谁会成为国内金融GPT?大模型如何重新定义金融科技
AI金融助手

谁会成为国内金融GPT?大模型如何重新定义金融科技

文|张弘一 编| 杨肖若 出品|商业秀 头图|壹幕创意制作 国内的大模型战场,在经历了数月的狂飙和扎堆秀“肌肉”后,在日趋降温中迎来新的战事。 今年3月以来,随着以ChatGPT为代表的生成式AI引发新一轮科技浪潮,国内有超过20家的互联网企业竞相推出大模型。 到7月6日的2023世界人工智能大会,更可谓“百模争流”,甚至形成了“千模大战”之势,可与当年互联网发展时期的“千团大战”相媲美。 没人想在这场AI大模型的浪潮中掉队。但眼下,大模型发展已从“通用”阶段进入“垂直”阶段。 越来越多的企业理性地认识到,通用大模型只有头部几家巨头才能举“算力、算法、数据”甚至人力、财力去All in做的事,而聚焦场景应用、定制适配的垂直大模型,才更值得中小企业去投入。 很多企业因为在自身深耕多年的领域积累了数据等优势,干脆直接基于国内外大模型“底座”,训练出了适配场景的垂直模型。 比如在金融领域,今年5月以来,奇富科技、度小满、陆金所控股、蚂蚁集团、马上消费等一批金融科技公司,基于自身场景和数据优势,纷纷布局AI大模型。 一位来自头部金融科技公司的内部人士告诉「商业秀」,最近两个月,但凡在金融行业拥有大模型建设能力的金融科技公司和头部金融机构,都在从探索阶段进入到落地应用阶段。 该人士进一步称,拥有自身业务场景的金融科技公司或金融机构,都会优先进行内部使用,通过内部产品的打磨来提升大模型的能力。而不具备自身业务应用的科技公司,更加偏向金融行业的通用化问题解决能力,有些会和金融机构合作,共同打造金融行业和场景的大模型。 一场关于AI金融大模型的角力,拉开了序幕。 这场由AI大模型引发的新的金融科技领域的变革,会给行业带来哪些影响?金融行业因其高度数据化、专业复杂度较高等特点,接入大模型后会面临哪些机遇和挑战?未来金融大模型又将会如何进化? 01 角逐国内金融GPT 毫无疑问,进入2023年,AI的发展迎来新纪元。 3月,由人工智能实验室OpenAI推出的ChatGPT横空出世,引爆全球AI大模型的新浪潮,开启AIGC新纪元时代,相关产业也迎来了价值重估。 没多久,AI大模型的热风刮到了金融圈。同月的30日,彭博社就推出了针对金融业的大型语言模型——BloombergGPT。这被看作是可能会对金融领域产生重大甚至是颠覆性影响的事件。 时隔两月,国内的金融领域也迎来了它的AI大模型时刻。5月中旬,奇富科技首先宣布推出自研的金融行业通用大模型——奇富GPT,这在业内被称为“国内首个金融行业通用大模型”。 奇富科技称,其所支持的产品级应用预计会在今年年内推出,面向金融机构开放使用。 一位奇富科技的内部人士告诉「商业秀」,早在去年,奇富科技就开始布局尝试生成式大模型在内部一些场景的应用。及今年3月,大模型火爆出圈后,奇富科技也快速成立了大模型研究的部门,加速研发、推进场景落地应用。 今年2月9日,360集团创始人周鸿祎和搜狐创始人张朝阳在《星空下的对话》上对谈时提出一个观点:如果企业搭不上ChatGPT这班车,很可能会被淘汰。 更早之前,奇富科技CEO吴海生也表示,当前正处于技术革命的十字路口,从云计算到现在火爆全球的ChatGPT,将致力于将这些技术应用到金融领域,为金融机构合作伙伴和用户提供更高效的科技服务和解决方案。 