《轩辕大模型：金融行业开源新篇章》
金融行业正迎来大模型时代，其中轩辕模型在通用中文领域表现不亚于ChatGPT，并将开启金融大模型研发。近日，度小满发布的千亿级轩辕模型成为国内首个开源的中文金融大模型，将推动金融行业应用，提供更准确、全面的金融咨询服务。轩辕模型经过大量金融对话数据和特定预训练调优，在金融垂直领域表现出卓越的能力，为金融企业带来内容和逻辑推理方面的优势，促进产业升级。
智慧金融健康产业联盟启动：ChatGPT带来的革命性变化
智慧金融健康产业联盟于2023年11月5日在深圳举行启动仪式，拉卡拉集团、梦网物联与瀚维智能战略合作签约仪式在此举行。ChatGPT撰写的嘉宾致辞稿成为现场热点，展现了人工智能在医疗健康康复行业的巨大潜力。三方将在健康门店智慧金融、理疗康复数字化和智能机器人等领域开展深度战略合作，推动拉卡拉数字金融的发展、推动梦网物联基于5G、物联网、人工智能和机器人等技术打造出更多的产品和解决方案，构建面向未来的数字化大健康产业，赋能瀚维在智能机器人领域的开发与升级，共同繁荣智能健康生态。
大模型引爆金融科技革命
被错杀的垂直大模型龙头 牛市双雄：懂了人性就懂了牛市 建议定投的极品印钞机 金融行业数据丰富且数据质量高，具备大模型训练的良好基础。同时，金融行业细分领域众多，且大量产品最终服务于C端用户，大模型应用场景丰富。随着大模型与金融业务的融合，创新应用将层出不穷。 金融行业数字化需求刚性，投入巨大，是大模型应用落地的大舞台：根据艾瑞咨询的数据，2022年，以银行、保险、证券为主的金融机构技术资金投入预计将超过4000亿元。2022年中国银行与保险机构前沿科技采购支出将达到170亿元。 相关行业已有大量应用案例：Bloomberg GPT、 Morgan Stanley、 Lemonade、苏黎世保险、度小满、瑞穗金融集团等。 AI 1.0：以CNN为核心的计算机技术，机器开始在计算机视觉（CV）、自然语言理解技术（NLP）等领域超越人类，并创造了显著的价值。但AI 1.0缺少像互联网时代的 Windows 和 Android一样的规模化能力，来降低应用开发的门槛，打造完善生态链。 AI 2.0：AI 2.0克服了AI 1.0单领域、多模型的限制，可以用无需人工标注的超级海量数据去训练一个具有跨领域知识的基础大模型 （Foundation Model）；基于大模型，各种创新应用将层出不穷。 AI 2.0 + 金融：我们认为，金融行业数据丰富且数据质量高，具备大模型训练的良好基础。同时，金融行业大量产品最终服务于C端用户， 大模型应用场景丰富。随着大模型与证券、保险、银行业务的融合，创新应用将层出不穷。 AI+金融的发展，除需要算力等通用要素外，还需要数据、技术、Know-How、场景等要素。 由于银行等金融机构数字化投入大，自身数字化能力强，在传统的产业分工中，我国部分金融科技企业一般承担具体的系统实现任务，按项目或按人月收费。我们认为，随着大模型技术与业务的深度融合，头部金融科技企业有望实现产品和商业模式的革新，实现从产品+服务收 费向SaaS订阅收费、运营分润收费的转变。 我们认为，金融科技细分领域众多，各细分领域龙头具备技术、行业Know-How等要素，与头部金融机构的长期合作关系有利于补齐数据、 场景等要素，相关产品有望率先落地。 新一轮金融科技革命，产品&商业模式均有望革新 我们认为，随着大模型技术与业务的深度融合，头部金融科技企业有望实现产品和商业模式的革新，实现从产品+服务收费向SaaS订阅收费、运营分润收费的转变。 我们认为，金融科技细分领域众多，各细分领域龙头具备技术、行业Know-How等要素，与头部金融机构的长期合作关系有利于补齐数据、场景等要素，相关产品有望率先落地。 行业受益标的： 我们认为，在各细分领域深耕多年，在AI领域早有布局，且积极拥抱大模型技术变革的公司具有先发优势，行业受益标的包括：同花顺、指南针、恒生电子、财富趋势、新致软件、宇信科技、金证股份等。 一、同花顺：多款产品落地 公司构建了同花顺 AI 开放平台，可面向客户提供智能金融问答 、智能投顾、会议转写系统、智能医疗辅助系统等多项 AI 产品及服务，可为银行、证券、保险等行业提供智能化解决方案。 ...
