AI金融助手

3月19日，科大讯飞股份有限公司（以下简称“科大讯飞”）与苏州银行股份有限公司（以下简称“苏州银行”）签署战略合作协议。双方将在“AI+金融”领域展开深度合作，共同推动长三角一体化发展及金融科技创新。科大讯飞总裁吴晓如、副总裁沈海波，苏州银行党委书记、董事长崔庆军出席活动。仪式由苏州银行党委委员贝灏明主持。 崔庆军在致辞中表示，科大讯飞作为我国智能语音与人工智能领域的领军企业，始终致力于“用人工智能建设美好世界”，凭借卓越的技术实力和深厚的研发底蕴，持续助力民生和产业高质量发展。此次签署战略合作协议，既是双方助力长三角一体化发展的新实践，更是金融协同科技助推新质生产力蓬勃发展的新探索。未来，苏州银行秉承“以客户为中心”的经营战略，与科大讯飞一道，不断探索“AI+金融”创新场景，持续为中国式现代化建设贡献科技金融新力量。 吴晓如致辞表示，苏州银行自成立以来，始终践行“以民唯美，向实而行”的企业使命，专注服务实体、服务市民、服务区域经济社会发展，致力打造企业百姓信赖的银行。期待双方以此次战略合作签约为契机，在现有合作的基础上，在科技金融、大数据、教育、医疗等领域加大探索力度，聚焦小切口，发挥各自资源优势，携手推动科技与金融深度融合，打造银企合作新范本。 未来，科大讯飞和苏州银行将本着自愿平等、诚实守信、互惠互利的原则，就人工智能、大模型等技术在金融行业的应用以及未来技术趋势研究等方面展开合作研究和应用实践。双方将共同推进前沿技术研究、金融行业大模型、智能办公、智慧网点、智能助手等业务领域技术合作，联合研发数字化、智慧化科技金融应用，携手打造“AI+金融”服务新模式。 科大讯飞财务副总监蔡尚及金融科技事业部相关负责人；苏州银行公司业务部、零售业务部、消费者权益保护部、信息科技部、大数据管理部、运营管理部、网络金融部、办公室相关负责人参加签约仪式。

金融行业是AI技术落地的理想场景，智能客服、无人柜台、投资顾问等多个领域已广泛应用AI技术。上周彭博社和开源证券的消息进一步强化了这一趋势，BloombergGPT的大规模数据集及LLM技术在金融领域的应用引发了市场的强烈反响，龙头股如东方财富等涨幅显著。ChatGPT的出现可能改变金融科技的发展路径，提高客户服务效率，尤其是智能投顾领域有巨大潜力。然而，AI在金融行业的应用仍面临实时性、合规性和准确性等挑战，但长期来看，AIGC有望在金融领域实现商业化和基础设施化的突破。

人工智能正在引领金融行业的1分钟科技革命，通过自动化交易提升效率，降低风险，并在投资分析中提供预测支持。同时，AI也革新了客户服务，通过智能技术减少了等待时间和提升了服务体验。然而，数据隐私和人才培养是未来发展的关键挑战。总而言之，AI正深刻改变金融，带来便捷与创新。

这篇文章是一篇推荐读物，主要介绍了几本精选书籍。内容涉及知识探索、个人成长和兴趣拓展，旨在提供有价值的思想启发和知识养分，帮助读者拓宽视野，提升自我。

数字金融进军国际市场，需考虑政策法规、本地化需求及金融服务顺畅性。与云科技企业合作成为国际化战略重要一环。出海关键在于运用AI和生成式AI技术，如亚马逊云科技通过打造全面云平台和提供专业服务，帮助企业解决全球化运营问题，尤其是在多语言内容交互、决策支持、客户服务和产品创新等领域。同时强调合规建设，利用Amazon Bedrock/SageMaker等产品助力模型微调与部署，以实现AI应用的顺畅和技术迭代。

南财理财GPT是南财资管科技部最新成果，利用AI和机器学习技术提供金融决策支持，基于3亿银行理财数据和先进算法，能进行精准金融分析、风险评估和投资建议。这款人工智能工具对于理财行业意义重大，通过提升投资者教育、优化渠道管理、降低客诉并提供个性化服务，助力行业健康发展，同时缓解客户焦虑和延长负债端期限。欲了解更多信息，请访问21财经APP获取完整内容。

2024年中国发展高层论坛聚焦新兴产业发展与财政政策优化，国家发改委计划推动新兴产业融合及数据要素价值利用，财政部强调跨周期调节以促进经济平稳。中蒙经济合作区设立，社保基金投资办法出台，同时中泰化学控股股东遭调查，复旦复华被曝财务问题，小米SU7和滴滴均有所动作。国内首个千亿参数金融大模型发布，氢能产业政策加速，苹果公司加大在华研发投入并计划推出新产品。注意投资风险，和讯提供的信息仅供参考。

