AI助手资讯

原标题：客易云金融GPT：智能化助力金融行业的革新发展 随着科技的不断进步，金融行业正迎来数字化和智能化的浪潮。作为领先的智能化解决方案，客易云金融GPT（自然语言生成模型）正在为金融行业带来全新的机遇与优势。本文将探讨客易云金融GPT在金融领域中的应用，以及对创新发展的重要意义。 1. 智能客服与咨询服务 客易云金融GPT通过深度学习和自然语言处理技术，可以实现智能客服和咨询服务。它能够理解用户提出的问题，并给出准确、具有参考价值的回答。无论是关于产品介绍、投资建议还是理财规划，客易云金融GPT都能提供个性化的服务，帮助用户做出更明智的决策。 借助客易云金融GPT的智能客服和咨询服务，金融机构能够提高客户满意度和忠诚度，降低人力成本，并为客户提供更便捷、高效的服务体验。 2. 风险评估与控制 金融行业需要对各类风险进行准确评估和控制。客易云金融GPT可以通过分析大量的金融数据和市场信息，帮助金融机构进行风险预测和管理。它能够识别潜在的风险因素，并提供相应的建议和决策支持。 展开全文 利用客易云金融GPT的风险评估与控制技术，金融机构可以及时发现并应对风险，提高业务的安全性和可持续发展能力。 3. 自动化交易与智能投资 客易云金融GPT还可以实现自动化交易和智能投资。通过对市场数据和交易规则的分析，客易云金融GPT能够自主进行交易操作，并根据用户的投资偏好和风险承受能力，提供个性化的投资建议。 借助客易云金融GPT的自动化交易与智能投资技术，金融机构能够提高交易的效率和准确性，降低人为因素对投资决策的影响，并为用户提供更稳定、可靠的投资收益。 4. 个人财务规划与管理 客易云金融GPT还可以帮助用户进行个人财务规划和管理。通过分析用户的收入、支出、资产配置等信息，客易云金融GPT能够制定个性化的财务规划方案，并提供相应的理财建议。 借助客易云金融GPT的个人财务规划与管理技术，用户可以更好地掌握自己的财务状况，优化财务决策，实现个人财富的增值和保护。返回搜狐，查看更多 责任编辑：

原标题：热点丨金融圈的GPT来了 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 图：Bloomberg 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。 展开全文 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。 来源：白话华尔街 编辑：小昕 责编：建丰 关注我们 本文系“正略金融研究所”公众号转载的文章，对文中观点保持中立，对所包含内容的准确性、可靠性或者完整性不提供任何明示或暗示的保证，不对文章观点负责，仅作分享之用，版权属于原作者。如果分享内容侵犯您的版权或者非授权发布，请及时与我们联系，我们会及时审核处理。 正略金融研究所返回搜狐，查看更多 责任编辑：

#股市还会有牛市吗# 转自：东吴证券 　　核心观点 　　当前AI与金融的结合主要有两条技术路径：①通用模型+金融语料训练金融大模型，②金融垂类大模型。1）双方优劣具有相对性。通用大模型优势：泛用性强、灵活性和利用率高、可迁移性强。劣势：特定领域深度较浅、模型复杂、训练时间长；金融垂类模型优势：领域专业性、针对性的解决方案、高精度和合规性。劣势：适应性限制、更新和维护复杂度、数据利用率低。2）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。通用大模型在行业数据量，性价比，精确性、适用性、实时性、推理速度，合规性和风险控制等方面表现欠佳。 　　通用大模型“百模大战”，头部模型国外领先较大，平均水平国内外差距较小，中文上国内表现更优。1）国外通用GPT4-Turbo遥遥领先。 　　OpenAI震撼发布GPT4-Turbo，开启新一代人工智能模型的大门；谷歌将在谷歌云上部署Claude，并于推出自研的大模型LaMDA的聊天机器人Bard；AWS推出自有基础模型Titan和AIGC服务Bedrock，以及AI编程助手Amazon CodeWhisperer。