星夜大数据：国内外优质研究报告分享平台
星夜大数据是一个分享国内外各类行业研究报告的平台上，涵盖传统行业、金融娱乐、互联网、新兴行业、医疗大健康等专题研究。该平台已累积收集近20000份报告，包括互联网运营、新媒体、短视频、抖音快手小红书等方面的内容，同时也涵盖了房地产、金融、券商、保险、私募等主题，以及新技术（5G）、金融科技、区块链、人工智能等领域的报告。报告内容涵盖多个细分领域，如电子商务、市场营销、运营管理、快消品、餐饮、教育、医疗、化妆品、旅游酒店、出行类等。请注意，本平台的报告均来源于公开合法渠道，且属于服务付费，报告版权归属原撰写发布机构。
金融领域内的大模型竞争：cost-effective智能副驾驶
这篇文章主要讲述了公元2023年，金融领域中通用大模型竞争激烈，各路英豪争相深入理解场景、业务和人性，展开了一场PK赛。同时，探讨了大模型在成本问题上的挑战，指出虽然自建模型成本高，但专业领域的模型具有其优势，可以提升业务效果，从而降低综合成本。文章强调，对于金融行业而言，大模型可以成为智能副驾驶，帮助提升工作效率。
百融金服张韶峰：AI+金融大数据，3年内天然垄断定局
人工智能在算法层面并没有本质突破，之所以近两年呼声高涨，本质是大数据的突破；AI+大数据+征信，应用成熟度高于智能投顾；相较传统方法，大数据征信整体效率提升50%-60%。 来源 ✎ 亿欧网 编辑✎ 王小苹 互联网新金融回归FinTech，新一代金融科技正在革新金融产业链条上的各个环节，提高行业效率，创造新的价值点。并以此推进服务创新、产业转型升级。 亿欧策划了「金融科技50+」系列报道，聚焦大数据、AI、区块链等新型科技，在网贷、消费金融、网络支付、科技保险、互联网银行、产业供应链等领域的实践与创新。解读百融金服张韶峰对金融大数据的理解。 “实在抱歉，一个重要客户。”采访过程中，侃侃而谈的张韶峰一边向记者表达歉意，一边接通电话与他的新客户信诚人寿确认见面时间。 创业公司都是“时间控”。2014年前后，百融、同盾、聚信立、算话征信等公司成立，形成大数据征信的集中创业潮。同时，央行下发了第一批企业征信牌照，开始市场化探索。 3年来，百融金服目前对接客户数量近2000家，辅助审批资产规模2500亿元。与此同时，我国征信服务相关企业数量达到2000多家，包括百融在内的130多家企业征信持牌公司，“没有一家合格的8家个人征信准备机构”是这个万亿级市场的核心玩家。 监管走向、行业整合、差异化竞争——张韶峰断言，“如同2014年团购大战、2016年的出行之争，金融大数据也是天然垄断型的行业，目前正处于快速成形期，未来两三年内会冲出行业巨头。”为此，百融金服正在全力以赴。 数据争夺之战，垂直服务商的机遇 数据量级是大数据征信的核心能力之一。百融金服最早是“百分点”内部的金融事业部，其最初的数据积累也来自于此。 而作为互联网数据的生成方，BATJ掌握着除了政府、运营商以外的绝大多数数据，垂直服务商并不具备优势。但百度侧重搜索、腾讯侧重社交、阿里和京东侧重电商，它们“各自为营”数据维度单一，不利于应对金融风险防范。 此外，张韶峰认为，从互联网巨头目前的金融布局来看，大而全的综合金融集团（如银行模式）是一致选择。因此在数据合作方面，多数银行、消金、互金、小贷等对BATJ都心存忌惮——这给金融大数据服务商留下了发展空间。 天然垄断：第三方服务孕育垂直巨头 不过，我国至今尚未出现市场化的独立第三方大型数据平台的成功案例，其商业模式有待验证。 张韶峰指出：首先，市场需求旺盛。互联网金融、传统金融机构的快速成长，直接促使信贷后端的征信、风控成为刚需。我国拥有各类银行2000多家、小贷公司和担保公司各近10000家、持牌消费金融20多家、正常运营的P2P平台2000多家。 其次，金融服务相对分散、数据服务趋于集中。出于风险考虑，世界上所有大国的金融行业都不可能被少数几家金融机构所垄断，通常做法是扩大金融机构的数量来分散风险。这就为大型数据服务企业奠定了基础。张韶峰认为，“银行业头部10%的客户，足够支撑起一家规模可观的垂直服务商。” 另一方面，金融大数据服务虽然竞争激烈，但行业整体趋向集中。在大数据的“硬件/基础设施-大数据软件处理-行业模型应用”3层产业链条中，不具备核心竞争力的企业将逐渐沦为大型企业的附庸，如目前市面上的很多数据供给渠道商。 参考美国个人征信市场，已经形成金字塔格局： 3大巨头Experian、Equifax、TransUnion的地位数十年来难以被撼动，下面是2000多家小型垂直数据公司。绝大多数银行金融机构倾向于与服务能力强的3家巨头中的一两家进行长期合作。而这3家巨头会与小型数据商合作，从而能够打造出综合能力强的服务和产品来供给银行。 征信只是大数据金融应用的其中一环，除此之外还有金融产品设计、精准营销、不良资产管理、智能投顾等关键环节，需要超强的综合能力。