金钱交易，那么对这种权力的滥用是不可避免的。人们需要有条不紊地应对这些风险，并不断调整系统以跟上市场的演变。 AI 技术和深度学习已经非常成功了（比如与围棋高手李世石大战并赢下比赛的阿尔法狗），但这种成功只有在...

原标题：金融圈的GPT来了，奇富科技将发布国内首个自研金融行业通用大模型｜钛媒体独家 ChatGPT的爆火已经“烧”到了金融行业。 钛媒体App独家获悉，奇富科技（原360数科）自研的行业大模型奇富GPT目前取得阶段性成果。作为国内首个自研金融行业通用大模型，其所支持的产品级应用预计会在年内推出，面向金融机构开放使用。 奇富科技首席科学家费浩峻向钛媒体App介绍，作为公司的战略级项目，奇富科技早在去年就启动了相应的团队建设、算力准备和技术研发工作。在过去半年中，公司的大模型工作在各个业务场景中都产生了良好效果，在改善自身业务的基础上，公司计划将运用AIGC的能力逐步开放给金融机构。 今年以来，以ChatGPT为代表的生成式AI在通用任务上表现亮眼，但在行业任务上的表现相对一般。这背后的原因在于，通用大模型是在大规模无标注数据上进行训练，可在不进行微调或少量微调的情况下完成多场景任务。但其由于缺乏特定场景的语料和数据集的训练和模型调优，在特定场景下的专业度欠佳。 基于通用大模型，灌注特定领域的数据和知识，结合自身所积累的行业洞察，以提升大模型针对特定行业及应用场景的准确度和适用性，这就形成了行业大模型。金融行业正是一个高度数据化和专业化的领域，需要大量独特的数据处理和分析，而其高度敏感和隐私的数据属性也导致无法在任何一个通用平台进行预训练。 费浩峻表示，金融行业通用大模型，是对金融行业生产效率以及生产方式的革新，需要全面掌握金融专业术语，理解客户意图，并从与客户的对话中提取线索。给出专业性的应答是金融行业通用大模型必备的基本技能。 以下面客服对话为例，奇富GPT不仅能形成用户画像，还能捕获用户真实意图，为用户提供还款安排。 再以信贷领域最核心的业务环节风控为例，费浩峻介绍，“以奇富GPT为核心衍生的智能征信解读，能够帮助金融机构更加全面、高效地理解和判断用户，这种模式进一步的升级和优化，极有可能替代和优化过去在智能征信解读上千万级变量衍生和众多的深度模型建设工作。” 大模型是对无数AI模型更智能化的替代。钛媒体APP了解到，早在2017年，奇富科技就通过AI算法平台、算法库进行训练，最终提炼出了能够真正用于业务场景的各种模型，如智能营销模型、反欺诈模型、贷前额度模型、贷中调整模型，以及交易风险模型和智能机器人等等，这些模型覆盖了业务的全生命周期。 对于奇富GPT的部署环境问题，费浩峻表示，安全与合规是金融大模型的生命线。金融领域对于大模型的应用一定是在其私有化部署之上的应用，私有化部署的专业金融大模型，加上与之匹配的可扩展的API，这二者相结合，将会充分保护数据安全，让金融机构安心使用。 费浩峻认为，金融行业大模型必须在准确性和适用性两个方面做到极致。训练数据数量和质量，以及对金融业务的理解和洞见，是金融行业大模型的核心竞争力。（本文首发钛媒体APP，作者｜蔡鹏程）返回搜狐，查看更多 责任编辑：

原标题：客易云金融GPT：智能化助力金融行业的革新发展 随着科技的不断进步，金融行业正迎来数字化和智能化的浪潮。作为领先的智能化解决方案，客易云金融GPT（自然语言生成模型）正在为金融行业带来全新的机遇与优势。本文将探讨客易云金融GPT在金融领域中的应用，以及对创新发展的重要意义。 1. 智能客服与咨询服务 客易云金融GPT通过深度学习和自然语言处理技术，可以实现智能客服和咨询服务。它能够理解用户提出的问题，并给出准确、具有参考价值的回答。无论是关于产品介绍、投资建议还是理财规划，客易云金融GPT都能提供个性化的服务，帮助用户做出更明智的决策。 借助客易云金融GPT的智能客服和咨询服务，金融机构能够提高客户满意度和忠诚度，降低人力成本，并为客户提供更便捷、高效的服务体验。 2. 