AI金融助手

本文将探讨AI大模型在金融行业的应用进展、挑战与解决方案，以腾讯金融云技术总监全成的视角，解析如何让大模型成功落地并服务金融业，覆盖了行业价值、现状分析、落地规则以及金融机构的实际部署方式等内容。观众可通过扫描海报二维码或预约直播来获取更多信息，并有机会在直播中向专家提问。

中国基金报记者 冯尧大模型在各行各业遍地开花，这一次轮到零售金融赛道。8月28日，消费金融巨头马上消费在金融大模型发展论坛中发布其“天镜”大模型，这也是国内首个零售金融大模型。与传统通用大模型不同的是，金融大模型面对的更多是结构化的金融数据和知识图谱。用马上消费首席信息官蒋宁的话说即为，“我们希望任何情况下，大模型给出的回答是合规的，并且任何不可预期情况下，其给出的结果是稳定的。”在论坛中，中国信通院、重庆国家应用数学中心还和马上消费牵头发起“金融大模型可信安全验证与联合创新行动计划”，参与这一计划的还包括阿里云、腾讯云、中国科学院自动化研究所等机构。大模型还有四大难题待解“金融行业人工智能应用要求高、场景丰富，是大模型技术和算法突破的沃土，”中国工程院院士倪光南在8月28日论坛上如是表述。 不过，在蒋宁看来，通用大模型在工业领域、金融领域，大模型还有四个关键难题待解。他表示，大模型目前还面临关键性任务和动态适应性、个性化要求和隐私保护、群体智能与安全可信和基础设施的能力四大难题。“生成式大模型最大的问题是满腹经纶，回答错了可以不承担风险，”蒋宁直言。他以自动驾驶中的刹车、提速、转弯等操作为例，“随着外界环境不断变化，自动驾驶决策绝对不能出错，1%的错都会造成生命财产损失。”蒋宁认为，金融大模型与自动驾驶的案例一脉相承，和传统大模型最大的区别是生成式模型不能做解释，但是金融大模型则具有判别性，“它需要做交易决策。”他表示：“我们希望在任何情况下，给客户的回答都是合规的，并且任何不可预期情况下，结果是稳定的”。欧洲科学院外籍院士、清华大学人工智能研究院常务副院长孙茂松也有类似看法。他表示，生成式人工智能目前的一大特点是一定会出错。因为通用大模型对文本语言比较重视，对数字并不敏感，而金融数据大部分是结构化知识图谱，所以通用大模型在金融领域有不少挑战。形成“三纵三横”布局基于此，马上消费在论坛上发布了国内首个消费金融大模型——“天镜”大模型。蒋宁解释，天镜大模型的推出基础在于，马上消费作为以科技驱动的头部持牌消费金融机构，积累了1.79亿用户，已经有超2000个模型，10万+变量，近50PB多模态、高质量数据等，通过在这些自身数据上做模型精调对齐训练，同时再用推理加速技术实现模型可控，因此相对通用大模型更懂金融。其次，他透露，在算力平台方面，马上消费现拥有近万台服务器和近千张GPU储存卡。据悉，该模型已运行近3个月，意图理解准确率达91%，相较于传统AI的68%有较大提升。另外，“天镜”大模型目前客户参与率61%，高于传统模型43%的参与率，也高于人工坐席平均28%的水平。例如，将企业招股书、财报、经济预测数据等文件上传后，“天镜”大模型可以深入解析金融领域专业术语、同时拥有查询定位多个不同文档、洞悉金融图表隐含的信息和强大归纳总结能力。而且，大模型SQL生成平台不再需要代码等专业指令，可直接向AI发出自然语言。随后天镜自动理解需求、展开检索、生成答复，按照用户意思去完成数据挖掘任务。据透露，当前，天镜每日线上SQL生成数量650多次，线上SQL生成可执行比例53.4%，SPIDER标准数据集EX得分75.2，线上使用者满意反馈比例82.3%。蒋宁表示，马上消费目前已形成“三纵三横”的大模型发展技术布局，并领航构建可信、合规、多模态、适配全域、泛化的金融大模型技术能力体系，聚焦行业领先的基础语言特性能力、逻辑和推理能力、语义理解、生成与创作、金融领域能力、安全与合规能力等六大核心领域，进一步推动金融数字化转型产生实质性提升。所谓三纵，是指实时人机协作、多模态智能、数据决策智能，在数据领域实现智能化，实现结构性数据判别式模型的综合能力。三横即是指持续学习、模型合规、组合式AI形成安全、合规、可信的鲁棒性技术能力，确保让模型越用越聪明，同时更稳定、更安全可控。打造全能数字员工基于三纵三横，马上消费人工智能研究院院长陆全围绕打造全能数字员工这一核心，对天镜大模型在汇集智慧、唤醒知识、众创价值、数字分身四大应用场景进行了诠释。他表示，汇集智慧方面是应用人工客服主要场景。“通过大模型提炼萃取一线优秀人工坐席客服经验，汇聚成群体智慧，从而拥有一对多服务客户的能力，也可作为人工坐席的辅助角色，帮助推荐、优化回答，”他表示。他希望打造的“数字外表+智慧大脑+情感内心”三合一数字人，不仅擅理解、有温度、懂心理，而且还是不休不眠的智能“打工人”。在他看来，每个员工都可以能轻松拥有自己数字分身，上传自己的资料并定制一些参数后，只需5分钟的训练数据就可以生成“另一个我”。随时可以被唤起，成为人人都拥有的超级助手，代替员工完成大量工作。编辑：小茉审核：许闻版权声明 《中国基金报》对本平台所刊载的原创内容享有著作权，未经授权禁止转载，否则将追究法律责任。 授权转载合作联系人：于先生（电话：0755-82468670）

