AI助手资讯

原标题：ChatGPT引爆AI新趋势：骆仁童老师为成都金融科技协会成员解析 近日，一场为期6小时的线下专题课程在成都某金融科技协会成功举行，聚焦于“从ChatGPT看AI人工智能的新趋势与应用实践”。该课程由知名专家骆仁童教授主讲，吸引了协会众多成员单位积极参与。 随着ChatGPT从聊天机器人华丽转身为高效工具，其应用热潮席卷全球，生动诠释了AI人工智能与数字经济深度融合的新阶段特征。如今，人工智能已无需赘言普及，其技术落地正逐步揭开新数字科技的神秘面纱。然而，如何实现人工智能的商业化路径，使之与产业应用无缝对接，仍是我们亟待攻克的难题。面对新一轮科技革命的汹涌浪潮，要在全球竞争中立于不败之地，我们必须深入探讨：人工智能如何驱动企业成长与行业发展？如何构建适应新时代的人才体系？企业应如何精准把握科技创新脉搏，紧跟行业变革步伐？ 此次讲座巧妙以ChatGPT的爆红现象为切入点，深度剖析人工智能领域的新趋势与商业应用场景。骆仁童教授详细解读了前沿技术如何交融互鉴，推动科技革新，并前瞻了人工智能将催生的新产业形态及对既有产业场景与消费场景的颠覆性变革。他强调，理解并掌握这些新趋势，对于协会会员单位紧抓商业机遇、顺应社会发展潮流至关重要。 参加课程的学员纷纷表示深受启发，认为讲座内容极具针对性与前瞻性，尤其是课程中列举的丰富案例，对他们在金融科技领域的实际工作提供了极具价值的参考与借鉴。他们期待未来能有更多类似活动，助力协会成员企业在人工智能新浪潮中找准定位，创新求变，共享AI带来的时代红利。 商道童言（Innovationcases）欢迎点赞和分享哦！~~ 免费电子书：结构化思维 | 荆棘商途 | 年度十词 |创新企业案例 | 区块链金融返回搜狐，查看更多 责任编辑：

原标题：性能超ChatGPT-3.5，专用金融分析的多模态大语言模型 不列颠哥伦比亚大学和Invertible AI的研究人员联合推出了一款用于金融分析的大语言模型FinTral。 FinTral不仅支持文本提示，还支持图表、图片的多模态专业金融分析，例如，用户只需输入某只股票近期的动态，FinTral就能介绍该公司相关背景,还能给出中短期内股价走势的详细预测报告。 为了评估FinTral的性能，研究人员使用了9个主要金融任务和25个数据集的广泛评测。结果显示，FinTral在金融领域的表现超过ChatGPT-3.5，有4项能力超过GPT-4，整体性能超过其他开源大模型。 论文地址：https://arxiv.org/abs/2402.10986 FinTral以知名开源大模型Mistral-7B为基础,并针对特定金融领域的内容进行了大规模预训练。研发团队收集来自各类权威金融机构、SEC文件、社交平台的新闻等2000亿tokens文本语料数据,经过筛选与清洗后构建了FinSet预训练语料库。 FinSet覆盖各类货币、证券、企业财报等专业术语,为模型注入丰富的金融知识。 同时,FinTral采用LoRA算法进行预训练,学习能力得以深入优化。以下是FinTral的特色功能。 多模态数据处理 FinTral通过多模态数据处理实现了多维度的文档理解。它可以处理文本、数字、表格和图像数据，这使得模型能够捕捉到金融领域中的各种信息，能更好地理解金融文档中的信息，提供更准确的分析和决策支持。 1）文本处理能力：包括公司的财务指标、经济数据和市场趋势等。该模块包括数值理解和数值推理两个关键组成部分。数值理解通过解析和解读文本中的数字数据，识别关键指标和数值之间的关系。 2）表格数据处理：可处理金融文档中的表格数据，如财务报表、市场数据表格等。