AI金融助手

「水大鱼大」金融业，蛰伏着哪些AI独角兽？ 作者  周舟 AI对金融核心业务流程的改造，似乎始终“雷声大雨点小”。但在用户的「交互方式」上，AI早就不声不响地“攻下数城”。通过生物识别，AI不仅成功地取代银行卡这一物理介质，还替代了密码输入等核对流程，让金融的交易与身份识别更加“无感”；通过语音识别&NLP，AI直接让客服这一工作，从“人人”交互转变为“人机”交互。随着图像和语料数据的激增，一些“金融智能交互”企业，甚至向前一步，成长为新一代独角兽。当然，AI在「交互方式」上并不是攻无不克、无往不利。人脸/指纹支付的应用，表面看起来较为成熟，但每一项新技术的突破，背后也不断涌现出新的安全破解方法，使得安全风险和应对方案成本激增。生物识别领域，安全、成本、易用性，三大元素往往不能兼得。现阶段的智能客服，在技术实现过程中也存在诸多算法难题：一是多轮对话，即让机器自动理解每句话的意图和整个对话线程的意图，如果用户前后两句话意图不同，或者前言不搭后语，机器也需要对其逻辑进行分解，从而更准确的判断他的诉求。二是情感分析，在部分场景中，AI需分辨出用户的情绪，是否存在不满或对某个产品非常感兴趣，机器只有区分开这些细微的信号，才能实现优质的多轮对话效果。技术的窘境束缚了大多数公司前进的脚步，但是这个行业还是涌现出了诸多优秀创业公司，正以独角兽之姿，打破桎梏，引领市场。 眼神科技：稳固的「生物识别」护城河 周军，眼神科技创始人兼CEO，作为行业元老级人物，已在AI领域扎根20年有余，从投身创业大军伊始，就一直为推动金融等多场景的成熟商业化应用而努力。周军认为，“技术壁垒才是企业长久发展之基。”眼神科技创始团队从1998年开始专注生物识别的技术研发和应用，是最早一批将生物识别技术引入到银行内部强安全认证业务中的企业。目前，眼神科技AI产品线丰富，已有人脸、虹膜、指纹、指静脉识别以及多模态融合核心算法、多模态生物识别统一平台、适用于不同场景的应用软件和智能硬件，广泛应用在金融、安防、教育、交通、政府、智能家居等高安全、强隐私的身份认证场景中。他笃信，未来只有“算法+场景”双轮驱动的公司才会走得更稳、走得更远。“优秀的算法相当于顶级的发动机，是核心所在，但并不是全部。有了发动机还需要有车，有了车还需要有路，有车有路还得有人愿意买单。”周军说道。这也是为什么眼神科技将自己定位为“基于AI驱动的多模态生物识别原创技术，站在整个价值链顶端的技术创新主导型企业”，打造从核心算法，到统一平台、应用软件、智能硬件，再到赋能渠道落地交付的全产业链布局的原因。将技术真正植入场景生态中，不是一个算法或者一个设备就能实现的，需要一套结合实际应用场景的整体解决方案。陪伴金融一路成长，从传统时期银行内部的风险控制，互联网时期的降本增效，到移动互联网时期的创新营销、远程获客，在金融领域，眼神科技已交出“服务包括中国工商银行、中国建设银行、中国农业银行、中国邮政储蓄银行、交通银行、中国银行等六大行在内的145家银行，客户覆盖率超过80%”的成绩单。未来，眼神科技还将在场景中不断求索，为金融安全打造稳固的护城河。 云从科技：「人脸识别」南征北战 云从科技自2015年成立之后，便开始快速奔跑，跨镜追踪（ReID）、3D人体、自然语言处理（NLP）等世界记录，频频被刷新。目前，云从科技是中国银行业人脸识别第一大供应商，包括农行、建行、中行、交行等超过100家金融机构已采用公司产品。周曦带领云从“南征北战”，短短几年也收割不少诸如麻省理工科技评论“全球50家聪明公司”、福布斯“中国最具创新力企业”之类的肯定。 深究战果，除了来自中科系强硬的研发实力支撑外，能在短短几年内取得技术、市场占有率双发展似乎足够说明其技以致用，打破技术与落地藩篱的能力。眼下，因技术过硬，落地能力不俗，成立5年的云从业务领域已枝繁叶茂，形成智慧金融、智慧治理、智慧交通、智慧商业等四大板块综合智慧+体系。人工智能、认知计算与大数据技术形成的整合解决方案源源不断为近15万个银行网点、30个省级行政区公安、80余家机场输送能量。其商业化能力强劲可见一斑。此外，线下ATM机和营业厅的人脸识别业务，由于涉及到摄像头和机具等硬件设施的改造，营收数字较为可观。尤其是智慧网点一体化改造，单笔合作金额颇为丰厚，这也是云从长期以来的重点布局。除了交互层的产品外，云从的全新金融战略，使其业务从金融交互层，渗透到金融决策层；其技术从感知层，跨入至认知层。目前云从已经发布了其互联网金融平台，可在行内部署，协助银行在资产对接的过程中，制定合理的风险定价模型及具备可以操作性的贷款审批策略，依托专业的风险决策工具，实现自动化决策审批，最终形成风控与业务自主运营的管理体系。整体业务结构已非常清晰。 小i机器人： 在座的都用过我的「语音交互系统」 “今天在座的所有朋友几乎都是小 i 的用户。”2017年小 i 机器人CEO朱频频在接受雷锋网《AI金融评论》独家专访时说的话，至今让我们印象深刻。在北京、上海、贵阳，发一个短信到10086，问手机还有多少余额？它会马上回复你；工农中建行的客户问信用卡理财产品，是在线机器人回答你；联想、华为、海尔，乃至寄一个顺丰快递包裹，包裹到什么地方也是机器人回答你。