Anthropic推出Claude，是最接近ChatGPT的商业竞品；xAI发布其首个AI大模型产品Grok，模型通过X平台实时了解世界，GrokV1.5或于2024年3月发布。2）国内通用百度先行，多家企业推出相关产品。百度推出“文心大模型”，是目前国内预训练大模型应用端生态最好的大模型之一；阿里发布通义千问2.0，专业维度能力较强；vivo发布BlueLM大模型，应用的场景广泛；月之暗面发布Moonshot大模型，目前位于第一梯队。3）在金融领域中，通用模型应用表现各有差异。其中GPT系列、文心一言、通义千问、腾讯混元以及科大讯飞表现较好。 　　金融垂类模型国外发展先行，国内成品问世。1）国外彭博BloombergGPT率先登场。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。AI4Finance Foundation开发FinGPT，为金融大型语言模型提供互联网规模的数据，以此推动金融领域的开源发展。2）国内金融垂类模型百花齐放。奇富科技率先宣布推出自研的金融行业通用大模型“奇富GPT”；度小满推出国内首个千亿级中文金融大模型“轩辕”；腾讯云公布腾讯云金融行业大模型，TI-OCR大模型帮助银行解决日常业务问题；恒生电子进一步升级金融大模型LightGPT，并发布多款光子系列大模型应用产品；蚂蚁集团公布蚂蚁金融大模型，在多项金融专属任务中表现突出；东方财富、同花顺加大AI研发技术投入，筹建人工智能事业部，重点推进金融垂直大模型研发应用。 　　投资建议：我们预计2024年金融垂类模型产品落地较多，建议关注具备AI模型技术领先优势、较大金融交易数据基础、较好应用场景入口、积极推进AI模型构建的金融科技企业。 　　风险提示：监管环境趋严抑制行业创新；行业竞争加剧；权益市场大幅波动。

转自：深圳商报 深圳新闻网2023年7月23日讯（深圳商报首席记者 谢惠茜）今年伊始，ChatGPT热潮再次掀起全球对人工智能（AI）的关注。生成式人工智能（AIGC）、AI大模型等在互联网、金融、科技等行业迅速崛起，各行各业都在探索AI能给行业带来哪些颠覆，甚至掀起了“百模大战”“千模大战”等，而金融行业正是其中的先行者。 “人工智能已是金融行业迈向数字化和智能化转型的关键引擎，同时也将成为未来金融机构的基础设施。”融360联合创始人、CEO叶大清近日表示，通过AI技术的应用，金融机构可以实现更高效的业务流程和自动化决策，从而提高效率、降低成本，并为客户提供更好的服务体验。 “金融行业作为一个数据、技术密集型行业，对技术和数据的应用需求是广泛而深入的。大模型在金融领域有广泛的应用前景，推动构建用户个性化服务体验。在数字中国的建设背景下，大模型将有效提升金融领域营销、运营等价值链效率，进一步拓展数据决策在风控领域的创新应用效果，助力金融行业数字化转型产生实质性的飞跃。”马上消费CTO蒋宁也指出。 事实上，金融业前期已将人工智能技术广泛应用于客户服务、产品创新、运营管理、风险防控等领域，并取得明显成效。 如微众银行便广泛运用人工智能提升运营和服务智能化水平、金融营销解决方案以及风险管理与监管科技上。 人工智能在金融行业的风控领域，则被应用得更为广泛。如中邮消费金融，依托大数据，人工智能、模型算法等技术不断夯实智能反欺诈防控体系，重点加强终端安全、身份核验、团伙欺诈检测等方面安全防护。 这些运用不仅是在金融机构自身，还可以进而服务其他金融机构，助力整个金融行业数字化转型发展。 在优化风险管理、提高信用卡和贷款推荐效率、帮助相关部门自动识别和分类辖区内的关键风险信息等场景方面，融360进行了全面升级，并已将AI技术初步应用于实际场景中，为银行、保险公司、财富管理公司、电信运营商、电商等金融机构、非金融企业提供全流程数字化解决方案。据透露，融360目前已与上千家金融机构建立合作。 海量资讯、精准解读，尽在新浪财经APP

