AI助手资讯_Page 69

AI律师助手

全球首部AI全面监管法规即将生效，影响如何|律师解读

当地时间5月21日，欧洲理事会将正式批准欧盟《人工智能法案》，该法案基于风险分类，将AI系统划分为四类，即不可接受风险、高风险、有限风险和极低风险。全球首部人工智能（AI）领域全面监管法规即将生效。欧洲理事会官网显示，当地时间5月21日，该机构将正式批准欧盟《人工智能法案》（下称《AI法案》）。该法案基于风险分类，将AI系统划分为四类，即不可接受风险、高风险、有限风险和极低风险，并针对不同风险类别采取了相应监管策略。随后，《AI法案》将在欧盟官方公报上公布二十天后生效，法案内容将分阶段适用。具体来说，法案中规定禁止的做法将在生效6个月后适用；通用型人工智能（GPAI）的相关义务和规则将在生效12个月后适用；法案生效24个月后，该法案完全适用，但一些高风险AI系统的规则将在生效后36个月适用。在国际上，欧盟一直希望能在数字监管领域抢跑。然而，随着AI技术的发展突破日新月异，如何避免法规和技术的发展出现“错位”？在数字经济领域，欧盟近年来已经推出了《通用数据保护条例》（GDPR）、《数字服务法案》、《数字市场法案》，这是否会给企业造成合规责任不清晰的问题，又该如何应对？北京金杜律师事务所合伙人吴涵律师在网络安全和数据合规领域有多年执业经验，他在接受第一财经记者专访时表示，在数字立法上，欧盟常以事前监管为重点，构建涵盖事前、事中和事后的全链条监管体系。吴涵认为，《AI法案》采用的“以风险为进路”的管理方法可以看作一种初级灵活管理框架，在医疗、金融、自动驾驶等其他领域立法也是常见的监管方案。 “权宜之计” 第一财经：《AI法案》以风险为导向进行分级管理，怎么评价这种管理思路？欧盟内部对此的立场是否统一？吴涵：我理解以风险为导向的分级管理，通常是对于新生技术/应用缺乏进一步有效管理措施的“权宜之计”。在这一套机制下具体的风险分级标准和AI系统类目，也是其漫长立法进程中摩擦不断的原因之一。一方面，有欧盟专家痛批《AI法案》为“充斥着对行业游说的让步，对执法和移民当局最危险的AI使用的豁免”。欧洲数据保护委员会（EDPB）和欧洲数据保护监督员（EDPS）也曾指出，《AI法案》的高风险AI清单存在遗漏，没有涵盖使用AI确定保费或者评估医疗方法适用于健康研究目的等场景。另一方面，对于AI企业和具备AI发展战略的欧盟成员国而言，尤其是法国、德国和意大利来说，对于《AI法案》过度、提前监管的态势颇有微词。在2023年底，法国、德国和意大利曾对《AI法案》提出明确的反对意见，包括反对并提出对于通用模型的两层风险分级方法，即以是否为具备“系统性风险”的通用模型来设定合规义务的方法的替代方案。由此可以看到，这一管理思路的弊病也许就在于“两头不讨好”。这种具体立法的功能性危机，可能不仅是《AI法案》，而是人工智能时代乃至技术时代立法需要不断直面的“技术局限”。值得注意的是，这种局限性是所有对于新技术监管的局限性，在AI领域尤其明显，因为它应用过于广泛，且对于对齐等问题还未有更深入研究，但部分风险已经发生，必须边管理边观察补充。所以风险分类分级是在局限性中当前既能管理风险又避免“一刀切”的领先思路。当然，参考GDPR实施至今的经验教训，《AI法案》从对AI乃至AI“操纵”等涉及较重合规义务的高风险人工智能相关定义的语焉不详，以及对应义务的模糊表述可能也会损伤其法律确定性，导致新应用、新技术企业在无法明确自身义务边界的情况下面临合规难题。即便《AI法案》自身已有一定机制来保证其灵活性，考虑到分阶段生效的漫长周期，落地执行时的效能也还有待进一步观察。第一财经：《AI法案》是否有机制确保自身跟上AI技术和应用场景的迅速迭代？吴涵：《AI法案》在序言中提到，为了对AI系统采取有效、成比例的约束规则，应当遵循“以风险为进路”的方法，即根据AI系统可能产生的风险范围与风险程度，调整对AI系统的具体监管规则。结合《AI法案》现有规定，可以看出，欧盟在立法时的确作出了一定程度上的努力，以便法案规定的监管规则具有相应的灵活性，适应AI技术的发展。比如说，充分考虑AI技术发展快、专业性强的特点，《AI法案》授权欧盟委员会每年度评估禁止使用的AI系统目录是否需要修订。