该模块使用表格解析算法来提取和理解表格结构和内容，能够识别表头、行和列的标识符，并将表格数据转化为结构化的形式，以方便后续的分析和处理。 3）图像数据处理：可用于处理金融文档中的图像内容，例如，公司财报中的图表、趋势图等。该模块使用了CLIP视觉编码器，它是一种预训练的模型，能够将图像转化为向量表示。 通过将图像编码为向量，FinTral可以将图像数据与文本数据进行关联和综合分析。例如，可以分析财务报表中的趋势图，并结合文本数据进行相关性分析和预测。 为了进一步提高模型在金融领域的性能，对FinTral进行了指导微调，使其能够更好地适应金融文档的特点和需求，同时可以提高模型在金融分析任务中的准确性和效果。 FinTral使用了一种直接策略优化方法。通过与GPT-4生成的响应进行对齐，FinTral可以用直接策略优化的方法对模型进行训练，优化模型的生成能力和表达能力。这种方法可以提高模型在金融领域任务中的表现，并减少模型的幻觉现象。返回搜狐，查看更多 责任编辑：

作者：梁子 —“数据驱动，决策未来” –全域智能行业转型升级解决方案 导语：通过采用AI技术，金融机构可以提高市场竞争力，降低运营成本和交易风险，提高金融服务质量和效率。但也会面临数据隐私和安全性问题、技术普及和人才培养的挑战。 # 金融领域的AI技术应用 以下是算法交易深度核心分析 1. **数据收集与处理**：这是算法交易的基础。交易系统需要收集各种市场数据，包括股票价格、成交量、财务报表等。这些数据需要经过清洗和整理，确保其质量和完整性。 2. **数据分析与特征提取**：在收集和处理完数据后，接下来的一步就是进行深入的数据分析。数据分析师会找出数据中的规律和模式，并将其转化为可以被机器学习和模型所理解和利用的特征。 3. **模型选择与训练**：在这一层，我们会选择合适的机器学习模型或深度学习模型，如神经网络，用于对市场数据进行建模和预测。这些模型通常会使用历史数据进行训练，以学习市场中的规律和趋势。 4. **模型验证与调优**：训练好的模型需要进行验证，以评估其在未知数据上的表现。这通常包括交叉验证、测试集验证等方法。如果模型的性能不佳，我们还可以通过调整模型的参数、改变模型的架构等方式进行调优，以提高模型的性能。 5. **风险管理**：风险管理是算法交易中非常重要的一环。我们需要考虑市场风险、操作风险等各种风险，并制定相应的风险管理策略。比如，我们可以使用统计方法来评估交易策略的风险，并根据市场环境的变化来调整风险管理策略。 6. **交易执行**：这一层级涉及的是具体的交易执行过程。根据模型的预测结果和风险管理策略，交易系统会执行实际的交易操作，包括买入、卖出等。这个过程通常是由计算机自动执行的，以提高交易效率和准确性。 7. **持续学习**：算法交易是一个不断学习和优化的过程。我们需要根据实际交易的结果对模型和策略进行优化，并不断学习适应市场的变化。 通过以上详细的描述，我们可以看到，算法交易的核心在于利用AI技术进行数据分析和预测，提高交易效率和准确性，同时降低人为操作风险。这些步骤虽然复杂，但通过不断的学习和实践，我们可以逐渐掌握并优化算法交易策略。 ## 风险管理 风险管理是金融机构中非常重要的一部分，它涉及到如何有效地管理各种风险，以确保资产的安全和稳定增长。 AI技术被广泛应用于建立风险预警系统，实时监控市场变化和交易波动，以提高金融机构的应对能力。以下是风险管理的一些关键方面： 1. **AI技术用于建立风险预警系统**：AI技术可以通过数据分析和机器学习算法，识别和预测潜在的风险因素。