今年金融行业首落地AI大模型，但因其场景复杂性要求高，大模型与实践间存在距离。华为通过系统化工程建设，提供"小蛮腰"解决方案，聚焦于金融行业的AI应用，包括优化基础设施、融入决策与现代化运营、升级客户交互及产业金融服务等层面，以盘古金融大模型为基础，整合金融知识和技能，并确保安全合规，旨在推动金融行业智能化的全面升级。

来源 | 零壹财经作者 | 沈拙言编审 | 赵金龙在关于金融大模型的诸多讨论中，“落地应用”成了最终关键词。对金融业务而言，精准与安全合规是任何技术得以应用的最大前提。因此，金融大模型的应用便绝非简单的“拿来主义”，需要在通用基础上结合业务需求反复精调，这也是当前金融大模型的主要发力点。7月末，据腾讯研究院副秘书长杨望调研分析，国内参数在10亿规模以上的大模型数量已由5月末的79个增加至116个，其中金融行业大模型约18个。有观点认为，大模型的出现，可能会把金融机构的数字化转型进程拉到同一起跑线，填补金融机构间的“转型鸿沟”，这对中小金融机构来讲是不容错过的机遇。在保证信息精度与安全合规的前提下，抢先获得金融业务场景的商用突破，成为18家金融大模型研发机构竞争的决胜点。 01 各显神通抢赛道 3月底，全球最大的财经资讯公司彭博社发布拥有500亿参数的大型语言模型——BloombergGPT，标志着全球首个金融大模型的诞生，也掀起了国内金融大模型的浪潮。 彭博社表示，该大模型在3630tokens金融数据集、3450亿tokens公共数据集之上进行训练，可全方位支持金融领域NLP（自然语言处理）任务，表现明显优于其他类似规模的开放模型，在一般NLP基准上的表现也达到甚至超过平均水平。 BloombergGPT一声炮响，给国内带来了实践方向。 图1：国内主要金融大模型时间轴（不完全统计） 来源：零壹智库 5月，大数据基础软件供应商星环科技推出第一款面向金融量化领域的生成式大语言模型“无涯Infinity”。据其介绍，无涯Transwarp Infinity支持股票、债券、基金、商品等市场事件的全面复盘、总结及演绎推理，以及政策研报的深度分析，为基金经理提供决策辅助。 5月下旬，度小满推出国内首个千亿级中文金融大模型“轩辕”，该模型是在1760亿参数的Bloom大模型基础上训练而来，聚焦于金融名词理解、金融市场评论、金融数据分析和金融新闻理解等任务。度小满CTO许冬亮表示，轩辕大模型基于度小满实际业务场景积累的海量金融数据进行训练，保证在提升金融能力的同时，不会损失通用能力。 6月，恒生电子发布金融行业大模型LightGPT。据其介绍，LightGPT使用了超4000亿tokens的金融领域数据（包括资讯、公告、研报、结构化数据等）和超过400亿tokens的语种强化数据（包括金融教材、金融百科、政府报告、法规条例等），并以之作为大模型的二次预训练语料，支持超过80+金融专属任务指令微调。 6月29日，拓尔思发布拓天大模型，并面向媒体、金融、政务领域推出了三大行业大模型。在金融大模型上，公司基于自有的110亿+金融主题数据、百亿级产业指标数据、30亿+产业要素明细数据、2亿+产业动态本体、500+以上标引维度、10000+知识标引规则、10万+产业标签作为专业训练数据。就在日前，拓尔思发布公告，计划募资18亿元用于拓天行业大模型研发及AIGC应用产业化项目。 7月，马上消费透露将正式发布自主大模型，聚焦“自主动态强化学习能力的大模型（AIGC+RLHF）、多种模型组合式的AI系统、多模态音视频实时人机结合”三项核心关键能力，致力解决金融行业大模型在落地过程中的安全可控和隐私保护、基础设施能力建设等方面的关键问题。 在金融大模型浪潮中，财富管理机构与运营商也不甘落后。海通证券、申万宏源、广发证券、兴业证券、长江证券、西南证券、国海证券、国盛证券、华福证券、财达证券10家券商宣布成为百度“文心一言”首批生态合作伙伴，以同花顺、东方财富为代表的财富管理运营商也公告称将重点打造AI投顾平台，深入AIGC、交互式AI等领域的研究，完善内容生态构建，增强智能运营能力。 腾讯云则瞄准金融安全领域，推出金融风控大模型，锚定机构交易、信贷、营销等场景的风控需求。腾讯云天御首席科学家李超认为，风控尤其是贷前风控环节有着最紧迫的需求，在信贷领域，因黑产造成的欺诈已经占到了整个逾期规模的40%-70%。 科大讯飞发布的大模型产品“讯飞星火智能客服”，以帮助金融机构提高客户服务效率和质量，提升用户体验为主旨。讯飞星火智能客服产品在意图理解能力、专业知识应用能力、对话设计与交互能力、个性化表达能力四个层面取得了全面提升，未来还会进行迭代升级，探索与金融场景更贴近、更有价值的技术服务。 