AI金融助手

读创/深圳商报首席记者 吴吉 用“无所不知”的ChatGPT来决策投资靠不靠谱？让ChatGPT帮自己写一份商业计划书，是否可行？在日前香港大学经管学院深圳校区举办的金融创新发展论坛上，香港大学经管学院经济学副教授、香港大学数字经济与创新研究所副所长、香港大学经管学院深圳金融科技研究所所长罗晔以“金融场景下的ChatGPT”为主题，分享了自己的观点。他表示，ChatGPT技术很强大，但也存在着一定缺陷，尚无法解决金融领域的深度问题。 “ChatGPT可能是个‘文科生’” 罗晔表示，与Deepmind的技术路线（AlphaGO）不同，生成式AI依赖半监督和无监督学习为主，在过去一年取得巨大进展。ChatGPT于2022年末发布，引起轰动效应，而现在的多模态GPT-4显示出更加强大的逻辑和推理能力。有科学界分析，GPT-4的智商大约相当于人类智商测试的110，而普通人的智商平均为100，这意味着GPT-4已经“和人一样聪明”。 但是，GPT技术真是“无所不能”吗？罗晔表示，OpenAI联合创始人、首席科学家伊利亚·萨茨科弗(Ilya Sutskever)近期接受采访时表示，“未来可能阻止整个技术路线商业化最大的隐患是其可靠性”。罗晔表示，这里所谓的“可靠性”既包括GPT回答的正确性，也包括安全性。 “很多人调侃说，ChatGPT可能是个‘文科生’，我也有同感。我感觉ChatGPT的数学水平大概相当于一个初中生，”罗晔表示，自己曾以“鸡兔同笼”的数学问题“考验”ChatGPT，只不过把鸡和兔子改成了长颈鹿和鸭子，ChatGPT给出的答案就是错误的，“后来ChatGPT的技术改进，加上不断学习，回答的正确率有所提升。但是可以看出，GPT在特定问题上的能力是欠缺的”。 另一个隐忧是，GPT背后隐藏着很多“科学的边界”问题，例如：就有人尝试让ChatGPT生成“统治世界的计划”，ChatGPT果真煞有介事地列出了计划，第一步是“制造核弹”……“在近期的一份调查报告中，已经有50%的AI科学家认为，AI有10%及以上的概率毁灭人类。科学家们呼吁，必须防止生成式AI回答一些被禁止的问题，并且必须将安全性放到首位；必须对GPT可以问答的内容和可进行的操作进行限制；必须了解GPT本身的能力边界并对其设置应用边界。”罗晔说，这些都是GPT技术发展过程中不能回避的问题。 解决金融领域深度问题还“力不从心” “请分析一下过去十年春节后A股的平均走势如何，并用表格展示”，这是罗晔给ChatGPT出的“金融题”，结果ChatGPT很“聪明”地写出了代码来分析历年数据，并列出了清晰的表格，“可惜它居然算错了平均数”……ChatGPT的回答让人啼笑皆非。 “从实例中能看出来GPT技术的强大和缺陷。它对于专业领域问题求解尚不成熟。但可以通过专业领域知识和专业领域求解器来解决这一类问题。”罗晔列举了几个GPT技术在金融业的应用。他表示，彭博新闻社已经拥有了服务于垂直行业的GPT——Bloomberg GPT，通过大量金融数据对类GPT模型进行微调，在金融领域内一定任务上表现好于基本的ChatGPT。此外，一些科研机构的公司也在不断改进GPT的技术，例如：上海人工智能研究院DB-1项目通过结合大语言模型与旅行家问题求解器，对复杂的规划问题实现自然语言求解；Wolfram Alpha是全球领先的数学知识网站和求解器公司，与GPT结合之后，两者在数学上的能力有望突破。罗晔还特别提到了近日爆火的Auto GPT，它由GPT-4驱动，可以通过把任务提交给它，自主生成计划，并且执行该计划。Auto GPT通过反复调用GPT-4和ChatGPT来实现规划和执行，在功能上实现了“升级”。 罗晔表示，ChatGPT在金融领域内的一般性问答能力较强，有一定代码能力，但是，“可靠性尚且有一定问题，尚无法解决金融领域的深度问题”。 港大正研发更智能、安全的“金融版GPT” 罗晔表示，大模型底座的打造成本和时间巨大，大计算力、大模型算法、大数据结合在一起的“大力出奇迹”的方式也杜绝了绝大多数小玩家参与。再加之数据安全等因素制约，使得ChatGPT在金融领域内的应用落地目前还处于初级阶段。但是，香港大学一直在尝试，“通过金融领域内数据进行微调，实现国产化和本地部署”. 香港大学团队正通过结合生成式AI、金融学领域知识，以及金融通用求解器，建立以自然语言为基础的金融领域深度工业级自动化决策平台，现暂命名为GPT-For-Finance。通过自动化数据处理和元机器学习优化方法，该平台可以对相当广泛的一系列金融领域内的工业问题提供快速而有效的辅助或解决方案，如银行，保险产品设计，理财服务，风险控制，金融资产定价及量化交易，产业金融，企业兼并估计与决策建议，金融教育，数据管理与操作，报告分析，报告生成等等。这些服务完全通过人类管理者与GPT-For-Finance 通过自然语言交互实现，与现有金融机构相比较，可以降低成本，提高效率，大幅增加产品开发速度与工作的准确性，提升产品质量与管理水平。 技术助力，让分析和决策更科学、更智慧，这样的金融科技时代终将到来。 审读：孙世建