系统可以实时监控市场数据、交易行为、客户信用状况等，一旦发现异常情况，就会发出警告，以便机构能够及时采取措施。 2. **实时监控市场变化和交易波动**：AI技术可以帮助金融机构实现实时监控市场变化和交易波动，从而更好地理解市场趋势和潜在风险。通过分析市场数据，机构可以制定更精确的交易策略，并实时调整以应对市场变化。 3. **提高金融机构的应对能力**：通过使用AI技术，金融机构可以提高应对市场变化和交易波动的能力。AI系统可以快速分析大量数据，并做出准确的预测，帮助机构做出更明智的决策。此外，AI系统还可以提高风险管理效率，减少人为错误和疏忽。 这些技术的应用可以帮助金融机构更好地管理风险，提高资产安全，并确保业务的稳定增长。然而，在使用AI技术进行风险管理时，还需要考虑数据安全、隐私保护、合规性等问题，以确保系统的可靠性和安全性。 ## 客户服务 客户服务在金融机构中扮演着关键的角色，通过个性化投资建议、精准营销策略和反欺诈系统的开发，可以提升客户满意度和保护客户利益。 以下是这些方面解析： 1. **个性化投资建议**：金融机构可以利用客户的交易历史、风险偏好、财务状况等信息，通过数据分析和机器学习技术，为客户提供个性化的投资建议。这种个性化建议可以帮助客户更好地管理自己的资产、实现财务目标，并提高他们的投资回报率。 2. **精准营销策略**：通过分析客户行为数据和偏好，金融机构可以制定精准的营销策略，针对性地向客户推送相关产品和服务信息，提高营销效果和客户参与度。这种个性化营销可以增加客户的忠诚度和满意度，促进业务增长。 3. **反欺诈系统的开发**：为了保护客户免受欺诈行为的伤害，金融机构需要开发反欺诈系统。这些系统利用AI技术和大数据分析，可以帮助机构识别并阻止潜在的欺诈行为，保护客户的资金和信息安全，维护金融市场的秩序和信誉。 通过个性化投资建议、精准营销策略和反欺诈系统的开发，金融机构可以提升客户服务质量，增强客户忠诚度，并建立可靠的市场声誉。这些措施旨在为客户提供更好的金融服务体验，同时保护客户的权益和利益，为金融机构的可持续发展奠定基础。 ##挑战 金融机构在面对挑战时，需要应对数据隐私和安全性问题、技术普及和人才培养，以及人机协同模式下的挑战。...

中央金融工作会议提出加快建设金融强国目标，指明了中国特色金融发展之路的前进方向。正如萨摩耶云科技集团创始人、董事长兼首席执行官林建明在《AIGC重塑金融》书中指出，科技是金融业数智化转型最大的驱动变量。站在AI科技革命和产业变革的关键节点，金融业应积极推动原始创新，以新质生产力赋能金融高质量发展。萨摩耶云科技集团坚持向“新”而行，深挖源头技术创新，旗下子公司自主研发“一种确定文本特征的方法及装置”专利，以务实行动助力推动金融高质量发展夯实金融强国建设基础。 深度挖掘文本特征，精准识别关键信息 在移动互联网时代，我们的生活、学习和工作中会产生海量非结构化文本数据，为了向用户提供更好服务，需要通过机器学习分类模型进行分析。首先要将非结构化数据进行结构化，以提取特征。通常采用分词和One-Hot编码来获取词向量，构建高维稀疏矩阵。然后使用分类算法对分词分类并进行筛选降维，得到特征向量。然而，分类准确性直接影响降维效果，若分词分类不明确，则无法有效降维，导致特征向量含有较多无效信息，影响模型训练效果。 “一种确定文本特征的方法及装置”，通过维度扩展与降维的结合提升了特征向量的信息含量，同时在降维过程中避免了分类需求，减少了分类精度对结果的影响，有效地保留了关键信息并去除了冗余，从而提高了模型的训练性能。 