AI金融助手

　　财联社4月8日讯（编辑 宣林）金融大模型近期进展不断。日前，彭博社开发了拥有500亿参数的语言模型——BloombergGPT，其依托彭博社的大量金融数据源，构建了迄今为止最大的特定领域数据集，训练了专门用于金融领域的LLM，在金融任务上的表现远超过现有模型。此前，中国工商银行在业界率先研制投产了自主可控的人工智能金融行业通用模型，已取得良好的应用效果。 　　垂直应用领域是AI的一条主线，开源证券分析师陈宝健在4月3日的研报中表示，金融行业拥有大量C端用户，积累了海量数据（维权），应用场景丰富，有望成为AI大模型率先落地的垂直领域之一。天风证券缪欣君认为BloombergGPT在部分金融场景表现出强于通用大模型的能力，标志着金融领域的GPT革命或刚刚开始。 　　二级市场方面，AI+金融龙头股同花顺年内股价累计最大涨幅达158%。 　　据财联社不完全梳理，近2个月以来，东方国信、银之杰、重庆百货、汉王科技、恒生电子、云从科技等在互动易上回复有金融大模型相关业务布局。 　　头豹研究院指出，AI在金融领域可赋能营销、资管、风控三大领域，面向金融消费者、金融机构和金融监管机构，改善金融市场信息对称性并提升金融交易的效率和安全性。 　　应用层方面，智能营销、智能风控、智能客服均已在银行、保险、券商三大金融细分行业中落地，智能投研和智能投顾主要应用于银行和券商，智能理赔则应用于保险。智能客服包含智能语音、智能外呼、智能质检、在线客服等模块，在行业中的应用最为广泛。近年来，各大金融机构对智能外呼、智能质检场景的需求尤为迫切，两者皆可有效降低企业人力和运营成本。 　　技术层方面，安全认证和客户身份识别涉及的计算机视觉、智能语音技术应用程度较高。除此之外，机器学习可以为银行实现精细化客户管理，同时赋能精准营销和职能风控；RPA（机器人流程自动化）技术可为保险公司负责大量且重复的后台流程，降低保险人力成本，提高客户满意度；知识图谱在证券业可为券商文本分析、舆情监控、知识发现、模式挖掘和推理决策提供坚实的技术底座。 　　金融AI在银行领域的应用最为成熟且广泛，银行智能营销解决方案供应商主要包括阿里云、百度智能云、第四范式、中电金信、明略科技、索信达、云从科技、追一科技等。智能风控解决方案提供商包括天云大数据、邦盛科技、惠安金科等。智能客服解决方案提供商包括科大讯飞、天润融通、竹间智能、第四范式、追一科技、容联七陌、思必驰、网易七鱼、沃丰科技。 　　天风证券缪欣君在4月2日的研报中表示，在GPT的赋能之下，金融数据产品有望更加体系化，交互方式有望更加多元化，例如对券商研报进行元素提取、对机构调研信息进行整合，协助投研人员搜集资料数据等，减少了大量繁琐的案头工作。而国内相关企业在数据上有大量的积累，部分企业已经在金融大模型上有所布局，未来有望自研金融大模型。 　　如同花顺重点打造的i问财是在财经领域落地的有代表性的自然语言、语音对话交互问答系统，i问财有望借助GPT升级服务模式，在信息汇集、交互问答等方面跨越，进一步发展为智能投顾平台；东方财富构建一站式互联网财富管理生态圈，GPT或催生全新的智能投顾产品；万得、恒生聚源等专注金融与产业数据资讯服务提供，GPT或变革产品输出形态。金融领域GPT标的还有长亮科技、顶点软件等。 炒股开户享福利，送投顾服务60天体验权，一对一指导服务！ 海量资讯、精准解读，尽在新浪财经APP

最近一直在用ChatGPT和它背后的“大脑”交互，自从ChatGPT推出后，各大公司纷纷宣称自家也有类ChatGPT，似乎没宣布的都会被贴上落后的标签。可是GPT未来到底会怎么演变呢？我想从5点谈谈自己的一些看法。1、在金融细分领域的机会；2、交互的形态；3、实时数据的算力；4、资产组合的分析与调优；5、监管合规。 在金融细分领域的机会 倒不是说GPT的商业化只有在金融细分领域才有机会，只是因为我在这个行业，所以想从这个行业来谈一谈自己的观点。目前像ChatGPT那样的“通才”，能写诗，能做题，能说情话，能写论文，上知天文，下知地理的通才型GPT，在未来不会是最强大的，因为这些我们感受到的全能是经年累月，庞大的算力支撑的。未来在GPT领域，如果把ChatGPT的学历和人类的学历类比的话，ChatGPT我想可以类比成大学生，那么GPT中的硕士和博士在哪？ 显而易见，一定是在某个细分领域的更深度的生成型预训练变换模型。目前的ChatGPT的训练数据，只是到2021年。 这会有什么问题呢？ 从上述询问ChatGPT下一届世界杯可以发现，它知道当前系统时间是2023年，但是它的数据并没有2022年的数据。我使用越新的数据训练它，算力越高，成本越高。 因此如果所有公司的GPT都是参考ChatGPT来设计的，就会看到一堆本科生，一心只读圣贤书，两耳不闻窗外事。