AI金融助手

作者：梁子 —“数据驱动，决策未来” –全域智能行业转型升级解决方案 导语：通过采用AI技术，金融机构可以提高市场竞争力，降低运营成本和交易风险，提高金融服务质量和效率。但也会面临数据隐私和安全性问题、技术普及和人才培养的挑战。 # 金融领域的AI技术应用 以下是算法交易深度核心分析 1. **数据收集与处理**：这是算法交易的基础。交易系统需要收集各种市场数据，包括股票价格、成交量、财务报表等。这些数据需要经过清洗和整理，确保其质量和完整性。 2. **数据分析与特征提取**：在收集和处理完数据后，接下来的一步就是进行深入的数据分析。数据分析师会找出数据中的规律和模式，并将其转化为可以被机器学习和模型所理解和利用的特征。 3. **模型选择与训练**：在这一层，我们会选择合适的机器学习模型或深度学习模型，如神经网络，用于对市场数据进行建模和预测。这些模型通常会使用历史数据进行训练，以学习市场中的规律和趋势。 4. **模型验证与调优**：训练好的模型需要进行验证，以评估其在未知数据上的表现。这通常包括交叉验证、测试集验证等方法。如果模型的性能不佳，我们还可以通过调整模型的参数、改变模型的架构等方式进行调优，以提高模型的性能。 5. **风险管理**：风险管理是算法交易中非常重要的一环。我们需要考虑市场风险、操作风险等各种风险，并制定相应的风险管理策略。比如，我们可以使用统计方法来评估交易策略的风险，并根据市场环境的变化来调整风险管理策略。 6. **交易执行**：这一层级涉及的是具体的交易执行过程。根据模型的预测结果和风险管理策略，交易系统会执行实际的交易操作，包括买入、卖出等。这个过程通常是由计算机自动执行的，以提高交易效率和准确性。 7. **持续学习**：算法交易是一个不断学习和优化的过程。我们需要根据实际交易的结果对模型和策略进行优化，并不断学习适应市场的变化。 通过以上详细的描述，我们可以看到，算法交易的核心在于利用AI技术进行数据分析和预测，提高交易效率和准确性，同时降低人为操作风险。这些步骤虽然复杂，但通过不断的学习和实践，我们可以逐渐掌握并优化算法交易策略。 ## 风险管理 风险管理是金融机构中非常重要的一部分，它涉及到如何有效地管理各种风险，以确保资产的安全和稳定增长。 AI技术被广泛应用于建立风险预警系统，实时监控市场变化和交易波动，以提高金融机构的应对能力。以下是风险管理的一些关键方面： 1. **AI技术用于建立风险预警系统**：AI技术可以通过数据分析和机器学习算法，识别和预测潜在的风险因素。系统可以实时监控市场数据、交易行为、客户信用状况等，一旦发现异常情况，就会发出警告，以便机构能够及时采取措施。 2. **实时监控市场变化和交易波动**：AI技术可以帮助金融机构实现实时监控市场变化和交易波动，从而更好地理解市场趋势和潜在风险。通过分析市场数据，机构可以制定更精确的交易策略，并实时调整以应对市场变化。 3. **提高金融机构的应对能力**：通过使用AI技术，金融机构可以提高应对市场变化和交易波动的能力。AI系统可以快速分析大量数据，并做出准确的预测，帮助机构做出更明智的决策。此外，AI系统还可以提高风险管理效率，减少人为错误和疏忽。 这些技术的应用可以帮助金融机构更好地管理风险，提高资产安全，并确保业务的稳定增长。然而，在使用AI技术进行风险管理时，还需要考虑数据安全、隐私保护、合规性等问题，以确保系统的可靠性和安全性。 ## 客户服务 客户服务在金融机构中扮演着关键的角色，通过个性化投资建议、精准营销策略和反欺诈系统的开发，可以提升客户满意度和保护客户利益。 以下是这些方面解析： 1. **个性化投资建议**：金融机构可以利用客户的交易历史、风险偏好、财务状况等信息，通过数据分析和机器学习技术，为客户提供个性化的投资建议。这种个性化建议可以帮助客户更好地管理自己的资产、实现财务目标，并提高他们的投资回报率。 2. **精准营销策略**：通过分析客户行为数据和偏好，金融机构可以制定精准的营销策略，针对性地向客户推送相关产品和服务信息，提高营销效果和客户参与度。这种个性化营销可以增加客户的忠诚度和满意度，促进业务增长。 3. **反欺诈系统的开发**：为了保护客户免受欺诈行为的伤害，金融机构需要开发反欺诈系统。这些系统利用AI技术和大数据分析，可以帮助机构识别并阻止潜在的欺诈行为，保护客户的资金和信息安全，维护金融市场的秩序和信誉。 通过个性化投资建议、精准营销策略和反欺诈系统的开发，金融机构可以提升客户服务质量，增强客户忠诚度，并建立可靠的市场声誉。这些措施旨在为客户提供更好的金融服务体验，同时保护客户的权益和利益，为金融机构的可持续发展奠定基础。 ##挑战 金融机构在面对挑战时，需要应对数据隐私和安全性问题、技术普及和人才培养，以及人机协同模式下的挑战。...