AI在金融领域有很多实际应用，以下是其中一些常见的应用场景： 风险管理：金融机构可以利用AI技术来预测可能出现的风险，通过使用机器学习和数据挖掘技术，发现异常模式，提高预测准确率，从而减少风险。交易分析：AI技术可以帮助分析金融市场中的交易，以寻找投资机会和优化投资组合。机器学习技术可以分析历史交易和市场数据，预测股票价格和交易趋势。欺诈检测：金融机构可以利用AI技术来检测信用卡欺诈和其他金融欺诈行为。机器学习算法可以分析大量数据，发现异常模式和不寻常的交易行为，以便迅速检测和防范欺诈行为。 语音识别和自然语言处理：金融机构可以使用AI技术来自动处理客户的电话和电子邮件，以提高效率和减少错误。通过使用自然语言处理技术，机器可以理解和回应客户的问题，提供更好的客户服务。预测和分析：AI技术可以分析大量数据来预测股票价格和其他金融指标。通过使用机器学习算法，可以识别股票价格的趋势，并提供投资建议。信贷评估：AI技术可以帮助金融机构通过分析大量的数据，如客户的信用历史、财务状况和消费行为等，来评估客户的信用风险，从而提高信贷审批的效率和准确性。智能投顾：AI技术可以根据投资者的风险承受能力、投资目标和市场情况，为投资者提供个性化的投资建议和资产配置方案，提高投资回报率。股票交易：AI技术可以通过对大量历史交易数据的分析，识别出潜在的交易机会和市场趋势，从而为投资者提供更精确的交易决策支持。客户服务：AI技术可以通过智能客服系统，如聊天机器人和语音助手等，为客户提供24小时不间断的金融服务，提高客户满意度和忠诚度。保险领域：保险业是金融领域中应用人工智能技术最广泛的领域之一。AI技术可以帮助保险公司自动化处理理赔申请、核保等流程，提高效率和质量。同时还可以用于识别保险欺诈行为和优化产品设计等。 总之，AI在金融领域中的应用十分广泛，涵盖了风险管理、交易分析、客户服务、信贷评估、保险等多个方面。随着技术的不断进步和应用场景的不断拓展，AI将会在金融领域发挥更加重要的作用。

CFIC导读 以ChatGPT为代表的AI大模型热潮正席卷全球，这让大家真切感受到新赛道的颠覆性威力，也看到了未来的无限可能。AI新时代呼啸而至，对于银行业而言，如何拥抱新技术，让AI更好为行业所用？ 原标题：AI新时代呼啸而至 如何让AI更好地为银行业所用？ 新华社客户端上海7月8日电（记者 王淑娟）以ChatGPT为代表的AI大模型热潮正席卷全球，这让大家真切感受到新赛道的颠覆性威力，也看到了未来的无限可能。AI新时代呼啸而至，对于银行业而言，如何拥抱新技术，让AI更好为行业所用？ 8日，由交通银行主办的2023世界人工智能大会“新一代AI·新时代金融”论坛上，交通银行“新时代新金融”赋能“新智慧服务”正式发布，上海市副市长刘多、交通银行行长刘珺、交通银行副行长钱斌等作为重要嘉宾现场见证。与会“大咖们”共论银行业高质量发展的科技新助力，展望人工智能新未来。 通用人工智能加速走进现实 未来世界，机器人数量将超人类？去年以来，ChatGPT的横空出世，掀起了人工智能新技术的发展热潮，也带来了未来世界的无限想象空间。新一代AI技术正在全球范围内蓬勃发展，广泛赋能千行百业。 上海市人民政府副秘书长庄木弟在致辞中表示，在数据资源富集和数字化程度较高的金融领域，人工智能有着丰富的应用场景，成熟的赋能路径正在全面发挥其价值创造力，成为提升金融效率，实现金融普惠、保障金融安全的重要动力。 以往的人工智能基本上都是在专业领域，边界清晰、定义明确，是单一任务型，而通用大模型的出现让AI解决多种任务、复杂任务成为可能。 “ChatGPT的广泛适配性和良好应用性，促使大量企业开始真正将人工智能视为核心能力，试水将人工智能全面嵌入业务流程的现实可能。”交通银行行长刘珺认为，虽然现在有很多讨论担忧通用人工智能对人力和人智会产生替代，但我们更要看到新AI技术对人力和人智的加持、赋能。接下来如何在健全AI伦理下有效解决相关问题，让AI更好为人类所用，而不是人类为AI所困，是摆在我们面前的一个重要课题。 所谓通用人工智能，具有一种能力，这个能力可以完成很多不同的任务。交通银行副行长钱斌认为，伴随着数据和参数的规模提升，生成式AI还拥有了学习和成长的基因。在算力、算法和数据的共同加持下，ChatGPT支持文本和图像的输入，在各种专业和学术考试中表现出与人类相当的能力，整个学界和业界都在期待大模型持续向着通用人工智能迈进。 未来趋势是什么？ 以ChatGPT为代表的通用人工智能崛起，实质是AI技术从“单点感知”走向“全面认知”的变革，随着大模型加速迭代赶超，一个新的AI时代已到来。 复旦大学计算机科学技术学院教授邱锡鹏表示，“在通用人工智能基础上，我们还希望进一步开发出更强的智能，这个智能到底是什么，我们只能一步步走。