这都是小 i 机器人的技术在支持。小 i 机器人成立于2001年，是VCA（智能客服机器人）领域代表企业。专注于认知智能的自主研发和产业化应用，基于多语种自然语言处理、深度语义交互、语音识别和机器学习等人工智能核心技术，形成了面向企业服务、政务、医疗、制造等行业的多样化解决方案和完善的专业服务体系。起初，小i机器人为MSN、QQ、微软、雅虎等软件提供聊天机器人服务。目前小 i 已为近千家大型企业和政府单位提供智能机器人产品，业务覆盖通信、金融、政务、法务、医疗、制造等行业，为近千家大中型企业和政府、几十万小企业及开发者提供服务，全球终端用户超过8亿。单是金融领域的合作企业就接近100家。据AI金融评论了解，前50大银行已有超过40家都采用了小 i 的智能客服系统，这一占比还在不断增加。中国建行官方数据显示，由小i机器人提供技术支持的“小微”服务能力已经相当于9000个人工座席的工作。国际上，小i机器人主导了全球第一个人工智能情感交互的国际标准。国内，小i带领制定了国家首个人工智能语义库标准，并参与了多项国家标准的制定。 权威咨询机构Gartner将小i机器人、苹果Siri、微软Cortana、亚马逊Echo作为全球会话系统的代表，认为这四家公司的云端智能交互能力，未来可连接万物。 推荐阅读

热点栏目 自选股 数据中心 行情中心 资金流向 模拟交易 客户端 　　来源：北京商报 　　大模型一词最近在金融科技圈火了。 　　8月10日，北京商报记者采访了解到，截至目前，包括蚂蚁、腾讯、京东科技、度小满、奇富科技、马上消费金融等多家机构均在紧锣密鼓布局，并已应用于获客、运营、风控、贷后服务等多个业务环节。 　　在业内看来，未来大模型的应用有望降低金融机构运营成本，提高运行效率，但在成本投入、可信度挑战等多个难点之下，金融大模型要大范围落地，仍有较远距离。 　　涉猎营销、客服等多场景 　　金融天然是数据密集型、技术密集型行业，但面对的挑战很多，例如银行线下网点的价值传递效率、用户体验问题，都需要机构持续创新。目前，金融机构也一直在挖掘数据价值，包括在风险、营销、运营等方面进行尝试。 　　有观点认为，大语言模型技术的出世，给金融行业的人工智能技术应用注上一针“强心剂”。 　　今年以来，金融科技行业涌现“大模型热”，从多家金融机构的动作就不难窥出。例如，马上消费金融推出“三横三竖”战略。 “三横”意为，通过持续学习技术、模型控制、组合式 AI 系统形成的安全、合规、可信的鲁棒性决策能力。“三竖”则包括，一是数据智能，二是多模态大模型，三是实时人机协作。 　　马上消费金融称，目前公司已经研发了实时人机决策模型、多模态大模型、数据智能模型等，并在内部正式上线测试。在应用方面，开发了智能生成报表的工具，在场景方面，则在智能客服上已经有所涉猎。 　　针对大模型对业务的改进，奇富科技则介绍在去年就已进行相关探索，并于今年4月正式组建一级战略部门大模型部，其中自研的行业大模型奇富GPT，已经应用到获客、运营、风控、贷后服务等业务环节，以营销层面应用场景为例，从数据上来看，经过大模型陪练机器人的帮助，奇富科技的电销系统通话时长提升了15.1%。通话时长的拉升，意味着用户的对话体验有了明显改善。 　　业内认为，大模型在营销、客服、投顾、风控等领域具有广泛的应用价值，有助于金融机构提升服务效率及用户体验、优化风控决策能力、高效响应用户需求，实现金融机构经营效率及服务手段的升级转型。 　　中关村科金在推进大模型进度上，则分为内部研发和外部应用“两步并行”。对内加紧研发进度，对外则和合作方一同加快应用落地。 　　目前，中关村科金的大模型应用已有落地商用，其称通过大模型技术为智能客服产品赋能，大幅提升客服系统问答意图识别准确率和回复准确率，预期后期可减少70%以上的系统运营工作，帮助企业降本增效。 　　京东供应链金融科技也在近日首次揭示了大模型技术在数智化风控领域的探索情况。不同于其他的大模型，京东自研大模型未来的应用重点在于产业场景，包括在行业风险监测与预警、动产融资模式下押品准入+估值、应收融资模式下供应商信用评估、小微金融模式下中小企业信用评估等领域，均进行了相关的探索实践。 　　“幻觉”问题待解 　　业内认为，未来，大模型的运营有望有效降低金融机构运营成本，提高运行效率。不过大范围落地仍面临挑战。例如冰鉴科技研究院高级研究员王诗强指出，主要挑战就是数据问题，由于隐私保护、信息安全等，很多数据没有对外部共享，此外，市面上存在大量劣质数据，如果用来训练大模型，会让模型变笨，在通用大模型领域，该问题尤为严重。 　　马上消费金融CTO蒋宁同样提及到个性化要求和隐私保护之间的矛盾。金融行业一直希望通过人工智能来实现极致的用户体验，特别是个性化的体验，但这需要个人隐私数据与大模型技术相融合，这样带来的隐私数据保护问题，目前还很难有一个解决方案。 　　与此同时，大模型的训练机制决定其需要大量数据来构建增强学习、强化学习的网络，让多方共同打造一个平台，基于这一平台持续贡献数据与反馈，从而让AI实现技能的进化。但目前出于数据安全考量，行业内跨组织、跨机构的数据共享机制仍然需要持续性的探索。 　　除此之外，目前大模型驱动下的人工智能还不具备100%精准决策能力。