同时，欧盟委员会还需在《AI法案》生效后的四年内对法案本身例如高风险AI系统清单进行评估和审查，并于此后每四年评估和审查一次，最终向欧洲议会和欧盟理事会报告。同时，在通用AI模型方面，《AI法案》依据设置的每秒执行的浮点运算次数（FLOPs，被广泛用来评估处理器或系统的计算能力）阈值，将通用AI模型进一步区分为具有系统性风险的通用AI模型。而FLOPs阈值的参数并非绝对不变的，而是随着时间的推移、技术的革新而变化。此外，欧盟还新设了人工智能办公室，在促进《AI法案》的统一适用外，还重点监测由通用AI模型产生的不可预见的风险，从而为及时应对新生风险留出一定的空间。然而，考虑到《AI法案》还未正式生效，相关机制保障《AI法案》快速适应AI技术和应用场景迅速迭代的效果有待后续实践的观察。企业合规方面是否会遇到“麻烦” 第一财经：欧盟治理数字经济的法案很多，是否可能出现“意大利面碗”现象？比如，同时适用AI Act和GDPR但合规责任不清晰，这种情况是否多发？吴涵：《AI法案》并不是空中楼阁，想要与正在制定中的以及既存的欧盟数字经济法案取得协调不会是易事，其中可能涉及规范重叠、空白和不一致性等诸多问题。举例而言，欧盟《数字市场法案》的“守门人”相关制度条款均正好也已于2024年3月生效，欧盟委员会首次指定的六家“守门人”企业，Alphabet、亚马逊、苹果、字节跳动、META和微软需要尽快确保被指定的核心平台服务符合“守门人”相关要求。不难发现，这些企业几乎也都是AI市场的领头羊，因此他们会如何处理欧盟数字《市场法案》与《AI法案》的交叉竞合会是很棘手但也很有意思的问题。例如，欧盟《数字市场法案》规定“守门人”应根据企业用户及其授权第三方的要求，免费向其提供对于包括个人数据在内的汇总和非汇总数据的有效、高质量、持续和实时地访问和使用服务。考虑到《AI法案》和欧盟《数字市场法案》对于数据集、数据库等概念的定义并不一致，欧盟《数字市场法案》也并未就此为AI提供特殊规则。这意味着，守门人需要思考将用户数据用于AI训练时，如何做好数据隔离等措施来保障自身对于训练数据集的权益，并同时满足法律要求。第一财经：高风险AI系统的主要监管制度下，《AI法案》指出了在AI供应链的相关责任主体，但其中是否存在责任界定不清晰的问题？吴涵：首先从责任主体和行政责任来讲，针对高风险AI系统的上下游供应链，欧盟《AI法案》已初步构建起围绕AI系统提供者、分销者、进口者等相关主体的价值链，明确了提供者以外的利益相关主体对于高风险AI系统投放市场、投入使用应承担的合规义务。同时，《AI法案》第99条也已就相关主体违反法案规定的行为，设置了最高1500万欧元或上一财政年度全球营业总额3%的罚款。然而，就包含高风险AI系统、通用AI系统在内的AI系统所造成的实际损害责任分配机制而言，即AI系统价值链中的各方参与主体如何就损害分配，相应的法律责任仍然处于模糊不清的状态。例如，某个企业通过某高风险AI系统向用户提供服务，但这一系统是基于某通用AI模型提供者提供的AI模型生成的。如果该系统主要由提供者输入数据进行优化，企业仅能输入有限数量的数据对系统进行训练，当最终该AI系统生成的内容对用户造成了实际损害，该企业是否需就相关损害独立承担责任、企业是否能要求通用AI模型提供者共同承担责任？如企业和通用AI模型提供者需共同对损害承担法律责任，则双方各自需在多大程度上承担责任？考虑到通用AI模型复杂的上下游应用关系，其中一方责任主体是否能在满足特定情形时免除责任？如一方主体的责任有可能被豁免，需满足何种条件方可触发豁免？前述问题均能体现，目前欧盟《AI法案》的责任分配机制存在一定的不确定性，更为具体的责任分配规则可能有待欧盟相关监管部门在后续的个案执法中予以体现。此外，还有一种观点认为，《AI法案》对AI系统相关主体责任分配机制的留白是欧盟AI监管立法的“有意为之”。考虑到AI技术更迭、发展迅猛的特点，结合AI系统自主学习而可能引发的“算法黑箱”等问题，在对未来AI系统的应用场景、可预期作用目标、可能给社会、公民造成的权益损害等均具备一定程度不确定性的现阶段，保留责任分配机制的适当模糊性可能有助于欧盟的AI监管部门在个案中调整责任分配策略，始终实现维护个人健康、安全等基本权利的最终目标，同时避免部分企业在明确清晰的责任分配框架下通过调整业务模式等方式转移其本应承担的法律责任。