风险评估与控制 金融行业需要对各类风险进行准确评估和控制。客易云金融GPT可以通过分析大量的金融数据和市场信息，帮助金融机构进行风险预测和管理。它能够识别潜在的风险因素，并提供相应的建议和决策支持。 展开全文 利用客易云金融GPT的风险评估与控制技术，金融机构可以及时发现并应对风险，提高业务的安全性和可持续发展能力。 3. 自动化交易与智能投资 客易云金融GPT还可以实现自动化交易和智能投资。通过对市场数据和交易规则的分析，客易云金融GPT能够自主进行交易操作，并根据用户的投资偏好和风险承受能力，提供个性化的投资建议。 借助客易云金融GPT的自动化交易与智能投资技术，金融机构能够提高交易的效率和准确性，降低人为因素对投资决策的影响，并为用户提供更稳定、可靠的投资收益。 4. 个人财务规划与管理 客易云金融GPT还可以帮助用户进行个人财务规划和管理。通过分析用户的收入、支出、资产配置等信息，客易云金融GPT能够制定个性化的财务规划方案，并提供相应的理财建议。 借助客易云金融GPT的个人财务规划与管理技术，用户可以更好地掌握自己的财务状况，优化财务决策，实现个人财富的增值和保护。返回搜狐，查看更多 责任编辑：

原标题：热点丨金融圈的GPT来了 1. BloombergGPT的核心突破在于构建超3,000亿词例的金融训练数据集 2. BloombergGPT的开发对于所有垂直领域都有重要意义 图：Bloomberg 近日，由ChatGPT引发的生成式AI热潮也蔓延到了金融行业。3月30日，全球商业、金融信息和财经资讯领域的供应商彭博（Bloomberg）发布了一篇关于BloombergGPT发开情况的研究论文，详细介绍了这一专注于金融领域的大规模生成式人工智能模型。 和OpenAI的ChatGPT将从根本上颠覆书面交流一样，BloombergGPT也将彻底改变金融行业。 “核心突破在于构建了超3,000亿词例的金融训练数据集” 根据Bloomberg的公告，BloombergGPT大语言模型（LLM）专门针对各类金融数据进行训练，从而全方位地支持金融领域的各种自然语言处理（NLP）任务。这些任务可能包括但不限于快速地分析财务数据、协助进行风险评估，以及自动执行会计和审计任务等。 该模型将帮助彭博改进现有的金融NLP任务，如市场情绪分析、实名实体识别、新闻分类和问题回答等。除此之外，BloombergGPT还可以调动彭博终端（Bloomberg Terminal）上的海量数据，将人工智能的全部潜力应用到金融领域。 BloombergGPT基于彭博研究人员开创的混合训练法，通过将金融数据与通用数据集结合起来训练模型，既可以在金融基准上取得最佳结果，同时也可以在通用LLM基准上保持足够的竞争力。 坐拥彭博在数据创建、收集和整理方面的资源，BloombergGPT是迄今为止规模最大的专业领域数据集之一。 在过去的40多年里，彭博积累了充斥大量金融用语的文档，其开发团队从这个由大量英文金融文档组成的数据库中提取并创建了一个包含3,630亿词例（token）的金融数据集。该数据集又与另外一个包含3,450亿词例的公共数据集叠加，形成一个包含超7,000亿词例的大型训练语料库。 展开全文 彭博的研究团队利用该语料库的一部分内容训练了纯解码器（decoder-only）因果语言模型，包含500亿个参数，并对训练出的模型进行了基准测试。 金融领域的NLP任务采用了彭博的自有基准，各类通用NLP任务则采用了市面上流行的基准，如BIG-bench Hard、 Knowledge Assessments、Reading Comprehension以及Linguistic Tasks。 测试结果显示，BloombergGPT在金融任务上的表现远超类似规模的开发模型，而在一般NLP基准上的表现也达到甚至超过了平均水平。 BloombergGPT在金融NLP和一般NLP任务中的表现 图：Bloomberg “所有垂直领域都将受益” 彭博在公告中表示，基于LLM的人工智能在许多领域都已经展示出了应用潜力，然而金融领域的复杂性和独特的术语意味着需要有一个专攻金融专业的模型。