　　由ChatGPT掀起的本轮人工智能应用热潮延伸至金融行业。 　　近期，兴证全球基金推出了AI资金交易机器人——智能交易员“兴宝”，成为首家将AI技术应用于资金交易领域的国内基金公司。 　　事实上，在AI大潮之下，从券商分析师AI分身，AI量化投资再到AI资金交易机器人……今年以来，已有多家券商、基金公司等金融机构纷纷推出了适用于投资场景的AI产品。与此同时，以恒生电子为代表的金融软件服务商也在推动AI投研产品的落地。 　　自2016年以来，陆续有证券公司推出智能投顾服务、数字化创新实验室等智能化应用，将AI技术与运营、风险管理、客户服务等业务深度结合已是大势所趋。与此同时，基金公司也在做同样的尝试，甚至已将AI手段融入交易环节。ChatGPT的诞生更加速了这一进程。 　　“对于AI的应用，行业整体仍处在初始的探索阶段，业内正从各个方向思考如何借助AI技术，提升自身的运作效率与效果，其中比较积极的公司，已经开始尝试推出相关产品，有成功的案例，但失败的案例也不少。”一位资深业内人士向21世纪经济报道记者指出。 　　对于AI与交易的结合，该人士认为，资金交易对安全、稳定、准确等要素的要求极高，因此AI资金交易这类应用仍然需要防范数据、算法和算力等方面隐藏的风险。 　　众所周知，ChatGPT的面世标志着AI的发展进入了通用人工智能（AGI）新时代，以“大模型”为基础的对话、写作、文生图等AI应用也开始影响证券公司的业态。 　　今年5月，券商分析师AI分身首次进入大众视野。 　　招商证券为其传媒首席分析师顾佳打造了AI数字分身。按照官方介绍，顾佳的AI分身，可以同时出现在路演现场、新闻发布会、研报解读、分析师电话会，以及任何客户需要的地方。 　　据了解，近年来，招商证券全面建设AI体系，其数字员工助手案例曾被引入《证券公司数字化转型实践报告及案例汇编（2022）》中。 　　与此同时，也有券商寻求外部合作以探索适用于券商业务的AI应用。 　　例如，5月18日，东吴证券与同花顺正式签约，双方将联合成立AI研究院，共同研发东吴证券-证券行业大模型。 　　中国银河于4月4日在投资者互动平台上表示，公司已与多家具有市场竞争力的AI公司进行合作，并在智能营销、智能投顾、智能客服、智能风控、智能文档、身份识别等领域运用AI技术，后续会持续跟进最新的AI技术，扩展AI技术的应用场景和应用领域。 　　瞄准“AI+券商”场景的还有金融软件服务商。近日，有消息称，恒生电子或将推出定位于AI投研的数智金融新品。 　　此外，海外哥伦比亚大学近日联合上海纽约大学推出了金融大模型产品FinGPT。 　　在海外市场，已有投行将最新面世的GPT产品应用于财富管理业务。今年3月，在OpenAI发布GPT-4之后，摩根士丹利方面表示，目前已经使用GPT-4技术将所有智库内容转化为更易于使用和操作的格式。据悉，摩根士丹利此前有300名顾问测试这款工具，并计划在未来几个月广泛推广。 　　AI技术的运用，不仅可以帮助券商各业务部门提高工作效率，也挖掘了更广泛的财富管理需求。 　　厚石天成投资总经理侯延军认为，AI在数据挖掘，算法，客户服务，工作效率等方面，未来在金融领域会有广泛的应用。 　　不过，也有业内人士指出，一些AI技术的实际落地仍然需要不断摸索。此外，券商在探索AI应用时如何兼顾合规性，是行业共同面临的难题之一。例如，分析师AI分身等虚拟数字人仍处于“监管空白”地带。 　　相比之下，对于业务模式相对单一的基金公司来说，其对AI的诉求更为聚焦。近年来，部分基金公司已将AI与风控、研究、客户服务或是辅助决策相结合。最新趋势是，基金公司开始将AI技术应用于资金交易领域以及询价环节。 　　近期，兴证全球基金推出了AI资金交易机器人——智能交易员“兴宝”。目前，“兴宝”已正式在Qtrade平台上线。 　　据介绍，AI交易员不仅能通过关键要素的识别和提取、上下文逻辑的理解，主动发起提问确认，实时提取深层次意图，主动分布式发问，快速获取对手方意图，而且可以通过不断地问答交流，经过一系列的询价议价过程，完成对手方的询价需求采集，并将询价状态实时反馈给交易员，获取最终匹配交易反馈给交易员，和对手方确认后即可完成交易。 　　而今年3月，兴业基金自主研发的“兴小二”AI债券交易机器人也已上线，该公司成为首家在外汇交易中心iDeal平台上线智能询价机器人的公募基金公司。 　　“以前一直有机构在尝试AI与交易结合，更多是通过数据算法或者业务规则做人工智能的探索，近几个月以来，随着ChatGPT为代表的大语言模型能力兴起，这类探索再次变成了行业热点。”