AI金融助手

【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：

4月11日，由深圳市金融科技协会主办的湾区金科（FinTech）沙龙（第五十七期）——大模型专场在湾区金科城成功举办。活动人气火爆，吸引了协会会员单位代表、福田金科双园企业代表，以及来自全国各地的业内人士等逾2500人线上线下参加了活动。 沙龙现场 加拿大工程院和加拿大皇家学院院士、微众银行首席人工智能官、香港科技大学荣休教授杨强，平安银行金融科技部数据资产管理及研发中心技术总监沈剑平参加活动并发表主题演讲。 活动由深圳市金融科技协会联席会长廖亚滨主持 加拿大工程院和加拿大皇家学院院士、 微众银行首席人工智能官、 香港科技大学荣休教授杨强 杨强发表了题为“金融领域AI大模型和AGENT实践”的演讲。他指出，通用大模型存在产生幻觉、专业知识不足、数据隐私保护等不能被直接应用等问题，对此，AI Agent可通过知识库检索增强生成、大模型微调、构建联邦大模型等方式解决原生大模型的短板。基于大模型的通用能力，AI Agent可定制化的落地解决方案，和业务直接对接，这是大模型面向应用端发展的下一阶段。WeBank AI Agent是利用大型语言模型（LLM）作为核心计算引擎，利用联邦学习提升各自的AI模型效果，使其能够进行对话、执行任务、推理并展现一定程度的自主性。WeBank AI Agent可应用于客户服务、智能营销、风险管理、知识产权保护等场景。基于“可信联邦学习”的理论框架，微众银行提出“联邦迁移大模型”新范式FATE-LLM，解决数据隐私保护、合规使用私域数据等问题。 平安银行金融科技部数据资产管理及研发中心技术总监沈剑平 沈剑平以“平安银行大模型应用实践”为题，分享了平安银行在AI大模型领域的探索和实践经验。他表示，大模型的落地有三种特点：落地门槛低、应用价值高、科业融合要求高。平安银行变革行内智能化落地模式，通过构建四种不同的AIGC落地模式，推进“人人都是AI工程师”，支撑行内低成本智能化普及，加快应用探索步伐。此外，通过构建银行大模型建设体系，提升大模型的专业化与复用性，降低迭代成本。平安银行系统性推进在零售、对公、资金同业、风险运营等条线业务应用场景的试点探索，覆盖营销支持、服务运营、风险管控和员工辅助四大类场景领域，赋能业务降本增效业务价值显著。通过“大模型+小模型”或“大模型+传统AI”的方式，能够实现的场景日益增多。预估未来，AI原生应用及其背后的AI Agent体系，将推动全链条智能化，进而促进业务应用层面的深刻变革。 圆桌对话 在圆桌对话环节，北京海致科技集团总裁杨娟、金证优智CEO詹毅、海云安董事长谢朝海、魔数智擎创始人&董事长柴磊、星环科技金融行业助理副总裁兼解决方案总监张晓明、追一科技AI研发负责人刘杰等嘉宾围绕大模型在金融行业的应用与展望，展开深入对话和探讨交流，碰撞思想火花，深金科协联席会长廖亚滨主持了对话。各位嘉宾从各自领域出发，分享了大模型的价值体现、应用风险、落地案例等，对AI大模型在金融行业的应用场景进行了热烈探讨，为行业把握并适应AI发展潮流提供思路与方向。与会者们普遍认为，大模型技术将为金融领域带来革命性的变革，提高金融服务的智能化水平和效率，为金融行业的创新发展注入新的动力。 颁发专家证书 为了提升协会的专业性，加强协会及会员单位的风险管理能力，促进数字金融行业的稳健发展，会上，深金科协为融慧金科创始人、董事长王劲博士颁发深圳市金融科技协会首席风控官聘书。王劲博士是风险管理、计量模型和数据分析领域的卓越领导者，在美国密歇根州立大学获得物理学博士和金融工商管理硕士学位，是母校密歇根州立大学Eli Broad商学院特邀讲师，国际顾问委员会的成员。他现为融慧金科创始人，董事长，曾任百度集团副总裁，百度金融首席风险官，美国运通公司高级副总裁。他认为，大模型的出现给各行业都带来了变革式的影响，企业需要积极拥抱大模型带来的价值，同时也要警惕大模型带来的数据依赖、逻辑不通、不可解释性和不透明性、隐私保护等问题。 深金科协为融慧金科创始人、董事长 王劲博士（左）颁发深圳市金融科技协会首席风控官聘书

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。 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。