该方案在确定样本文本对应的分词集合、以及分词集合中每个分词的词向量后，基于预设的分词合并规则和分词集合包含的分词，确定分词组合，并根据各分词组合包含的分词的词向量，确定各分词组合的词向量。而后，计算分词组合之间的相关度和各分词组合的区分度。在分词组合中，找出不符合预设相关度条件且区分度高于第一预设阈值的目标分词组合。最后，根据确定的分词组合的词向量和目标分词组合的词向量，确定各样本文本的特征向量。 持续推动原始创新，服务金融高质量发展 这一专利的获得，不仅提升了萨摩耶云科技集团在金融科技领域的核心竞争力，也为其在AI决策智能和机器学习领域的发展开辟了新的道路。 萨摩耶云科技集团及时将专利技术融入金融云解决方案，该方案涵盖普惠金融领域智能营销获客、智能风险管理、智能客户运营和产品设计的全流程，以新质生产力为提高风险识别准确率，保障信息安全、防范金融风险发挥重要价值。 例如在信贷风控场景中，“一种确定文本特征的方法及装置”能够深度挖掘文本隐含信息，有助于金融机构捕捉更多风险细节。专利技术通过对文本数据进行分词，去除停用词如“的”、“是”、“在”等提高关键词的重要性，将词频进行编码转化为矩阵化表达如“可疑”、“钱”、“额度”，输入到机器学习模型中，利用逻辑回归、决策树或者随机森林等算法训练模型，来识别与违约行为相关的语言模式，根据模型结果评分进行信用风险评估。 某金融客服人员小张面对繁琐的客户需求，经常加班加点却难以高效处理。后来，公司引入了一项专利技术，该技术通过文本分析优化客户需求处理流程，帮助小张清晰提取需求文本关键词，工作效率大幅提升，客户满意度也显著提升。 在萨摩耶云科技集团金融云解决方案助力下，金融机构可基于最新深度学习技术和神经网络，自动提取海量文本数据的潜在特征，深度挖掘语义关系，提升文字处理质量和决策效率。深入解析语句结构关系，消除语义歧义，减少人工主观误差，提高模型精度，实现更有效的风险预警和管理。此外，基于对不同客户群体的语言模式分析进行细分客群，帮助决策者制定精细市场运营和产品设计策略，从而提升用户体验。 对萨摩耶云科技集团而言，继“一种云环境管理方法”专利获批后，再获发明专利，是官方给予其长期以来立足科技创新，不断提升底层技术厚度的认可。这不是终点，而是萨摩耶云科技集团不断推动原始创新，服务金融高质量发展的新起点。 （《AIGC重塑金融》购买链接： https://item.m.jd.com/product/14379028.html） 免责声明： 本平台发布或转载并注明自其它来源的文章内容，仅供交流学习参考之用，并不代表赞同其观点或证实其内容的真实性，不作为任何投资依据，如涉及版权问题或内容侵犯到您的权益，烦请即时告知，我们将立即纠正或删除。

新华财经北京1月24日电（记者沈寅飞）目前，国内外银行、保险、资管等金融机构应用生成式AI情况如何，金融业生成式AI有哪些创新能力、商业价值和政策期望？ 1月24日，由清华大学经济管理学院、度小满、《麻省理工科技评论》中国、清华大学经济管理学院动态竞争与创新战略研究中心联合编写的《2024年金融业生成式人工智能应用报告》（以下简称《报告》）正式发布，为国内金融机构应用生成式AI技术提供了指引。 业内人士指出，生成式AI正在席卷金融业，释放新的生产力，重构企业业务流程。今后在金融行业将会迎来规模化应用。 生成式AI正在形成新服务 重构企业业务流程 众所周知，应用生成式AI的聊天机器人能够在对话中理解上下文语境的复杂性，可能消除传统语音机器人不准确的响应缺陷，从而增强客户的参与度和信任度。 与此同时，大模型还可以分析来自各种来源的大量文本数据，为优化供应链管理提供可操作的建议；通过分析客户反馈、市场趋势和竞争对手数据来加强产品开发。 