BloombergGPT的推出意味着，金融行业在基于LLM的人工智能开发和应用方面已经迈出了第一步。 彭博首席技术官Shawn Edwards表示，小样本学习、文本生成和对话系统等，都是生成式LLM模型如此迷人的原因，而首个专注于金融领域的LLM模型将具有巨大价值。BloombergGPT能帮助人们处理许多新型的应用，不仅比定制化模型的表现好，而且即开即用，能够大大缩短上线时间。 关于BloombergGPT的发布，彭博研究团队在论文中表示，虽然业内无法对未公开的模型进行全面评估，但发布模型很可能会导致不良用途。特别是像BloombergGPT这样的接受了大量新闻稿、媒体报道和其他文件训练的模型，发布以后将面临很高的被模仿滥用的风险，而且很容易受到数据泄漏攻击。出于这些原因，彭博研究团队宁可谨慎行事，并遵循其他一些LLM开发人员的做法，不发布BloombergGPT。 尽管如此，彭博在训练和评估BloombergGPT方面的见解和经验将有助于加深人们对LLM模型的理解，对那些希望构建某一领域特定模型的从业者起到借鉴作用。 来源：白话华尔街 编辑：小昕 责编：建丰 关注我们 本文系“正略金融研究所”公众号转载的文章，对文中观点保持中立，对所包含内容的准确性、可靠性或者完整性不提供任何明示或暗示的保证，不对文章观点负责，仅作分享之用，版权属于原作者。如果分享内容侵犯您的版权或者非授权发布，请及时与我们联系，我们会及时审核处理。 正略金融研究所返回搜狐，查看更多 责任编辑：

#股市还会有牛市吗# 转自：东吴证券 　　核心观点 　　当前AI与金融的结合主要有两条技术路径：①通用模型+金融语料训练金融大模型，②金融垂类大模型。1）双方优劣具有相对性。通用大模型优势：泛用性强、灵活性和利用率高、可迁移性强。劣势：特定领域深度较浅、模型复杂、训练时间长；金融垂类模型优势：领域专业性、针对性的解决方案、高精度和合规性。劣势：适应性限制、更新和维护复杂度、数据利用率低。2）通用大模型通过金融语料训练超越金融垂类模型可能性较小。通用大模型在行业数据量，性价比，精确性、适用性、实时性、推理速度，合规性和风险控制等方面表现欠佳。 　　通用大模型“百模大战”，头部模型国外领先较大，平均水平国内外差距较小，中文上国内表现更优。1）国外通用GPT4-Turbo遥遥领先。 　　OpenAI震撼发布GPT4-Turbo，开启新一代人工智能模型的大门；谷歌将在谷歌云上部署Claude，并于推出自研的大模型LaMDA的聊天机器人Bard；AWS推出自有基础模型Titan和AIGC服务Bedrock，以及AI编程助手Amazon CodeWhisperer。Anthropic推出Claude，是最接近ChatGPT的商业竞品；xAI发布其首个AI大模型产品Grok，模型通过X平台实时了解世界，GrokV1.5或于2024年3月发布。2）国内通用百度先行，多家企业推出相关产品。百度推出“文心大模型”，是目前国内预训练大模型应用端生态最好的大模型之一；阿里发布通义千问2.0，专业维度能力较强；vivo发布BlueLM大模型，应用的场景广泛；月之暗面发布Moonshot大模型，目前位于第一梯队。3）在金融领域中，通用模型应用表现各有差异。其中GPT系列、文心一言、通义千问、腾讯混元以及科大讯飞表现较好。 　　金融垂类模型国外发展先行，国内成品问世。1）国外彭博BloombergGPT率先登场。BloombergGPT的混合训练方法使其模型在金融任务上的表现大大超过了现有的大语言模型，而在通用场景上的表现则与之相当，甚至优于现有模型。AI4Finance Foundation开发FinGPT，为金融大型语言模型提供互联网规模的数据，以此推动金融领域的开源发展。2）国内金融垂类模型百花齐放。