原标题：唯一入围的网安垂域大模型！深信服安全GPT获金融大模型应用「十佳卓越奖」 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。 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。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GPT2.0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。 扫码免费咨询 深信服安全GPT返回搜狐，查看更多 责任编辑：

生成式AI（人工智能）正席卷金融业，并释放出新的生产力。日前发布的《2024年金融业生成式人工智能应用报告》（下称“报告”）指出，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至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。 报告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。报告认为，生成式AI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。报告指出，生成式AI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。 报告同时指出，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至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。 回顾2023年，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。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。据度小满CTO许冬亮介绍，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、办公到研发，均已初见成效。 与此同时，我国银行业正在积极拥抱大模型。例如，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；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”。 “开拓落地应用场景，不断提高客户采用率和大模型利用率，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。”报告主要负责人、清华大学经济管理学院副院长李纪珍表示。（记者 张莫） 来源： 经济参考报

撰文｜林建明（萨摩耶云科技集团创始人、董事长兼CEO） 来源｜《现代商业银行》杂志 真正的人工智能是AGI，也就是生命3.0。它们能够自主地思考、学习和决策，并且可能超越了人类的能力。 今年“人工智能+”首次被写入政府工作报告，上升到国家战略高度。在顶层设计的强力推动下，人工智能深入金融、互联网、制造、医疗等千行百业中发挥新质生产力主引擎的作用，引领数字经济高质量发展。“旧世界的船票无法登上新世界的航船，科技是金融业数智化转型最大的驱动变量。” AIGC开启了AI大航海时代，并以超预期的速度到来。生成式AI正在席卷金融业，释放新的生产力，以前所未有的方式重塑全球金融业态。作为在科技金融领域工作了20多年的“老兵”，想为从业者、创业者、投资人、科研人员、政府部门人士提供极具操作性的金融数智化转型方法论和落地路径图。 全球金融业积极布局新质生产力锻造“利剑”，数字人、智能营销、风险信用评估、智能投顾等应用场景初露锋芒。AIGC扮演了关键角色，成为金融业内部生产效率的‘催化剂’。萨摩耶云科技集团探索利用AIGC算法提升金融业务的自动化运营水平、数据分析效率、财务报告自动生成、风险管理效率以及人机协作，力图为金融机构带来显著的降本增效。 人类似乎难以接受未来可能不再是智能金字塔的顶端。诺伯特·维纳说：“如果我们使用一台无法有效干预的机器来实现目标……我们最好非常确定，机器的目的与我们的真实意图一致。”