ChatGPT给我们非常大的希望，相当于往前迈一步，未来以大语言模型为基础可以融入或者接入各个模态信息，它可以形成学习闭环。” 大模型的出现意味着未来人工智能的技术运用将更加普及化、大众化。中国民航信息集团有限公司党委常委、副总经理、总会计师李劲松认为，随着模型和算力的交替牵引发展，通用大模型一定会越来越普及，单位使用成本越来越低，未来不会有专业模型、行业模型林立的现象，一定是通用模型解决各行各业的问题，并且会打破行业壁垒、改变行业划分、减少行业分配。 大模型的生命力在于应用。科大讯飞股份有限公司董事、总裁吴晓如认为，大模型时代，应用和技术双轮驱动，不仅技术会更快地发展，实际应用上也会产生越来越大的变化。“大模型可以极大地把人类从很多脑力劳动中解放出来，通过人机协同以后，这种生产力的释放是非常巨大的。” “AI+金融”迎来新范式 我国高度重视新一代人工智能发展，从中央到地方纷纷推出政策，新一代人工智能大幕已经拉开，将影响整个社会和未来，金融也不例外。前沿AI技术将激发新时代金融领域产生哪些变化，金融机构如何应对？ 钱斌表示，目前包括交行在内的部分大型金融机构正在积极布局推动人工智能实现商业价值。“生成式AI在金融行业应用，我认为还处在探索阶段，需要在实践中寻找合适的突破口，并通过尝试新的商业模式进行商业价验证。” 中国科学院院士、清华大学计算机系教授、清华大学人工智能研究院名誉院长张钹认为，ChatGPT的出现意味着AI向通用人工智能迈出一步，将会带来新的科技变革、产业变革。金融智能化是必然趋势，但必须要有顶层规划和部署，必须重新建立互信、安全和高效的金融运行系统。 复旦大学法学院教授、复旦大学数字经济法治研究中心主任许多奇认为，AI与金融的交融不应该是“跟风式”的结合，而应该是一种场景式的真正融合，才能真正发挥它的效能，创造价值。 通用人工智能加速走进现实，将成为金融数字化转型的重要驱动力。近年来，交通银行致力于打造AI新名片，以数智新金融践行“金融为民”。今年上半年，交行成立了人工智能联合创新实验室，制定GPT大模型建设规划，组建专项团队，推动人工智能与金融相向而行、融合发展。 “以ChatGPT为代表的人工智能大模型未来很可能引发公共服务知识体系在知识传递、获取、使用方式方面的变革，成为金融基础设施的重要组成。”刘珺指出，站在AI新时代，银行作为传统金融机构正处在十字路口。银行业急切需要思考如何更好地拥抱以ChatGPT为代表的通用人工智能，拥抱科技，让金的明天变得更有垂直向的深度和水平向的宽度。 本文来源：新华社 记者：王淑娟 微信编辑：方子昭 《风险预警·金融版》简介 金融是现代经济的命脉，金融稳则经济稳。金融安全事关国家、区域企业发展大局，需要对金融风险时刻保持高度警惕，增强风险防范意识，科学应对，防范于未然。由中国金融信息中心出品的《风险预警·金融版》在政府权威部门指导下，依托先进的大数据舆情监测系统和专业的分析师团队，对金融业不同领域、不同类别的风险舆情进行总结梳理和分析研判，为金融监管部门、要素市场、金融机构、上市公司、行业协会、各类企业、高等院校、研究机构等提供权威、专业、实用、及时、有效的金融风险舆情监测、研判、预警与应对建议。 1.8万/年，每周一期，每周五发布。 最新报告： 【2023年6月第5期】总第84期：车险市场再掀“价格战” 【2023年6月第5期】总第83期：监管“风暴”席卷券商研究所【2023年6月第4期】总第82期：A股房企“退市潮”来临？

原标题：OpenAI本月停用ChatGPT插件；微软发布金融版Copilot；微软Copilot新增PC系统级功能丨AIGC大事日报 1、OpenAI将关闭ChatGPT插件，聚焦GPTs 2、微软Copilot增加更多PC系统级功能 3、魅族发布首款开放式AI终端 4、微软发布金融版Copilot 5、韩国团队提出文生图大模型KOALA 6、OpenAI利用GPT-4赋能欧洲旅游业 7、英国政府用生成式AI工具处理政务 1、OpenAI将关闭ChatGPT插件，聚焦GPTs 2月24日，OpenAI宣布将于3月19日起关闭ChatGPT插件测试版，专注于GPTs。自3月19日起，用户将不能使用插件建立新的对话，但既有对话最晚将会被保留到4月9日。根据官方信息，在插件测试期间，插件商店中已有1000多个可用插件。GPT商店中已经有成千上万个GPT，涉及写作、生产力、编程、教育等领域。OpenAI称GPTs已经与插件具有完全对等的特性，这也是关闭的主要原因之一。 2、微软Copilot增加更多PC系统级功能 今天，微软发布Windows 11更新，重点对Copilot进行了升级改进。Copilot获得了更多功能来控制用户的电脑，比如开启PC的省电模式、启动叙述者或者放大镜这类可访问性功能、显示可用WiFi网络、清理回收站等。此次Windows 11更新从今天开始推送，但Copilot的新功能将从3月下旬开始正式上线。 