《报告》认为，生成式AI重新定义客户体验，正在形成新服务。生成式AI可以充当有价值的助手，提出实时响应建议并满足客户多样需求。还可以通过与RPA等其他技术协同创新，带来新制造。 “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。”度小满CTO许冬亮如是说。 《报告》提出，生成式AI正在席卷金融业，释放新的生产力，赋能银行数字化转型，以前所未有的方式重塑全球金融业的格局，一些创新的银行将从“采用技术的银行”迈向“最懂技术的银行”，并向“最懂银行的先进技术服务商”领域拓展，充分释放其高质量数据价值，有望给金融业带来3万亿规模的增量商业价值，并可能将彻底改变交易的进行、投资的管理和风险的评估方式。 生成式AI在金融行业初见成效 有望迎来规模化应用 业内人士认为，生成式AI技术在金融业中的应用尚处于技术探索和试点应用的并行期，预计1-2年内，首批大模型增强的金融机构会进入成熟应用期，3年后将会带动金融业生成式AI的规模化应用。 据介绍，在行业大模型层面，度小满、蚂蚁集团等金融科技公司先后发布了金融大模型。2023年5月，度小满开源了国内首个千亿级金融大模型“轩辕”，并获得了上百家金融机构申请试用。目前，大模型技术已经应用在度小满各个业务场景，从营销、客服、风控、办公再到研发，已经初见成效。在代码助手方面，用大模型辅助生成的代码，采纳率能够达到 42%，帮助公司整体研发效率提升了20%；在客服领域，大模型推动服务效率提升了 25%。在智能办公领域，大模型目前的意图识别准确率已达到 97%。 与此同时，我国银行业正在积极拥抱大模型。财报信息显示，已经有6家上市银行公开发布大模型技术开发与应用的信息。工商银行在国内同业率先实现百亿级基础大模型在知识运营助手、金融市场投研助手等多个场景应用；农业银行发布的ChatABC重点着眼于大模型在金融领域的知识理解能力、内容生成能力以及安全问答能力；平安银行探索自研BankGPT平台，研究构建大模型在个性化营销内容创作、交互式数据分析、非结构化数据洞察等场景中的应用落地；北京银行发布了AIB平台，打造运营助手、客服助手等7个问答机器人，同时推出“北银投顾 GPT”。 “2023年是基础大模型智能涌现的一年，2024年生成式AI将从模型层走向应用层。开拓落地应用场景，不断提高客户采用率和大模型的利用率，更好发挥大模型的潜在价值，将会是2024年生成式AI突破发展的重要内容”，报告的主要负责人、清华大学经济管理学院副院长李纪珍说。 编辑：幸骊莎 声明：新华财经为新华社承建的国家金融信息平台。任何情况下，本平台所发布的信息均不构成投资建议。如有问题，请联系客服：400-6123115

在我们迎来新的十年时刻，金融世界正处于一场前所未有的变革之中。这一变革的驱动力之一就是人工智能（AI）。从自动化交易到智能投资顾问，AI正在以惊人的速度改变着投资策略的面貌，同时也影响着整个金融市场的格局。那么，让我们一起来探讨一下，未来十年内，人工智能将如何重新定义金融投资的游戏规则。 1. 智能化投资决策： 传统投资决策往往依赖于人类的主观判断和经验，然而，这种方式往往受到情绪波动和认知偏差的影响。相比之下，基于人工智能的投资决策更加客观和理性。通过分析海量的数据和模式识别，AI能够更准确地识别市场趋势和风险，从而制定更为有效的投资策略。 2. 高频交易的崛起： 随着计算能力的不断提升和算法的日益成熟，高频交易已经成为金融市场的主要交易方式之一。在高频交易中，人工智能能够以毫秒级的速度执行交易，捕捉市场的微小波动。