这种GPT在金融领域是无法使用的。 因此，如果有ChatGPT会消灭什么工作的焦虑，我想说，目前它的计算比你快，查询信息比你快，但是它比你后知后觉。ChatGPT肯定不会替代依赖于最新信息的捕捉和分析的工作，在金融领域就比如基金经理。但是有可能会替代基金经理助理，或者单纯的会计工作。 那么金融领域GPT（就叫FinGPT吧）的机会在于如何捕捉最新的信息并且训练。这个难度相比目前ChatGPT一定不是倍数级别的增长。如果可行的话，FinGPT在很大程度上对于风险资产的管理能力会相当的可怕。任何一家金融科技公司想要更伟大，就应该是考虑金融领域的ChatGPT。其他领域也一样，如果去内卷同质化的ChatGPT，着实是对资源的浪费。 交互形态 现在ChatGPT还是比较初始的文字交互形态，未来肯定还会往图片、语音等交互形态发展。 对于FinGPT来说，图片的交互形态会更重要。例如你发送一张图片，上面是某只股票的近180天走势，其中在不同的时点有你的买卖记录。 你需要FinGPT根据这些信息为你后续的投资提供决策，首先它要获取到这个股票对应的公司、行业最新的一些信息，并且能剔除已经不会影响近期或者短期的股价波动，其次它掌握了这只股票的基本面，财报的分析等等。然后它再根据你的交易记录，你的风险偏好，你的持仓情况和资产情况等，给你做出决策判断。 如果说GPT越来越像人类一样和人类交互的话算是强大。那么如果GPT能够通过脑机接口和人类交互，那算是疯狂了。有没有这种可能呢？这两个技术的共同投资人马斯克应该有答案。 实时数据的算力 前面讲到目前ChatGPT并不是对实时数据，退一步来说最近几个月前的数据，都做不到。不仅是计算，还有这些拿来训练的数据存储也是难题。GPT所需要的数据，很大一部分是互联网上是公开的，但是算力会不会实现共享？在国家间共享算力，我想很难的吧。未来我想下GPT会成为各个国家的核心战略。如果要实现实时数据的训练，真的培养出人类无法企及的AI，那这种一定是大国重器了。这里需要的算力，可能只有国家机器才能做到。如果是民间力量的话，类似比特币挖矿热潮，全民共享算力，会不会在GPT上重现？ 但如果未来真的到那一天，我想最强算力肯定不会在地球，很可能到本世纪末会在月球。 资产组合的分析与调优 前面在交互形态段落提到FinGPT的投资决策能力，应该要更广泛地应用在资产组合的分析与调优。从早期toG，例如国家的养老基金，产业基金，toB，例如一些大型公司的对外投资，基金公司等。应该toB和toG的商业化非常成熟稳定后，会出现toC的商业化。毕竟算力成本这么高，C端用户难以支付GPT的使用成本。 掌握几年前的数据，并分析它，对于GPT来说现在就能办到。因此难点在于未来能否在每个交易日去获取必要的数据并分析，甚至到以小时、分钟为单位的训练。FinGPT未来很可能会成为国与国之间金融战的有利工具。 监管合规 现在GPT领域，有点追求通用型ChatGPT的倾向，这会导致算力内卷，资源浪费。GPT的广泛应用一定会出现在中美两个大国，而这两个国家的政府一定会在这个领域的监管合规方面做出很强势的动作。对外禁止部分领域和能力，对内限制部分训练和分析。比如在FinGPT不能推荐股票是必然的，不能替代人类主动进行资产交易等等。对外算力不会在国家间共享，也很难在企业间共享。GPT一定在分层级出现的不同领域，有些领域或者能力是国家垄断的，而其他则是拼企业自身实力的。 当然，如果在政府层面能够建立统一的算力中心，而企业通过付费使用这部分共享资源，再按需扩展训练形成特有的GPT，最后普通用户在通过付费来使用，这样会在最大程度地减少算力的浪费。 最后我认为GPT的前景还是非常广，有些人可能会觉得这个可怕，但是GPT的诞生会让沉睡的由0和1组成的数据活起来。如果几百年、几千年，甚至更远的未来，人类文明因为无知和傲慢而毁灭，需要有“人”向外星人，向新地球人讲述人类文明的故事，那么一定会是GPT，新人类会称其为——先知。

宇信科技近期表现亮眼，获得中泰证券买入评级，预计未来几年营收将持续增长，海外业务潜力巨大。 4月7日，宇信科技(300674)荣获中泰证券买入评级，近一个月内共获得6份研报关注。 研报预测，宇信科技在2024年至2026年的营收将分别达到57.25亿元、63.29亿元和70.27亿元，归母净利润则分别为3.61亿元、4.07亿元和4.69亿元。2023年公司整体收入已达到52.04亿元，同比增长21.45%。 公司软件业务收入为33.22亿元，同比增长5.54%。其中，国有大行和股份制银行贡献了51.04%的软件收入，中小银行和农信社贡献了33.95%，非银金融机构、外资银行和其他金融客户的软件收入占比达到15.01%。信创相关基础软硬件业务收入为17.20亿元，同比增长77.47%。 