AI能力指数级爆炸，这让我们既兴奋又担忧。如何确保AI与人类共生？ 生命从 1.0 向 3.0 进化 坦率地说，目前AI大模型的应用能力仍处于初级阶段，但ChatGPT、Sora、人形机器人和脑机的先后涌现，已经为未来创造了无限想象力空间，加速AI向通用人工智能（AGI）迈进。生命3.0似乎开始逐渐显现于现实之中。当我们重读《生命3.0》中关于人与AI的分析，或许更有助于理解AI的前景。 麻省理工学院物理学家马克斯·泰格马克（Max Tegmark）将生命定义为一个能够保持自身复杂性并进行复制的系统，包括硬件和软件。地球上的生命体被划分为三个阶段：生命1.0，系统无法重新设计自己的软件和硬件；生命2.0，通过学习获得许多复杂的新技能，例如人类；生命3.0，系统能够自行设计软件和硬件，例如人工智能。 美国未来学家雷·库兹韦尔更是大胆猜测，2045年，AI将穿越“奇点”，进入一个“智能爆炸”时代。当AI跨越这个奇点后，未来社会很可能会出现智能水平达到甚至超越自然演化所创造的超级智能生命，传统意义上的“人类”也可能不再是智能金字塔的最顶端。生命3.0阶段，超级人工智能的力量是难以预测甚至想象的。AI未来会不会取代人类，人类如何与人工智能生命体共同形成可持续共生社会，是关乎人类生存发展的重要议题。 不做毫无准备的乐观主义者 从目前来看，大多数人工智能开发者的研究都聚焦在狭义人工智能上，就是用数据和算法驱动机器。像自动驾驶汽车、阿尔法狗，谷歌助理等等，它们只能在受限的范围内执行特定任务，缺乏通用智能和自我意识。真正的人工智能是AGI，也就是生命3.0。它们能够自主地思考、学习和决策，并且可能超越了人类的能力。 Sora虽然掀起新一轮AI热潮，也被不少人视作通向AGI奇点的关键工具。但现在的Sora只能通过算力来进行模拟现实世界，还无法理解世界运行的规则，离真正的技术奇点还有很大的距离。不过Sora 也带来了一个侧面启示，它为OpenAI 铺下了迈向 AGI的 “踏脚石”。OpenAI 科学家认为，新奇的东西，都是催生更新奇事物的潜在“踏脚石”。 AI距离人类的智慧还差之千里。不能做一个毫无准备的乐观主义者，而是要成为一个警觉的乐观主义者。生命3.0时代，面对强大的人工智能时代的策略：既不过分自大，又不过分自卑；同时抱有恐惧、敬畏和好奇之心。的确，人工智能的浪潮势不可挡，我们要做 好准备迎接挑战。恐惧，可以激发创造力；敬畏，可以规范技术的发展；好奇，可以驱使我们无畏艰险一路向前。 AI价值对齐重要且紧迫 在我们步入“智能爆炸”时代的同时，也不能忽视人类自身的进化。人类拥有一项人工智能尚未具备的本领，那就是意识。人类大脑之所以神奇，是因为八百亿神经元组合起来能够构建出复杂的智能，但我们对大脑如何产生智慧的机理仍然知之甚少。未来人工智能的一个发展路径可能是学习人脑神经元的复杂组合方式。 当各种“类人”和“超人”能力不断涌现，我们面临一个重要的问题：如何确保人工智能系统的能力和行为与人类的价值观、真实意图和伦理原则对齐，从而确保人类与人工智能在合作中安全可靠。 解决人工智能价值对齐问题是重要和紧迫的，这需要长期投入，多方联动努力，探索研究人类反馈的强化学习（RLHF）、“宪法性AI”模式、有效干预训练数据、有害内容过滤、对抗测试以及推进模型可解释性等工作。 AI 的未来取决于人类 人类该如何发挥自身的先天优势，与AI共存？希望以下观点，有助于大家重新审视人类与人工智能之间的关系： 一是成为人类的助手和伴侣，高阶智能工具在家庭、医疗、教育、娱乐等领域为人类提供更加个性化、细致化的服务； 二是人机共创，人类与人工智能系统合作，共同进行音乐、艺术创作、科学研究等活动，开拓新价值； 三是人机深度融合，人类借助AI能力提升自身认知、理解和判断能力。AI借助人类的表达、推理和决策能力更加智能化和自然化，实现更高水平的协同共生关系； 四是“取代”人类工作。人类将重复性、机械性的工作交给人工智能来完成，更多地从事创造性和高级智能的工作。 人工智能并不可怕，真正可怕的是人们没有变革的内心和行动。我们需要认识到，技术本身并没有道德属性，其影响取决于人类使用方式。人工智能对辅助和扩展人类能力至关重要，它的终极意义是为人类提供更多的可能和支持，而不是取代我们。只有以开放、理性和负责任的态度，建立可信AI应对科技治理挑战，才能确保人工智能的发展符合人类利益。正如《AIGC重塑金融》书里的那句话所说，“并不是我们的宇宙将意义赋予了有意识的实体，而是有意识的实体将意义赋予了我们的宇宙。”