3、魅族发布首款开放式AI终端 昨日，魅族发布了魅族21 Pro智能手机，魅族称之为旗下首款“开放式AI终端”，并宣布将对所有大模型团队开放。该产品支持AI灵动键、AI辅助输入、Aicy语音助手、AI图库等AI功能。根据官方信息，Aicy语音助手具备文案撰写、图像创作等能力，图库应用支持自然语言搜图，AI灵动键可以支持AI识屏等功能，AI输入辅助可以生成回复建议，进行长文创作。 4、微软发布金融版Copilot 昨日，微软发布了金融版Copilot（Copilot for Finance）的公开预览版，其可以在工作流程中提供基于AI的工作流自动化、推荐和指导操作，显著提升相关领域人士工作效率。金融版Copilot可以帮助财务分析师在Excel中使用自然语言提示快速进行方差分析、通过自动数据结构化比较排除故障简化Excel数据核对过程、在Outlook中提供相关客户帐户详细信息的完整摘要、将Excel中的原始数据转换为可随时显示的可视化图形和报表。 5、韩国团队提出文生图大模型KOALA 近日韩国研究人员提出了一种高效的潜在扩散模型KOALA，该模型可以用于文本到图像的生成，研究人员构建了T2I模型KOALA-1B和KOALA-700M，减小了模型大小，降低了模型对硬件的需求，提高了模型运行速度，同时保证良好的图像生成质量。KOALA模型可以作为资源受限环境中Stable Diffusion XL模型的成本效益替代品。 论文地址：https://arxiv.org/pdf/2312.04005.pdf 6、OpenAI利用GPT-4赋能欧洲旅游业 今天，OpenAI和都柏林市议会（Dublin City Council）联合官宣了一项合作计划，双方将利用AI来支持欧洲旅游业，包括利用GPT-4进行旅游规划设计、城市推广、目的地品牌建设等。 7、英国政府用生成式AI工具处理政务 昨日，据英国《金融时报》报道，英国政府高级官员正在使用生成式AI来分析对政府咨询的回答、撰写对议会问题的答复草稿，英国副首相Oliver Dowden将于周四公布这些AI工具，并期望在政府部门内部推广这些工具。返回搜狐，查看更多 责任编辑：

转自：中国银行保险报网 □本报实习记者 英草卓玛 “要发挥大模型的人工智能技术优势，集中力量切实为提升金融的核心功能服务。什么是金融的核心功能？就是为实体经济服务，为现代社会民众服务，集中体现在银行、金融机构的信贷服务和支付服务。”近日，在以“人工智能大模型助力金融科技高质量发展”为主题的服贸会2023中国智能金融论坛上，人民银行科技司原司长、中国互联网协会数字金融工作委员会专家委员会主任陈静表示。 论坛中，来自政府部门、行业协会、金融机构及高校的多位嘉宾围绕人工智能大模型这一全球热门技术，就大模型在我国金融领域的应用创新成果、全球智能金融未来发展方向等话题展开了交流探讨。 大模型有“大本领” 8月15日，《生成式人工智能服务管理暂行办法》正式施行；8月31日，首批国产大模型产品获批面向公众开放服务。伴随着生成式人工智能产业的进一步规范化，人工智能大模型也正从科技研发迈向行业应用，成为产业数字化和智能化的重要支撑。 会上，多位专家表示，加快人工智能大模型技术在金融领域的应用和创新意义重大，大模型将在金融领域展现“大本领”。 北京国家金融科技认证中心有限公司总经理张海燕认为，在金融领域，大模型主要有三方面的应用：第一，以智能客服、智能投顾为代表的交互领域；第二，辅助风险预判以及舆情分析为主的金融风险防控领域；第三，以辅助代码开发、金融咨询生成、嵌入式应用为主的生产工具领域。 作为金融行业大模型的先行者之一，工商银行在远程银行、智慧办公、智能研发等方面已有积极探索。以智能研发领域为例，据工商银行首席技术官吕仲涛介绍，截至目前，该行人工智能编码助手共收集超2100万字符编码数据，录入代码超80万行，编码助手生成代码量占总代码的比值从20%提升到40%，有效提升编码效率和质量。“商业银行可以聚焦远程银行、基层网点等大基数员工群体共性需求，持续加大新技术面向全业务流程的综合化应用，形成端对端的业务智能化解决方案，全方位提升银行服务的工作绩效。”吕仲涛说。 应用落地“道阻且长” “近年来，大模型应用呈现井喷式发展，银行业作为数据密集的行业，是大模型应用落地的最佳选择。”邮储银行金融科技创新部高级信息技术专家朱峰认为，一方面，银行业有优秀的数字化基础，沉淀了包括交易数据、风控数据、贷前报告等在内的优质海量数据；另一方面，随着银行数字化转型进入深水期，人工智能技术应用已从过去的可选项变成了必选项，在经营策略、知识管理、运维支持等场景方面需要规模化地应用大模型技术来进一步提升工作质效、应对市场和环境变化。 然而，除了为金融领域带来积极变革外，多位专家也表达了对大模型在金融领域的思考和隐忧，例如落地成本高、可能存在科技伦理风险、可能带来数据安全隐患、更易形成技术垄断、服务垄断和技术依赖等。此外，由于金融领域的业务场景繁多，大模型对于不同金融机构、不同金融场景的适配度也有待提高。