宇信科技还积极拓展AI领域，加强与标准化产品公司的合作，推出了首批金融行业大模型应用产品和解决方案。在海外市场方面，公司与生态伙伴加强合作，共同研发适应海外市场需求的金融科技产品，为未来业务跳跃式增长奠定基础。 然而，公司业务发展仍面临一定风险，包括业务发展不及预期、政策推进缓慢和行业竞争加剧等。 和讯自选股写手 风险提示：以上内容仅作为作者或者嘉宾的观点，不代表和讯的任何立场，不构成与和讯相关的任何投资建议。在作出任何投资决定前，投资者应根据自身情况考虑投资产品相关的风险因素，并于需要时咨询专业投资顾问意见。和讯竭力但不能证实上述内容的真实性、准确性和原创性，对此和讯不做任何保证和承诺。 领和讯Plus会员，免费看更多独家内容：8大财经栏目，最新最热资讯干货独家行情解读，快人一步掌握市场投资风向。

在金融投资领域，人工智能技术的应用正日益受到关注与探索。为了更深入地了解人工智能在金融投资中的现状、前景以及应对其挑战的策略，本文邀请国内资深金融专家赵彦侃作解读。作为一位有着深厚从业经验的智能金融专家，赵彦侃不仅对金融投资领域有着丰富的实践经验和独到的见解，还对人工智能技术有着深入的研究。他分享了自己对人工智能在金融投资中的应用现状与前景的观点，以及关于投资者如何有效规避风险的建议。 问：人工智能在金融投资中的应用在大众的印象中还很遥远，是否真是这样呢？ 赵彦侃：其实不然，目前国内很多机构都已经尝试采用人工智能投资策略辅助投资决策，主要的方式是结合大数据分析和机器学习算法，去寻找价格错配的投资机会。随着人工智能、机器学习和大数据分析技术的发展，人工智能投资策略的算法不断优化，通过人工智能投资策略得以更加精准地捕捉市场信息，优化投资组合，提高风险管理能力，特别是在震荡行情下更容易捕捉市场机会。 问：看来人工智能金融蕴含着机会，能否介绍一下人工智能投资的未来前景吗？ 赵彦侃：从业绩表现来看，随着人工智能技术发展，其在金融投资中的应用更加成熟和普及，并且已经显示出不错的成绩。现在很多机构每年都在逐步增加人工智能策略应用的规模，同步也在测试很多合适的储备规模。 在将来，随着人工智能发展的深入，在投资端的应用预计会更加成熟和普及，不过对于相关策略是否能够与时俱进提出了更高的要求。将来投资机构需要不停地迭代更新策略，去高效地运用于各类投资场景。 当然，人工智能投资面临着的挑战依然没有减少，主要有模型可能会过度拟合历史数据，导致在新的市场环境或者各种制度在调整的情况下表现不佳；因为金融市场的结构和规则不断变化，导致影响了人工智能投资策略的有效性，需要投资者不断调整模型以适应新的市场环境；还有随着人工智能投资的普及，市场上的竞争也在加剧。更多的参与者可能导致策略的拥挤，从而减少某些策略的盈利空间。 问：回首2023年，人工智能投资策略整体表现较好，主要原因是什么？ 赵彦侃：我个人认为主要是两个因素的结果：一方面是随着人工智能分析技术的发展和人工智能投资策略算法的不断优化，相关投资策略更加精准地捕捉到了市场的变化，优化到了投资组合，导致了在2023年震荡行情下更快速地捕捉到了超额收益。 另一方面，由于2023年市场属于震荡市，相对来说在震荡市中小市值公司收益率是占优的，所以可以看到中小市值公司2023年的结构性机会和活跃度，从而带来了超额盈利机会。 当然肯定还有其他因素的影响，作为人工智能投资策略需要投资者不断监控市场的变化，实时优化策略，并准备好应对潜在的风险，这样才能持续不断地获取超额收益。 问：很多人担心人工智能投资策略会带来交易策略趋同、交易共振等问题，加大市场波动，投资者该如何有效规避风险？ 赵彦侃：首先是要尽量降低交易的频率，一般来说我个人不建议高频交易。一般交易越多，越容易产生错误，并且引起不必要的市场波动。 另外，相关策略也需要多元化，通过策略多元化可以避免以上问题。在目前的市场上，各参与方的交易策略的差异性在缩小。这就要求做好及持续迭代好的投资策略，从而取得超额收益。 然后对于市场的敏感度也需要加强，不断地监控市场并且优化策略，从而使自己的策略有别于大部分迭代慢的市场策略，以求得差异性和超额收益。 问：大家最关心的是人工智能投资策略和展望，请问有什么看法可以和大家分享？ 赵彦侃：任何的策略都应该是以绝对收益作为目标，同时需要重点考虑降低权益组合波动性以降低投资风险。 防守风险控制方面，需要有严格的风险管理策略，确保投资组合在市场波动时能够保持较低的波动率，减少潜在的损失。在追求高收益的过程中，人工智能模型可能会过度拟合历史数据，导致在新的市场环境下表现不佳。此外，随着人工智能投资的普及，市场上的竞争也在加剧，从而减少某些策略的盈利空间。这些问题都需要精神和妥善地应对。 在控制住风险然后市场出现有利机会后，一方面积极推进策略多元化布局，丰富各个子策略的研发和储备。