来源：【人民周刊】 当前，我国经济社会发展进入“百年未有之大变局”，既遭遇前所未有的国内外新挑战，也体现出坚韧性和内在潜力。 近10年全球经济普遍进入内生增长动力弱化的局面，相比而言，据统计2013至2021年，我国经济年均增长6.6%，远高于2.6%的同期世界平均增速，对世界经济增长的平均贡献率达38.6%，超过七国集团（G7）国家贡献率的总和。 近年来，在数字经济与数据要素的加持下，党中央推动建设“数字中国”，为夯实经济发展基础和激发更多活力提供了重要“抓手”。最近中央金融工作会议强调，“做好科技金融、绿色金融、普惠金融、养老金融、数字金融五篇大文章”，数字化将成为协同促进金融高质量发展的核心要素。 虽然在底层重大技术创新方面还有所不足，但我国金融业应用技术创新已呈现百花齐放的局面，大模型正在重新定义金融科技，甚至重塑金融新业态。伴随生成式预训练转换器（Generative Pre-trained Transformer）在全球的快速应用，我国也掀起了人工智能生成内容（AIGC）的创新浪潮，AIGC在金融领域对提升面向客户的服务能力、改善机构工作流程与效率、文本处理和信息技术（IT）支持等方面展现了价值。在人民银行《金融科技发展规划（2022—2025年）》、原银保监会《关于银行业保险业数字化转型的指导意见》（银保监办发〔2022〕2号）等引领下，包括AIGC在内的新技术将成为推动金融业数字化转型的重要动力。 在此背景下，为帮助广大党员干部深入认识在新形势下如何处理好生成式AI大模型与金融的关系，了解金融大模型的发展路径，从而充分运用金融手段，发挥金融潜能，助力经济高质量发展，人民日报出版社组织出版《生成式AI大模型：赋能金融业变革》一书，通过集聚学界、监管层专家学者及行业代表的理论与实践思考，结合典型金融机构与企业的应用实践从不同视角探究和解读生成式AI大模型赋能金融业变革。 首先，该书对生成式AI大模型赋能金融业改革所涉及的基本逻辑和相关概念等进行探讨，使读者对大模型生态建设有更加系统的理解和认识。其次，结合具体实践，阐述大模型赋能金融业的应用路径。最后，探讨人工智能大模型的未来发展方向。 在上篇“大模型考验治理智慧”部分，中国证监会科技监管司司长姚前，国家金融与发展实验室副主任杨涛，中国社科院科学技术和社会研究中心主任段伟文，中国社会科学院金融研究所金融科技研究室主任尹振涛，北京国家金融科技认证中心资深专家温昱晖、段力畑分别撰文，阐述金融业应用人工智能存在的挑战与风险，对于生成式人工智能跨过“障碍”，实现大模型深度应用升级，促进金融业高质量发展提出治理方案与对策。 在中篇“大模型如何改变金融业”部分，工商银行首席技术官吕仲涛、民生银行数据管理部总经理沈志勇、中国农业再保险有限公司首席投资官俞勇、华夏银行首席信息官吴永飞、易方达基金投顾金科业务主管刘玮分别撰文展开深入探究。这些大模型与金融领域的前沿实践者，围绕诸多成功案例进行了“庖丁解牛”式的分析，并分享了各自基于实践的思想精华，可以更好地帮助读者了解大模型赋能金融业变革的现实意义与解决方案。 在下篇“人工智能还将走多远”部分，交叉信息核心技术研究院（清华大学设立）常务副院长林常乐、蚂蚁集团研究院院长李振华、沃丰科技技术专家庞斌、开放银行论坛研究院发起人孙中东，通过分析洞察场景大模型应用示例，以及阐释大模型的“生产资料”——数据的价值属性，指出AI大模型在金融行业的应用前景。 中央多次强调要推动“科技—产业—金融”良性循环，数字化改变原有经济社会发展模式，金融高质量发展同样离不开数字化的加持。这既是因为数字经济带来了全新的金融需求，使得金融业需要进行适应性变革；也是由于金融业是特殊的信息处理行业，数字化引发信息技术迭代，也对金融功能、要素、市场带来深刻影响。 在金融业这一特殊的垂直行业，迄今为止，AI大模型所展现出的价值主要集中在边际改善上。着眼未来，如果金融机构能够与技术企业通力合作，共同致力于解决痛点难点问题，或许能够在大模型金融应用中顺利“闯关”，实现带来更加深远的变革。当然，对于金融业来说，面对AI大模型这样的新技术，既要避免“短期高估”，也要避免“长期低估”。如果“短期高估”，容易导致一哄而上、盲目跟风；如果“长期低估”，一旦产生颠覆效应，就会错失发展机会。