可以说，这一新兴技术的应用落地“道阻且长”。 “ChatGPT或大模型就是一种工具，怎么用好这种工具是我们需要思考的问题。如果哪家银行过度依赖ChatGPT或大模型，可能是一家银行走向衰亡的开始。”原银保监会党校副校长、国有重点金融机构监事会正局级监事陈伟钢指出。 光大信托数据中心总经理祝世虎表示，仅将大模型用于银行客服和文章写作等基础层面，仍未触及银行的核心应用。“银行核心的应用是什么？是监管科技、风险决策、合规能力。大模型离银行的这3个核心应用究竟还有多远？这个‘多远’决定了人们对于大模型的信任。”他说。 大模型需“大合作” 针对上述问题的解决之道，来自不同行业的多位专家不约而同地提到了一个关键词——“合作”，这既包括不同技术之间的优势互补，也包括金融数据与通用大模型的结合，还包括大模型产业链上不同主体的协作。 在主旨报告环节，中国工程院院士、清华大学计算机系教授郑纬民指出，大模型和图计算相结合或是解决金融问题的一个新思路。“大模型协助知识抽取、知识推理、知识融合、知识更新和知识回答，降低知识图谱的人工成本；利用知识图谱也就是图计算对大模型进行辅助训练，提高大模型的通用性，提高专业领域的推理能力。”他说。 “今天一个重要的观点是多方参与协同，大家要定一个规则，这样标准就显得特别重要。同时要借用方法论，有一套成熟的工具。”中国银行业协会首席信息官高峰在圆桌论坛环节指出。 在推动大模型技术促进金融服务提质增效、提升金融风险防控能力方面，监管无疑是重中之重。“监管必须及时跟上，早监管、及时监管非常重要。” 陈伟钢表示。 2022年1月，原银保监会印发的《关于银行业保险业数字化转型的指导意见》强调，把服务实体经济、服务人民群众作为银行业保险业数字化转型的出发点和落脚点。“这是我国银行业努力的方向，大数据和人工智能应用也要牢牢把握这个方向。”陈静说。 海量资讯、精准解读，尽在新浪财经APP

转自：中国银行保险报网 □记者 苏洁 智能化正推动金融行业数字化转型稳步前进。在近期举办的2023腾讯全球数字生态大会金融云专场上，围绕该话题，腾讯金融云与金融机构、行业专家共同探讨了金融行业高质量发展的新机遇。 大模型推动数字化转型 “以大模型生成技术为核心，人工智能正在成为下一轮数字化发展的关键动力，也为解决产业痛点，带来了全新的思路。”腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生表示。 具体在金融行业，大模型有哪些发展机遇？腾讯云副总裁胡利明在主题演讲中指出，“金融行业数字化呈现两大发展趋势：云架构已成为行业共识，新智能正加速落地。” 具体来看，在云计算快速发展的推动下，将云架构作为科技底座加速数字化转型，已经成为金融行业的共识。随着大模型的发布，通用人工智能和大模型加速在各个场景实现落地，其应用将全面重塑金融服务，帮助金融行业激发更多潜能与价值。 “大模型的这次热潮，对金融行业以及其他行业都有非常深远的影响，通过大规模的参数及预训练，使得人工智能有非常强大的理解能力和表达能力，相当于金融机构有了不限数量的、比较优秀的‘大学毕业生’，可以快速地学习各类金融领域的知识，然后应用在不同的场景。”胡利明表示。 对于大模型在金融行业的应用，深圳香蜜湖国际金融科技研究院院长张凯提到，AIGC的核心市场规模正在逐步扩大，艾媒咨询数据显示，预计到2028年将达2767.4亿元。“聚焦金融领域，随着大模型技术的不断创新，未来将持续深入金融风控、零售金融、财富管理、投研、保险理赔等更多场景，持续推动金融行业的数字化转型。”张凯说。 胡利明表示，目前头部金融机构，比如头部银行、险企、券商以及一些股份制银行，都能够比较积极地去投资和尝试大模型，包括从底层的算力方面。他们会选择自己去做一些场景，或者与大模型的互联网厂家合作做一些场景。腰部和尾部的金融机构则是另一种状态——少部分腰部机构比较积极地和大模型厂家合作试点一些场景，先试水，锻炼队伍；而更多腰部的小机构还是观望和跟随，看看其他机构做得怎么样，哪些场景有效果。 “相较于非大模型时代，现在的大模型强项在于它的理解能力和生成能力，但在产生效果方面，还需要时间的深度训练和调优。”胡利明认为，大模型初期能够产生较大效果的是在效率提升上，比如在客服助手领域可能会比较明显。 对于大模型的应用速度，行业人士认为，现在大模型在具体业务场景中还处在摸索阶段，对于像投研、投顾等场景要体现出更大效率提升，还需要行业更加深入地融合，以及拥有高质量的行业数据。 积极探索智能发展 目前，随着金融数字化转型逐渐深入，金融机构对于云原生、人工智能这些技术的需求相较于之前有哪些变化？ 胡利明表示，“2019年以前金融机构用云，不管是私有云还是部分的场景上云，都需要跟客户沟通上云的价值。2019年之后，基本上不需要沟通，金融机构认为云的基础架构就是以后在金融领域的一个基本形态，认为这是必须要做的事情。