中央金融工作会议提出加快建设金融强国目标，指明了中国特色金融发展之路的前进方向。正如萨摩耶云科技集团创始人、董事长兼首席执行官林建明在《AIGC重塑金融》书中指出，科技是金融业数智化转型最大的驱动变量。站在AI科技革命和产业变革的关键节点，金融业应积极推动原始创新，以新质生产力赋能金融高质量发展。萨摩耶云科技集团坚持向“新”而行，深挖源头技术创新，旗下子公司自主研发“一种确定文本特征的方法及装置”专利，以务实行动助力推动金融高质量发展夯实金融强国建设基础。 深度挖掘文本特征，精准识别关键信息 在移动互联网时代，我们的生活、学习和工作中会产生海量非结构化文本数据，为了向用户提供更好服务，需要通过机器学习分类模型进行分析。首先要将非结构化数据进行结构化，以提取特征。通常采用分词和One-Hot编码来获取词向量，构建高维稀疏矩阵。然后使用分类算法对分词分类并进行筛选降维，得到特征向量。然而，分类准确性直接影响降维效果，若分词分类不明确，则无法有效降维，导致特征向量含有较多无效信息，影响模型训练效果。 “一种确定文本特征的方法及装置”，通过维度扩展与降维的结合提升了特征向量的信息含量，同时在降维过程中避免了分类需求，减少了分类精度对结果的影响，有效地保留了关键信息并去除了冗余，从而提高了模型的训练性能。 该方案在确定样本文本对应的分词集合、以及分词集合中每个分词的词向量后，基于预设的分词合并规则和分词集合包含的分词，确定分词组合，并根据各分词组合包含的分词的词向量，确定各分词组合的词向量。而后，计算分词组合之间的相关度和各分词组合的区分度。在分词组合中，找出不符合预设相关度条件且区分度高于第一预设阈值的目标分词组合。最后，根据确定的分词组合的词向量和目标分词组合的词向量，确定各样本文本的特征向量。 持续推动原始创新，服务金融高质量发展 这一专利的获得，不仅提升了萨摩耶云科技集团在金融科技领域的核心竞争力，也为其在AI决策智能和机器学习领域的发展开辟了新的道路。 萨摩耶云科技集团及时将专利技术融入金融云解决方案，该方案涵盖普惠金融领域智能营销获客、智能风险管理、智能客户运营和产品设计的全流程，以新质生产力为提高风险识别准确率，保障信息安全、防范金融风险发挥重要价值。 例如在信贷风控场景中，“一种确定文本特征的方法及装置”能够深度挖掘文本隐含信息，有助于金融机构捕捉更多风险细节。专利技术通过对文本数据进行分词，去除停用词如“的”、“是”、“在”等提高关键词的重要性，将词频进行编码转化为矩阵化表达如“可疑”、“钱”、“额度”，输入到机器学习模型中，利用逻辑回归、决策树或者随机森林等算法训练模型，来识别与违约行为相关的语言模式，根据模型结果评分进行信用风险评估。 某金融客服人员小张面对繁琐的客户需求，经常加班加点却难以高效处理。后来，公司引入了一项专利技术，该技术通过文本分析优化客户需求处理流程，帮助小张清晰提取需求文本关键词，工作效率大幅提升，客户满意度也显著提升。 在萨摩耶云科技集团金融云解决方案助力下，金融机构可基于最新深度学习技术和神经网络，自动提取海量文本数据的潜在特征，深度挖掘语义关系，提升文字处理质量和决策效率。深入解析语句结构关系，消除语义歧义，减少人工主观误差，提高模型精度，实现更有效的风险预警和管理。此外，基于对不同客户群体的语言模式分析进行细分客群，帮助决策者制定精细市场运营和产品设计策略，从而提升用户体验。 对萨摩耶云科技集团而言，继“一种云环境管理方法”专利获批后，再获发明专利，是官方给予其长期以来立足科技创新，不断提升底层技术厚度的认可。这不是终点，而是萨摩耶云科技集团不断推动原始创新，服务金融高质量发展的新起点。 （《AIGC重塑金融》购买链接： https://item.m.jd.com/product/14379028.html） 免责声明： 本平台发布或转载并注明自其它来源的文章内容，仅供交流学习参考之用，并不代表赞同其观点或证实其内容的真实性，不作为任何投资依据，如涉及版权问题或内容侵犯到您的权益，烦请即时告知，我们将立即纠正或删除。

新华财经北京1月24日电（记者沈寅飞）目前，国内外银行、保险、资管等金融机构应用生成式AI情况如何，金融业生成式AI有哪些创新能力、商业价值和政策期望？ 1月24日，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的《2024年金融业生成式人工智能应用报告》（以下简称《报告》）正式发布，为国内金融机构应用生成式AI技术提供了指引。 业内人士指出，生成式AI正在席卷金融业，释放新的生产力，重构企业业务流程。今后在金融行业将会迎来规模化应用。 生成式AI正在形成新服务 重构企业业务流程 众所周知，应用生成式AI的聊天机器人能够在对话中理解上下文语境的复杂性，可能消除传统语音机器人不准确的响应缺陷，从而增强客户的参与度和信任度。 与此同时，大模型还可以分析来自各种来源的大量文本数据，为优化供应链管理提供可操作的建议；通过分析客户反馈、市场趋势和竞争对手数据来加强产品开发。 《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。还可以通过与RPA等其他技术协同创新，带来新制造。 “短期看，大模型是数智化的延伸，为企业降低成本提升效率；长期看，大模型将演进为超级智能体，重构企业业务流程。”