因此，该书综合考虑实际情况，内容既包括大模型的治理智慧，又有案例实践，通过找出大模型与金融业内在关联的“痛点”，指出其未来的应用前景与发展方向，这也是该书的创新之处。 相信该书能够给政府部门与监管者、研究者、金融从业者，以及对大模型赋能金融业变革感兴趣的读者带来思想与实践的价值体验，也期待该书能够为更好地促进大模型在新形势下落地金融场景打开新思路。 （作者为国家金融与发展实验室副主任，本文为人民日报出版社《生成式AI大模型：赋能金融业变革》前言） 来源：《人民周刊》2024年第6期 责编：汪翠萍 本文来自【人民周刊】，仅代表作者观点。全国党媒信息公共平台提供信息发布传播服务。 ID：jrtt

原标题：国雄资本董事长姚尚坤：拥抱AI变革，助推沪港企业金融数字化转型 深圳商报·读创客户端记者 涂竞玉 “在数字化时代，应积极拥抱技术变革，AI在金融科技领域将有重要作用。”日前，国雄资本董事长姚尚坤在沪港企业家圆桌会上表示，国雄资本将为沪港企业提供全周期金融服务。 “过去五年，国雄资本经历了电子化、信息化到数字化的升级。”姚尚坤强调，数字化时代需在观念上转变，从数字原生角度优化金融科技为银行等金融机构服务。技术进步催生新公司与业态，拥抱变革的企业方能在时代浪潮中立足。 姚尚坤对AI大模型话题感触深刻，看好AI赋能金融科技的前景。他指出，在银行业，许多岗位如客服、理财师等处理非结构化数据，传统AI技术难以应对，但AI大模型为这些问题提供了解决方案。他强调，未来要战略上全面投入AI，行动上则将AI技术应用于各个领域。 姚尚坤表示，AI大模型技术将改变人力密集行业如银行和保险等的运营模式，AI助手有望普及至每个岗位，解决问题，他对此充满期待。“AI革命和新能源发展是大势所趋，但投资需谨慎。在这样的多变环境中，蕴藏着巨大的投资机遇，修炼投资‘理性’、减少情绪干扰是穿越迷雾的关键。”返回搜狐，查看更多 责任编辑：

原标题：2024中关村论坛年会｜金融业的AI革命：创新动力与安全挑战 金融是“AI+”的最理想应用场景，而AI是普惠金融的核心驱动力之一。4月29日，在2024中关村论坛年会——金融科技平行论坛上，国家金融监督管理总局政策研究司司长李明肖表示，要高度重视人工智能技术应用过程中数据安全和消费者隐私保护问题。 中国人民银行此前印发的《金融科技发展规划（2022—2025年）》中明确提出，要抓住全球人工智能发展新机遇，以人为本全面推进智能技术在金融领域的深化应用。在多位与会嘉宾看来，人工智能的蓬勃发展为金融业带来了无限可能，数据要素在其中发挥着至关重要的作用。但与此同时，“牢牢守住不发生系统性金融风险的底线”仍是关键词，行业呼唤对数据安全更严格的保护与要求。 AI的金融渗透力 “根据最近一项市场研究，人工智能已应用于香港金融业多个领域，其中聊天机器人和辨识认证是应用程度最高的领域。研究也指出，人工智能的进一步应用将为企业带来大量机遇，特别是在算法交易及自动化客户服务等应用范畴。”会上，香港特别行政区财经事务及库务局局长许正宇说道。 人工智能与金融相遇，为金融科技领域发展带来了创新和变革的可能。值得注意的是，金融业的数字化基础好、应用场景密集，也为人工智能应用提供了广阔空间，是“人工智能+”落地的重点行业之一。 李明肖表示，当前，人工智能在智能客服、工程评估、信贷审批等数字金融领域已经有了一些应用，提高了金融服务的个性化和智能化水平。数字金融的发展为人工智能技术的创新和应用提供了丰富的产品和技术资源。同时，监管部门利用人工智能技术，能够更好地识别风险，识别股东股权关联关系及资金往来，有效提高监管效率。 许正宇进一步指出，在现今信息化的时代，金融业面对大量数据和复杂的市场环境。人工智能具有强大的数据处理和分析能力，能够从庞大的数据库中挖掘出具有价值的信息，协助金融机构更好地理解市场趋势和客户需求，提供准确的预测和决策支持，同时有助于提高金融交易的效率和速度，为金融创新开拓新的可能性。 此外，人工智能可应对金融业人手短缺的问题，将相对简单的工作自动化，以腾出人力资源集中处理复杂的增值工作，包括监督、系统开发和品质保证，有助于金融机构提升生产力和效率。 网商银行副行长江浩以公司业务为例，他表示，作为一家互联网银行，AI永远是网商银行探索的一个重要领域。最初，网商银行的AI应用重点在客户服务，面对每天百万级的线上客群做融资；第二阶段，将AI用于辅助风控。