从2021年开始，金融机构开始了全面的云原生应用。” 会上，广州农村商业银行、太保寿险、东吴证券、百行征信等多家金融机构，分享了在云架构、智能化方向的实践经验。 广州农村商业银行金融科技部总经理林树茂分享了绿色用云转型实践。基于云架构的支撑，广州农村商业银行不仅打造了“1+8+N”的云平台（1大数字化新基建、8大数字化能力，支撑N个敏态业务上云发展），达成资源用云的目标，还进一步实现了“资源用云”到“绿色用云”的转变，促进了业务创新与可持续发展。 太保寿险数智服务部总经理孙谷飞介绍，过去，太保寿险在数智化过程中面临着一大挑战，即陈旧的技术服务架构无法满足业务快速增长的需求。为了解决这一问题，太保寿险引入云原生技术体系，全面升级了应用技术能力，优化了研发流程，为业务创新、数智转型和核心重构提供了有力支撑。同时，太保寿险依托云原生架构打造了全新一代统一客户中心系统，目前该系统调用次数已超过2.7亿次、应答成功率达100%，进一步提升了用户使用满意度。 东吴证券信息技术总部总经理助理兼研发总监唐淑艳表示，借助腾讯云数据库TDSQL、企业微信等前沿技术和产品，双方在金融科技新基建、数字新连接、全真互联财富管理创新等方面展开了全方位的合作，携手打造了证券行业的数字化转型标杆。 百行征信副总裁刘鹏鹏分享了在数字征信时代下，百行的数智化创新与探索实践。面向征信业务场景，百行依托云计算、大数据、AI等方面领先的技术能力，打造了数智化的IT架构新基座，有力支撑了业务快速发展和场景创新。 “金融创新的大背景是数字化转型，其中云和智能是两大抓手，而多方协作是解题路径。我们将与行业伙伴携手，以金融场景为切入点，以自主创新和智能化为抓手，联合伙伴共建方案，稳步推进自主创新，积极探索智能发展。”腾讯云副总裁徐翊鸣表示。 海量资讯、精准解读，尽在新浪财经APP

    ◎杨 雪     过去一年，大模型百花齐放，AI受到了前所未有的热捧，但通用大模型距离产业仍然遥远。在探讨大模型落地方向时，很多专业人士瞄准金融行业，称大模型将带来金融业数字化的第二波浪潮。     金融行业沉淀了大量高质量数据。各金融平台的用户数以亿计，各种用户画像数据、交易数据浩如烟海。利用大模型对上述数据的分析处理，可提高金融效率。比如，金融机构可以预测用户行为偏好，更高效、准确评估客户风险；AI还可以实时监测交易和市场波动，及时制定策略。     事实上，金融行业也在主动拥抱大模型。IDC（国际数据公司）一项调研显示，超半数的金融机构计划在2023年投资生成式人工智能技术，只有10%的金融机构表示没有试验计划。不久前，两家国内科技公司联合推出的火山—智谱高性能金融大模型，也是为科技金融AI落地积极铺路。     大模型前景固然可期，但金融行业对安全和隐私要求极高。在推动大模型落地金融行业的过程中，安全、合规是最大的技术难题。开发金融AI，是技术和行业交叉融合的系统化工程。从火山—智谱高性能金融大模型的合作攻关背景可以看出，一方面，模型性能、功能及底层架构的升级迭代是基础；另一方面，高效的算力基础设施、开放安全的生态、丰富的金融行业实践以及完善的交付保障更是重要前提。     大模型是金融行业必争之地。但如果将AI进一步渗透到风控等金融核心业务，还需要在垂直领域进行磨合，还要经过时间的考验。金融行业一般认为，现阶段最容易实现的，包括AI投资顾问、自动化客服、风险评估、报告自动化生成、代码生成应用等，应从外围做起，逐步接近核心。     大模型带给金融界的冲击，必然超越了上一次数字化浪潮，金融工作模式的变革势不可挡。然而，大模型在金融场景落地的“最后一公里”，是充满变数的一公里。只有夯实科技的基础，未来的AI金融才能行稳致远。

“千模大战”背后的数据之争。 21世纪经济报道作者 |李览青周炎炎新媒体编辑 |赖睿颖 过去的世界人工智能大会（WAIC）上，各家厂商AI大模型“大秀肌肉”。在“千模大战”的硝烟背后，大众普遍关心的话题是，谁将历经千帆成为中国版OpenAI？ “大模型的迭代是一场‘暴力’填数据、拔规模而造就的‘美学盛宴’。”中金公司研究团队在近日发布的“AI浪潮之巅”系列报告中如是说。 尽管作为推动AI大模型发展的“三驾马车”，数据、算力、算法都关系着大模型技术商业化落地的成败，但从多位接受21世纪经济报道记者采访的业内人士看来，在“抢芯片”之外，决定大模型质量和商业化落地的核心要素是数据。对于既要安全又要发展的金融业而言，在数据共享尚不充分的大模型起步阶段，更需要建立开放的行业生态。 大模型时代的数据之痛 金融行业对模型并不陌生，机器学习也不是新鲜词。 一直以来，在智能营销、智能风控、智能投研、智能客服等领域，基于机器学习驱动的建模能力都是金融机构数智化转型的基础。“大模型”是大型语言模型的简称，机器用大规模语料库数据进行训练，通过算法从数据中学习如何完成任务，参数规模大、数学公式复杂。从AlphaGo到ChatGPT，如今机器已经可以在开放系统下实现自我学习与持续反馈。 