奇富科技率先宣布推出自研的金融行业通用大模型“奇富GPT”；度小满推出国内首个千亿级中文金融大模型“轩辕”；腾讯云公布腾讯云金融行业大模型，TI-OCR大模型帮助银行解决日常业务问题；恒生电子进一步升级金融大模型LightGPT，并发布多款光子系列大模型应用产品；蚂蚁集团公布蚂蚁金融大模型，在多项金融专属任务中表现突出；东方财富、同花顺加大AI研发技术投入，筹建人工智能事业部，重点推进金融垂直大模型研发应用。 　　投资建议：我们预计2024年金融垂类模型产品落地较多，建议关注具备AI模型技术领先优势、较大金融交易数据基础、较好应用场景入口、积极推进AI模型构建的金融科技企业。 　　风险提示：监管环境趋严抑制行业创新；行业竞争加剧；权益市场大幅波动。

转自：深圳商报 深圳新闻网2023年7月23日讯（深圳商报首席记者 谢惠茜）今年伊始，ChatGPT热潮再次掀起全球对人工智能（AI）的关注。生成式人工智能（AIGC）、AI大模型等在互联网、金融、科技等行业迅速崛起，各行各业都在探索AI能给行业带来哪些颠覆，甚至掀起了“百模大战”“千模大战”等，而金融行业正是其中的先行者。 “人工智能已是金融行业迈向数字化和智能化转型的关键引擎，同时也将成为未来金融机构的基础设施。”融360联合创始人、CEO叶大清近日表示，通过AI技术的应用，金融机构可以实现更高效的业务流程和自动化决策，从而提高效率、降低成本，并为客户提供更好的服务体验。 “金融行业作为一个数据、技术密集型行业，对技术和数据的应用需求是广泛而深入的。大模型在金融领域有广泛的应用前景，推动构建用户个性化服务体验。在数字中国的建设背景下，大模型将有效提升金融领域营销、运营等价值链效率，进一步拓展数据决策在风控领域的创新应用效果，助力金融行业数字化转型产生实质性的飞跃。”马上消费CTO蒋宁也指出。 事实上，金融业前期已将人工智能技术广泛应用于客户服务、产品创新、运营管理、风险防控等领域，并取得明显成效。 如微众银行便广泛运用人工智能提升运营和服务智能化水平、金融营销解决方案以及风险管理与监管科技上。 人工智能在金融行业的风控领域，则被应用得更为广泛。如中邮消费金融，依托大数据，人工智能、模型算法等技术不断夯实智能反欺诈防控体系，重点加强终端安全、身份核验、团伙欺诈检测等方面安全防护。 这些运用不仅是在金融机构自身，还可以进而服务其他金融机构，助力整个金融行业数字化转型发展。 在优化风险管理、提高信用卡和贷款推荐效率、帮助相关部门自动识别和分类辖区内的关键风险信息等场景方面，融360进行了全面升级，并已将AI技术初步应用于实际场景中，为银行、保险公司、财富管理公司、电信运营商、电商等金融机构、非金融企业提供全流程数字化解决方案。据透露，融360目前已与上千家金融机构建立合作。 海量资讯、精准解读，尽在新浪财经APP

　　由ChatGPT掀起的本轮人工智能应用热潮延伸至金融行业。 　　近期，兴证全球基金推出了AI资金交易机器人——智能交易员“兴宝”，成为首家将AI技术应用于资金交易领域的国内基金公司。 　　事实上，在AI大潮之下，从券商分析师AI分身，AI量化投资再到AI资金交易机器人……今年以来，已有多家券商、基金公司等金融机构纷纷推出了适用于投资场景的AI产品。与此同时，以恒生电子为代表的金融软件服务商也在推动AI投研产品的落地。 　　自2016年以来，陆续有证券公司推出智能投顾服务、数字化创新实验室等智能化应用，将AI技术与运营、风险管理、客户服务等业务深度结合已是大势所趋。与此同时，基金公司也在做同样的尝试，甚至已将AI手段融入交易环节。ChatGPT的诞生更加速了这一进程。 　　“对于AI的应用，行业整体仍处在初始的探索阶段，业内正从各个方向思考如何借助AI技术，提升自身的运作效率与效果，其中比较积极的公司，已经开始尝试推出相关产品，有成功的案例，但失败的案例也不少。”一位资深业内人士向21世纪经济报道记者指出。 　　对于AI与交易的结合，该人士认为，资金交易对安全、稳定、准确等要素的要求极高，因此AI资金交易这类应用仍然需要防范数据、算法和算力等方面隐藏的风险。 　　