张韶峰指出。 “因此，金融大数据领域天然垄断的市场格局是必然趋势，中国市场在未来2、3年内定型。” 这一过程中，尤其需要明确“金融服务”和“科技服务”的区别。金融企业“低市值、重资本”的属性，并不适合互联网的“轻运营”模式。相反，科技服务公司能够通过高门槛建造竞争壁垒，马太效应、雪球效应显著。同时，也更受资本市场青睐，更易于做高估值。 “与互联网类似，金融大数据企业的边际成本急剧降低、聚集效应明显，这是百融定位科技服务公司的关键原因。” 人工智能+大数据+征信，应用成熟度高于智能投顾 传统征信行业存在“覆盖人群有限、审核周期较长、信息采集面有限”等弊端，而这正是AI、大数据、云计算等新型科技优化、重塑服务链条的发力点。 “其实，人工智能在算法层面并没有本质突破，之所以近两年开始凸显，本质原因是大数据先取得了突破——足够多的数据，让AI机器学习获得了最重要的基础。” 张韶峰指出，人工智能在金融领域的应用主要在于： 智能风险评估和管理；智能投顾服务。不过，智能投顾的呼声似乎更高，原因之一是投资理财属于高频需求，更贴近普惠大众；而风控服务靠近金融服务链条的后端，且贷款属于低频行为。但事实上，在技术应用层面，后端风险管理的应用成熟度更高。 虽然2者都是通过数据分析、技术模型来评估并服务个人用户，但智能投顾还必须分析投资理财产品，所以短期内真正大规模应用的难度比较大——原因并不在技术本身，而是相对于个人行为，投资理财产品变化趋势更难以预测，尤其是二级市场存在数据透明度低、政策因素强、产品种类少等问题。 “目前，百融金服通过深度学习模型处理50万个基础变量，相较传统方法，整体效率提升了50%-60%。其中营销环节成功率提升30%以上，个人不良率降低7成。” 自上而下，势能传导 在2014年大数据风控创业热潮中成立的企业中，百融、同盾、聚信立等企业在服务体系上多有相似，但具体打法上存在差异。 张韶峰指出，初创企业多采用“自下而上”的方法，针对中小客户，开发单一产品（黑名单、发欺诈等）切入市场，然后丰富产品类型，铺开信贷全流程业务，再向银行、持牌金融机构等高端客户拓展。这种方法前期起量快，能够迅速做大规模和估值，但后劲不足。 与之相反，百融在初期就首先从银行客户入手，设定了“自上而下”的路径：①风控产品采取按月、单项、后付费的方式，创造更多赢利点；②整体解决方案产品的定价高于行业平均水平，聚焦中高端金融机构的客户——以此形成自上而下的势能传导。 对于这一方式造成的前期市场开拓、获客的成本压力，张韶峰坦言，“百融以更高成本聘请高层次的技术开发人员、数据分析与建模师、顾问式的销售人员。这种自上而下的模式前期投入较高，但金融机构天生比较倾向于向比自己大的机构学习，也倾向于选择服务过大机构的服务商，因为大机构对服务商的考核更加严苛。” “但这种模式的优势在于，一旦形成势能，中后期能迅速占领市场，迅速降低人均成本、提高人均绩效。据了解，目前与同行依靠大规模地推式销售模式，百融的销售人员总占比15%，低于行业平均水平，人均综合产出相比部分同行高出2-3倍。” 经营业绩上，2016年百融营收实现同比15.6倍增长，今年Q1实现了现金流转正。 长按二维码，关注黑马学吧
AI赋能金融：智能化时代的挑战与机遇
这篇文章主要探讨了人工智能在金融领域的应用及其未来发展趋势，包括智能投顾、风险评估与管理、自动化交易、个性化理财等方面。预计未来AI将在金融领域带来更多创新和变革，如自动化风险管理、投资决策、客户服务和合规监管等。但同时，也需要面对数据安全、算法透明度和技术人才短缺等问题，确保智能金融的健康发展。
金融大模型提示工程探索与实践
这篇文章介绍了一种金融领域的大模型提示工程探索，由文因互联提示工程实验室开发。该实验室利用S²PI框架，提供实时调试功能，尤其关注模型对金融特定语境和术语的理解能力。通过针对金融领域的不同场景和业务需求定制提示词，提升金融大模型的应用效果和准确度，以满足金融行业对AI的高标准要求。
2024年金融业生成式AI应用报告：AI助力金融业释放3万亿增量商业价值
这篇文章主要报道了《2024年金融业生成式AI应用报告》的内容概要。该报告显示，生成式AI有望为金融业带来3万亿增量商业价值，并将推动金融业的数字化转型。预计到2024年，生成式AI将在金融业中实现规模化应用，改变交易、投资和管理风险的方式。同时，文章也提到，当前生成式AI技术在金融业中的应用仍处于探索和试点阶段，未来将不断突破发展。
东方财富自主研发‘妙想’金融大模型，引领金融行业新纪元
东方财富自主研发的金融大模型“妙想”正式开启内测，借助东方财富互联网财富管理平台的数据特色和算法、算力优势，建立起了金融行业的技术壁垒。该模型不仅具备通用能力，更关注金融场景的垂直能力，致力于提升金融能力价值创造。