由于金融行业的场景并非一成不变，因此面对不可预期的外界环境和突发意外情况，大模型并不能一如既往地给出稳定举措，而这，同样给金融机构在人工智能的技术应用提出了一大挑战。 　　中关村科金技术副总裁张杰则告诉北京商报记者，首先要解决大模型经常出现幻觉的问题，即一本正经地胡说八道。这就需要有一个领域的知识库，让大模型知道，被问到什么问题时要去知识库里找相关的知识。另外，训练领域大模型的时候，要防止训练过程中的遗忘问题。 　　“此外还有怎么能让用户更方便且低成本地使用它。无论是领域大模型还是领域知识库，或是提示词，都不是一蹴而就的，都需要持续反馈迭代，这就要让客户自己具备维护能力，工具层面要做好产品设计和工程化封装。” 张杰称。 　　奇富科技相关负责人则称，“就我们的观察来看，金融大模型在实际落地中，在风控场景下落地最难，因为风控的主场景是一个十分严谨的场景，容错率很低，而大模型当前的特性，会产生一些幻觉，从而导致理解上或者判断上产生一定的偏差，这在风控的主场景上是不能接受的。因此在风控场景下落地，我们主要切入一些需要由人工进行决策或判定的场景，以辅助人效提升，从而产生规模效果，进而影响最终业务提升”。 　　有机构探索对外输出 　　尽管多个难题待解，但在业内看来，大模型在金融领域仍有非常广泛的应用前景。 　　例如，针对后续布局，奇富科技相关负责人透露，金融行业是慎之又慎的一个行业，有着比其他行业更为严格的合规要求，需要金融机构的广泛认可和私有化部署方可大范围落地。对此，其对大模型的设想分为两个阶段。第一阶段是基于奇富GPT的金融行业大模型初步成型，再投射到各个业务角落，改善业务的各个环节。第二阶段则是金融大模型对外输出，赋能各类金融机构，同时分不同场景持续数据优化，服务于不同任务。 　　中关村科金则有另外一套“打法”，张杰称，“在金融领域大模型上，我们会考虑从容错性比较高的场景先入手，探索出知识助手作为一个最佳的切口点。最开始打造的是先面向企业员工赋能的知识助手的应用场景，未来其合规性得到验证和保障后，再与营销、客服、运营等系统连接，得以更广泛地应用”。 　　尽管多家企业布局，不过业内认为，目前金融行业大模型距离大范围落地还有较远距离。正如王诗强提到，大模型正在不断进化，垂直领域的大模型已经接近可以商业化。但是，一些企业由于研发经费有限，而训练大模型花费较高，预计会导致模型商业化有所推迟。他指出，企业开拓大模型要结合自身情况进行分析，选择应用场景。冰鉴科技推出的本立道生（Origin One）大模型，依托多年服务银行、保险客户的算法模型经验，正在智能客服、金融文档处理、国外投资产品分析方面发力。 　　易观分析金融行业高级咨询顾问苏筱芮同样称，金融大模型目前仍处于起步阶段，例如仍面临可信度挑战，大模型仍存在伦理、稳定性、准确性、安全性等问题；另外也有业务理解挑战，大模型基于通用知识库进行训练，进入到金融场景时还需加以更多理解；成本投入同样不可忽视，包括算力消耗、模型训练等，大模型应用成本仍较高。在她看来，对于机构来说，大模型是自身科技能力的一种体现，后续还需要测算自营布局及外部合作的投入产出比以及项目周期，切忌盲目跟风。 　　北京商报记者 刘四红 现在送您60元福利红包，直接提现不套路~~~快来参与活动吧！ 海量资讯、精准解读，尽在新浪财经APP 责任编辑：何松琳

在近日举办的2024数字产业链金融行业峰会上，与会嘉宾围绕人工智能（AI）技术如何服务产业链金融展开热议。国际数据公司（IDC）中国副总裁兼首席分析师武连峰表示，今年是AI大模型与金融行业结合落地的重要时间节点，金融行业不仅在数字化转型上走在前列，而且也最有资金实力和意愿投资前沿技术。 在IDC发布的《洞悉产业链六大趋势》中，其中一个趋势就是全金融深化嵌入，产业链金融将成为中小企业获得融资的主要路径。人工智能驱动的产业链金融，可以让产业链上更多“长尾”的小微企业被看见。大雁系统作为网商银行基于数字技术开发的产业链金融解决方案，于4月10日进行了升级，首次将AI大模型的能力应用于产业链金融。这一应用并非直接生成内容、与用户互动，而是在后台成为金融风控系统的助手，帮助金融机构识别小微企业。 据介绍，网商银行通过AI大模型已经搭建了包括汽车、医疗、建筑等在内的9条产业方向的142条产业链子链，识别超2100万家产业链上下游的小微企业。 小微企业在被看见之后，更需要被看清。AI大模型能够自动读取大量研报、研究产业，形成趋势判断，通过分析小微企业的各项经营数据，生成最适合它们的经营画像及信用评分。 为何要在产业链金融中引入AI大模型？想理解大模型应用的价值，首先需要理解产业链金融遇到的困境。浙江丞达新材料科技有限公司（以下简称“丞达”）的创始人潘弈丞表示，丞达是一家生产高温尼龙材料的企业，新材料研发时间长，需要资金投入，但是客户回款周期一般长达3个月。然而在金融机构眼中，丞达只是一家普通的小微企业，工商信息显示其从事机械制造，年营业额在1000万元左右。但是具体生产的是什么，以及最终产品去往哪里，金融机构并不清楚。因此，在没有品牌企业担保的情况下，丞达很难获得符合其经营需求的贷款额度。 