这种快速反应能力使得AI可以在市场变化时迅速调整投资组合，实现更高的收益。 3. 量化投资的普及： 量化投资是一种基于数学模型和统计学方法的投资策略，它能够通过系统化的方式识别和利用市场的非理性定价。人工智能的出现使得量化投资变得更加普及和高效。AI可以快速分析大量的市场数据，并根据预设的规则执行交易，从而降低了人为的错误和成本。 4. 个性化投资建议： 传统的投资顾问往往只能提供一般化的投资建议，而无法考虑到每个投资者的个性化需求和偏好。人工智能的出现改变了这一现状，AI可以根据投资者的风险偏好、投资目标和时间偏好等因素，为其量身定制投资方案，从而提高了投资的效率和满意度。 5. 风险管理的创新： 在金融投资中，风险管理是至关重要的一环。人工智能的强大计算能力和数据分析能力为风险管理带来了全新的可能性。通过实时监控市场风险和预测未来的风险事件，AI可以帮助投资者及时调整投资组合，降低投资风险，保障投资的安全性和稳定性。 随着人工智能技术的不断发展和应用，金融投资领域将迎来一场前所未有的变革。未来十年内，人工智能将成为金融投资的主角，重新定义投资策略和市场格局。而对于投资者来说，及时了解和应用人工智能技术，将是保持竞争力和获取更高收益的关键。让我们拥抱未来，共同见证人工智能给金融世界带来的无限可能！

随着金融行业的蓬勃发展，客户数量快速增长，金融行业涉及的业务领域不断拓展。在此背景下，AI技术在金融公司的各类交易、业务处理、客户服务等众多场景中将得到更加广泛深入的应用，比如量化交易、极速交易、精准推荐、人脸识别、视频质检、智能客服等等。 目前，金融行业在大模型训练与推理方面存在算力利用率不足的问题。虽然GPU资源池等计算技术已经得到了广泛应用，但是由于缺乏统一的管理和调度，GPU资源池的算力利用率仍然不高。同时，由于大模型训练与推理的计算复杂度较高，传统的计算方法已经无法满足需求，需要探索新的计算方法和技术。为了提高算力利用率，GPU资源池等计算技术逐渐成为金融行业中的重要基础设施。本次活动旨在探讨金融行业大模型落地场景和通过GPU资源池等提高算力利用率，提升大模型训练与推理效率，为金融行业的数字化转型提供有力支持。 核心探讨问题： 1. 大模型在金融行业有哪些应用场景、实践难点以及应用案例？ 2. 如何提高GPU资源池的算力利用率，提升大模型训练与推理的效率？ 3. 如何将GPU资源池等计算技术应用于金融行业的大模型训练与推理中，并评估效果？ 活动时间： 4月12日14:00-17:00 活动地址： 杭州市（具体地址会在您报名审核通过后通知） 报名方式： 1、如您希望参与本次活动，请将您的联系信息（姓名、单位、职务、手机、邮箱）发送邮件至yan.sun@twtgroup.com.cn 进行邮件报名，我们将在1个工作日内审核反馈； 2、点击阅读原文，在活动平台上直接点击报名，报名后我们会与您联系。 以上两种方式均可 支持企业： 时间安排13:30-14:00签到，会前交流14:00-14:20开场介绍14:20-14:50银行大模型应用场景探索与基础设施建设趋势与挑战分享14:50-15:30券商大模型基础架构规划与实践经验分享15:30-16:00NVIDIA 加速计算解决方案在大语言模型方向的端到端应用16:00-16:50互动交流16:50-17:00总结、领取礼品 主持人： 卢金晨 浙商证券 基础架构部工程师 软件工程硕士，软考认证信息系统架构师、软件设计师，2项专利及5项软著，曾参与省数字化改革专班，多年银行和券商IT从业经验，熟悉云计算领域IAAS及PAAS建设、web应用开发等。 