度小满CTO许冬亮如是说。 《报告》提出，生成式AI正在席卷金融业，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，一些创新的银行将从“采用技术的银行”迈向“最懂技术的银行”，并向“最懂银行的先进技术服务商”领域拓展，充分释放其高质量数据价值，有望给金融业带来3万亿规模的增量商业价值，并可能将彻底改变交易的进行、投资的管理和风险的评估方式。 生成式AI在金融行业初见成效 有望迎来规模化应用 业内人士认为，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。 据介绍，在行业大模型层面，度小满、蚂蚁集团等金融科技公司先后发布了金融大模型。2023年5月，度小满开源了国内首个千亿级金融大模型“轩辕”，并获得了上百家金融机构申请试用。目前，大模型技术已经应用在度小满各个业务场景，从营销、客服、风控、办公再到研发，已经初见成效。在代码助手方面，用大模型辅助生成的代码，采纳率能够达到 42%，帮助公司整体研发效率提升了20%；在客服领域，大模型推动服务效率提升了 25%。在智能办公领域，大模型目前的意图识别准确率已达到 97%。 与此同时，我国银行业正在积极拥抱大模型。财报信息显示，已经有6家上市银行公开发布大模型技术开发与应用的信息。工商银行在国内同业率先实现百亿级基础大模型在知识运营助手、金融市场投研助手等多个场景应用；农业银行发布的ChatABC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；平安银行探索自研BankGPT平台，研究构建大模型在个性化营销内容创作、交互式数据分析、非结构化数据洞察等场景中的应用落地；北京银行发布了AIB平台，打造运营助手、客服助手等7个问答机器人，同时推出“北银投顾 GPT”。 “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”，报告的主要负责人、清华大学经济管理学院副院长李纪珍说。 编辑：幸骊莎 声明：新华财经为新华社承建的国家金融信息平台。任何情况下，本平台所发布的信息均不构成投资建议。如有问题，请联系客服：400-6123115

在我们迎来新的十年时刻，金融世界正处于一场前所未有的变革之中。这一变革的驱动力之一就是人工智能（AI）。从自动化交易到智能投资顾问，AI正在以惊人的速度改变着投资策略的面貌，同时也影响着整个金融市场的格局。那么，让我们一起来探讨一下，未来十年内，人工智能将如何重新定义金融投资的游戏规则。 1. 智能化投资决策： 传统投资决策往往依赖于人类的主观判断和经验，然而，这种方式往往受到情绪波动和认知偏差的影响。相比之下，基于人工智能的投资决策更加客观和理性。通过分析海量的数据和模式识别，AI能够更准确地识别市场趋势和风险，从而制定更为有效的投资策略。 2. 高频交易的崛起： 随着计算能力的不断提升和算法的日益成熟，高频交易已经成为金融市场的主要交易方式之一。在高频交易中，人工智能能够以毫秒级的速度执行交易，捕捉市场的微小波动。这种快速反应能力使得AI可以在市场变化时迅速调整投资组合，实现更高的收益。 3. 量化投资的普及： 量化投资是一种基于数学模型和统计学方法的投资策略，它能够通过系统化的方式识别和利用市场的非理性定价。人工智能的出现使得量化投资变得更加普及和高效。AI可以快速分析大量的市场数据，并根据预设的规则执行交易，从而降低了人为的错误和成本。 4. 个性化投资建议： 传统的投资顾问往往只能提供一般化的投资建议，而无法考虑到每个投资者的个性化需求和偏好。人工智能的出现改变了这一现状，AI可以根据投资者的风险偏好、投资目标和时间偏好等因素，为其量身定制投资方案，从而提高了投资的效率和满意度。 5. 风险管理的创新： 在金融投资中，风险管理是至关重要的一环。人工智能的强大计算能力和数据分析能力为风险管理带来了全新的可能性。通过实时监控市场风险和预测未来的风险事件，AI可以帮助投资者及时调整投资组合，降低投资风险，保障投资的安全性和稳定性。 随着人工智能技术的不断发展和应用，金融投资领域将迎来一场前所未有的变革。未来十年内，人工智能将成为金融投资的主角，重新定义投资策略和市场格局。而对于投资者来说，及时了解和应用人工智能技术，将是保持竞争力和获取更高收益的关键。让我们拥抱未来，共同见证人工智能给金融世界带来的无限可能！