与过去相比，当下的大模型时代对算力、算法、数据的需求已然改变。 “今天的AI体系是强依赖数据的，是数据驱动的智能体系。”蚂蚁集团副总裁兼首席技术安全官韦韬表示。 “这次OpenAI为我们带来的最重要的技术并不是几千亿的参数，而是基于数据的反馈，让这个系统在持续强化学习下越来越聪明。”马上消费金融CIO蒋宁告诉记者，即使大模型具备优秀的算法，如果没有高质量数据集的训练，就像失去学习能力的博士生，会逐步失去竞争力。 然而，目前“千模竞帆”背后是国内各厂商的数据生态割裂。 “目前在通用大模型建设过程中，一方面当前中文高质量数据有限，另一方面中国移动互联网生态与互联网生态处于割裂情况。”蒋宁告诉记者。 上海数据交易所副总经理韦志林在接受21世纪经济报道记者采访时指出，大模型之所以强大，能够不断地迭代，都依赖于算力算法以及最重要的数据。“在‘三驾马车’中，数据是最核心、最长远、最基础的要素，它每天都在产生，应用场景非常丰富。”从其与大模型企业沟通的情况来看，相较全球语料库建设，国内语料库供给需要进一步提升，语料库的质量、标准、多样性都有所欠缺。 “大模型技术出现后，数据供应的过程中还遇到四方面问题。”中国电子副总经理陆志鹏提到，一是缺少合规确权的机制，目前国内面临的问题就是数据的有效供给不足。很多企业都在做语料库，但数据都非常有限，而且可能面临着统一标准的问题；二是缺少数据的计量估价机制；三是缺少协调分配；四是缺少安全隐私保护机制。 “我们国家的数据生产量全球排名在第二名，但是分散在各个行业、各个组织中，整体的数据是分开的。但大模型所需要是将数据进行物理归集，在短时间内基于一定的算力与算法进行预训练。”韦志林提到，国内各大主流厂商都推出了基于己方已有数据的大模型，但由于数据分散、丰富度不足、质量参差不齐等原因，各个大模型都存在一定的局限性。 “数据已经成为重要的生产要素，当数据开放共享的安全与收益分配机制还不完善，具有大量数据的头部大厂开放高质量数据集的意愿不足，所以其主要将数据价值创新服务于企业内部，而没有拿出去的动力。”韦志林表示。 金融业的垂直大模型解法 通用大模型激战正酣，金融业的大模型运用则主要在行业垂直模型领域。 今年3月，彭博针对金融业推出大型语言模型BloombergGPT，引发市场对金融垂直领域大模型的关注。 在国内，今年5月，星环科技推出了第一款面向金融量化领域的生成式大语言模型“无涯Infinity”，度小满开源国内首个千亿参数金融大模型“轩辕”，今年6月，恒生电子发布金融行业大模型LightGPT，并宣布将于9月底正式开放试用接口。 多位受访对象向21世纪经济报道记者表示，目前金融业的大模型运用主要在工具层与应用层，无论是技术服务商还是金融机构，都在“量力而为”。 “我们以后不会再开发其他领域的模型，每个行业都有自己的行业壁垒。”星环科技CEO孙元浩在接受记者采访时提到，公司的主要战略是提供大模型（LLMOps）的工具链，帮助金融机构训练自己的大模型。“基础大模型与应用之间的鸿沟实在是太大了，我们不可能用一家公司去做每个行业的大模型。和过去相比，大模型主要有2个方面需要改造，一是高达上千亿的模型参数，需要算力支持，需要分布式、高可扩展的调度框架，二是巨量的高质量语料训练。”孙元浩表示，在过去服务于证券行业时，有二十万个已完成标注的语料，也开发了量化因子，使得其训练的模型基于量化策略可以直接用来做示范交易。 对金融机构内部来说，垂直领域的大模型更类似于“个性化小助手”与业务流程优化助手。 众安保险首席技术官蒋纪匀告诉记者，大模型在保险业的落地，需要关注大模型在保险专业领域的知识增强，在合规安全的前提下，对接口调校和限制也有更高要求。因此众安自主研发了AIGC中台灵犀，通过适配如GPT、通义千问、文心一言等国内外主流大模型，灵犀可以帮助保险机构更好适配AIGC能力，允许机构用户，在大模型内嵌入行业专业领域知识库，实现AIGC在保险垂直领域的应用快速适配。 “谈论大模型技术在金融核心业务场景下的应用为时尚早。”萨摩耶云创始人兼董事长林建明在接受21世纪经济报道记者专访时提到，金融业对于算法可解释性与可信度要求极高，AI仍处于“前牛顿时代”，人类还没有搞懂基本原理，目前萨摩耶云对语言生成模型的应用主要集中在结合个性化推荐、用户画像等，解决线上线下协同过程中的自动化断点问题。 行业拥抱生态互通 当通用大模型走向金融行业落地，割裂的数据生态使越来越多的机构拥抱合作互通。 就在7月10日，中国证监会科技监管局局长姚前刊文《关于大模型生态建设的若干思考》。姚前指出，在具体应用落地的过程中，GPT类大模型还会面临一系列挑战。一是如何确保训练数据的数量与质量。一般而言，大模型的训练语料为来自于多个领域的通用语料，而专业语料的收集通常比较耗时费力，同时也存在隐私问题，由此导致大模型在具体的个别应用领域可能出现专业性不足的情况。二是如何降低大模型的运行和维护成本。