而到如今，AI能力进一步升级，帮助客户挖掘价值。例如，一些小微客户对金融常识没有概念，当线下面对客户经理时，并不知道该提供什么。网商银行提供的AI解决方案使小微融资过程变得简单，客户只要把租赁合同、店面照片等有价值的所有东西都拍下来并上传，剩下的都可以交给AI。 对人工智能的重视，已成为了一种产业趋势。2023年以来，生成式AI、大模型产品爆发式涌现，并被金融机构广泛运用于智能客服、智能营销甚至风控领域。有统计显示，2023年生成式人工智能的私人投资金额达250亿美元，比前年增长9倍。 基础建设方面，北京推进国家新一代人工智能创新发展试验区和国家人工智能创新应用先导区建设，打造具有全球影响力的人工智能创新策源地，积极拓展人工智能在智能客服、智能贷款审批、信用贷款等金融领域应用场景，健全应用场景发布机制，促进供需研发应用服务技术的双向赋能，并利用“冒烟指数”等工具加强监管，实现风险“四早”管理。海淀区正在打造全球AI创新策源地和产业高地，建立科技企业与金融机构的常态化对接机制，支持数字金融创新。 安全与合规难题 而与此同时，一些挑战仍然存在。“安全”与“合规”是金融业绕不开的话题。人工智能加速金融与科技深度融合的同时，对于数据要素的保护和应用成为制约金融机构高质量发展的重要因素。 许正宇直言，金融机构应用人工智能时或会涉及大量数据，其中包括个人和敏感资料。此外，数据的准确性及人为监督对人工智能的运作至关重要。 在交银金融科技有限公司副总裁王浩看来，金融机构利用数据要素提升实体经济服务水平，带来了新平台、新视野、新连接、新模式。一方面，随着各类数据的融合深入，这些要素形态不断发生变化，新技术驱动的场景、平台不断出现，从而提升了金融机构服务效率。 王浩指出，另一方面，各类商务平台、流量平台、自媒体平台层出不穷，企业也在进行数字化转型，从而衍生出各类的数据要求。如何将金融服务融入这些新的平台、新的业态，只有通过数据要素之间的连接，运用隐私计算等技术打通不同主体之间的流程和数据壁垒，才能为广大客户提供更加有效的服务。 “未来，谁能更好地掌握数据要素，谁就能掌握金融发展的制高点。”有业内人士这样认为。第四范式（北京）技术有限公司联合创始人兼总裁胡时伟同样表示，数据要素给金融业带来的价值，一是释放，二是升级。当前，大模型在金融业不能有效落地并提供服务，问题在于愿景不清晰、路径不明确、分配不合理。有效解决这样的发展挚肘，需要从数据中寻找答案。 大模型新路径探讨 不可否认的是，人工智能等数字技术的迭代速度快，在蓬勃发展机遇中也蕴含了一定的偏差空间。因此，如何平衡人工智能带来的业务效率提升与用户数据安全的问题，尤其值得金融机构警惕。 对此，许正宇强调，金融机构必须采取稳妥的网络安全措施，例如全面加密个人和敏感资料、定期进行保安审查，以及建立注重数据安全的机构文化。在应用人工智能时，金融机构必须尊重个人资料隐私，以及严格遵守所有适用的个人资料隐私及保护知识产权的相关法律。 中国国际金融股份有限公司专精特新企业服务业务执行负责人黄弋进一步提出，对于隐私的保护是“极容易出问题的”，因此，更需要在规则的前置层面上以及技术底层上就加以逻辑上的区分和管理。 胡时伟则提供了一条新的路径。当前，大语言模型对C端处在“不敢用”的状态，究其原因，是大语言模型“直通”外界带来的注入风险与加装额外保护造成的成本提升的矛盾。如果换一种思路，不是选择把所有的敏感数据都“一股脑”塞进去，而是清晰地知道构建怎样的智能、用的什么数据以及服务产品对外的核心价值，选择把原始的数据转化为知识、转化成经验，即数据服务化，从某种意义上来讲是解决安全问题的一个很重要的方式。 除了对数据与隐私的把控，另一些安全问题或成为人工智能助力金融路上的“绊脚石”。许正宇举例到，金融机构可能需要第三方服务供应商提供人工智能所需的技术和基础设施。由于市场上的人工智能服务供应商较为集中，如有突发情况导致服务中断或故障，便会影响金融机构的营运。因此，金融机构必须制定全面的应变计划，以确保金融系统畅顺运作。 此外，人工智能模型可以按指示撰写流畅而且高质量的分析，也可以理解图像、处理声音及创作视频。然而，人工智能模型也存在幻觉风险，有机会输出看似符合逻辑但不合乎事实的错误资料。许正宇对此表示，金融机构及从业人员不能完全倚赖人工智能，人工智能也不能取代金融专业人员的独立思考和判断。 北京商报记者岳品瑜董晗萱返回搜狐，查看更多 责任编辑：