随着金融行业的蓬勃发展，客户数量快速增长，金融行业涉及的业务领域不断拓展。在此背景下，AI技术在金融公司的各类交易、业务处理、客户服务等众多场景中将得到更加广泛深入的应用，比如量化交易、极速交易、精准推荐、人脸识别、视频质检、智能客服等等。 目前，金融行业在大模型训练与推理方面存在算力利用率不足的问题。虽然GPU资源池等计算技术已经得到了广泛应用，但是由于缺乏统一的管理和调度，GPU资源池的算力利用率仍然不高。同时，由于大模型训练与推理的计算复杂度较高，传统的计算方法已经无法满足需求，需要探索新的计算方法和技术。为了提高算力利用率，GPU资源池等计算技术逐渐成为金融行业中的重要基础设施。本次活动旨在探讨金融行业大模型落地场景和通过GPU资源池等提高算力利用率，提升大模型训练与推理效率，为金融行业的数字化转型提供有力支持。 核心探讨问题： 1. 大模型在金融行业有哪些应用场景、实践难点以及应用案例？ 2. 如何提高GPU资源池的算力利用率，提升大模型训练与推理的效率？ 3. 如何将GPU资源池等计算技术应用于金融行业的大模型训练与推理中，并评估效果？ 活动时间： 4月12日14:00-17:00 活动地址： 杭州市（具体地址会在您报名审核通过后通知） 报名方式： 1、如您希望参与本次活动，请将您的联系信息（姓名、单位、职务、手机、邮箱）发送邮件至yan.sun@twtgroup.com.cn 进行邮件报名，我们将在1个工作日内审核反馈； 2、点击阅读原文，在活动平台上直接点击报名，报名后我们会与您联系。 以上两种方式均可 支持企业： 时间安排13:30-14:00签到，会前交流14:00-14:20开场介绍14:20-14:50银行大模型应用场景探索与基础设施建设趋势与挑战分享14:50-15:30券商大模型基础架构规划与实践经验分享15:30-16:00NVIDIA 加速计算解决方案在大语言模型方向的端到端应用16:00-16:50互动交流16:50-17:00总结、领取礼品 主持人： 卢金晨 浙商证券 基础架构部工程师 软件工程硕士，软考认证信息系统架构师、软件设计师，2项专利及5项软著，曾参与省数字化改革专班，多年银行和券商IT从业经验，熟悉云计算领域IAAS及PAAS建设、web应用开发等。 分享嘉宾： 占可非 某股份制银行 科技部项目经理 负责行内各类NLP&CV项目的开发工作，目前正在着手大模型项目的规划以及落地工作。 唐登龙 某大型证券 信息技术部高级产品经理 长期深耕金融科技领域，负责多个智能化项目架构设计，在应用大模型、自然语言、智能语音、虚拟仿真等AI前沿技术赋能公司数字化财富管理转型方面，具有相关行业实践经验，多次参与并荣获金融创新奖项。 宋庆春 NVIDIA 网络亚太区高级总监 原Mellanox 亚太区技术总监、HPC和AI首席架构师、亚太区市场高级总监。负责NVIDIA InfiniBand 网络和以太网络产品及解决方案。 梁潇 NVIDIA 深度学习解决方案架构师  现任NVIDIA深度学习解决方案架构师，曾作为AI算法专家在工业Al、互联网金融领域有着多年深度学习算法经验，目前在NVIDIA专注于金融服务领域的GPU 解決方案。 席位有限，报名从速，点击阅读原文可报名↙↙↙

（北京）日前，百融金融信息服务股份有限公司（以下简称“百融金服”）与广东粤财金融云科技股份有限公司（以下简称“粤财金科”）签署“战略合作框架协议”，双方共同组建“普惠金融人工智能联合实验室”。通过在人工智能、大数据技术领域的深度合作，“实验室”会建起数字化人工智能金融新生态，为防范金融风险、金融普惠大众提供更具有价值的智能化金融服务。 人工智能时代，传统金融行业正面临深刻变革，通过新技术推动金融业智能化转型已是大势所趋。在这一背景之下，双方达成战略合作。合作主要分为三部分，其中，双方联手组建“普惠金融人工智能联合实验室”是合作中最重要的内容。 百融金服副总裁陈雷发言 “实验室”将聚焦于智能风控场景等领域，利用大数据和人工智能技术，进行颇具创新性和前瞻性的深度合作，以提升贷前、贷中、贷后的算法能力、风险识别能力以及风控预警能力，形成智能化、线上化、自动化智慧风控解决方案。具体而言，“普惠金融人工智能联合实验室”研究项目的应用方向主要包括四个方面。 粤财金科常务副总经理张为峰发言 首先，在反欺诈领域进行深度探索。“普惠金融人工智能联合实验室”将利用现有先进的人工智能和大数据技术，在欺诈识别上，通过运用深度学习、关系图谱来识别团伙型欺诈，为粤财金科实现跨行业、跨机构、跨客群的风险识别。 此外，双方将联合建模。目前，百融金服在信用评分研究领域不断寻求突破，在业内首次将深度学习和迁移学习方法用于信用评分，效果较传统机器学习方法提升30%，风险识别能力显著增强。“实验室“致力于将深度学习和迁移学习方法用于粤财控股的信用评分开发中，为粤财金科资产提供更牢固的安全保障。 在精准营销层面，粤财金科将基于双方标签数据，构建客制化机器学习预测模型，做到精准营销的同时实现风险可控。 百融金服普惠金融事业部总经理蒲克强 小微企业风险全息画像也是“普惠金融人工智能联合实验室”研究的重要方向之一。由于小微企业具备双重属性，对其的风险评估往往需要兼具企业实体（B）和企业主（C）。依据百融金服成熟的大数据应用技术经验和庞大的数据积累，“实验室”将整合产业的场景数据和行业数据，挖掘对中小微群体全新的C+B“主体信用+交易信用”风险画像。并依靠人工智能的识别手段技术，不断提升贷前、贷中、贷后的算法能力和风险识别能力，强化风控预警能力，形成智能化、线上化、自动化智慧风控解决方案。 除共同组建“普惠金融人工智能联合实验室”之外，双方还将进行产业供应链场景挖掘，进行线上化、场景化信贷产品设计。利用“业务的数据化”和“数据的业务化”双向手段，提升金融服务的效率与品质。在双方看来，“互联网+”的本质是传统产业的在线化、数据化，即“业务数据化”。通过整合供应链融资过程中的物流、商流、信息流、资金流，从而更为准确地判断和衡量借款企业实际还款能力，为解决金融核心业务中的风险定价提供支撑。