分享嘉宾： 占可非 某股份制银行 科技部项目经理 负责行内各类NLP&CV项目的开发工作，目前正在着手大模型项目的规划以及落地工作。 唐登龙 某大型证券 信息技术部高级产品经理 长期深耕金融科技领域，负责多个智能化项目架构设计，在应用大模型、自然语言、智能语音、虚拟仿真等AI前沿技术赋能公司数字化财富管理转型方面，具有相关行业实践经验，多次参与并荣获金融创新奖项。 宋庆春 NVIDIA 网络亚太区高级总监 原Mellanox 亚太区技术总监、HPC和AI首席架构师、亚太区市场高级总监。负责NVIDIA InfiniBand 网络和以太网络产品及解决方案。 梁潇 NVIDIA 深度学习解决方案架构师  现任NVIDIA深度学习解决方案架构师，曾作为AI算法专家在工业Al、互联网金融领域有着多年深度学习算法经验，目前在NVIDIA专注于金融服务领域的GPU 解決方案。 席位有限，报名从速，点击阅读原文可报名↙↙↙

（北京）日前，百融金融信息服务股份有限公司（以下简称“百融金服”）与广东粤财金融云科技股份有限公司（以下简称“粤财金科”）签署“战略合作框架协议”，双方共同组建“普惠金融人工智能联合实验室”。通过在人工智能、大数据技术领域的深度合作，“实验室”会建起数字化人工智能金融新生态，为防范金融风险、金融普惠大众提供更具有价值的智能化金融服务。 人工智能时代，传统金融行业正面临深刻变革，通过新技术推动金融业智能化转型已是大势所趋。在这一背景之下，双方达成战略合作。合作主要分为三部分，其中，双方联手组建“普惠金融人工智能联合实验室”是合作中最重要的内容。 百融金服副总裁陈雷发言 “实验室”将聚焦于智能风控场景等领域，利用大数据和人工智能技术，进行颇具创新性和前瞻性的深度合作，以提升贷前、贷中、贷后的算法能力、风险识别能力以及风控预警能力，形成智能化、线上化、自动化智慧风控解决方案。具体而言，“普惠金融人工智能联合实验室”研究项目的应用方向主要包括四个方面。 粤财金科常务副总经理张为峰发言 首先，在反欺诈领域进行深度探索。“普惠金融人工智能联合实验室”将利用现有先进的人工智能和大数据技术，在欺诈识别上，通过运用深度学习、关系图谱来识别团伙型欺诈，为粤财金科实现跨行业、跨机构、跨客群的风险识别。 此外，双方将联合建模。目前，百融金服在信用评分研究领域不断寻求突破，在业内首次将深度学习和迁移学习方法用于信用评分，效果较传统机器学习方法提升30%，风险识别能力显著增强。“实验室“致力于将深度学习和迁移学习方法用于粤财控股的信用评分开发中，为粤财金科资产提供更牢固的安全保障。 在精准营销层面，粤财金科将基于双方标签数据，构建客制化机器学习预测模型，做到精准营销的同时实现风险可控。 百融金服普惠金融事业部总经理蒲克强 小微企业风险全息画像也是“普惠金融人工智能联合实验室”研究的重要方向之一。由于小微企业具备双重属性，对其的风险评估往往需要兼具企业实体（B）和企业主（C）。依据百融金服成熟的大数据应用技术经验和庞大的数据积累，“实验室”将整合产业的场景数据和行业数据，挖掘对中小微群体全新的C+B“主体信用+交易信用”风险画像。并依靠人工智能的识别手段技术，不断提升贷前、贷中、贷后的算法能力和风险识别能力，强化风控预警能力，形成智能化、线上化、自动化智慧风控解决方案。 除共同组建“普惠金融人工智能联合实验室”之外，双方还将进行产业供应链场景挖掘，进行线上化、场景化信贷产品设计。利用“业务的数据化”和“数据的业务化”双向手段，提升金融服务的效率与品质。在双方看来，“互联网+”的本质是传统产业的在线化、数据化，即“业务数据化”。