上述资深业内人士向21世纪经济报道记者指出。 　　在他看来，未来几个月甚至是几年内，机构对于AI与交易结合的尝试将不断增多。 　　这主要是因为，“AI技术，尤其是新一代大语言模型的技术，对于大部分行业都有影响，在交易领域，通过AI技术与算法，不断地深入投资交易的细节，比如机器人询价等，将人从简单重复甚至通识性的工作场景中解放出来，从而使得交易员能够更加专注的进行专业深挖。” 　　不过，他也谈到，AI目前更多是在通识性应用方面表现较好，但交易是一个非常专业的领域，由于数据源、训练场景等因素的限制，成功的案例还不多。AI的应用成功除了技术突破外，更需要大量的业务场景融合，只有通过场景技术融合的打磨和深入细化，才能真正做到AI技术的实际落地。 　　值得一提的是，资金交易对安全、稳定、准确等要素的要求极高，在与AI技术结合的过程中，仍然需要防范数据、算法和算力方面隐藏的风险。 　　上述资深业内人士详细谈到，首先，由于资金交易对于数据安全、准确的要求极高，在应用AI技术的过程中，数据基础的重要性排在第一位。AI本身不能解决数据准确的问题，所以需要基础的数据治理工作非常扎实，要先保证高质量的数据基础，包括数据的一致性、准确性、安全性等等。 　　其次，算法方面，通过AI人工智能可以做很多事情，但目前AI技术算法很多时候做的是数学概率的事情，人工智能还没有发展到跟人一样智能，因而会出现错误的结果。例如ChatGPT大模型，大部分时候都表现不错，但个别情况也会回答得不靠谱。而资金交易对于错误发生的容忍度极低，万分之一的概率都不允许出现。这种情况下，如何对于AI产生的结果进行复核或者多层识别就需要特别重视。 　　再次，算力方面，以大语言模型为代表的新一代人工智能，对于算力要求很高，动辄数百亿、上千亿的参数，还需要大量训练。对于基金公司而言，如果直接借用百度、科大讯飞等公共大模型能力，就会涉及数据安全的问题，如果是自己独立部署与训练，又会面临投入产出比问题，如何做好公共算力与私有算力的平衡，是行业各家公司都要面临的问题。 　　此外，前海开源基金首席经济学家杨德龙表示，将AI应用于交易环节，需要防范的风险在于交易的合规性，比如这类交易在兼顾效率的同时，是否考虑了交易的公平性。同时，也要注意防范系统性的风险，比如美国的量化投资占比较大，可能会出现由量化交易造成的踩踏事件，导致道指瞬间跌一千点等现象。这类风险需要重视。 　　另一方面，市场较为关注的是，未来，AI是否有可能代替基金经理，进行自主投资？ 　　“在量化投资中，AI技术已经广泛地应用在了投资决策环节，而主观多头，特别是价值投资使用该技术的案例相对较少。”止于至善投资基金经理何理指出，价值投资策略要想实现AI投资，需要具备深度的价值投资能力+先进的AI技术并理解该技术，两者结合才行，同时这个过程中可能要在研发上会付出大量的成本。 　　“ChatGPT带火了AI，但机器学习等具体的AI技术早已在量化中得到了广泛的应用，所以AI在量化和投资领域的应用已经不再是初始的阶段，现在已经日趋成熟了，只不过最新的算法和算力还是在不断的迭代过程中。长期来看，AI是很好的投资辅助工具之一，但未来AI不太可能完全替代人投资，只是会用AI的投资可能会替代不会用AI的投资。”融智投资FOF基金经理胡泊指出。 　　杨德龙也谈到，基金公司应用AI技术参与一些投资研究方面的辅助工作是可行的，因为AI应用确实能够省去很多人力，同时也有一些人工不具备的优势，比如数据运算能力强等等。但是完全替代人工的可能性不大。毕竟资本市场还是有很多方面需要人工进行判断，所以AI还不能完全替代人工。 　　在上述资深业内人士看来，AI技术能否成功应用于投资决策的关键环节取决于三个层面：一是技术可行性，哪些领域AI可以赋能，哪些环节AI技术相对成熟；二是社会可行性，投资决策过程中，投资经理和研究员在哪些领域更愿意借助AI技术，哪些环节更容易实现AI赋能；三是投入产出比，很多AI应用都是创新项目，存在失败的概率，必须要考虑投入产出比。 　　“综合这三个方面考虑，目前看，在投资研究时，调研记录的整理、资讯内容的提炼、研报的撰写等，AI技术相对成熟一些，预计投研人员更愿意借助AI技术，提升自己的工作效率，且成本投入不会很大，这些可以优先形成智能辅助工具，赋能投研增效。而具体的投资决策更多依赖基金经理的个人经验和能力，AI技术并不成熟，投资人员本身的意愿以及融合程度都很难确定，投入产出比更是难以衡量，所以AI在其中的参与度要慢很多。不过，量化投资有望是最先借助AI能力进行决策的领域。”他表示。 海量资讯、精准解读，尽在新浪财经APP 责任编辑：郝欣煜