5 months前 0

AI医师助手

运动健康遇上AI，维塑科技夸父大模型解码人体健康奥秘

当人们对健康的关注开始由被动变主动，维塑科技的做法是顺势而为，借助高科技帮助人们正确认识身体、管理身体，步入健康生活轨道。提到维塑科技，喜欢运动的人应该再熟悉不过，这家企业从2009年开始围绕三维重建和动态分析展开研究，2015年完成国内首个人体瞬时扫描仪原型机研发，2017年推出全球首个全维度3D智能体侧专家产品，2022年发布智能动态体能评估与运动训练一体机，2023年又推出维塑3D智能体测镜…… 回顾过去，在维塑科技高科技产品快速迭代背后，其核心驱动力其实并不单纯是硬件设计，而是整体的AI数字化健康解决方案。维塑科技所有产品均以自主研发的Body++人体数字健康技术矩阵为核心，以行业知识图谱构建的AI大模型为底座，围绕着塑形美态、运动表现以及康复医疗三大领域为客户提供服务。夸父大模型构建之初随着信息技术的不断发展，人类在运动健康的个性化、数字化和智能化的探索由来已久，维塑科技更是从企业诞生之初开始，就把AI技术作为企业的核心竞争力。只不过，当生成式AI的发展如火如荼，维塑科技是如何进一步推动相关平台和服务建设，让健康评估、预测和疾病预防变得更精准、更贴近用户服务的呢？ ▲维塑科技CTO 褚智威 “基于亚马逊云科技的生成式AI技术，结合对运动健康领域的深度理解和建模，维塑科技打造了运动健康领域首个采用生成式AI技术的人工智能大模型——夸父大模型，具备专业知识问答、用户方案定制、课程规划等能力。” 维塑科技CTO褚智威在媒体采访中表示，夸父大模型帮助康复师、教练员、专业医师能够从越来越繁复、维度越来越多的检测数据解读中解放出来，把精力更多放在人身上，专注于人的康复和运动训练等。褚智威介绍道，维塑科技能够始终保持业界领先，其独门绝技别无其他，只是因为拥抱了最前沿的AI技术。至于，企业在生成式AI技术创新中，为什么一定要选择亚马逊云科技进行合作？理由非常充分——只有强强联合，才能以最快的速度占有市场！构建运动健康领域大模型，看上去非常简单，只是引入了一个AI助手，但在实际业务场景中，其实有着非常强的行业属性。大模型要想真正被用户认可，必须具备科学正确、安全性高、逼近真人的强逻辑性、理解力高、内容完整不断章取义等能力，同时要涵盖运动健康领域的所有知识，每个答案都可校验、有参考文献支持，保证用户在实际应用中的科学性。具体而言，维塑科技在生成式AI技术创新中，主要面临以下三大挑战：1）准确性与专业性：即如何确保AI在健康领域的输出既准确又符合专业标准，避免误导性决策和非专业建议；2）响应速度和算力资源：实时应用对响应速度、模型算力需较高，需要更好地平衡成本与效率问题；3）快速的开发构建：如何缩短项目从概念到实施的周期，简化开发流程，降低技术门槛，也是企业必须要面对的一大难题。方法总比困难多，就像企业生产汽车是一个道理，优秀的汽车产品并不是从轮子开始独自设计。在奔向大模型的新征程中，维塑科技坚定地选择与亚马逊云科技进行合作，推动自身实现AI转型。亚马逊云科技拥有丰富、安全、负责任的生成式AI产品，对于企业基于底层生成式AI能力构建AI应用非常重要。另外，亚马逊云科技有广泛全面的数据管理、集成和治理能力，使得企业能够更快速、更灵活地开发、部署和管理云原生应用。更重要的是，亚马逊云科技有遍布全球的、稳定的基础设施，有丰富的专家技术支持，可以保障业务的连续性和安全性，这一点对于应用的快速出海非常重要。维塑科技在夸父大模型设计、上线部署过程中，都获得了全程支持。人体健康技术原理揭秘把运动健康和高科技紧密结合，维塑科技的AI数字化健康解决方案，在全球人体数字化领域处于领先地位。