与此同时，“数据业务化”也很重要。即如何将数据背后的信息，应用到实际操作中，发现市场需求。“实验室”将通过对各行业的深度解读，实现产业数据的金融化，在风控模型的设计和金融产品的打造上做到“量体裁衣”，助力金融机构提供专业化和定制化的金融服务。 粤财金科与百融金服已经开始就塑化产业的供应链场景展开合作，联合打造普惠金融风控体系对产业链上下游的中小微企业提供服务；还将与粤财控股旗下的粤财信托、广东再担保等机构合作，联合服务产业链上下游的中小微企业，助力普惠金融。 此外，双方还将在培训与技术交流领域进行深度合作，搭建业务专家和技术骨干交流合作平台，共同促进大数据以及人工智能科技成果的产品化。 百融金服CEO张韶峰表示 ，百融金服的企业理念是：让金融普惠大众，公司致力于在普惠金融领域实现三个目标，即：构建、连接和赋能，助力实体经济发展。目前，百融金服正在构建“产业+科技+金融”的生态圈，通过业界领先的”C+B”金融科技平台搭起普惠金融供需两端桥梁；并通过数据赋能、资产化赋能、平台赋能，把资产、资金进行有效地连接，实现赋能。 粤财金科常务副总经理张为峰表示，金融科技板块对于粤财集团的战略发展具有极其重要的意义。目前，粤财金科正在不断加快在云计算、移动互联网、大数据、人工智能等领域的布局，强化金融产品和金融服务的创新，持续改善用户体验，致力于打造广东省金融领域的行业云平台，促进金融与科技能力的融合，为用户提供全方位、体验式综合金融服务。“普惠金融人工智能联合实验室“的建立，将助力粤财金科打造丰富多样的新金融生态圈。 在业界看来，粤财金科与百融金服共同组建“普惠金融人工智能联合实验室“，意义深远。 首先，标志着人工智能、大数据技术在金融服务领域，已经进入产业化合作“深水区”。依靠头部企业的强强联手，数字化人工智能金融新生态将逐步形成，为防范金融风险、金融普惠大众提供更具有价值的智能化金融服务。人工智能与大数据技术的结合，会在普惠金融的四个阶段——精准获客、新客户申请准入、客户经营管理和催收方面，显示出更高质量的应用效果。有预测称，通过深度学习的算法和人工智能技术，至少可以代替80%的人工工作。 此外，“普惠金融人工智能联合实验室“的建立，意味着普惠金融将通过金融科技的助力，驶入“快行道”。在业界看来，普惠金融的客群主要是小微企业、中低收入的城镇人口和三农，受众面信用记录基本缺失，受教育程度参差不齐，收入也不稳定；从产品来看，普惠金融的产品生命周期通常较短，额度也较小，要求利率很低，且没有可以抵押的资产。而传统金融机构通常服务于大企业、大公司，客户数量少，额度比较大，基本上靠人工服务就可以。但在开展普惠金融时，通常遇到的是客户数量巨大、额度较小、利率受限的状况，传统银行的作业方式较难适应。通过金融科技助力，获客渠道和服务渠道将更加互联网化；风控手段也更为大数据化和人工智能化，这些都有利于普惠金融快速发展。 服务于小微企业、双创、扶贫、三农等领域的普惠金融，是建设现代化经济体系、推动经济高质量发展的重要基础，是扩大就业、改善民生的重要支撑。自2011年起，国家相继出台一系列针对中小微企业的支持与扶持政策，以实现中小微企业健康、良好发展。在一系列政策的指引下，发展并服务于惠普金融，体现了金融机构服务社会、服务民生的责任与担当。粤财金科与百融金服联手成立的“普惠金融人工智能联合实验室”，将为提升惠普金融的技术研发水平、服务的品质和效率，树立新的行业标杆。惠及民众，远见未来。

出品|WEMONEY研究室 文|刘双霞 ChatGPT的火热带动了AI大模型井喷式发展，象征着人工智能技术到了一个新拐点。去年以来，以大模型为代表的人工智能正从实验室外溢到千行百业。 2024年，大模型迈进应用爆发之年。金融行业是大模型率先应用的重点行业之一。尤其是在当前息差持续缩窄、营收增速放缓的环境下，以银行业为代表的金融机构正在进行一场“刀刃向内”的自我革新。 在这场新的技术变革和产业变革中，大模型被认为是金融业的“新质生产力”，同时也是金融机构数字化转型的“加速器”。华为、阿里、腾讯、百度、中关村科金等多家公司都在积极布局。 一场新的科技竞赛已悄然展开。 1.金融业增长焦虑遇到大模型“第二赛点” 眼下，“百模大战”已进入下半场，如何落地产业、赋能千行百业，成为科技领域新的研究方向，也成为全球范围内“大模型竞赛”的第二赛点。 从国内情况来看，中信证券人工智能负责人徐崚峰认为，2023年是属于中国大模型的元年，用“百模大战”形容并不为过，但最终还是要在实际场景中产生价值。2024年，对于大模型竞争，将是“场景为王”的一年。 中关村科金技术副总裁张杰认为，从长远来看，通用大模型确实能给行业带来巨大的价值，但目前来看，通用大模型不能满足企业对专业性、合规性、规模化的需求。相反，领域大模型不仅不需要依赖特别大的算力和参数，还能切实解决领域内细分场景的问题。 “很多科技公司甚至底层大模型厂商都在花大量精力研究大模型应用的场景。”徐崚峰同样认为，底层大模型未来一定会大浪淘沙，可能有几家或十多家能够活下来，应用也会更加聚焦。 结合国内现实情况来看，“通用和垂直模型并存”也将成为重要趋势。 而金融行业是典型的创新驱动型和数据、技术密集型行业，金融业必然成为大模型落地的“试验田”和“前沿阵地”。 当前，金融业也亟需“大模型”这样的新质生产力来降本增效，破解增长焦虑。 