「水大鱼大」金融业，蛰伏着哪些AI独角兽？ 作者  周舟 AI对金融核心业务流程的改造，似乎始终“雷声大雨点小”。但在用户的「交互方式」上，AI早就不声不响地“攻下数城”。通过生物识别，AI不仅成功地取代银行卡这一物理介质，还替代了密码输入等核对流程，让金融的交易与身份识别更加“无感”；通过语音识别&NLP，AI直接让客服这一工作，从“人人”交互转变为“人机”交互。随着图像和语料数据的激增，一些“金融智能交互”企业，甚至向前一步，成长为新一代独角兽。当然，AI在「交互方式」上并不是攻无不克、无往不利。人脸/指纹支付的应用，表面看起来较为成熟，但每一项新技术的突破，背后也不断涌现出新的安全破解方法，使得安全风险和应对方案成本激增。生物识别领域，安全、成本、易用性，三大元素往往不能兼得。现阶段的智能客服，在技术实现过程中也存在诸多算法难题：一是多轮对话，即让机器自动理解每句话的意图和整个对话线程的意图，如果用户前后两句话意图不同，或者前言不搭后语，机器也需要对其逻辑进行分解，从而更准确的判断他的诉求。二是情感分析，在部分场景中，AI需分辨出用户的情绪，是否存在不满或对某个产品非常感兴趣，机器只有区分开这些细微的信号，才能实现优质的多轮对话效果。技术的窘境束缚了大多数公司前进的脚步，但是这个行业还是涌现出了诸多优秀创业公司，正以独角兽之姿，打破桎梏，引领市场。 眼神科技：稳固的「生物识别」护城河 周军，眼神科技创始人兼CEO，作为行业元老级人物，已在AI领域扎根20年有余，从投身创业大军伊始，就一直为推动金融等多场景的成熟商业化应用而努力。周军认为，“技术壁垒才是企业长久发展之基。”眼神科技创始团队从1998年开始专注生物识别的技术研发和应用，是最早一批将生物识别技术引入到银行内部强安全认证业务中的企业。目前，眼神科技AI产品线丰富，已有人脸、虹膜、指纹、指静脉识别以及多模态融合核心算法、多模态生物识别统一平台、适用于不同场景的应用软件和智能硬件，广泛应用在金融、安防、教育、交通、政府、智能家居等高安全、强隐私的身份认证场景中。他笃信，未来只有“算法+场景”双轮驱动的公司才会走得更稳、走得更远。“优秀的算法相当于顶级的发动机，是核心所在，但并不是全部。有了发动机还需要有车，有了车还需要有路，有车有路还得有人愿意买单。”周军说道。这也是为什么眼神科技将自己定位为“基于AI驱动的多模态生物识别原创技术，站在整个价值链顶端的技术创新主导型企业”，打造从核心算法，到统一平台、应用软件、智能硬件，再到赋能渠道落地交付的全产业链布局的原因。将技术真正植入场景生态中，不是一个算法或者一个设备就能实现的，需要一套结合实际应用场景的整体解决方案。陪伴金融一路成长，从传统时期银行内部的风险控制，互联网时期的降本增效，到移动互联网时期的创新营销、远程获客，在金融领域，眼神科技已交出“服务包括中国工商银行、中国建设银行、中国农业银行、中国邮政储蓄银行、交通银行、中国银行等六大行在内的145家银行，客户覆盖率超过80%”的成绩单。未来，眼神科技还将在场景中不断求索，为金融安全打造稳固的护城河。 云从科技：「人脸识别」南征北战 云从科技自2015年成立之后，便开始快速奔跑，跨镜追踪（ReID）、3D人体、自然语言处理（NLP）等世界记录，频频被刷新。目前，云从科技是中国银行业人脸识别第一大供应商，包括农行、建行、中行、交行等超过100家金融机构已采用公司产品。周曦带领云从“南征北战”，短短几年也收割不少诸如麻省理工科技评论“全球50家聪明公司”、福布斯“中国最具创新力企业”之类的肯定。 深究战果，除了来自中科系强硬的研发实力支撑外，能在短短几年内取得技术、市场占有率双发展似乎足够说明其技以致用，打破技术与落地藩篱的能力。