不过如今，通过风控系统结合AI大模型构建的产业链图谱，金融机构可以发现拥有12项专利的丞达所生产的尼龙材料最终去到了知名汽车企业，成为保护连杆器核心电子器件的绝缘层。“几年前申请信贷服务时还需要抵押房产，现在我已经可以申请到纯信用贷款了。”潘弈丞说。 当身为国民经济“毛细血管”的小微企业能够规模化地获得便捷灵活的资金支持后，产业链的资金融通和运转效率也将大幅提升。以汽车产业链为例，网商银行大雁系统已经为超过100万家小微企业提供了信贷额度。获得金融服务的用户中，64%为首次获得纯信用贷款，近三成为科创型企业，且获得了更高额度的支持。 武连峰表示，在发展新质生产力的产业命题下，通过AI大模型构建产业链图谱和专家级的信用评分，让更好的金融服务流向产业链的“毛细血管”，这不失为以金融服务创新、更好服务实体经济、推动产业升级的有益探索。 （经济日报记者 勾明扬）

近年来，金融科技利用云计算、大数据、人工智能等技术，对金融行业带来深刻影响。保险业是现代金融体系的重要支柱，金融科技在保险业的应用尤为广泛。2023年，伴随着大语言模型ChatGPT的横空出世，保险业也展开了大模型落地的尝试。 据钛媒体APP不完全统计，中国人寿、中国平安、中国人保、阳光保险等头部险企均加紧研发大模型技术及其应用，并实践保险领域应用的主题创新。 以阳光保险为例，2023年该公司全力把握AI创新发展趋势，将自研AI大模型列为公司战略工程，领先研发具有自主知识产权的阳光正言GPT大模型，已经在客户服务、销售支持、智能理赔等场景应用。其牵头发布国内首个金融行业大模型白皮书《大模型技术深度赋能保险行业》。 可以说，阳光保险在金融科技、金融大模型方面的探索，是国内险企探索金融科技的典型案例之一。 阳光保险对钛媒体APP表示，其阳光GPT战略工程在行业内率先构建了一套保险大模型的评测体系和方法，迅速建成兼容内外部模型的混合式大模型底座，能力处于第一梯队，全员应用最广、保险应用最深。 “大模型技术将从根本上改变和赋能保险，保险业需要与时俱进，把握战略机遇。”阳光保险集团副总经理谷伟在第三届保险业数字化转型大会上指出。 「科技阳光」战略助力阳光保险业绩增长 保险公司发展金融科技的目的是将科技与自身的核心业务需求紧密结合，从而拉动业务高效运转、业绩持续增长。一般来说，通过科技赋能，可以提升业务的供给效率，促进保险产品创新、销售渠道变革、业务管理模式变革以及推动商业模式创新等。 阳光保险实现了金融科技与业务发展的有机结合。 2023年度业绩公告显示，阳光保险以机制创新为突破，构建内部自主创新和外部协同创新的双轮驱动科技创新体系。把握时代机遇，发力人工智能，率先建设保险垂直领域阳光正言GPT大模型，推动销售智能化、服务智能化、管理智能化落地，着力应用于客户服务、销售支持、智能理赔、员工办公等现实场景。持续深化数字化转型，加快数字化客户洞察、数字化营销、数字化风控、数字化产品创新、数字化运营五大核心能力建设。以数字化智能化转型推动公司高质量发展。 用一组数据来看或许更加直观。业绩公告披露，该公司在强化数字化客户洞察、营销、运营、风控和产品创新方面，取得卓有成效的成果。 在客户洞察方面，通过大数据整合和客户画像应用，客户转化率同比增长99.5%。 在营销支持方面，运用大数据、文本挖掘等手段促销售，赋能人均产能提升。 在运营服务方面，为客户提供智能咨询、智能定损等智能业务办理，产寿险业务客户在线自助办理率91%，无人工服务的智能化服务率40.6%，智能化服务的客户满意度90.2%。 在风险防范方面，新增上线210项、优化147项风险监测识别指标，有效监测识别和管控风险。 在产品创新方面，「基于里程的新能源车模型」应用数据挖掘技术，大幅提升新能源车业务能力。 金融科技赋能业务，给阳光保险带来了不错的业绩表现。 数据显示，2023年该公司总保费收入1189.1亿元，同比增长9.3%。在保险业经营承压的大背景下，阳光保险在科技的加持下取得了良好的经营成绩。 图片来源：阳光保险2023年业绩公告 据钛媒体APP了解，阳光保险正在打造「科技阳光、价值阳光、知心阳光」的新阳光战略。其中，科技战略历时近20年，目前已行驶至智能化新阶段。 “2005年，我们最早做信息系统化，这也是阳光科技1.0战略。”谷伟介绍了阳光保险在科技领域的实践和探索。2015年起，阳光科技2.0战略下，阳光保险开始向互联网化、移动化、数字化方向发展，以数字化客户洞察为核心，打造数字化营销、数字化产品创新、数字化风控和数字化运营能力，进一步强化技术和业务的深度融合。2023年，阳光保险正式提出阳光科技3.0战略，其突出特征是智能化。“我们之所以提出智能化，一方面在于当前金融基础设施有了进一步完善，国家数据局的成立让合法的数据交易有了制度支撑和材料支撑；另一方面，以ChatGPT为首的AIGC技术使过去的弱人工智能变成了强人工智能。” 对于「科技阳光」，董事长张维功在年报致辞中表示，该公司正全面升级以数据智能为核心的「科技阳光3.0」新战略，以销售机器人、服务机器人、管理机器人「三大机器人」为突破，构建以客户为中心的智能科技平台，以数字化、智能化积极推动公司高质量发展转型。 