另一方面，坚持创新思维，加强投研能力建设，在应用场景上，使用大规模训练模型进行技术实现。将最前沿的模型和工具应用到投资中，提高量化投研效率，以适应市场变化，提高投资决策的科学性和效率。 在人工智能技术的持续发展和金融市场的不断变化之下，金融投资领域正迎来前所未有的挑战和机遇。赵彦侃的深入解析为我们呈现了人工智能在金融投资中的重要作用以及未来发展的潜力。在追求绝对收益的同时，有效的风险管理和持续的创新思维将成为投资者们应对市场变化的关键。在经过金融从业者们的不断学习、探索和实践后，人工智能技术将为金融投资行业进一步赋能，并为投资者带来更广阔的投资空间。 本文来源：中国金融信息中心 陆家嘴金融网 作者：刘其昭 责编：顾舒徐 编辑：王子清

在《金融科技（FinTech）发展规划（2019-2021年）》中，“人工智能”被数次提及，探索人工智能技术在智慧营销、身份识别、风险防控等领域的应用路径和方法，推动金融服务向主动化、个性化、智慧化发展正在成为金融行业的发展趋势。 AI之于金融行业 “AI+金融”是将人工智能作为基础特征，与传统金融行业的全面融合，相对于简单的行业叠加，“AI+”更侧重于为传统行业的模式创新和流程再造提供新的思路和方法，促进经济形态的演进，从而催生新的商业模式，提高运营效率，带来整个产业的全面升级。其中，金融行业信息化建设起步早，其主要业务都是基于大规模数据展开，急需自动化和智能化的变革来解放人力，此外，金融普惠化和场景化的创新，也需要新的技术手段来提供支持，而人工智能与金融的结合，无疑为金融创新提供了更多的可能。 技术、数据和场景的需求使人工智能在金融领域得以快速应用，其中，涉及的AI相关技术主要有：机器学习、生物识别、自然语言处理、语音识别和知识图谱等。 机器学习：在海量的金融大数据中学习规律和方法，然后应用到金融业务的各个环节，有效地优化流程、提升效率; 生物识别：包括指纹识别、人脸识别、虹膜识别和指静脉识别等，广泛应用于客户身份认证、远程开户、无卡取款、刷脸支付、金库管理和网络借贷等金融场景； 自然语言处理：显著提升金融行业获取、清洗、加工和分析数据的效率。例如：新闻公告、年报、研究报告等大量文本形式信息，利用自然语言处理技术可迅速提取关键指标，进行分析总结； 语音识别：通常与语音合成技术结合提供于语音自然流畅的人机交互，其主要应用于电话客服、各类智能终端的语音导航、业务咨询等场景； 知识图谱：从“实体-关系”的角度整合金融业现有数据，结合外部数据，建立连接形成大规模的实体关系网络。从而突破传统的计算模式，便于有效地挖掘潜在客户、预警潜在风险，帮助金融行业提升效率、优化流程。 在场景应用上，一方面，金融业良好的数据基础为AI应用场景创新提供了条件，促使各领域充分挖掘数据的潜在价值，利用技术实现业务模式的创新和产业升级，从而使人工智能在金融领域的应用场景越来越多元；另一方面，金融服务业的属性决定了其大部分业务是基于用户服务展开的，大量的服务场景也需要利用技术来提升效率、优化体验、实现行业的精细化运营和服务升级。总之，金融业为人工智能的落地应用提供了良好的场景条件。 场景之于AI应用 目前，人工智能技术在银行、理财、投研、信贷、保险、风控、支付等领域得到实践，并呈现出向各个领域渗透的趋势。金融行业围绕银行服务、理财投资、信贷、保险、监管等业务已衍生出智慧银行、智能投顾、智能投研、智能信贷、智能保险、智能监管等应用场景。 智慧银行 人工智能的场景化应用渗透到银行业的方方面面，从前台业务到后台分析决策和企业运营，典型应用包括：智慧网点、智能客服、刷脸支付、智能风控、智慧营销和智能化运营等。其中，智慧网点是智慧银行的核心，以提升用户体验为核心，一方面从网点软硬件设施和环境配置等实体上来改变银行信息采集方式和服务模式；另一方面充分利用后台分析和决策系统的结果来优化前台业务，从而提升服务质量，提高商业银行的核心竞争力。 智能投顾 是现代人工智能相关技术在财富管理领域的应用。它通过一系列智能算法综合评估用户的风险偏好、投资目标、财务状况等基本信息，并结合现代投资组合理论为用户提供自动化、个性化的理财方案。其实质是利用机器模拟理财顾问的个人经验。其核心环节包括：用户画像、大类资产配置（投资标的选择）、投资组合构建和动态优化等。 智能投研 是指利用大数据和机器学习，将数据、信息和决策进行智能整合，并实现数据之间的智能化关联，从而自动化地完成信息的收集、清洗、分析和决策的投研过程，提高投研者工作效率和投资能力。将收据收集、数据/知识提取、分析研究和观点呈现等四大传统人工投研流程通过自动化途径加以优化，实现从搜索到投资观点的一步跨越。 智能信贷 基于大数据和人工智能等金融科技相关技术，实现线上信贷业务的全流程优化和监控，从而提升风控能力和运营效率，降低人员维护成本。智能信贷通过收集用户信息，筛选出有效数据，并根据指标和变量的权重对这些有效数据进行再次分析处理，最后通过决策引擎对此单借贷形成审批、额度、定价等判断，完成信贷流程，从贷前、贷中和贷后的各个环节实现信贷业务精细化运作。整个过程并行处理，依靠机器自动化完成，从而能够实现线上审核的“秒批”或“秒拒”。 随着人工智能技术的逐渐成熟，行业关注的重点正在逐步从技术研发转移到场景探索上来，金融行业无疑将会迎来更多的发展机会。