文因互联公布了基于“文因大模型”联通多个金融场景的解决方案。根据介绍，该解决方案覆盖债权发行、IPO、ESG评级评价、智能投研、智能投顾、信贷评估、债券评级、合规审计、新闻写作、工业维修等多个场景，定位是“为金融人提供安全高效副驾驶”。 与产品相对应的是，一些行业标准也初露端倪。7月末，腾讯云与中国信通院共同启动行业大模型标准联合推进计划，双方宣布联合牵头中国首个金融行业大模型标准的编制工作。 据介绍，该标准对金融行业大模型的评估方法覆盖了投研、投顾、风控、营销、客服、银行、保险、证券等应用场景，并对大模型在数据合规性、可追溯性、私有化部署、风险控制等方面提出要求。  02 应用层策略之争 金融大模型的应用与商业化同根同源，商业化是最终目标，应用是实现商业化的必要路径。 由于应用的方向不同，金融大模型所展现出来的能力也不同。按照模型能力输出的方式，具体可以分为中心化和非中心化两种方式。 中心化模式即企业调用通用大模型或第三方垂直模型的 API 去构建业务功能；非中心化模式则是企业根据使用场景和功能，以专有数据对通用模型进行微调，形成一个或多个基于实际业务的小模型。 腾讯云金融大模型的应用策略，是风控层面的从零到整。具体而言，针对金融机构动态化风控建模的需求，把专家经验抽象成一系列风控策略集，进而组成风控大模型，再以风控大模型应对假人假机、假人真机、真人假机的欺诈行为。 据报道，某金融机构的渠道和客群变化较快，基于传统的专家联合建模方式效率较低、成本较高，无法满足风控系统快速迭代要求，接入腾讯云行业大模型后，模型迭代周期从17天缩短到3天，建模效率提升60%。 这一做法与交叉信息核心技术研究院常务副院长林常乐的观点不谋而合。林常乐提出了大模型中的相关专业领域参数与专业模型相结合的技术路线，通过将专业模型的精度参数写入大模型，实现专业领域模型与大模型的衔接。 恒生电子与恒生聚源共同推出的智能投研平台WarrenQ-Chat，则是追求金融信息的精准度，用户通过对话指令，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原文溯源，确保消息出处可追溯。 科大讯飞“星火智能客服”则更注重以AI能力提升客户交互体验。据科大讯飞研究院副院长、金融科技事业部CTO 赵乾介绍，星火智能客服基于泛领域开放式知识问题能力、大模型和行业知识库及外部APP对接，可以解决新知识难更新、事实类问答容易“张冠李戴”等问题；通过情景式思维链逻辑推理，可为用户推荐个性化产品，赋能营销获客。 百川智能创始人王小川认为，大模型80%的价值可能蕴含在非中心化的模型和服务里。  03 商业化将向何处？ 据极客公园报道，有消息表示，随着监管明确，第一批合规模型放出是值得期待的。同时目前在 To B 领域的应用上，实际上已没有官方的合规要求，这将助推大模型落地企业，也将推动工具层和应用层发展。 但面向C端，合规先行是必然趋势。正如国家金融与发展实验室副主任杨涛所说，当人工智能大模型在金融领域应用时，更需关注大模型的可审计性、可解释性等难题以及参与金融活动引发的风险特征变化、数据保护、责任分担、合规边界等问题，并强化数据伦理、算法伦理、主体伦理、行为伦理等方面的治理。 中国工程院院士、复旦大学金融科技研究院院长柴洪峰认为，目前大模型在金融垂直领域仍未挖掘出涌现效应。 一方面，由于金融数据及知识的私密性导致难以共享，无法构建一个庞大的数据集，对此可以增强产学研的联动性，共同构建更强的金融垂直领域基座模型；另一方面由于金融数据模态更多，难以进行统一的处理建模，而如今的大模型对此种多模态的表达能力仍有待加强。 文因互联创始人鲍捷则提出了关于商业化层面的约束问题，金融客户并没有无限的预算，通常只有几十万最多几百万的前期投入。实际约束往往来自于分布式训练、数据清洗过程、提示词优化、各种数据格式，以及为达到更好的训练效果如何平衡全参数训练和提示工程的比例、降低成本，这都是需要在实际项目中解决的难题。 有从业者认为，当前金融大模型在商业化上的探索，最终的客户依然会落在中小金融机构上。从监管环境、市场竞争、数据安全等多个角度来看，头部金融机构都没有使用外部大模型的理由和意愿。 这意味着在头部金融机构自研的过程中，中小金融机构同已有的成熟大模型合作，争取到了一定的追赶空间，是补足数字化差距的绝佳窗口期。 同时，与中小金融机构的合作，也是考验大模型提供方在应用层中定制化能力的绝佳战场。 正如工商银行首席技术官吕仲涛所言，综合考虑投入和产出性价比，中小金融机构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。...