在国家金融与发展实验室副主任曾刚看来，在息差收窄、资产获取难度加大等背景下，传统金融业务发展模式受到越来越大的挑战。 金融监管总局数据显示，2010年-2019年十年间银行业净息差下降了0.3个百分点，而2020年-2023年四年间下降了0.51个百分点。截至2023年末，商业银行净息差下滑至1.69%，已突破《合格审慎评估实施办法（2023年修订版）》中自律机制合意净息差1.8%的临界值。 资料来源：金融监管总局，中金公司 曾刚认为，金融行业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，不是为科技而科技，而是关注在业务端、管理端的可持续发展。 2.头部机构已发车，中小金融机构如何把握新机遇？ “如果一直拿着旧船票，就无法登上高质量发展的航船。”正如兴业银行董事长吕家进所言，科技是商业银行转型下半场最大的驱动变量。 在新一轮科技革命和产业变革深入发展的大背景下，深化数字化转型是金融业践行创新驱动发展战略的必然选择。 而金融大模型，为金融行业智能化转型升级带来了新的机遇。 WEMONEY研究室梳理上市银行2023年年报发现，包括工商银行、农业银行、中国银行、建设银行、交通银行、邮储银行等国有大行，以及招商银行、中信银行、兴业银行、平安银行、民生银行等多家股份行，已在积极推动大模型布局，并有具体应用落地，已有数据支撑大模型提质增效的效果。 例如，2023年，工商银行建成同业首个全栈自主可控的千亿级AI大模型技术体系，率先实现在多个金融业务领域创新应用。工行披露，其首个基于大模型的网点员工智能助手上线，提升网点效能，全年运营领域智能处理业务量3.2亿笔，比上年增长14%。 建设银行年报用了一个专题介绍了其大模型布局。据介绍，其正在实施“方舟计划”，推进金融大模型建设工程。 招商银行已启动了大模型生态建设，搭建大模型体验平台，接入多个国内主流大模型。招商银行董事长缪建民介绍，招行数字员工在众多场景中承担3万余个自然人的工作量，为员工减负赋能。 除自建大模型能力外，还有部分头部金融机构选择与头部科技公司共创，依托科技公司在技术能力和场景应用方面的成熟经验，快速推进大模型应用落地。 张杰介绍，2023年大模型火热伊始，多家头部金融机构选择与中关村科金共创，推动大模型技术在金融场景落地。例如，与某头部财富管理公司共创，在智能投顾场景中应用大模型内容生成能力，帮助客户经理将营销文案撰写时间从10分钟缩短至10秒。随着技术和应用的不断成熟，目前已有更多的头部金融机构选择与中关村科金合作。如某头部外资银行与中关村科金合作共创，推出大模型合规助手，通过对话即可实时精准的获取合规信息，赋能业务合规和内控合规等场景；与某大型商业银行共同打造多模态防伪专有大模型，解决金融机构面临的生物识别“零日漏洞”频发危机。 在数字化转型上半场中，中小金融机构因技术认知不足和转型定位不清的问题，远远落后于头部机构，差距越来越大。在下半场，金融大模型为中小金融机构带来了新的机遇和想象空间。 在腾讯安全副总裁周斌看来，大模型能缩小中小银行和头部银行的风控科技差距。 他认为，很多金融机构对于新技术的观望有客观原因，比如，在人才、数据、预算等方面相对不足。但是，大模型反而能让中小银行或者金融机构，拥有和头部大行一个水平梯度的风控科技能力，或者是抹平大行和中小行的科技差距。大模型在解决小样本建模的场景上也非常有优势。 当下，中小金融机构也需结合自身特点积极拥抱大模型。业内专家建议，中小金融机构需综合考虑应用产出和投入成本的性价比，可按需引入各类大模型的公有云API或私有化部署服务，直接满足赋能诉求。 可以预见，大模型将为金融业数字化转型注入高质量发展动能，并对行业的数字化转型起到全面引领作用。 3.“人工智能+”撬动新质生产力，需政产学研多方共建 今年的政府工作报告提出，深入推进数字经济创新发展，要深化大数据、人工智能等研发应用，开展“人工智能+”行动，打造具有国际竞争力的数字产业集群。同时，加快发展新质生产力被列为2024年的首项政府工作任务。 新质生产力，即有别于传统生产力的新型生产力，是以科技创新为主的生产力，是摆脱传统增长路径、符合高质量发展要求的新型生产力。 在此背景下，大模型在金融领域的布局应用成为金融新质生产力发展的内在需要。行业大模型、“大模型+”也成为数字金融机构科技领域创新的重要方向。华为、阿里、腾讯、百度、中关村科金等先期入局者，或将更快探索出引领大模型落地应用的实践方向。 张杰表示，“我们坚信未来企业大模型在数字员工或智能助手类的应用场景商业机会非常大。从2023年开始，中关村科金陆续与金融、政务、制造等行业的多家头部企业共创落地大模型助手类产品。其中最先落地的‘知识助手’，通过大模型帮助知识密度高的企业梳理文档、培训材料、音视频等企业长尾知识，服务于内部员工提高工作质效。随着中关村科金大模型落地应用的经验越来越丰富，也吸引了更多的银行加入到共创行列。为此，我们在去年年底正式发布了国内首个企业知识大模型、AgentGraph应用开发平台，以及‘超级员工’系列AIGC应用，为企业提供开箱即用、系统无缝衔接、成本可负担的专属领域大模型服务。” 北京邮电大学网络与交换技术全国重点实验室教授、博士生导师高志鹏表示，近年来，人工智能发展突飞猛进，多家金融科技机构已率先布局。