■当前大模型在B端的发展机会正在逐渐显现。 首先，落地应用场景广泛。大模型技术在金融、保险、医疗、政务等各个领域都有着广泛的应用场景，能够帮助企业提升风控、营销、服务等方面的能力。 其次，技术实力强大。大模型的背后是强大的技术支持，包括算法、数据和硬件等方面。当前，全球范围内已经涌现出一批实力雄厚的大模型公司，这些公司在技术研发和应用场景上具有优势。 最后，客户需求强烈。在B端市场，企业对于风控、营销、服务等方面的需求非常强烈，这也为大模型技术的应用提供了机会。 大模型在B端市场的发展机会正在逐渐显现，未来还将有更多的企业和机构将其应用于业务中，推动数字化转型和业务创新。 ■而在金融领域，大模型应用正在逐渐扩大，其在B端市场的发展机会主要体现在以下几个方面： 一是金融风控：大模型可以应用于金融风控领域，通过对客户信息和行为数据的分析，帮助金融机构更好地识别风险，提高风险控制能力。 二是金融营销：大模型可以应用于金融营销领域，通过对客户历史数据和行为数据的分析，帮助金融机构更好地了解客户需求，提供更加精准的金融产品和服务。 三是金融智能客服：大模型可以应用于金融智能客服领域，通过对客户问题和需求的分析，帮助金融机构更好地实现人机智能对话，提高客户服务质量。 四是反欺诈：大模型可以应用于反欺诈领域，通过对客户行为数据的分析，帮助金融机构更好地发现欺诈行为，提高反欺诈能力。 ■建议关注金融 IT 相关标的： 保险方面：中科软、恒生电子、新致软件等； 证券方面：恒生电子、顶点软件、金证股份等； 银行方面：长亮科技、京北方、宇信科技、软通动力、神州信息等； 其它：同花顺、东方财富、指南针、财富趋势等。

ChatGPT还在继续颠覆金融圈。 佛罗里达大学金融学教授Alejandro Lopez-Lira表示，ChatGPT能够更好地预测股市涨跌。 Lopez-Lira教授和搭档Yuehua Tang在最近发表的论文中指出，他们利用ChatGPT来分析新闻标题，以此判断该标题对于股市来说是好是坏。 结果显示， ChatGPT对于新闻影响及股市第二天回报的预测能力比随机预测要好得多。 这个实验也触及到了当前关于最先进人工智能的核心问题——AI大模型出现了人们不可预测的能力。这一被称之为”涌现”的现象的出现，在一定程度上是失控的。 与此同时，如果ChatGPT在不断训练过程中，可以越发准确的理解财经新闻，并判断它们将如何影响股价，华尔街精英们的工作面临的风险越来越大。 高盛曾在3月26日的一份报告中指出，他们预计约35%的金融工作将面临被人工智能取代的风险。该行交易员Rich Privorotsky感慨道：“我们的时间都是AI借给我们的。” Lopez-Lira表示他也对实验结果颇感震惊，认为当前投资者尚未将ChatGPT的机器学习纳入他们的交易策略中： 从监管的角度来看，如果我们让ChatGPT只读取头条新闻，那么头条新闻将变得更加重要。我们需要思考是否每个人都应该使用像GPT这样的机器。 同时，这肯定会对金融分析师的就业产生一些影响。 对ChatGPT的实验过程 在这个实验中，Lopez-Lira和搭档Tang利用了两个主要数据集进行分析：证券价格研究中心（CRSP）的每日回报和RavenPack（数据供应商）提供的5万多个涉及到股票市场的标题。 考虑到ChatGPT的训练数据截止至2021年9月，Lopez-Lira选取的标题日期为2021年10月—2022年12月，从而更准确地评估其预测能力。 随后，他们要求ChatGPT扮演一个有一定经验的金融专家的角色，将这些标题与以下提示一起输入到GPT—3.5中： 忘记以前的所有指令，假设你是一位金融专家，且有一定的股票推荐经验。 如果新闻对股价有利，回答 “YES”；如果不好，则回答 “NO”，如果不确定则回答 “UNKNOWN”。 并在下一行中用一句简短而简洁的话作进一步解释。 Forget all your previous instructions. Pretend you are a financial expert. You are a financial expert with stock recommendation experience. Answer “YES”...