图片来源：阳光保险官网 数字化转型+大模型应用引领变革 谷伟指出，随着以ChatGPT为核心的大模型技术演进和转变，“数字化转型+大模型应用”成为下一个阶段保险业最应该把握的科技主题。 钛媒体APP了解到，阳光保险构建了一套保险大模型的评测体系和方法，其特点是充分考虑保险业务场景的特点：既评测对保险通用知识的理解，也评测对保险垂直应用场景的理解；可以全面检验大模型在保险业务场景中的实际效果。 阳光大模型应用的建设遵循从普及应用到垂直深入的策略，一是赋能全员办公，二是切入线上交互场景，三是建设保险垂直应用。这三方面目前在立体式同步实施。 在办公赋能方面，从办公助理、自动编程及知识搜索上推进认知和普及应用：阳光办公GPT累计使用次数77万余次，覆盖84%总部员工，员工广泛评价GPT对日常文书类工作效率有明显提升。科技团队应用大模型辅助编程，研发常青藤GPT编程助手，已在内部推广试用，在代码安全合规监测、代码注释生成方面可节省50%以上工作量，在新建系统的标准后台代码生成方面可节省60%以上工作量。围绕线上交互场景，启动客服机器人、寿险销售机器人、车险全线上销售机器人研发并取得阶段性成效，这些保险对话机器人已经体现出自由对话、理解潜台词、随机应变、和人一样思考等明显智能化程度：客服机器人按照服务分类，已上线保单信息查询、智能报案1.0，节约1186小时，客户满意度90%。寿险销售机器人完成销售逻辑搭建，实现了讲理念、保障规划、讲产品服务等功能，初步具备投保年龄、保险期限等产品基本要素的回答能力，准确率已达82%。线上车险销售机器人已可以解答车险购买过程中常见问题，问题解答率91.12%。针对保险垂直应用场景，正在规划人伤智能定损机器人、养老陪伴机器人、资管投研助手等一系列智能化产品。 经过一年多的持续研发，阳光的大模型策略已经形成独特的能力。一是独特测评能力，这个能力可以牵引团队不断提升大模型赋能保险的水平；二是独特应用能力，在应用的广度和深度上已经走在行业的前面；三是行业影响力不断提升，阳光牵头编写发布了《大模型技术深度赋能保险行业白皮书》，并作为核心编写单位且唯一保险公司参与了中国信通院牵头发布的国内首个金融行业大模型标准。 业绩公告显示，2023年阳光保险的科技能力全面提升。紧绕中央金融工作会议提出的「科技金融」「数字金融」大文章，完善创新机制，营造创新文化，深化产品导向，在销售、服务、管理三大机器人工程上全面发力，AI智能产品逐步成型并开始在机构业务端实验测试。 同时，阳光保险认为，建立统一的大数据基础设施，并加速构建大数据打通及应用能力十分关键，在当前新技术快速迭代发展的背景下，仅靠保险公司内部科技人员难以完成时代赋予的重要使命。对保险业而言，建立内外协同、开放创新的新格局，保持科技公司化经营模式，融合业界组织、人才和技术非常重要。 阳光保险介绍，其大模型研发采用自研和外部合作相结合。主要有三类大模型应用：第一类是外部公有云大模型，第二类是内部私有化大模型，第三类是针对保险垂直领域场景的专项合作。这三类应用各有侧重、相互补充。通过构建开放、融合的阳光正言大模型平台架构，对前端业务场景提供大模型统一接口，平台内部整合这三类模型，以便捷用户使用。 不仅如此，2023年，其牵头举办的首届保险科技数智大会云集行业内外150多家单位，发布了首个大模型技术在保险业应用情况的白皮书，发起设立保险科技数智创新联合体，聚集保险科技智能的行业力量，全面推进科技阳光的创新突破。 董事长张维功表示，保险业、保险的科技力量团结起来，借助全球科技进步的成果，借助国际金融科技的进步力量，借助国内金融大模型的进步，突破保险业的科技创新，使保险科技真正成为推动保险业全面升级与建设金融强国不可替代的重要力量。 图片来源：第一届保险科技数智大会暨保险科技数智创新联合体筹备会 保险AI大模型的挑战 保险业的数智化转型已成为一个不可回避的趋势，这种转型不仅仅是一个技术升级的过程，更是一种商业模式的变革。中国保险学会党委书记、会长董波表示，近年来，保险业的发展为社会提供了很好的金融服务。但应该看到，当前保险业发展中仍然存在很多不足之处，其中，对于科技的应用，还处于碎片化状态。 AI大模型带来的机会与风险都是史无前例的。 华泰保险集团信息技术总监胡崇威指出，大模型在保险业落地存在计算资源成本、数据质量欠佳、网络安全风险、专业人才稀缺等四大挑战。 一是大模型对计算资源和存储资源有高需求，成本门槛高，需要可持续的投入长期支持大模型的训练和推理； 二是需要大量高质量数据进行训练和优化，经常会因为数据分类问题，导致大模型的效果效率无法得到保障； 三是大数据在大模型训练及应用过程中可能发生数据丢失、泄露、篡改的风险； 四是开发和落地对技术人才储备及技术能力要求高，相关资源的缺失影响大模型在业内快速落地和持续优化。 金融科技在保险业中的应用前景展望 业内专家表示，金融科技在保险业中的应用日益广泛，科技与业务结合以及科技与生态圈结合的趋势已经初见端倪。 一是科技与业务结合。一系列新兴技术在保险业务的应用日益广泛，几乎涵盖了产品开发、营销、承保、理赔、客户服务的全流程，逐步从保险业务运营的中后端发展延伸至保险服务的前端，即从后端的数据分析和决策支撑，发展到与客户直接接触的营销及服务一线。...