众所周知，ChatGPT的面世标志着AI的发展进入了通用人工智能（AGI）新时代，以“大模型”为基础的对话、写作、文生图等AI应用也开始影响证券公司的业态。 　　今年5月，券商分析师AI分身首次进入大众视野。 　　招商证券为其传媒首席分析师顾佳打造了AI数字分身。按照官方介绍，顾佳的AI分身，可以同时出现在路演现场、新闻发布会、研报解读、分析师电话会，以及任何客户需要的地方。 　　据了解，近年来，招商证券全面建设AI体系，其数字员工助手案例曾被引入《证券公司数字化转型实践报告及案例汇编（2022）》中。 　　与此同时，也有券商寻求外部合作以探索适用于券商业务的AI应用。 　　例如，5月18日，东吴证券与同花顺正式签约，双方将联合成立AI研究院，共同研发东吴证券-证券行业大模型。 　　中国银河于4月4日在投资者互动平台上表示，公司已与多家具有市场竞争力的AI公司进行合作，并在智能营销、智能投顾、智能客服、智能风控、智能文档、身份识别等领域运用AI技术，后续会持续跟进最新的AI技术，扩展AI技术的应用场景和应用领域。 　　瞄准“AI+券商”场景的还有金融软件服务商。近日，有消息称，恒生电子或将推出定位于AI投研的数智金融新品。 　　此外，海外哥伦比亚大学近日联合上海纽约大学推出了金融大模型产品FinGPT。 　　在海外市场，已有投行将最新面世的GPT产品应用于财富管理业务。今年3月，在OpenAI发布GPT-4之后，摩根士丹利方面表示，目前已经使用GPT-4技术将所有智库内容转化为更易于使用和操作的格式。据悉，摩根士丹利此前有300名顾问测试这款工具，并计划在未来几个月广泛推广。 　　AI技术的运用，不仅可以帮助券商各业务部门提高工作效率，也挖掘了更广泛的财富管理需求。 　　厚石天成投资总经理侯延军认为，AI在数据挖掘，算法，客户服务，工作效率等方面，未来在金融领域会有广泛的应用。 　　不过，也有业内人士指出，一些AI技术的实际落地仍然需要不断摸索。此外，券商在探索AI应用时如何兼顾合规性，是行业共同面临的难题之一。例如，分析师AI分身等虚拟数字人仍处于“监管空白”地带。 　　相比之下，对于业务模式相对单一的基金公司来说，其对AI的诉求更为聚焦。近年来，部分基金公司已将AI与风控、研究、客户服务或是辅助决策相结合。最新趋势是，基金公司开始将AI技术应用于资金交易领域以及询价环节。 　　近期，兴证全球基金推出了AI资金交易机器人——智能交易员“兴宝”。目前，“兴宝”已正式在Qtrade平台上线。 　　据介绍，AI交易员不仅能通过关键要素的识别和提取、上下文逻辑的理解，主动发起提问确认，实时提取深层次意图，主动分布式发问，快速获取对手方意图，而且可以通过不断地问答交流，经过一系列的询价议价过程，完成对手方的询价需求采集，并将询价状态实时反馈给交易员，获取最终匹配交易反馈给交易员，和对手方确认后即可完成交易。 　　而今年3月，兴业基金自主研发的“兴小二”AI债券交易机器人也已上线，该公司成为首家在外汇交易中心iDeal平台上线智能询价机器人的公募基金公司。 　　“以前一直有机构在尝试AI与交易结合，更多是通过数据算法或者业务规则做人工智能的探索，近几个月以来，随着ChatGPT为代表的大语言模型能力兴起，这类探索再次变成了行业热点。”上述资深业内人士向21世纪经济报道记者指出。 　　在他看来，未来几个月甚至是几年内，机构对于AI与交易结合的尝试将不断增多。 　　这主要是因为，“AI技术，尤其是新一代大语言模型的技术，对于大部分行业都有影响，在交易领域，通过AI技术与算法，不断地深入投资交易的细节，比如机器人询价等，将人从简单重复甚至通识性的工作场景中解放出来，从而使得交易员能够更加专注的进行专业深挖。” 　　不过，他也谈到，AI目前更多是在通识性应用方面表现较好，但交易是一个非常专业的领域，由于数据源、训练场景等因素的限制，成功的案例还不多。