大模型需要巨大的算力支持和严格的数据治理，普通的机构和应用部门往往难以支撑大模型的运行以及迭代升级工作。为此，需要建立一个各类模型健康交互和协同进化的生态，以保证大模型相关人工智能产业可以在各个应用领域成功落地。 目前金融机构与通用大模型厂商的合作正在加速。在世界人工智能大会上，交通银行与华为、腾讯云、科大讯飞宣布共建3个联合创新实验室，分别聚焦大模型在金融领域的应用与创新、增强网络空间安全防御能力、研究认知模型在金融领域的应用。 针对目前金融数据开放依然不充分的问题，科大讯飞总裁吴晓如在接受21世纪经济报道记者采访时表示，其在合作中的做法分为两步，第一步是无监督训练，把大量公开数据和素材放进模型，帮助金融机构训练基础模型；如果金融机构需要模型针对行业做精细化调整，其并不需要太大算力，科大讯飞将在联合创新实验室中为金融机构提供工具，让其自己做调试优化。 往期荐读 蚂蚁集团整改完成：被罚71.23亿元，估值下降40%；阿里考虑回购蚂蚁股份；中信消费金融回应股权变更 《私募投资基金监督管理条例》自9月1日起施行；首只强制退市可转债进入退市整理期；6月制造业PMI指数低位反弹丨大资管一周情报 人保资产袁新良：新一轮库存上行周期预计将在下半年开启 经济复苏斜率有望抬升丨对话资管30人

智能运维AIOps这一概念自2016年首次由Gartner提出，至今已过去近8个年头，显然今天的智能运维已从概念走向了实践，但目前的应用场景仍非常有限。在此困局下，大模型的出现成为了智能运维的发展突破口，是智能运维从预测转向决策的重要抓手。 为此，2024 XCOPS智能运维管理人年会定档5月24日在广州举办，将带大家一起探究大模型、AI Agent等新兴技术如何落地于运维领域，赋能企业智能运维水平提升，构建全面运维自治能力。 2024 XCOPS 智能运维管理人年会-广州站 时间 2024年5月24日 地点 广州阳光酒店 · 一楼国际会议中心 【地址】广州市天河区黄埔大道中199号 组织单位 【指导单位】上海市软件行业协会、上海市计算机行业协会 【主办单位】dbaplus社群 主题设置 本次大会将聚焦于大模型、AI Agent等新兴技术推动及融合之下，运维与数据库两大领域的发展趋势和创新应用，主要涵盖以下关注点： 运维： 大模型与智能运维的结合 生成式AI对金融数字化转型的赋能 面向云原生的智能运维及稳定性建设 上云下云的抉择与治理策略 数据库： AI4DB推动下的数据库再进化 核心系统信创改造的突破 图数据库、向量数据库的异军突起 各类数据库运维任务提效的通用钥匙 演讲嘉宾 (剧透) 姜春宇 中国信息通信研究院云大所 大数据与智能化部主任 中国通信标准化协会 大数据技术标准推进委员会主席 李龙 众安保险 基础技术部总经理 魏政刚 平安人寿 科技总监 郑新亮 京东科技 智能运维团队技术负责人...

人工智能（AI）技术在金融行业的应用日益广泛，为金融机构提供了更高效、更智能的解决方案。以下和大家分享AI在金融行业的一些主要应用，希望对大家有所帮助。北京木奇移动技术有限公司，专业的软件外包开发公司，欢迎交流合作。 1. 风险评估和信贷评分：AI技术可以帮助金融机构更准确地评估客户的信用风险。通过分析大量的数据，如客户的信用记录、交易记录和社交媒体活动，AI系统可以生成更准确的信贷评分，从而降低违约风险。 2. 欺诈检测和防范：AI技术可以帮助金融机构识别和预防欺诈行为。通过实时分析交易数据，AI系统可以检测到异常交易行为，从而及时采取措施防范欺诈风险。 3. 智能投顾和资产管理：AI技术可以帮助投资者制定更优化的投资策略。通过分析市场数据、新闻和社交媒体信息，AI系统可以为投资者提供实时的投资建议，帮助他们做出更明智的投资决策。 4. 聊天机器人和客户服务：AI技术可以帮助金融机构提供更高效的客户服务。聊天机器人可以回答客户的问题、提供产品建议，甚至协助客户完成交易。这不仅可以提高客户满意度，还可以降低金融机构的运营成本。 5. 知识产权管理：AI技术可以帮助金融机构更有效地管理知识产权。通过自动分析专利、商标和版权信息，AI系统可以帮助金融机构识别潜在的知识产权风险，从而降低法律纠纷的可能性。 6. 算法交易：AI技术可以帮助金融机构实现更高效的算法交易。通过实时分析市场数据，AI系统可以自动执行交易策略，从而提高交易速度和准确性。 7. 监管合规：AI技术可以帮助金融机构更有效地应对监管要求。通过自动分析法规和政策，AI系统可以帮助金融机构识别潜在的合规风险，从而确保其业务符合监管要求。 8. 金融预测：AI技术可以帮助金融机构更准确地预测市场趋势和经济发展。通过分析大量的历史数据和实时信息，AI系统可以为金融机构提供有关未来市场走势的预测，从而帮助他们做出更明智的决策。 总之，AI技术在金融行业的应用为金融机构提供了更高效、更智能的解决方案，有助于降低风险、提高客户满意度和优化投资策略。随着AI技术的不断发展，我们可以期待金融行业将变得更加智能化和高效。