金融领域也掀起了人工智能的热潮，彭博社推出了专为金融界打造的大型语言模型（LLM）——BloombergGPT。 彭博社是一家主要从事金融数据的公司，旗下数据分析师在公司四十年的历史中积累了大量的金融文件，涵盖了多个主题，形成了广泛的金融数据档案。我们将这些数据整合到公共数据集中，创建了一个超过7000亿个标签的大型训练语料库。 根据彭博社最新发布的报告，BloombergGPT是迄今为止最大的特定领域数据集，并训练了专门用于金融领域的LLM，该模型参数达到500亿，表现远超现有模型，同时在通用场景上也表现出色。该模型依托彭博社的大量金融数据源，构建了一个3630亿个标签的数据集，支持金融行业内的各类任务。 通常来说，NLP领域的模型参数量和复杂程度成正相关，GPT-3.5模型的参数量为2000亿，GPT-3的参数量为1750亿。 实验结果表明，彭博社的混合训练方法极大地提升了模型在金融任务上的表现，而在通用场景下，模型的表现相当甚至优于现有模型。 比如，报告指出，在金融领域中的自然语言处理在通用模型中也很常见，但是，针对金融领域，这些任务执行时将面临挑战： 以情感分析为例，一个题为“某公司将裁员1万人”，在一般意义上表达了负面情感，但在金融情感方面，它有时可能被认为是积极的，因为它可能导致公司的股价或投资者信心增加 彭博社的结果已经通过论文发表，如下图。 有意思的是单从第一作者名字来判断，应该是华人学者（当然严谨的说，需要仔细考证）。结合之前报道关于openAI chatGPT团队众多华人参与者，可以看出华人的聪明才智，在大模型时代依然有所担当。

原标题：金融时报与OpenAI达成战略合作提升ChatGPT功能 4月29日，金融时报宣布与人工智能研究与部署的领导者OpenAI建立战略合作伙伴关系并签署许可协议。此次合作旨在通过整合FT的新闻内容，增强ChatGPT的功能，提升模型的实用性，并共同开发面向读者的新AI产品和功能。 通过这一合作，ChatGPT的用户将能够在相关查询中看到选定的摘要、引用以及指向FT新闻内容的丰富链接。此外，FT在今年早些时候已成为ChatGPT企业版的客户，为其全体员工购买了使用权，确保其团队能够熟悉该技术，并从OpenAI的工具中获得创意和生产力提升。 FT集团首席执行官约翰·里丁表示：“这是一项在多个方面都具有重要意义的协议。它不仅体现了我们屡获殊荣的新闻工作的价值，还让我们能够及早洞察内容通过AI呈现的方式。我们一直是新闻媒体创新的领导者，引领了订阅模式和互动技术的发展，这次合作将帮助我们保持在人们获取和使用信息方式发展的前沿。” 里丁进一步补充说：“FT致力于人类新闻工作，我们拥有无与伦比的新闻编辑室，这项协议将扩大我们工作的影响力，同时加深我们对读者需求和兴趣的理解。除了对FT的益处之外，这对整个行业来说都是有广泛意义的。当然，AI平台支付出版商使用其材料的费用是正确的。OpenAI理解透明度、归属和补偿的重要性——这些对我们来说都是必不可少的。同时，确保这些产品包含可靠来源显然符合用户的利益。” OpenAI的首席运营官布拉德·莱特卡普对与金融时报不断发展的关系表示热情：“我们与FT的合作和持续对话是关于寻找创造性和高效的方式，让AI赋能新闻机构和记者，并丰富ChatGPT的体验，为全球数百万人带来实时的、世界级的新闻。” 里丁也表达了对未来合作成果的期待：“我们热衷于通过这次合作探索有关新闻来源和AI的实际成果。我们重视在人们以新方式发现内容时处于发展循环之内的机会。如同任何变革性技术一样，它有潜在的重大进步和主要挑战，但永远不可能回到过去。在这些产品形成过程中代表优质新闻，并设置适当的保护措施来保护FT的内容和品牌，对我们来说很重要。” “我们一直欢迎新技术和变革，并将继续以好奇心和警觉性在这一变革的新浪潮中前行。” 关注公众号“真智AI”，使用先进智能网站分享一手人工智能资讯和学习资料返回搜狐，查看更多 责任编辑：

原标题：AI新时代 金融新业态 中移金科携多款创新产品亮相2024移动算力网络大会 4月28日—29日，以“算力网络点亮AI新时代”为主题的2024中国移动算力网络大会在苏州举行。中移动金融科技有限公司（简称“中移金科”）紧扣大会主题携金融科技大数据、超级SIM、网络安全险、OnePay（企业钱包）等创新产品亮相展区。通过交互体验、智慧屏幕、模型演示等多样化形式，全面展示了中移金科在促进AI与算力网络深度融合，立足人工智能培育发展金融领域新质生产力的研究和应用成果。 数智金融新引擎 面向金融机构反电诈场景，中移金科打造金融科技大数据产品，针对金融机构在防范电诈活动时面临的缺乏端到端闭环防控手段、欺诈识别精准度较低和时效差的问题，基于运营商DPI数据及通信数据能力，在网络流及电信流识别风险账户及受诈人群，累计识别 1000 万+涉诈资源，助力金融机构完善反电诈防控手段，从被动防御向主动防控转变，切实保障人民群众利益。 网络安全保险新产品 为充分发挥“网络+安全”的天然优势，提供一体化全程可信安全防护，中国移动推出了“元信任”网络安全保险。