21世纪经济报道记者 边万莉 北京报道 ChatGPT带火了一系列GPT产品，AIGC（AI generated content，生成式AI）技术逐步走向实用。根据奇富科技对104家中小机构的访谈，64%的受访金融机构认为，GPT产品的能力将有助于提炼信息、整合材料、生成报告，减轻金融机构内部繁重的案头工作。 ChatGPT的面世推动人工智能发展史走到了奇点，但不得不承认的是，同时也带来了风险和挑战。近期包头警方公布的一则诈骗案例，正是利用“AI换脸”实施的诈骗，为各行各业都敲响了安全警钟。 “我们迫切需要重构人工智能信任，在技术上、制度上有效对抗AI虚假，建立防范AI操纵的防火墙，维护数字经济时代的国家安全与金融业安全。”中国银行原行长李礼辉在近日“第八届融城杯金融科技创新案例评选”启动仪式上发言时如是说。 实际上，应对人工智能技术带来的威胁，不仅仅是要依靠制度，更是需要技术公司、监管部门的共同努力。此外，个人也应当树立信息安全意识，谨防上当受骗。 金融机构对GPT产品的需求方向 ChatGPT热度稍减，但关注度从未消失。如果将ChatGPT应用金融行业，会有哪些可能性呢？此前，21世纪经济报道记者向金融从业人员发起采访后发现，答案主要集中在以下几个方面：写企业宣传稿、写研报、做客服、做催收、营销、专业分析等。 前不久，奇富科技就金融机构对于GPT产品的需求，对104家中小金融机构进行访谈。92%的金融机构一致认为，标准化程度越高，AI可替代性就越强。与其坐等被替代，不如寻求主动出击。从调研结果看，金融机构对GPT产品的需求主要集中在三个方面，即改善用户体验、辅助风控决策、资料查询与信息提炼。 数据显示，72%的受访金融机构相信，通过使用自然、流畅、个性化语言的GPT产品，可以有效缓解客户情绪，降低客户投诉率。67%的受访金融机构表示，他们需要一款能够全面、准确地解读征信报告的GPT产品，以提高信贷人员的工作效率和精准度。64%的受访金融机构认为，GPT产品的能力将有助于提炼信息、整合材料、生成报告，减轻金融机构内部繁重的案头工作。 某南方农村信用社联合社科技负责人表示：“我们认为客户对话是非常重要的一环，特别希望有一款能够生成自然、流畅、个性化语言的GPT产品，能满足客户问题解答及处理，同时又能纾解客户情绪，提升客户体验和满意度，减少客户投诉率。”同时，他也指出，机构也会相当重视对话内容的合规性、安全性、可信度和逻辑性，“如果GPT无法解决问题处理操作的准确性，我们将会选择仅回答问题，在操作环节再跳转人工复核。” 某南方城商行副行长表示：“我们在数字化转型的过程中迫切需要一款优秀的GPT产品，来提高其业务的效率和质量。GPT能够快速查询专业领域资料，提炼核心信息。当然，AI提供的信息有些需要深入考究真实性，但是GPT肯定是未来金融业务发展的趋势。因此，我们一定会加紧研究和选择GPT产品，以适应市场的需求并提高自身的竞争力。” 李礼辉认为，ChatGPT的面世推动人工智能发展史走到了奇点，是人工智能的迭代升级，标志着数字技术的某种变局，将会带来新的冲击和挑战。 一是在算力竞争上面临挑战。金融领域中，智能化的信用评估、客户筛选、风险定价、数字员工等方面无不需要数据和算力的支撑，算力很大程度上决定金融业的竞争力。算力的竞争，今后是科技巨头、资本巨头之间的竞争。我们需要探讨如何构建一个既能占领全球技术高地、又能避免垄断的国家级算力基础设施；如何构建一个资源可共享、商业可持续、监管可包容、金融机构和科技公司可受益的金融算力生态圈。 二是AI合成与信任面临挑战。深度内容合成模糊了真实与虚假的边界，最新的深度合成算法可以对抗通用的技术性的甄别，人们开始担忧AI虚假与AI操纵对社会构成的威胁。低级别的AI虚假用于诈骗、诋毁个人及企业名誉；高级别的AI操纵有可能用于诋毁政治人物或政权实体操控负面舆情、制造政治恶意、激化社会矛盾。 “AI换脸”诈骗敲响安全警钟 风控是金融机构可持续发展的生命线，安全性是金融科技创新应用关注的重要问题。近日，包头警方公布了一则AI诈骗案例，敲响了人工智能的警钟。 据警方通报，骗子冒充郭先生一名至交好友，通过微信联系到郭先生。对方告诉郭先生，他的朋友在外地招标，需要430万元，且需要公对公账户过账，所以想要借用郭先生公司的账户走一下账。郭先生说，“从头至尾都没有和我提借钱的事情，就说会先把钱给我打过来，再让我给他朋友账户转过去，而且当时是给我打了视频，我在视频中也确认了面孔和声音，所以才放松了戒备。因为当时已经临近12点了，对方又说招标款12点前必须到账，所以基于信任的前提下，我还没等钱到我的账户，就先把这430万元给对方打了过去。” 没想到的是，当钱款打过去后，郭先生拿起手机给好朋友的微信发了一条消息，称事情已经办妥。让他没想到的是，此次对方回过来的消息竟然是一个问号。