相信在“人工智能+”的政策指引下，大模型也将从通用领域走向垂直产业深处，以领域大模型为代表的科技成果，将在应用场景中发挥更大作用。 不过，值得关注的是，金融垂直领域的大模型应用仍面临挑战。据了解，中小银行试水大模型技术的风控应用，仍存在数据少、数据精度不足、数据不出行、解释性较低、多模型数据入参难等挑战。未来，还需关注中小机构的后发劣势、合规监管等问题。 “从中长期来看，推进‘人工智能+’的应用发展，还需政产学研多方共建。”国研智库执行总裁周健奇认为，“主管部门切实推动相关政策的落地实施，让政策走深走实更好促进产业发展。就行业平台而言，应尽快发挥科技和互联网的创新优势，将技术服务能力、科技创新成果与行业共享，共同构建人工智能大模型技术发展和场景应用落地的良性循环。相信在政府与市场主体的协同发力下，我国新质生产力必将实现加速发展。”

来源：咸宁新闻网时间：2024-04-07 13:46当下，大模型技术已应用到金融各大场景，解决了金融行业的系列痛点。在大模型技术领域，度小满早有布局。《2024年金融业生成式人工智能应用报告》发布会上，度小满CTO许冬亮表示，度小满在金融大模型上积极探索，始终致力于技术成果的开放共享，希望通过全尺寸轩辕大模型的持续开源，降低金融大模型的应用门槛。 大模型将演进为超级智能体，重构企业业务流程 “短期看，大模型是数智化的延伸，为企业降低成本提升效率；长期看，大模型将演进为超级智能体，重构企业业务流程”，1月24日，在清华大学经济管理学院、度小满、《麻省理工科技评论》中国等共同举办的《2024年金融业生成式人工智能应用报告》发布会上，度小满CTO许冬亮表示。 他认为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。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。 度小满CTO许冬亮 度小满在金融大模型上积极探索，开源大模型“轩辕” 以下是演讲全文： 刚刚过去的2023年无疑是生成式人工智能的元年。ChatGPT的智能涌现，让生成式AI获得前所未有的关注，大型科技公司、各类创业公司和科研机构迅速入场，投入了海量资源，推动了大模型能力和应用的快速演进。 基础模型层面，根据GitHub的统计数据，到23年底国内已经发布的大语言模型接近300个，文心一言、智谱GLM等为代表的通用基础模型，以GPT-4为目标持续迭代，追赶速度远超预期，多项能力已经接近甚至超越GPT-4；但受限于行业数据壁垒，通用模型还是难以胜任许多行业垂直场景，这就为垂直领域模型的出现和发展带来了机遇。 场景应用层面，企业和个人开发者广泛尝试了大模型在各领域的应用。首先是大模型原生应用，比如ChatGPT、文心一言、Midjourney等，这些应用最大化发挥了大模型的技术特性，为用户带来耳目一新的使用体验。其次是集成型的大模型应用，典型案例比如百度AI搜索等C端应用和Office copilot、Adobe firefly等B端应用。B端大模型应用已经成为了企业数智化的一部分，增强了企业应用本身的能力。 过去一年，度小满在金融大模型上积极探索。在23年5月我们开源了国内首个千亿参数金融大模型“轩辕”，9月份又开源了轩辕70B金融大模型，在多个权威榜单上名列开源第1，金融能力更是突出，高分通过了注册会计师考试(CPA)等金融领域十大类权威考试，在一些专业金融问题上甚至超越GPT-4。就在本月，我们又开源了更小参数版本的轩辕13B，聚焦更小参数下更强的场景应用性。度小满始终致力于技术成果的开放共享，希望通过全尺寸轩辕大模型的持续开源，降低金融大模型的应用门槛。 大模型在金融行业的应用需要业界群策群力。《2024年金融业生成式AI应用报告》中分享了生成式AI在金融行业应用的实践。未来，度小满将发挥行业引领作用，积极破解技术难题，以创新技术重塑金融行业发展格局。

3月最后一个交易日收盘了，这月你赚钱了吗？ 今天市场上看点还是蛮多的。人工智能板块昨天集体调整，今天下午拉升了；预告亏损扩大的猪周期，也突然拉升起来；中药股震荡走强，CRO概念却陷入调整，实控人拟减持的康龙化成，突然盘中暴跌18%。 01 亏损扩大，近万亿赛道猪肉股却拉升 3月31日，猪肉股飘红。巨星农牧涨近9%，新五丰涨近7%，正邦科技、天邦食品、新希望、牧原股份等猪肉股跟涨。 两只猪肉股昨晚突然修正2022年的业绩预告，此前已经预告过亏损，如今又说亏损要扩大了。然而这不但未导致股价下跌，反而出现了上涨，也带动近万亿市值的猪肉股大涨。 昨日晚间，猪企新五丰、新希望双双大幅下修业绩预告。新五丰预计，2022年净利润亏损6000万元-8000万元，此前预计为800万元200万元。 昨日已经涨停过的新五丰，今天开盘后不仅没有下跌，反而是开盘后快速拉升涨停，上午大涨8.84%。 新希望原预计2022年净利润介乎-4.1亿元至-6.1亿元，此次修正为-13.5亿元至-15.5亿元，亏损额扩大近10亿元。新五丰原预计2022年净利润800万元到1200万元，修正后净利润由盈转亏，亏损6000万元至8000万元。两公司都表示，修正原因是今年一季度生猪价格下跌，导致生物资产（生猪和种猪）计提减值加大。 不过仔细看公告，两家公司的减值，同时提到了一个原因，那就是Q1猪瘟的严重！