今年，金融、制造、医疗等垂直领域的通用大模型成为落地成果最多领域，尤其在银行业已实现产能提升，超过传统人工。马上消费通过“天镜”金融大模型，营销效果提升30%以上，生产效率大幅提高。但大模型技术面临群体智能与安全可控、个性化隐私保护等挑战，公司以模型安全、组合式AI、持续学习和MaaS为核心，驱动数字金融高质量发展。《金融大模型》的发布填补了该领域的理论空白，预示着AI赋能金融产业变革和新质生产力的发展趋势。

文章探讨了LLM模型对金融数据行业的影响，指出其可能带来的新时代变革。首先，历史上的成功公司如Bloomberg通过获取和分析分散数据建立了金融数据服务，他们的策略包括数据池构建、关系数据库导入和付费访问信息。然后，文章介绍Michael Bloomberg如何利用LLM未被充分利用的资源创建了Bloomberg LP，提供实时交易和价格数据，通过与Merrill Lynch的合作进一步巩固其地位。接下来，文章分析了Bloomberg的优势，除了数据和技术，社交网络效应也非常重要，它将用户聚集到终端并通过通信工具创造价值。最后，文章提出了几个关键问题，如现存公司可能忽视的数据领域、工作流程的改进以及如何通过LLM连接封闭系统以服务更广泛的群体。总的来说，文章强调了LLM对金融数据行业的潜力，并鼓励新进入者借鉴Bloomberg和其他成功企业的经验来寻找落地应用和创新机会。