维塑科技拥有相关专利达到173项，与各大高校都有深度合作，曾经合作过的单位包括清华大学、西安电子科技大学、西安交通大学，还有上海师范大学，覆盖了在上海、成都、西安等的专业的体育类院校。维塑科技属于国家级高新企业、知识产权优势企业，旗下所属医疗产品，已有二类医疗器械注册认证；通过了ISO 9001、 ISO13485 等专业评估认证；已连续五年承担了省市级的重点研发项目；该公司也是“人体三维扫描”国家标准起草单位之一。前文提到的夸父大模型，已取得初步成果。最新推出的首款产品AI教练助手，在国内有权限开通的用户中，开通率已经高达90%，复用率达到50%以上。在大模型构建过程中，维塑科技使用了Amazon SageMaker。褚智威强调，Amazon SageMaker提供的是人工智能的一整套的工具链，不光有大语言模型算法，还有一般的人工智能算法、图像模式识别算法等，夸父大模型的部署和训练都是在Amazon SageMaker上完成的。 Amazon SageMaker拥有完全托管的机器学习服务能力，可以在单个工具集中提供用于机器学习的所有组件，并支持多个领先的深度学习框架，让维塑科技能够以更低的成本、在更短的时间内将模型投入生产，实现机器学习模型的快速构建、训练、微调与部署，确保输出符合专业标准，为实时或批量体测数据生成精准解读与预测。想象一下，在繁忙的工作中，教练或康复师不仅要关注客户的身体状况，还要花费大量时间解读各种复杂的健康报告。现在，有了生成式AI技术的加持，这些繁琐的数据解读工作将变得轻而易举。AI技术能够自动分析设备输出的海量数据，快速理解报告内容，从而节省教练或康复师的大量时间。更重要的是，AI技术的理解能力甚至超过了许多专业人士，它能够帮助教练或康复师更深入地理解客户的需求，制定出更加精准、个性化的健身或康复计划。这样一来，教练或康复师就能将更多的精力投入到与客户的互动中，真正关注客户的健康提升，而不是被数据解读所困扰。除了助力教练或康复师，生成式AI技术还为我们带来了更多运动健康领域的新场景。随着人们健康意识的不断提高，传统的健身房已经无法满足越来越多人的需求。而生成式AI技术的出现，为我们打开了全新的可能性。无人健身房、虚拟健身社区、虚拟健身社群等创新模式正在逐渐落地，它们将为我们带来更加便捷、高效的健身体验。除了夸父大模型之外，借助亚马逊云科技的技术底座，维塑科技构建了很多解决方案。“依托Amazon Bedrock自带的快速构建能力以及RAG检索增强生成能力，我们打造了AI助手；基于Amazon Bedrock的能力，我们也在内部打造了会议准备系统，使用AI理解会议资料、提前对潜在问题进行准备，大幅度地压缩了会议时间，也可以让会议重点集中在有分歧的地方，提升了会议效率。”褚智威表示，Amazon Bedrock的使用在今年才刚刚开始，未来还有更广阔的场景在探索。至于，Amazon Bedrock使用体验如何？褚智威表示，总体感觉是Amazon Bedrock更像是一个大模型广场，提供了很多现成的解决方案，有开源的，有专用的，用户只需轻松调用，即可快速搭建和构建应用。写在最后：生命是一场长跑，沿途有胜利的欢呼，也会有挫折的磨砺，但只要有“健康”这张王牌在手，我们便能在生活的“牌桌”上持续鏖战，随时迎来人生的转机。这种对健康生活的不懈追求，已成为现代人的一种新风尚，也是维塑科技这样的企业能够高速发展的源动力，而有了生成式AI技术的加持，人类拥抱更加健康、美好的生活状态，将不再遥远。放眼未来，生成式AI技术在运动健康领域的应用前景无限广阔，它不仅能够助力教练或康复师更专注于核心目标，还能为我们带来更多创新、有趣的健身体验。返回搜狐，查看更多责任编辑：