AI的应用成功除了技术突破外，更需要大量的业务场景融合，只有通过场景技术融合的打磨和深入细化，才能真正做到AI技术的实际落地。 　　值得一提的是，资金交易对安全、稳定、准确等要素的要求极高，在与AI技术结合的过程中，仍然需要防范数据、算法和算力方面隐藏的风险。 　　上述资深业内人士详细谈到，首先，由于资金交易对于数据安全、准确的要求极高，在应用AI技术的过程中，数据基础的重要性排在第一位。AI本身不能解决数据准确的问题，所以需要基础的数据治理工作非常扎实，要先保证高质量的数据基础，包括数据的一致性、准确性、安全性等等。 　　其次，算法方面，通过AI人工智能可以做很多事情，但目前AI技术算法很多时候做的是数学概率的事情，人工智能还没有发展到跟人一样智能，因而会出现错误的结果。例如ChatGPT大模型，大部分时候都表现不错，但个别情况也会回答得不靠谱。而资金交易对于错误发生的容忍度极低，万分之一的概率都不允许出现。这种情况下，如何对于AI产生的结果进行复核或者多层识别就需要特别重视。 　　再次，算力方面，以大语言模型为代表的新一代人工智能，对于算力要求很高，动辄数百亿、上千亿的参数，还需要大量训练。对于基金公司而言，如果直接借用百度、科大讯飞等公共大模型能力，就会涉及数据安全的问题，如果是自己独立部署与训练，又会面临投入产出比问题，如何做好公共算力与私有算力的平衡，是行业各家公司都要面临的问题。 　　此外，前海开源基金首席经济学家杨德龙表示，将AI应用于交易环节，需要防范的风险在于交易的合规性，比如这类交易在兼顾效率的同时，是否考虑了交易的公平性。同时，也要注意防范系统性的风险，比如美国的量化投资占比较大，可能会出现由量化交易造成的踩踏事件，导致道指瞬间跌一千点等现象。这类风险需要重视。 　　另一方面，市场较为关注的是，未来，AI是否有可能代替基金经理，进行自主投资？ 　　“在量化投资中，AI技术已经广泛地应用在了投资决策环节，而主观多头，特别是价值投资使用该技术的案例相对较少。”止于至善投资基金经理何理指出，价值投资策略要想实现AI投资，需要具备深度的价值投资能力+先进的AI技术并理解该技术，两者结合才行，同时这个过程中可能要在研发上会付出大量的成本。 　　“ChatGPT带火了AI，但机器学习等具体的AI技术早已在量化中得到了广泛的应用，所以AI在量化和投资领域的应用已经不再是初始的阶段，现在已经日趋成熟了，只不过最新的算法和算力还是在不断的迭代过程中。长期来看，AI是很好的投资辅助工具之一，但未来AI不太可能完全替代人投资，只是会用AI的投资可能会替代不会用AI的投资。”融智投资FOF基金经理胡泊指出。 　　杨德龙也谈到，基金公司应用AI技术参与一些投资研究方面的辅助工作是可行的，因为AI应用确实能够省去很多人力，同时也有一些人工不具备的优势，比如数据运算能力强等等。但是完全替代人工的可能性不大。毕竟资本市场还是有很多方面需要人工进行判断，所以AI还不能完全替代人工。 　　在上述资深业内人士看来，AI技术能否成功应用于投资决策的关键环节取决于三个层面：一是技术可行性，哪些领域AI可以赋能，哪些环节AI技术相对成熟；二是社会可行性，投资决策过程中，投资经理和研究员在哪些领域更愿意借助AI技术，哪些环节更容易实现AI赋能；三是投入产出比，很多AI应用都是创新项目，存在失败的概率，必须要考虑投入产出比。 　　“综合这三个方面考虑，目前看，在投资研究时，调研记录的整理、资讯内容的提炼、研报的撰写等，AI技术相对成熟一些，预计投研人员更愿意借助AI技术，提升自己的工作效率，且成本投入不会很大，这些可以优先形成智能辅助工具，赋能投研增效。而具体的投资决策更多依赖基金经理的个人经验和能力，AI技术并不成熟，投资人员本身的意愿以及融合程度都很难确定，投入产出比更是难以衡量，所以AI在其中的参与度要慢很多。不过，量化投资有望是最先借助AI能力进行决策的领域。”他表示。 海量资讯、精准解读，尽在新浪财经APP 责任编辑：郝欣煜