这是否意味着，很多人心心念念的，猪周期拐点反而要来了？ 天风农业团队指出，多家数据库显示，2月产能去化是显著的，2月产能去化包括猪病被动去化及猪价下降自主淘汰去化。往后看，今年二育节奏整体提前，对下半年猪价期待较高。 最近三周，新五丰股价就大涨了40%。期间多次涨停，龙虎榜来看买入资金 正是以机构为主。目前多数机构对今年猪价走势预测比去年乐观，认为目前板块处于低位，或是布局好时机。有分析表示一方面是已经跌了很多估值较低，另外猪价下跌后已经逐步企稳。有机构押注行业困境反转。 02 GPT4下的两大杀手级应用！涉及炒股和直播 人工智能概念股午后再度走高，创业板捷成股份拉升封板，昆仑万维“20cm”涨停，同花顺拉升涨超17%，云从科技、科大讯飞大涨。 多个利好消息公布。ChatGPT引爆的AI热潮也“烧到了”金融圈，彭博社重磅发布为金融界打造的大型语言模型（LLM）——BloombergGPT。 报告显示，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。该模型在金融任务上的表现远超过现有模型，且在通用场景上的表现与现有模型也能一较高下。 腾讯也有新动作！3月30日，在2023新榜大会上，腾讯正式发布了全新的AI智能创作助手“腾讯智影“智影数字人”是腾讯智影最核心的功能用户只需要输入文本或音频内容，几分钟内即可生成数字人播报视频。价格亲民操作便捷，让所有人都能实现数字人自由。腾讯智影还接入了数字人直播，智影数字人可以直接替代真人，实现7*24小时不间断开播。 03 日本拟限制23项半导体设备出口，涉及六大类 今日早盘A股半导体板块震荡回升，寒武纪、华海清科、芯源微、安路科技等纷纷走高。 就在十点半左右，根据券商中国报道，彭博社突然传出利空消息，日本将对芯片制造设备出口实施新的限制。据报道，将扩大对23类尖端芯片制造技术的出口限制。 据路透社报道，日本贸易和工业部长在一份新闻稿中表示，将对用于芯片制造的六类设备实施出口管制，包括清洁、沉积、光刻和蚀刻等。它没有将中国指定为这些措施的目标，称设备制造商将需要为所有地区寻求出口许可。 在车用芯片短缺、晶圆制造材料需求旺盛的背景下，半导体材料和车用芯片的国产化需求愈加强烈。 今天市场，还有个大消息。特朗普又将创造美国历史！ 美国纽约曼哈顿大陪审团30日投票决定，起诉特朗普。特朗普将成为第一位面临刑事指控的美国前总统。 多家美国媒体报道，当地时间30日，美国纽约曼哈顿大陪审团通过表决就“封口费”一案起诉美国前总统特朗普，这也让特朗普成为美国历史上第一位面临刑事检控的前总统。美联社引述消息人士称，特朗普可能会在下个星期向当局自首。对此，特朗普30日在其自创的社交平台“真实社交”发出声明，称这是“历史上最高级别的政治迫害和选举干预行为”。 04 实控人出手减持，600亿白马盘中暴跌18% 600多亿市值的医药CXO大白马股康龙化成，却突然暴跌。公告表示，公司实控人和控股股东拟减持。 上午，康龙化成A股一度跌超18%，收跌14.16%，H股收跌17%。暴跌之后，公司市值降低近500亿元。 一天之内，A股CXO龙头康龙化成发布了两则主要股东减持计划的预披露公告，宣告重要股东将计划减持不超9647万股股份，合计占公司总股本的8.1%。 根据公告显示：合计持有康龙化成21.27%股份的实际控制人及其一致行动人也计划减持。减持时间为4月28日至9月28日，计划减持不超过2500万股，占公司总股本的2.1%。 此外，持有康龙化成15%股份的股东信中康成计划、以及持有康龙化成2.6%股份的股东信中龙成计划，合计将计划减持康龙化成7147万股，占公司总股本的6%。 康龙化成在公告中表示，合伙企业的合伙人均为在公司首次公开发行股票并在创业板上市前入职的、持股年限大于7年的、长期为公司发展做出贡献的老员工，本次减持主要为落实对上述老员工的股权激励，满足员工自身资金需求，以充分调动其积极性和创造性，有效提升核心团队凝聚力和企业核心竞争力。 与重要股东计划大比例减持一起发布的，还有康龙化成的2022年报。 去年康龙化成实现营业收入102.66亿元，同比增长37.92%；归属于上市公司股东的净利润13.75亿元，同比下降17.24%。 收入增长明显，主要是2022年，康龙化成引入了约800家新客户。其客户结构中，约90%的收入来自包括全球前20大制药企业在内的重复客户，其中来自已上市的生物医药企业的收入占公司营业收入的35.98%。

来源：白话华尔街 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 1268字，阅读时长：3分钟 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。 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。 参考资料 1.Bloomberg, IntroducingBloombergGPT, Bloomberg’s 50-billion parameter large language model,purpose-built from scratch for finance 2.Bloomberg, BloombergGPT:...