眼下，因技术过硬，落地能力不俗，成立5年的云从业务领域已枝繁叶茂，形成智慧金融、智慧治理、智慧交通、智慧商业等四大板块综合智慧+体系。人工智能、认知计算与大数据技术形成的整合解决方案源源不断为近15万个银行网点、30个省级行政区公安、80余家机场输送能量。其商业化能力强劲可见一斑。此外，线下ATM机和营业厅的人脸识别业务，由于涉及到摄像头和机具等硬件设施的改造，营收数字较为可观。尤其是智慧网点一体化改造，单笔合作金额颇为丰厚，这也是云从长期以来的重点布局。除了交互层的产品外，云从的全新金融战略，使其业务从金融交互层，渗透到金融决策层；其技术从感知层，跨入至认知层。目前云从已经发布了其互联网金融平台，可在行内部署，协助银行在资产对接的过程中，制定合理的风险定价模型及具备可以操作性的贷款审批策略，依托专业的风险决策工具，实现自动化决策审批，最终形成风控与业务自主运营的管理体系。整体业务结构已非常清晰。 小i机器人： 在座的都用过我的「语音交互系统」 “今天在座的所有朋友几乎都是小 i 的用户。”2017年小 i 机器人CEO朱频频在接受雷锋网《AI金融评论》独家专访时说的话，至今让我们印象深刻。在北京、上海、贵阳，发一个短信到10086，问手机还有多少余额？它会马上回复你；工农中建行的客户问信用卡理财产品，是在线机器人回答你；联想、华为、海尔，乃至寄一个顺丰快递包裹，包裹到什么地方也是机器人回答你。这都是小 i 机器人的技术在支持。小 i 机器人成立于2001年，是VCA（智能客服机器人）领域代表企业。专注于认知智能的自主研发和产业化应用，基于多语种自然语言处理、深度语义交互、语音识别和机器学习等人工智能核心技术，形成了面向企业服务、政务、医疗、制造等行业的多样化解决方案和完善的专业服务体系。起初，小i机器人为MSN、QQ、微软、雅虎等软件提供聊天机器人服务。目前小 i 已为近千家大型企业和政府单位提供智能机器人产品，业务覆盖通信、金融、政务、法务、医疗、制造等行业，为近千家大中型企业和政府、几十万小企业及开发者提供服务，全球终端用户超过8亿。单是金融领域的合作企业就接近100家。据AI金融评论了解，前50大银行已有超过40家都采用了小 i 的智能客服系统，这一占比还在不断增加。中国建行官方数据显示，由小i机器人提供技术支持的“小微”服务能力已经相当于9000个人工座席的工作。国际上，小i机器人主导了全球第一个人工智能情感交互的国际标准。国内，小i带领制定了国家首个人工智能语义库标准，并参与了多项国家标准的制定。 权威咨询机构Gartner将小i机器人、苹果Siri、微软Cortana、亚马逊Echo作为全球会话系统的代表，认为这四家公司的云端智能交互能力，未来可连接万物。 推荐阅读

热点栏目 自选股 数据中心 行情中心 资金流向 模拟交易 客户端 　　来源：北京商报 　　大模型一词最近在金融科技圈火了。 　　8月10日，北京商报记者采访了解到，截至目前，包括蚂蚁、腾讯、京东科技、度小满、奇富科技、马上消费金融等多家机构均在紧锣密鼓布局，并已应用于获客、运营、风控、贷后服务等多个业务环节。 　　在业内看来，未来大模型的应用有望降低金融机构运营成本，提高运行效率，但在成本投入、可信度挑战等多个难点之下，金融大模型要大范围落地，仍有较远距离。 　　涉猎营销、客服等多场景 　　金融天然是数据密集型、技术密集型行业，但面对的挑战很多，例如银行线下网点的价值传递效率、用户体验问题，都需要机构持续创新。目前，金融机构也一直在挖掘数据价值，包括在风险、营销、运营等方面进行尝试。 　　有观点认为，大语言模型技术的出世，给金融行业的人工智能技术应用注上一针“强心剂”。 　　今年以来，金融科技行业涌现“大模型热”，从多家金融机构的动作就不难窥出。例如，马上消费金融推出“三横三竖”战略。 “三横”意为，通过持续学习技术、模型控制、组合式 AI 系统形成的安全、合规、可信的鲁棒性决策能力。“三竖”则包括，一是数据智能，二是多模态大模型，三是实时人机协作。 　　马上消费金融称，目前公司已经研发了实时人机决策模型、多模态大模型、数据智能模型等，并在内部正式上线测试。在应用方面，开发了智能生成报表的工具，在场景方面，则在智能客服上已经有所涉猎。 　　