很快，郭先生拨打了好朋友的电话，这一问才知道自己竟然是遇上了“高端”骗局，对方通过智能AI的诈骗手段，佯装成好朋友对他实施了诈骗。 郭先生在视频中看到的朋友面孔和声音难道是假的？确实是假的。随着AIGC技术的大爆发，普通人接触到各种先进生成工具变得不费吹灰之力，制作出越发难以识别的高质量deepfake视频也越来越容易，想一眼识破这些造假内容就更困难。 5月24日，中国互联网协会发布提醒：伴随着深度合成技术的开放开源，深度合成产品和服务逐渐增多，利用“AI换脸”“AI换声”等虚假音视频，进行诈骗、诽谤的违法行为屡见不鲜。 包头警方通报的案例中，不法分子利用AI技术，通过声音合成，伪造成特定人物的声音，通过AI换脸，伪装成特定人物，实时与他人进行视频通话。更换后的面部表情自然，以假乱真，能够冒充他人身份联系被害人，博取被害人信任后实施诈骗。面对利用AI技术的新型骗局，广大公众需提高警惕，加强防范。 据度小满数据智能部总经理、度小满技术委员会执行主席杨青介绍，在金融行业，由deepfake产生的主要欺诈行为就是身份欺诈，也就是通过深度伪造的虚假图像和视频，来冒充他人身份，骗过金融信贷流程中的身份核验系统（包括活体检测）。不法分子的欺诈方法其实也很简单，就是先通过劫持root或者缓存文件注入等形式劫持手机的摄像头，不让它进行真实采集。然后上传提前准备好的虚假证件信息（或经过篡改处理，或直接从黑产处购买）和通过深伪技术/AIGC技术生成的人脸样本了。如果系统恰好没有检测出来，盗刷和恶意注册就可能随之而来，给金融机构和用户造成不易挽回的经济损失。 中关村科金金融事业部技术专家张巍向记者表示，随着技术的不断进步和计算能力的提升，AI换脸技术成本越来越低，更加易于使用，因此此类AI换脸案例逐步进入公众视野，监管机构、行业参与者及社会公众需对此予以关注。该项技术的滥用，引发了行业很多思考，包括：隐私侵犯、虚假信息传播、伪造身份、形象破坏和诽谤、法律和伦理问题。对于AI技术滥用，需要警惕所带来的风险问题。 当前应对AI诈骗的探讨与实践 有数据显示，国内主要金融机构及互联网公司应用的人脸验证流程，70%以上存在被绕过的风险。在全球范围内，也有快接近一半（46%）的企业遭受过合成身份的欺诈，有高达90%的受访企业认为这种行为已日益严重。 “新技术发展到现在这个阶段，我们迫切需要重构人工智能信任。需要探讨的是如何在技术上和制度上有效对抗AI虚假，如何建立防范AI操纵的防火墙，维护数字经济时代的国家安全，当然也要维护数字经济时代金融业的安全。”李礼辉如是说。 实际上，已有公司在破解deepfake视频上有所研究和实践。杨青告诉记者，一般来说，行业各家公司在破解deepfake视频上采取的思路和以上所讲差别不大。以度小满为例，用防深伪检测模型破解造假视频，防深伪攻击的算法策略主要从三方面的破绽入手。 具体来看，一是生成瑕疵，比如，眨眼频率不正常、瞳孔形状不规则、牙齿有缺陷，大到口型与声音不吻合，肢体动作与演讲内容不协调……二是固有属性，指的是生成工具、摄像头光感元件固有的噪声指纹。由于单一特征难以适应复杂的deepfake内容，因此检测模型的整体框架采用的是多特征融合，以此来保证决策的鲁棒性。三是高层语义。它指的是检测面部动作单元（肌肉群）协调性、面部各区域朝向一致性、视频微观连续性等方面的问题，由于这些细节建模困难、难以复制，很容易抓到把柄。 应对滥用AI技术进行诈骗，人工智能科技公司、监管部门均需发挥应有的作用。张巍认为，对于人工智能科技公司而言，一方面发展技术，另一方面也要对技术进行迭代，避免技术所带来的道德风险；对于监管，期望能够从行业秩序方面给予支持和规范，保障技术良性发展，为社会带来帮助。 他进一步指出，金融机构应从技术升级和组织升级角度予以防范，与相关监管机构、司法机构开展合作，共同打击欺诈。一方面，技术升级包括引入人工智能辅助技术，实施多层次、多模态身份核验，全面升级网络安全和数据安全策略，针对异常行为进行监测；另一方面，组织升级包括加强员工安全培训，加强对新型欺诈手段的认知和应对，提升安全意识。 随着AI技术近期的迅猛发展，新一轮的有针对性的监管正在逐步完善。作为一家领先的对话式AI技术解决方案提供商，中关村科金有责任与行业各方一道，坚定支持监管机构开展行业监管，通过科技辅助相关监管规范落地，共同维护行业秩序。 更多内容请下载21财经APP