抢先布局的不止奇富科技。5月下旬,度小满也宣布推出国内首个垂直金融行业的开源大模型“轩辕”,随后陆金所控股、信也科技等也跟着宣布布局和探索生成式大模型应用。6月21日,蚂蚁集团对外回应称正自研一款名为“贞仪”的语言和多模态大模型;同月28日,恒生电子金融行业大模型LightGPT也对外亮相。 在7月6日的2023世界人工智能大会上,国内外多达30余款大模型纷纷亮相,而大模型技术如何应用于金融等垂直领域也成为热议话题。马上消费CTO蒋宁在接受媒体采访时指出,人工智能大模型给金融行业带来了“强心剂”。同时他也透露,马上消费也将推出金融大模型。 短短四个月,各家金融机构和金融科技企业都在摩拳擦掌、争相布局,国内金融领域的GPT呼之欲出。 02 大模型共识:从通用到垂直 在各家争分夺秒推出金融大模型的同时,业内也逐渐达成了一个共识:大模型必须从通用阶段进入到垂直阶段。 在7月2日的2023全球数字经济大会上,度小满CTO许冬亮也提出了类似观点——“相比通用大模型的能力,金融行业非常需要垂直行业大模型。” 许冬亮进一步分析称,囿于金融行业在数据安全隐私、风控、精度以及实时性等方面要求较高,使得通用大模型在金融能力上缺乏必要的训练数据,从而对金融常识、生成的可控性和准确性都达不到这个行业的最低要求,因此需要针对金融机构定制的行业大模型去发挥效力。 奇富科技的相关负责人也表示,金融行业的大模型和其他行业最大的区别在于金融行业的业务复杂程度、行业经营规范的要求以及安全隐私保护上,这使得金融行业相对其他行业要更加特殊,业务更加复杂,行业经营规范要求更高,安全隐私保护要求更高。 马上消费CTO蒋宁在2023世界人工智能大会上指出,由于金融行业具有“数据密集型、技术密集型”等特点,而这个行业一直希望将数据资产化,但同时也面临着如银行线下网点的价值传递效率和用户体验等问题,需要机构持续创新。 也就是说,从大模型逻辑来看,现有的大模型无法通吃所有行业,在通用大模型基础之上,企业需要针对垂直领域精细化训练和定制大模型。 奇富科技相关负责人则表示,尤其是对于高度数据化、专业复杂度较高的金融领域而言,它更需要依靠更加专业的背景和行业洞察,优化与适配特定的应用需求。 从行业发展需求来看,金融行业也已经从增量市场进入到存量竞争阶段,整个行业都面临着客户留存难、竞争加剧等难题。此时,更需要运用科技来提升运营效率和用户体验。 考虑落实到实际的科技赋能用户体验层面,传统的金融服务在用户体验改善的过程中,依然普遍存在着“发现难、体验难、服务难”的问题。AI大模型的出现,在很大程度上能够帮助金融行业解决这些问题,从而更好地服务用户。 但如今,在通用大模型和金融场景落地应用之间,还存在着巨大的鸿沟。因此,只有不断优化现有的通用大模型,形成金融领域垂直专业的大模型,才能让大语言模型更好地服务企业和用户。 不过,较之于其他领域,金融对数据专业性以及在风控、合规、安全层面的要求都更高,这也给金融机构和企业在探索垂直领域的大模型上带来了很多挑战。 03 重新定义金融科技 回顾人工智能的发展的三次浪潮,人工智能技术的发展由算法、算力和数据三大要素驱动——算法决定了设计出的“大脑”够不够聪明,而只有高性能的计算能力,才能训练一个大的网络,还必须要有大数据的支撑。...
金融风向标转向!ChatGPT引领下,摩根大通等巨头如何用AI革新金融服务?
AI金融助手

