AI金融助手

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:...

　　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。