据工作人员介绍，“元信任”是行业首个由运营商全流程主导的网络安全保险产品，具有更低的费率、更高的保额、更全面的保障体系等差异化优势，能够解决传统网络安全防护能力不足、风险量化能力弱等痛点，为客户提供一体化全程可信的网络安全保障。目前全国首个“元信任”网络安全保险已在江苏洋河集团落地，并联合福建移动在宁德时代项目完成“元信任”网络安全试点。 数智生活新升级 超级SIM互动展区重点演示了“北斗创新融合”业务以及“数字身份”、“数字人民币硬钱包”两大国家级应用和“电子学生证”等创新场景。 其中“北斗创新融合”项目是中移金科与北斗服务运营方中兵卫通公司深入合作，依托北斗+SIM技术创新打造的应用场景。中移金科基于多应用空发通道优势，建设面向北斗业务的远程控制平台，解决北斗服务线下管理痛点，同时基于制卡及卡空间管理优势，建设面向北斗双模卡的标准卡管平台，解决了规模化拓展的多卡商适配制约问题。面向C端大众服务，中移金科基于超级SIM可信安全载体优势，打造北斗安全应用能力，降低多终端适配难度及数据安全风险。 轻轻一碰，嘀的一声便轻松完成支付。展区现场，“SIM卡硬钱包”作为一种新的移动支付模式受到不少参展观众的欢迎。近期，中移金科携手苏州轨交、无锡公交成功打造公共交通出行场景下的SIM卡硬钱包通行标杆案例。此外基于中移金科首创的RTOS卡应用空发标准，超级SIM赋能电子学生证硬件设备，也吸引不少参展观众关注，正推动K12校园场景产品升级。 智慧生态新支付 本次大会上，中移金科还对外展示了支付一体化PaaS平台——OnePay（企业钱包），该产品基于AI、金融大数据、可信支付、超级SIM等技术优势，为商客、文旅等行业客户提供一体化支付、权益营销、终端适配及行业特色服务，满足e企收银（智慧商铺）、智慧食堂、智慧出行等多个应用场景。 目前智慧食堂产品已落地全国31个省份，累计服务超10000家单位食堂和300万用户，年交易额超15亿元。e企收银产品触达多元化支付应用场景，满足商户支付收款、运营管理、营销宣传、引流获客等日常经营需求，连接商铺超150万家。智慧出行产品现已接入全国336个城市公共交通，实现一卡行天下，用户可使用移动积分兑换出行金，为全国超千万用户提供便捷、优惠的移动出行服务。 以本届中国移动算力网络大会为契机，中移金科全面展现了“AI+金融”、赋能新质生产力等领域的数字化创新成果，同时也为金融科技产业创新提供宝贵的交流平台。面向未来，中移金科将继续致力于为用户提供更加便捷、安全、高效的金融服务，助力实体经济的繁荣发展，描绘数智生活新画卷。 运营商财经（官方微信公众号yyscjrd）—— 主流财经网站，一家全面覆盖科技、金融、证券、汽车、房产、食品、医药、日化、酒业及其他各种消费品网站。返回搜狐，查看更多 责任编辑：

原标题：报道 | 深信服安全GPT获金融大模型应用“十佳卓越奖” 文 / 深信服科技 随着金融行业数字化、智能化转型步入深水区，金融机构面临的网络安全数据规模和复杂性不断增加，对金融机构威胁检测防御能力的要求越来越高，同时，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，金融机构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？安全垂域大模型带来了新的思路。 为落实中国人民银行《金融科技发展规划(2022—2025 年)》，系统展现大模型在金融领域的优秀应用实践成果，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、北京金融信息化研究所主办的“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”面向行业进行成果征集。大赛经过前期的初审和终审，最终由行业知名专家评选出“大模型金融应用创新与实践大赛”十佳卓越奖，于4月28日举行了颁奖仪式。此次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。 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。 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。 图1 安全GPT检测大模型能力架构 经过对3000w黑样本与2000w白样本的检测，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。 图2 钓鱼邮件识别方法 通过对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” 攻防长期处于不对等中，随着大模型的深入应用，攻击手段更加低成本化，非工作时间的攻击数量也持续上升，而网络安全技术人才的缺少，分析研判效率的难把控，让金融机构的安全运营工作面临着严峻挑战。 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。 图3 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。...