金融风向标转向!ChatGPT引领下,摩根大通等巨头如何用AI革新金融服务?

金融行业正逐步拥抱变革性技术GPT,以AIGC满足客户需求和创新金融服务。摩根大通、摩根士丹利等领军者已开始研发类似ChatGPT的产品,如IndexGPT,利用AI驱动云计算软件进行个性化投资分析。中国金融机构也表现出高热情,百度文心一言计划在金融领域应用AI以提升效率和服务。金融科技创新通过AIGC改善服务理解、场景个性化和客户旅程优化,同时帮助金融机构运营能力升级。
最新发布的GPT-4将彻底改变金融科技
AI金融助手

最新发布的GPT-4将彻底改变金融科技

金融科技领域对创新并不陌生,但OpenAI前沿语言模型GPT-4的发布,有望前所未有地彻底改变该行业。作为非常成功的GPT-3的继任者,这个新版本在自然语言处理(NLP)能力方面有了显著的改进。GPT-4将引领金融服务业进入一个效率和生产力的新时代,改变企业运营、与客户交互和利用数据的方式。 GPT-4的威力在于它能够以前所未有的精确度理解和生成类似人类的文本。这一非凡的成就归功于该模型在各种文本来源上的广泛训练,使其能够参与细致入微的对话、回答问题、生成内容,甚至编写代码。这种能力对于寻求简化运营、改善客户服务和做出数据驱动型决策的金融科技公司来说非常宝贵。 简化运营 GPT-4的复杂NLP功能使其成为自动化繁琐耗时任务的理想工具,允许企业将资源重新分配到更具战略意义的领域。例如,该模型可以为冗长的财务报告或法律文件生成准确、连贯的摘要,让员工不必筛选数百页复杂的行话。 此外,GPT-4可以增强风险评估和欺诈检测流程。通过分析大量数据中的模式和关系,该模型可以以前所未有的精确度识别潜在的威胁和漏洞。因此,金融机构可以更好地保护其资产并保持竞争优势。 革新客户服务 在日益数字化的时代,客户对无缝、高效和个性化服务的期望从未如此之高。对于寻求满足并超越这些期望的企业来说,GPT-4的对话能力改变了游戏规则。通过将该模型集成到聊天机器人和虚拟助理中,金融机构可以全天候为客户查询提供即时、准确和个性化的响应。 此外,GPT-4可用于根据个人客户的需求、目标和风险承受能力量身定制个性化金融建议。通过分析客户的财务历史和现状,该模型可以生成明智的建议,帮助客户做出更好的决策,并培养长期信任。 释放数据的力量 数据分析和解释在金融科技中至关重要,但从大量信息中获取可操作的见解可能具有挑战性。GPT-4处理和理解复杂语言模式的能力使其能够从大量数据源中提取有价值的见解,如社交媒体、新闻文章和财务报告。 通过利用GPT-4,金融机构可以监控实时市场趋势,预测消费者行为,并更准确地发现投资机会。因此,企业可以做出更明智的决策,改进产品和服务,并最终推动增长。 伦理顾虑 虽然GPT-4的能力为金融科技行业带来了巨大的希望,但解决将人工智能集成到金融服务中的道德影响也很重要。随着企业越来越依赖GPT-4进行决策,它们必须对模型训练数据中的潜在偏差保持警惕,因为这可能会无意中导致歧视。 此外,必须解决有关数据隐私和安全的问题,因为该模型广泛的知识库如果被滥用可能会带来风险。通过遵守严格的数据保护准则和优先考虑透明度,企业可以负责任地利用GPT-4的力量。 结论 GPT-4的发布标志着金融科技行业进入了一个关键时刻。 点点“分享”,给我充点儿电吧
金融GPT来了:500亿参数,但用来投资还是跑不赢大盘
AI金融助手

金融GPT来了:500亿参数,但用来投资还是跑不赢大盘

机器之心报道 机器之心编辑部 专业领域的 GPT 大模型来了。 在 ChatGPT 爆火之后,各行各业都在研发自己垂直领域的 GPT。 作为一个极具价值的应用场景,金融行业也需要自己专用的大模型。 现在,面向金融行业的大语言模型 BloombergGPT 来了!这是一个 500 亿参数的语言模型,支持金融行业的各种任务,并取得了一流的结果。 论文链接:https://arxiv.org/pdf/2303.17564.pdf 试用者表示,「这个模型知道 CEO 的名字,可以生成新闻标题,可以编写 BQL 查询(访问彭博数据的查询)。这些行为在我们测试的其他模型中没有发现。」 我们来看一下论文的核心内容。 金融行业为什么需要自己的大模型? 2020 年发布的 GPT-3 展示了训练超大自回归语言模型(LLM)的强大优势。GPT-3 有 1750 亿个参数,比之前的 GPT-2 模型增加了上百倍,并在各种 LLM 任务中表现出色,包括阅读理解、开放问答等。 此外有证据表明,大型模型表现出了涌现行为:在扩大规模的过程中,它们获得了小模型中不存在的能力。涌现行为的一个明显的例子是通过少量 prompt 执行任务的能力,在这种情况下,一个模型可以从少量的例子(few-shot prompting)中学习任务。当我们扩大语言模型的规模时,这种能力的提高远远超过了随机。广义上讲,few-shot prompting 极大地扩展了模型支持的任务范围,降低了用户寻求新的语言任务自动化的门槛。 在 GPT-3 之后,模型的规模增长到了 2800 亿(Gopher)、5400 亿(PaLM)甚至...
揭秘万亿级力量!金融新宠‘财跃F1’携手巨头,打造智能金融新时代
AI金融助手

揭秘万亿级力量!金融新宠‘财跃F1’携手巨头,打造智能金融新时代

国内首个千亿参数的多模态金融大模型"财跃F1"在2024GDC大会上首发,由界面财联社与阶跃星辰合作打造,旨在智能运营、风控等各领域提供AI应用场景,尤其在金融垂类知识理解上优势明显。该模型依托界面财联社的万亿级金融语料和阶跃星辰的技术基础,已具备金融问答、图表理解和计算能力。财跃星辰通过差异化策略,在证券行业中利用其金融专业知识和大模型技术,与国泰君安等机构合作发布证券大模型和服务场景。公司拥有一支复合型团队,并在通用人工智能领域有追赶OpenAI的计划。未来,财跃星辰将进一步深化金融细分领域的技术创新,打造国内领先的大模型服务。
揭秘全球巨头:硅业霸主、医疗翘楚、芯片巨擘,谁是未来赢家?
AI金融助手

揭秘全球巨头:硅业霸主、医疗翘楚、芯片巨擘,谁是未来赢家?