针对大模型对业务的改进，奇富科技则介绍在去年就已进行相关探索，并于今年4月正式组建一级战略部门大模型部，其中自研的行业大模型奇富GPT，已经应用到获客、运营、风控、贷后服务等业务环节，以营销层面应用场景为例，从数据上来看，经过大模型陪练机器人的帮助，奇富科技的电销系统通话时长提升了15.1%。通话时长的拉升，意味着用户的对话体验有了明显改善。 　　业内认为，大模型在营销、客服、投顾、风控等领域具有广泛的应用价值，有助于金融机构提升服务效率及用户体验、优化风控决策能力、高效响应用户需求，实现金融机构经营效率及服务手段的升级转型。 　　中关村科金在推进大模型进度上，则分为内部研发和外部应用“两步并行”。对内加紧研发进度，对外则和合作方一同加快应用落地。 　　目前，中关村科金的大模型应用已有落地商用，其称通过大模型技术为智能客服产品赋能，大幅提升客服系统问答意图识别准确率和回复准确率，预期后期可减少70%以上的系统运营工作，帮助企业降本增效。 　　京东供应链金融科技也在近日首次揭示了大模型技术在数智化风控领域的探索情况。不同于其他的大模型，京东自研大模型未来的应用重点在于产业场景，包括在行业风险监测与预警、动产融资模式下押品准入+估值、应收融资模式下供应商信用评估、小微金融模式下中小企业信用评估等领域，均进行了相关的探索实践。 　　“幻觉”问题待解 　　业内认为，未来，大模型的运营有望有效降低金融机构运营成本，提高运行效率。不过大范围落地仍面临挑战。例如冰鉴科技研究院高级研究员王诗强指出，主要挑战就是数据问题，由于隐私保护、信息安全等，很多数据没有对外部共享，此外，市面上存在大量劣质数据，如果用来训练大模型，会让模型变笨，在通用大模型领域，该问题尤为严重。 　　马上消费金融CTO蒋宁同样提及到个性化要求和隐私保护之间的矛盾。金融行业一直希望通过人工智能来实现极致的用户体验，特别是个性化的体验，但这需要个人隐私数据与大模型技术相融合，这样带来的隐私数据保护问题，目前还很难有一个解决方案。 　　与此同时，大模型的训练机制决定其需要大量数据来构建增强学习、强化学习的网络，让多方共同打造一个平台，基于这一平台持续贡献数据与反馈，从而让AI实现技能的进化。但目前出于数据安全考量，行业内跨组织、跨机构的数据共享机制仍然需要持续性的探索。 　　除此之外，目前大模型驱动下的人工智能还不具备100%精准决策能力。由于金融行业的场景并非一成不变，因此面对不可预期的外界环境和突发意外情况，大模型并不能一如既往地给出稳定举措，而这，同样给金融机构在人工智能的技术应用提出了一大挑战。 　　中关村科金技术副总裁张杰则告诉北京商报记者，首先要解决大模型经常出现幻觉的问题，即一本正经地胡说八道。这就需要有一个领域的知识库，让大模型知道，被问到什么问题时要去知识库里找相关的知识。另外，训练领域大模型的时候，要防止训练过程中的遗忘问题。 　　“此外还有怎么能让用户更方便且低成本地使用它。无论是领域大模型还是领域知识库，或是提示词，都不是一蹴而就的，都需要持续反馈迭代，这就要让客户自己具备维护能力，工具层面要做好产品设计和工程化封装。” 张杰称。 　　奇富科技相关负责人则称，“就我们的观察来看，金融大模型在实际落地中，在风控场景下落地最难，因为风控的主场景是一个十分严谨的场景，容错率很低，而大模型当前的特性，会产生一些幻觉，从而导致理解上或者判断上产生一定的偏差，这在风控的主场景上是不能接受的。因此在风控场景下落地，我们主要切入一些需要由人工进行决策或判定的场景，以辅助人效提升，从而产生规模效果，进而影响最终业务提升”。 　　有机构探索对外输出 　　尽管多个难题待解，但在业内看来，大模型在金融领域仍有非常广泛的应用前景。 　　例如，针对后续布局，奇富科技相关负责人透露，金融行业是慎之又慎的一个行业，有着比其他行业更为严格的合规要求，需要金融机构的广泛认可和私有化部署方可大范围落地。对此，其对大模型的设想分为两个阶段。第一阶段是基于奇富GPT的金融行业大模型初步成型，再投射到各个业务角落，改善业务的各个环节。第二阶段则是金融大模型对外输出，赋能各类金融机构，同时分不同场景持续数据优化，服务于不同任务。 　　