通过整合供应链融资过程中的物流、商流、信息流、资金流，从而更为准确地判断和衡量借款企业实际还款能力，为解决金融核心业务中的风险定价提供支撑。与此同时，“数据业务化”也很重要。即如何将数据背后的信息，应用到实际操作中，发现市场需求。“实验室”将通过对各行业的深度解读，实现产业数据的金融化，在风控模型的设计和金融产品的打造上做到“量体裁衣”，助力金融机构提供专业化和定制化的金融服务。 粤财金科与百融金服已经开始就塑化产业的供应链场景展开合作，联合打造普惠金融风控体系对产业链上下游的中小微企业提供服务；还将与粤财控股旗下的粤财信托、广东再担保等机构合作，联合服务产业链上下游的中小微企业，助力普惠金融。 此外，双方还将在培训与技术交流领域进行深度合作，搭建业务专家和技术骨干交流合作平台，共同促进大数据以及人工智能科技成果的产品化。 百融金服CEO张韶峰表示 ，百融金服的企业理念是：让金融普惠大众，公司致力于在普惠金融领域实现三个目标，即：构建、连接和赋能，助力实体经济发展。目前，百融金服正在构建“产业+科技+金融”的生态圈，通过业界领先的”C+B”金融科技平台搭起普惠金融供需两端桥梁；并通过数据赋能、资产化赋能、平台赋能，把资产、资金进行有效地连接，实现赋能。 粤财金科常务副总经理张为峰表示，金融科技板块对于粤财集团的战略发展具有极其重要的意义。目前，粤财金科正在不断加快在云计算、移动互联网、大数据、人工智能等领域的布局，强化金融产品和金融服务的创新，持续改善用户体验，致力于打造广东省金融领域的行业云平台，促进金融与科技能力的融合，为用户提供全方位、体验式综合金融服务。“普惠金融人工智能联合实验室“的建立，将助力粤财金科打造丰富多样的新金融生态圈。 在业界看来，粤财金科与百融金服共同组建“普惠金融人工智能联合实验室“，意义深远。 首先，标志着人工智能、大数据技术在金融服务领域，已经进入产业化合作“深水区”。依靠头部企业的强强联手，数字化人工智能金融新生态将逐步形成，为防范金融风险、金融普惠大众提供更具有价值的智能化金融服务。人工智能与大数据技术的结合，会在普惠金融的四个阶段——精准获客、新客户申请准入、客户经营管理和催收方面，显示出更高质量的应用效果。有预测称，通过深度学习的算法和人工智能技术，至少可以代替80%的人工工作。 此外，“普惠金融人工智能联合实验室“的建立，意味着普惠金融将通过金融科技的助力，驶入“快行道”。在业界看来，普惠金融的客群主要是小微企业、中低收入的城镇人口和三农，受众面信用记录基本缺失，受教育程度参差不齐，收入也不稳定；从产品来看，普惠金融的产品生命周期通常较短，额度也较小，要求利率很低，且没有可以抵押的资产。而传统金融机构通常服务于大企业、大公司，客户数量少，额度比较大，基本上靠人工服务就可以。但在开展普惠金融时，通常遇到的是客户数量巨大、额度较小、利率受限的状况，传统银行的作业方式较难适应。通过金融科技助力，获客渠道和服务渠道将更加互联网化；风控手段也更为大数据化和人工智能化，这些都有利于普惠金融快速发展。 服务于小微企业、双创、扶贫、三农等领域的普惠金融，是建设现代化经济体系、推动经济高质量发展的重要基础，是扩大就业、改善民生的重要支撑。自2011年起，国家相继出台一系列针对中小微企业的支持与扶持政策，以实现中小微企业健康、良好发展。在一系列政策的指引下，发展并服务于惠普金融，体现了金融机构服务社会、服务民生的责任与担当。粤财金科与百融金服联手成立的“普惠金融人工智能联合实验室”，将为提升惠普金融的技术研发水平、服务的品质和效率，树立新的行业标杆。惠及民众，远见未来。