这篇文章总结了多个行业的龙头企业,包括龙盛硅业、水泥电影、精机金属、红外神通等,并提到了垄断性企业如稀土医疗和芯片/器件公司如微电子ARM。此外,还涉及机器人神经网络、图像传感AI游戏研发及GPU与AI通信等多个领域的创新企业和技术。最后,列举了ODM(Original Design Manufacturer,原始设计制造商)和证券AI等相关企业。
🚀’AI+金融’的现状、价值与挑战:如何在银行业中成功落地?🤔🔥
AI金融助手

🚀’AI+金融’的现状、价值与挑战:如何在银行业中成功落地?🤔🔥

"文章探讨了中国AI+金融的发展现状,2022年银行业预计投入超3000亿进行技术资金投入,AI在银行的前台中后台有广泛应用场景,如智能客服、营销和风控。尽管客服领域应用成熟,但智能化应用还未普及。ChatGPT等技术的应用提高了效率并带来创新,但也面临数据库时效性和交互能力不足的问题。关键是要解决数字人如何建立客户关系以拓展其应用场景,同时需确保AI生成内容的专业性和准确性,避免误导客户。"
金融科技赋能,金融行业迎来革命性变革?人工智能如何引领轻资产化服务新时代?
AI金融助手

金融科技赋能,金融行业迎来革命性变革?人工智能如何引领轻资产化服务新时代?

本文阐述了人工智能技术如何助力金融机构打破传统服务模式,通过智能化变革客户体验、产品创新和服务流程,简普科技等机构在这方面已取得成效。金融行业因数字化转型面临挑战,如投入大和技术要求高,但金融科技的介入帮助降低压力,并通过AI提升风控精准度和金融机构运营效率。同时,其他公司如百融云创和乐信也在反欺诈领域利用人工智能技术取得了显著成果。总的来说,金融科技与金融机构的深度融合正在加速金融行业的智能化转型进程。
2024年AI预测报告-金融
AI金融助手

2024年AI预测报告-金融

Andreessen Horowitz公司的合伙人Marc Andrusko表示 银行和交易新工具 到2024年,我们将看到雄心勃勃的创始人着手解决金融机构所面临的最为棘手的问题。 尽管全球投资银行和交易服务市场年收入接近3500亿美元,但目前仍主要依赖于20世纪80年代建立的内部部署系统和企业软件。尽管银行开始购买基于云的解决方案来满足各种横向需求——如Salesforce用于客户关系管理(CRM),Azure用于云计算,Databricks用于湖仓架构——但在银行业和交易业务中垂直部署的风险建模、交易确认/清算/结算以及客户订单记录等工具仍通常是手动操作(如Excel),过时,或两者兼有!同时,这些机构的购买行为正在发生变化。尝试新工具的意愿达到了历史最高水平。 Andreessen Horowitz公司的合伙人Seema Amble表示 金融专业服务通过软件得到增强 金融专业服务领域的工作——会计师、税务顾问、财富管理经理、投资银行家等——将发生变革。这些职业通常涉及研究和应用所学专业知识,以及客户管理。历史上,软件主要协助跟踪工作流程,仅提供一些分析工具(如会计中的交易分类)。随着生成式AI和LLM技术的发展,更多的工作可以实现自动化,包括行政任务、研究过程(收集和摄取数据、寻找信息)、总结和揭示洞察,以及报告生成。税务顾问可以更轻松地查阅先例来回答问题,会计师可以自动生成财务报表,财富顾问可以在更广泛的数据集上进行情景规划。 软件最终可能完全自动化这些任务,但目前人类在循环中的技能组合将转向专用专业知识、审查生成的成果和面向客户的合作。正如往常一样,创新与分发的竞争将持续:已经与金融专业人士建立关系的现有企业需要将AI融入其软件,而具备现代软件功能的新兴企业需要在新的客户群中寻找并建立信任。 NVIDIA 金融服务副总裁MALCOLM DEMAYO 金融服务,AI 至上:随着 AI 的飞速发展,金融服务公司将会把算力用在数据上,而不是用数据来提高算力。 金融服务公司需要在保持技术发展速度,降低集中风险的同时保持敏捷性,所以需要做出战略转变,即采用将本地基础设施与云计算混用这样具有高度可扩展性的方式。能够处理好最关键工作负载(包括 AI 驱动的客服助手、欺诈检测、风险管理等)的金融服务公司将获得领先优势。