推荐阅读 AI与金融的结合主要有两条技术路径，分别是通过金融语料训练的金融大模型和金融垂类大模型。双方优劣具有相对性，而通用大模型通过金融语料训练超越金融垂类模型可能性较小。 在金融垂类模型上，国外彭博BloombergGPT率先登场；国内金融垂类模型百花齐放，例如恒生电子进一步升级金融大模型LightGPT，东方财富、同花顺加大AI研发技术投入等。 目前各家公司都在致力于以大模型赋能股基APP或是金融终端，为已有功能注入AI能力，实现多场景应用。在金融科技支持政策陆续出台、海外金融垂类模型加速落地的背景下，我们认为，金融垂类模型将成为金融科技领域未来的发展重点。 来源：新财富杂志（ID：xcfplus） 作者：胡翔（东吴证券非银行金融首席分析师）武欣姝（东吴证券非银行金融研究组研究员）    当前，国内互联网企业、传统金融机构及金融科技企业争相竞逐，“百模大战”如火如荼，AI与金融的结合也日益深化。 01 国内外大模型现状：OpenAI、微软引领业界，国内多家企业推出产品 国外AI通用大模型案例中，OpenAI&微软、谷歌等都推出了相关模型。其中，OpenAI携手微软，ChatGPT4-Turbo业界领先。谷歌则是框架领先，模型丰富，应用偏弱。而亚马逊云（AWS）领跑AIGC，推出Titan大语言模型。 国内方面，多家企业推出相关产品。 百度具备先发优势，文心大模型国内领先。文心一言目前已拥有7000万用户。4.0版本能力栈较为广泛，可应用的场景较多，在查询搜索知识应用等方面表现不俗。阿里发布通义千问2.0，专业能力较强。可应用于相对复杂的场景。 从国内外通用AI大模型的发展历程来看，发展趋势是国外领先，国内紧追。 综合表现上，头部模型国外领先，平均水平国内外差距较小。所有模型中，GPT4-Turbo遥遥领先，国内最好的大模型为百度文心一言，但二者仍有一定差距。国产大模型虽与国外有所差距，但平均水平上与国外差距并不明显。此外，国内开源大模型在中文上的表现要优于国外开源大模型。 而在金融领域上，通用大模型的应用表现各有差异。 在国外，GPT系列在金融领域表现较好。GPT系列能较好理解金融术语，解答金融相关问题，且具备一定的实时性，在金融领域能够自动生成金融报告、做市场研究等。 在国内，百度文心、阿里通义千问、腾讯混元以及科大讯飞在金融领域表现较好。百度文心一言具备较高的实时性，能够在多项金融相关工作中发挥作用。阿里通义千问能够较好的解释金融概念，但存在时效性限制。腾讯混元可以优化金融服务的个性化体验、市场情绪的追踪等。科大讯飞星火则将语音识别和处理技术用于交易系统、智能财经助手等。 02 AI金融竞争：百模大战如火如荼，两条技术路线各有千秋 国内互联网企业、传统金融机构及金融科技企业争相竞逐，当前竞争较为白热化。2023年5月中旬，奇富科技首先宣布推出金融行业通用大模型奇富GPT，号称“国内首个金融行业通用大模型”。2023年5月，度小满推出国内首个千亿级中文金融大模型“轩辕”。恒生电子于2023年6月发布了金融大模型LightGPT，并对其进行升级，形成“LightGPT+WarrenQ+光子”体系。2023年9月7日和9月8日，腾讯混元大模型和蚂蚁金融大模型相继正式亮相。2023年11月，幻方量化旗下DeepSeek推出DeepSeek LLM 67Bt，相较于其他金融模型拥有更突出的推理、数学、编程等能力。2024年开年之初，同花顺和东方财富分别推出问财HithinkGPT和妙想金融大模型。 图表：国内金融垂类AI模型发布时间及发布机构 当前AI与金融的结合主要有两条技术路径，一是通用模型和金融语料训练融合的金融大模型，二是金融垂类大模型。那么，通用和金融融合的大模型与金融垂类大模型相比，优劣势各是什么？ 由于设计和训练目的不同，通用语言大模型与金融垂类模型在优劣上具有相对性。通用语言大模型在泛用性、灵活性、数据利用率、迁移性上相比金融垂类更有优势，而在专业性、针对性、高精度和合规性上，金融垂类模型更胜一筹；在复杂度问题上，通用语言大模型在结构上更加复杂，金融垂类模型则在更新维护上具有复杂性。 图表：通用与金融垂类大模型优劣对比 两种模型相比，通用金融模型经过训练超越金融垂类模型的可能性较小。 首先，使用金融数据对通用大模型进行训练，数据欠缺，成本过高。金融领域的语料应该充分覆盖各种金融产品、市场情况和业务流程等。通用大模型缺少金融数据进行训练，金融专业知识不足；另外，如果从底层开始训练大模型，需要投入的算力成本非常高。 其次，在特定任务上，通用大模型精确性与适用性欠缺。金融垂类大模型会投入大量的时间和资源来收集和整理金融领域的专业知识。通用语言模型虽然可以通过金融语料的训练来提高在这方面的能力，但是否能达到金融垂类大模型的专业性仍有待验证。 第三，金融领域要求实时性和高效的推理速度。金融垂类大模型会针对这一需求进行优化，以缩短响应时间。通用语言大模型在处理金融领域的实时应用时可能需要进一步优化。 第四，金融领域对合规性和风险控制要求极高。金融领域对于数据保护、隐私和风险控制具有严格的要求，专门训练的金融垂类大模型可能会更好地满足这些合规性需求。 度小满CEO许东亮曾表示：“通用模型难以胜任金融领域任务，金融大模型是大模型落地金融行业的必由之路”。 03 国内外通用大模型在金融领域的应用表现 金融大模型始于BloombergGPT，当前国内外金融行业都在主动拥抱大模型。国际数据公司IDC的一项调研显示，超半数的金融机构计划在2023年投资生成式人工智能技术。包括BloombergGPT在内，国外已出现了一系列金融大模型。而国产金融大模型也分出了两大“流派”，一派来自于传统金融机构，另一派来自于金融系科技企业或互联网企业。 从国内外案例来看，彭博BloombergGPT率先登场，金融任务的表现远超通用模型。 2023年3月底，彭博构建了最大的特定领域数据集，并训练了专门用于金融领域的大语言模型（LLM），开发了拥有500亿参数的语言模型BloombergGPT。BloombergGPT的混合训练方法使其模型在金融任务上的表现大大超过了现有的大语言模型，而在通用场景上的表现则与之相当，甚至优于现有模型。 彭博BloombergGPT相比于通用大模型的优势在于，该模型对金融领域理解更为深刻，具有深度专业的分析能力，同时通过协助优化金融自然语言处理（NLP）任务，提升彭博终端数据的应用价值，开辟金融行业分析和决策的新可能性。 在这之后，AI4Finance Foundation开发了FinGPT这个金融领域的语言模型。FinGPT采用以数据为中心的方法，强调了数据采集、清理和预处理在开发开源FinLLM中的关键作用。通过支持数据可访问性，FinGPT渴望加强金融领域的研究、合作和创新，为开放金融实践铺平道路。FinGPT的最后一个组成部分是应用层，旨在展示FinGPT的实际适用性。它为金融任务提供实践教程和演示应用程序，包括机器人咨询服务、量化交易和低代码开发。 LLMS层处于核心位置，它包含各种微调方法，优先考虑轻量级适应，以保持模型的更新和相关性。数据处理层专注于NLP数据的实时处理，以应对金融数据固有的高时间敏感性和低信噪比的挑战。FinGPT管道的起点是数据源层，它协调从各种在线资源中获取大量财务数据。 国内金融垂类模型也有一些经典案例。 恒生电子的LihgtGPT金融行业大模型，是一个更专业、更合规、更轻量的模型。LightGPT拥有更专业的金融语料积累处理和更高效稳定的大模型训练方式。在金融专业问答、逻辑推理、超长文本处理能力等在内的金融大模型能力评测中均有不错表现，能保证内容和指令的合规安全，可以为多种金融业务场景提供底层AI能力支持。 其中，光子系列产品是基于LightGPT能力，致力于在合规审核、投研算法、客户服务和营销分析方面成为金融从业人员的智能助手。 WarrenQ系列产品则是一款投研效率工具产品，旨在提高研究员的工作效率和实现知识高效协同。基于大模型叠加搜索和金融数据库，通过对话指令，可轻松获得金融行情、资讯和数据，且每一句生成的对话均支持文本溯源。ChatMiner可以帮助快速提取文档中的信息，提供精准检索与定位，精炼或拓展文本。...