当前市场大家普遍认为，大模型基于其通用性，会在C端市场攫取更多发展空间。 但结合论文 《 GPTsareGPTs:AnEarlyLookattheLaborMarketImpactPotentialofLargeLanguageModels》中的观 点，大模型的能力或在未来引起行业层面对人力资源的需求降低。 产业的变革，由产业的软件触发。 据此我们判断，当前时点大模型在B端的发展机会或被低估。 从落地角度看，GPT在金融业推广的两个基础已经具备。1）看需求，客服与销售人力成本高昂有望为AI替代提供广阔空间。金融行业人力支出高企，以保险为例，代理人薪酬开支达万亿，IT支出仅为其的1％。考虑保险代理人数量持续下滑，我们判断保险公司或有意愿探索更高效的业务拓展方式。2）看场景，AI在金融行业多领域已具备使用基础，落地场景丰富。根据产品分类，现有金融+AI应用的包括AI风控、智能客服、智能营销、智能保险、智能投顾、智能投研等。过于由于技术能力限制，AI相关的交互往往体验不佳。而大语言模型卓越的情感分析、意图识别与学习能力有望有效解决这一问题。 从技术角度看，预训练模型调优与自研大模型有望为金融业AI应用再赋能。在优质语料库的预训练下，LLM可以获得基本的语言理解和生成技能。指令调优可以提升大模型在金融领域对专业性问题的理解能力。对齐调优有望保证金融行业大模型落地的合规性。 对于金融IT公司，业务理解与训练数据构成AI核心竞争力。我们认为，1）服务于准确性，训练数据的质量与数量构建成为金融领域大模型应用的核心竞争力。2）服务于可用性，基于对业务的理解基础，对产品进行AI赋能，保证了应用软件最终的可用性。 在数据+业务理解能力双重占优的背景下，我们判断头部金融IT厂商有望受益于本轮技术革新，构筑新一轮的成长。 彭博社发布的BloombergGPT显示出金融界大模型的应用潜力。而受益于金融IT基于AI的应用基础，以及明确的市场需求潜力，金融领域的GPT革命或刚刚开始。 建议关注金融IT相关标的： ToB： 保险IT：中科软、恒生电子、新致软件等。 证券IT：恒生电子、顶点软件、金证股份等。 银行IT：长亮科技、京北方、宇信科技、软通动力、神州信息等。 ToC：同花顺、东方财富（海外&；传媒组覆盖）、指南针、财富趋势等。 风险提示： 本文源自券商研报精选

界面新闻记者 | 孙艺真 界面新闻编辑 | “我们可能不能高估OpenAI短时间内在金融行业应用能够到达的水平，但同时，我们也不能低估从长时间来看它对行业颠覆的意义。”7月4日，微软（中国）有限公司金融行业总经理沈菲在伦敦证券交易所集团2023市场展望夏季论坛上直言。 一石激起千层浪。2023年，ChatGPT横空出世，人工智能在金融行业的应用成为热议话题。 “最近一直奔波全国各大金融机构做OpenAI方面的交流。”沈菲介绍，目前国内AI大模型在金融领域正逐步落地。 具体到ChatGPT在金融领域的应用，沈菲谈到，微软刚刚发布的GPT4.0增加了逻辑和推理能力，此外，“Being解决了现在数据库实时更新的问题，使得GPT在回答问题时更加收敛、准确、严肃，使得GPT的模型在金融行业的应用和落地更迈进一步。” 新技术应用能否成功落地并且大规模推广，与制度创新不可分割。 “AIGC不仅仅是一个技术问题，更多涉及到组织文化的问题。”浦发银行信息科技部创新实验室副处长李旭佳在论坛上提到了一项“10、20、70”法则。 李旭佳认为，AI在一家金融行业大规模落地需要参考“10、20、70”法则：10%指AI和区块链、新技术的突破带来变革的想象力；20%是指传统企业里有没有IT团队工程化能力的配套；70%是指这家公司或者银行组织业务流程的转型、人才的储备和变迁一系列制度治理的能力。 “我们在做内部IT开发的时候发现，为员工创造价值跟给客户创造价值同等重要。”她认为，AI和人工并不存在对立的、非此即彼的关系，而是相互之间不断的上升、相互促进。 金融行业是受到强监管的行业。过去半年，金融行业热议的议题之一是AI管理模型的安全性和可靠性。未来，ChatGPT在金融领域应用的规范和边界在哪里？ “未来，大模型的安全可控是重中之重。”沈菲介绍，微软一直在全球政府、行业积极奔走和投入，尤其是在大模型的规范和全球监管领域方面。 “数据合规之外，安全方面很重要的一点，是防止服务被滥用以及生成有害的内容，这也是我们客户提到很多的地方。”沈菲认为。 李旭佳介绍，在AI应用安全性方面，浦发银行内部制定了“三禁止两鼓励”原则，如“数据不能出境、数据不能出行”；而在鼓励层面，相对而言，在不碰客户数据、不碰内部的规则制度的情况下可以去尝试。 AI场景建设应用方面，李旭佳介绍，对内的员工赋能是第一位先去尝试的，而对客会非常审慎使用，“尤其是目前大模型的可解释性不强，在这个阶段，我们是相对审慎的。” 展望ChatGPT在金融领域的未来发展，伦敦证券交易所集团数据与分析业务全球大客户解决方案技术总监诸赞松表示，第一，大的通用模型和领域模型将会是百花齐放的局面，头部公司会集全人类的智慧，集全人类最大的算力一定会创造一个超级的智能体。第二，多模态会在未来金融领域发挥很重要的作用。 “如果我们看整个人工智能的流程，前面是感知、中间是决策、最后是执行，ChatGPT主要是在决策部分，而在执行部分现在只有文本。将来，我们希望在感知部分加入语音、图像、声音，把融合的方式加入大模型，从而处理更加复杂的金融问题。”诸赞松表示。