中关村科金则有另外一套“打法”，张杰称，“在金融领域大模型上，我们会考虑从容错性比较高的场景先入手，探索出知识助手作为一个最佳的切口点。最开始打造的是先面向企业员工赋能的知识助手的应用场景，未来其合规性得到验证和保障后，再与营销、客服、运营等系统连接，得以更广泛地应用”。 　　尽管多家企业布局，不过业内认为，目前金融行业大模型距离大范围落地还有较远距离。正如王诗强提到，大模型正在不断进化，垂直领域的大模型已经接近可以商业化。但是，一些企业由于研发经费有限，而训练大模型花费较高，预计会导致模型商业化有所推迟。他指出，企业开拓大模型要结合自身情况进行分析，选择应用场景。冰鉴科技推出的本立道生（Origin One）大模型，依托多年服务银行、保险客户的算法模型经验，正在智能客服、金融文档处理、国外投资产品分析方面发力。 　　易观分析金融行业高级咨询顾问苏筱芮同样称，金融大模型目前仍处于起步阶段，例如仍面临可信度挑战，大模型仍存在伦理、稳定性、准确性、安全性等问题；另外也有业务理解挑战，大模型基于通用知识库进行训练，进入到金融场景时还需加以更多理解；成本投入同样不可忽视，包括算力消耗、模型训练等，大模型应用成本仍较高。在她看来，对于机构来说，大模型是自身科技能力的一种体现，后续还需要测算自营布局及外部合作的投入产出比以及项目周期，切忌盲目跟风。 　　北京商报记者 刘四红 现在送您60元福利红包，直接提现不套路~~~快来参与活动吧！ 海量资讯、精准解读，尽在新浪财经APP 责任编辑：何松琳

在近日举办的2024数字产业链金融行业峰会上，与会嘉宾围绕人工智能（AI）技术如何服务产业链金融展开热议。国际数据公司（IDC）中国副总裁兼首席分析师武连峰表示，今年是AI大模型与金融行业结合落地的重要时间节点，金融行业不仅在数字化转型上走在前列，而且也最有资金实力和意愿投资前沿技术。 在IDC发布的《洞悉产业链六大趋势》中，其中一个趋势就是全金融深化嵌入，产业链金融将成为中小企业获得融资的主要路径。人工智能驱动的产业链金融，可以让产业链上更多“长尾”的小微企业被看见。大雁系统作为网商银行基于数字技术开发的产业链金融解决方案，于4月10日进行了升级，首次将AI大模型的能力应用于产业链金融。这一应用并非直接生成内容、与用户互动，而是在后台成为金融风控系统的助手，帮助金融机构识别小微企业。 据介绍，网商银行通过AI大模型已经搭建了包括汽车、医疗、建筑等在内的9条产业方向的142条产业链子链，识别超2100万家产业链上下游的小微企业。 小微企业在被看见之后，更需要被看清。AI大模型能够自动读取大量研报、研究产业，形成趋势判断，通过分析小微企业的各项经营数据，生成最适合它们的经营画像及信用评分。 为何要在产业链金融中引入AI大模型？想理解大模型应用的价值，首先需要理解产业链金融遇到的困境。浙江丞达新材料科技有限公司（以下简称“丞达”）的创始人潘弈丞表示，丞达是一家生产高温尼龙材料的企业，新材料研发时间长，需要资金投入，但是客户回款周期一般长达3个月。然而在金融机构眼中，丞达只是一家普通的小微企业，工商信息显示其从事机械制造，年营业额在1000万元左右。但是具体生产的是什么，以及最终产品去往哪里，金融机构并不清楚。因此，在没有品牌企业担保的情况下，丞达很难获得符合其经营需求的贷款额度。 不过如今，通过风控系统结合AI大模型构建的产业链图谱，金融机构可以发现拥有12项专利的丞达所生产的尼龙材料最终去到了知名汽车企业，成为保护连杆器核心电子器件的绝缘层。“几年前申请信贷服务时还需要抵押房产，现在我已经可以申请到纯信用贷款了。”潘弈丞说。 当身为国民经济“毛细血管”的小微企业能够规模化地获得便捷灵活的资金支持后，产业链的资金融通和运转效率也将大幅提升。以汽车产业链为例，网商银行大雁系统已经为超过100万家小微企业提供了信贷额度。获得金融服务的用户中，64%为首次获得纯信用贷款，近三成为科创型企业，且获得了更高额度的支持。 武连峰表示，在发展新质生产力的产业命题下，通过AI大模型构建产业链图谱和专家级的信用评分，让更好的金融服务流向产业链的“毛细血管”，这不失为以金融服务创新、更好服务实体经济、推动产业升级的有益探索。 （经济日报记者 勾明扬）