马上消费金融凭借其在可信AI领域的专业研发，成功通过评测成为首批通过“可信AI研发管理能力评测”的金融机构，这凸显了公司在国内AI平台领域的领先地位，同时也为消金行业树立了合规应用的典范。作为AI基础设施的重要一环，该评测通过考察平台功能和企业应用成熟度，有助于推动AI技术在金融行业的规模化应用，并为相关企业提供技术和能力提升的指导。此外，马上消费还采用了多算子融合的智能监管体系，以强化内部风险管理和危机预警，确保业务的合规运营。

该报告探讨了生成式AI对金融业的影响，预测它将带来3万亿增量商业价值并改变交易、管理和风险评估方式。中国已有6家上市银行公开研发应用大模型技术，银行业因数据产出高和质量好正成为核心竞争力。尽管仍处于探索阶段，预计1-2年内部分金融机构将成熟应用，未来金融业集成AI的速度将加速。报告建议金融机构在集成时遵循八大原则以实现生成式人工智能的可持续发展。

《2023金融数智化报告》由北京商报社与安永联合发布，聚焦数字化向数智化的跨越，通过演讲和圆桌讨论拨开金融数智化的迷雾。报告指出，过去一年，金融与AI的热度增加，技术应用引发广泛关注；大模型在金融领域应用面临数据质量和处理挑战，同时也因其“知识中介”角色为人工替代创造了可能。报告强调了金融机构在转型中的智力、洞察和合规性问题，并建议前瞻性评估风险，制定适应场景的数据管理策略。深蓝智库已发布多份行业研究，致力于成为细分领域的建言者和引导者。圆桌讨论围绕大模型的近景与远景展开，嘉宾们提出应用中需考虑产出比、合规性和数据挑战等问题。在智能云领域，段永华提到从简单到复杂的发展趋势。

2023年多家金融机构推出AI金融大模型，如奇富GPT、轩辕、LightGPT WarrenQ等，涵盖金融名词理解、数据分析等多个领域，助力多场景应用，提升客户体验和公司业绩，预示着金融行业将迈向AI新纪元。极简版：金融机构密集发布金融大模型，AI赋能股基APP以增强智能客服、投资顾问等功能，推动业务增长和金融创新。

度小满凭借其自主研发的“轩辕”金融大模型，在2023年人民网普惠金融优秀案例评选中荣获创新模式奖，该模型通过hybrid-tuning技术在增强金融能力的同时保持通用性，已广泛应用于公司多个业务场景，如营销、客服和风控等，显著提升了效率。度小满的这一做法获得了行业认可，未来将持续推动金融科技发展以提供高质量普惠金融服务。

过去一周，ChatGPT迅速走红，成为全球社交媒体热议话题，书写传奇，引发多面影响，包括就业、政策与科技巨头关注。报告预测其为2023年金融科技的趋势之一，生成式人工智能被视为新一代生产力工具和数字经济基础设施。ChatGPT的大模型潜力在金融领域展现出优化用户体验的可能，如变革在线对话交互和服务模式，降低内容生产成本，提升风控效率，并可能推动金融数据分析的新突破。面对技术革新，各大公司正积极应对，包括谷歌、微软和国内互联网巨头，ChatGPT被视为「新基建」的一部分，未来将在各行业垂直应用中发挥重要作用。