【GP、LP】 █ 普通合伙人(General Partner，GP) 大多数时候，GP，LP是同时存在的。而且他们主要存在在一些需要大额度资金投资的公司里，比如私募基金(PE，Private Equity)，对冲基金(Hedge Fund)，风险投资(Venture Capital)这些公司。你可以简单的理解为GP就是公司内部人员。话句话说，GP是那些进行投资决策以及公司内部管理的人。 举个例子：现在投资公司A共有GP1，GP2，GP3，GP4四个普通合伙人，他们共同拥有投资公司A的100%股份。因此投资公司A整体的盈利，分红亏损等都和他们直接相关。如果还不明白的话，举个简单例子，在创新工场当中，李开复先生则是一个经典的普通合伙人了。 █ 有限合伙人(Limited Partner，LP) 我们可以简单的理解为出资人。很多时候，一个项目需要投资上千万乃至数个亿的资金。(大多数投资公司，旗下都会有很多个不同的项目)而投资公司的GP们并没有如此多的金钱——或者他们为了分摊风险，因此不愿意将那么多的公司资金投资在一个项目上面。而这个世界上总有些人，他们有很多很多的现金，却没有好的投资方法——放在银行吃利息在金融界可是个纯粹的亏钱行为。于是乎，LP就此诞生了。 LP 出钱，GP 出力 LP会在经过一连串手续以后，把自己的钱交由GP去打理，而GP们则会将LP的钱拿去投资项目，从中获取利润，双方再对这个利润进行分成。这是现实生活中经典的“你(LP)出钱，我(GP)出力”的情况。 为了让大家能有一个更全面的了解，我接下来会讲述一些关于LP在整个过程中所需要做的事情。(由于我曾经在美国留学，大多数这方面的知识最早也是来自于美国学习，所以下面我会拿美国来和中国进行对比，让各位有个更全面地了解。) 在美国，绝大多数情况下，LP都有一个最低投资额度——这个数字一般是600万美金，中国的话我目前了解大多都是600万人民币。换句话说，如果你没办法一次性投资到600万的资金的话，别人连入场机会都没有。此外，为了避免一个LP注资过多，大多数公司也会有一个最高投资额度——常见的则是由1000万至2000万不等。但这个额度不是必然的，如果LP本身实力比较强大，甚至可以在投资过程中给与帮助的，数个亿的投资额度也是可以看得到的。 此外，一般LP的资金都会有一个锁定周期(Lock-UpPeriod)，一般为一年至数年不等。为的是确保投资的持续性——换言之，如果你给公司投资了600万，你起码要一年以后才可以将钱取出来。 █ 那么GP是如何获取利润的呢? 在美国，公司普遍是遵循2/20收费结构(two andtwenty fee structure)——也就是2%的管理费(management fee)以及20%的额外收益费(outperformance fee)。(2/20结构在08金融风暴以后被一些公司打破了，但毕竟不是常规。而且打破结构的公司并没有做的特别优秀的案例)。 为了让大家能够更好地理解，下面我们又来案例分析： 假设LP1投资了600万去投资公司A，一年之后LP1额外收益了100万。那么LP1需要上缴给投资公司A的费用将会是： 600万*2%+100万*20%=32万。 即LP1最终可以获益68万，投资公司A则可以获益32万。顺带一提的是，不管赚钱还是亏钱，那2%的管理费都是非交不可得。而额外收益费则必须要赚钱了以后才会交付。 而在中国，目前来说并不是所有公司都有收2%的管理费用。但20%的额外收益费是基本一致的。(最低的我曾经听说过15%并且无2%管理费的，但资金规模并没有太大，估计勉强接近一个亿。) 【天使投资、VC、PE及IB】 为了让大家有个更加直观的了解，我将会顺便讲上Angel Investor以及IB，因为他们正好表示了投资者的四种阶段。 在解释这四个名词之前，我先将他们按照投资额度从小到大排序，他们分别是： 按照额度“从小到大”排列 1、天使投资(Angel) 2、风险投资(Venture Capital，VC) 3、私募基金(Private Equity，PE) 4、投资银行(Investment Banking，IB) 下面将会开始逐个进行介绍，但是接下来提到的资金额度只是一个大概的均值，不是一个绝对值，切勿以单纯的以投资额度去判定一家公司是什么天使还是风投或者其他。...

原标题：OpenAI 增强内容合作，签署使用《金融时报》资料库训练 AI 模型 IT之家 4 月 30 日消息，OpenAI 近日和英国新闻媒体《金融时报》签署协议，利用后者的资料库内容训练人工智能模型。OpenAI 此前已经与美联社等四家媒体达成了类似协议。 IT之家从双方协议中获悉，英国《金融时报》将其内容授权给 OpenAI，帮助后者开发生成式人工智能技术，可以创建接近于人类创作的文本、图像和代码等。 根据双方的合作内容，ChatGPT 用户能够看到精选的摘要、引述以及《金融时报》新闻的链接，此外可以就某条新闻展开聊天。 英国《金融时报》已成为 ChatGPT Enterprise 的客户，为所有《金融时报》员工购买访问权限，确保其团队能精通该技术，并能从 OpenAI 工具带来的创造力和生产力提升中受益。返回搜狐，查看更多 责任编辑：