5 months前 0

AI金融助手

一文看懂金融大模型热闹背后的真相

“千模大战”背后的数据之争。 21世纪经济报道作者 |李览青周炎炎新媒体编辑 |赖睿颖过去的世界人工智能大会（WAIC）上，各家厂商AI大模型“大秀肌肉”。在“千模大战”的硝烟背后，大众普遍关心的话题是，谁将历经千帆成为中国版OpenAI？ “大模型的迭代是一场‘暴力’填数据、拔规模而造就的‘美学盛宴’。”中金公司研究团队在近日发布的“AI浪潮之巅”系列报告中如是说。尽管作为推动AI大模型发展的“三驾马车”，数据、算力、算法都关系着大模型技术商业化落地的成败，但从多位接受21世纪经济报道记者采访的业内人士看来，在“抢芯片”之外，决定大模型质量和商业化落地的核心要素是数据。对于既要安全又要发展的金融业而言，在数据共享尚不充分的大模型起步阶段，更需要建立开放的行业生态。大模型时代的数据之痛金融行业对模型并不陌生，机器学习也不是新鲜词。一直以来，在智能营销、智能风控、智能投研、智能客服等领域，基于机器学习驱动的建模能力都是金融机构数智化转型的基础。“大模型”是大型语言模型的简称，机器用大规模语料库数据进行训练，通过算法从数据中学习如何完成任务，参数规模大、数学公式复杂。从AlphaGo到ChatGPT，如今机器已经可以在开放系统下实现自我学习与持续反馈。与过去相比，当下的大模型时代对算力、算法、数据的需求已然改变。 “今天的AI体系是强依赖数据的，是数据驱动的智能体系。”蚂蚁集团副总裁兼首席技术安全官韦韬表示。 “这次OpenAI为我们带来的最重要的技术并不是几千亿的参数，而是基于数据的反馈，让这个系统在持续强化学习下越来越聪明。”马上消费金融CIO蒋宁告诉记者，即使大模型具备优秀的算法，如果没有高质量数据集的训练，就像失去学习能力的博士生，会逐步失去竞争力。然而，目前“千模竞帆”背后是国内各厂商的数据生态割裂。 “目前在通用大模型建设过程中，一方面当前中文高质量数据有限，另一方面中国移动互联网生态与互联网生态处于割裂情况。”蒋宁告诉记者。上海数据交易所副总经理韦志林在接受21世纪经济报道记者采访时指出，大模型之所以强大，能够不断地迭代，都依赖于算力算法以及最重要的数据。“在‘三驾马车’中，数据是最核心、最长远、最基础的要素，它每天都在产生，应用场景非常丰富。”从其与大模型企业沟通的情况来看，相较全球语料库建设，国内语料库供给需要进一步提升，语料库的质量、标准、多样性都有所欠缺。 “大模型技术出现后，数据供应的过程中还遇到四方面问题。”中国电子副总经理陆志鹏提到，一是缺少合规确权的机制，目前国内面临的问题就是数据的有效供给不足。很多企业都在做语料库，但数据都非常有限，而且可能面临着统一标准的问题；二是缺少数据的计量估价机制；三是缺少协调分配；四是缺少安全隐私保护机制。 “我们国家的数据生产量全球排名在第二名，但是分散在各个行业、各个组织中，整体的数据是分开的。但大模型所需要是将数据进行物理归集，在短时间内基于一定的算力与算法进行预训练。”韦志林提到，国内各大主流厂商都推出了基于己方已有数据的大模型，但由于数据分散、丰富度不足、质量参差不齐等原因，各个大模型都存在一定的局限性。 “数据已经成为重要的生产要素，当数据开放共享的安全与收益分配机制还不完善，具有大量数据的头部大厂开放高质量数据集的意愿不足，所以其主要将数据价值创新服务于企业内部，而没有拿出去的动力。”韦志林表示。金融业的垂直大模型解法通用大模型激战正酣，金融业的大模型运用则主要在行业垂直模型领域。今年3月，彭博针对金融业推出大型语言模型BloombergGPT，引发市场对金融垂直领域大模型的关注。在国内，今年5月，星环科技推出了第一款面向金融量化领域的生成式大语言模型“无涯Infinity”，度小满开源国内首个千亿参数金融大模型“轩辕”，今年6月，恒生电子发布金融行业大模型LightGPT，并宣布将于9月底正式开放试用接口。多位受访对象向21世纪经济报道记者表示，目前金融业的大模型运用主要在工具层与应用层，无论是技术服务商还是金融机构，都在“量力而为”。 “我们以后不会再开发其他领域的模型，每个行业都有自己的行业壁垒。”星环科技CEO孙元浩在接受记者采访时提到，公司的主要战略是提供大模型（LLMOps）的工具链，帮助金融机构训练自己的大模型。“基础大模型与应用之间的鸿沟实在是太大了，我们不可能用一家公司去做每个行业的大模型。和过去相比，大模型主要有2个方面需要改造，一是高达上千亿的模型参数，需要算力支持，需要分布式、高可扩展的调度框架，二是巨量的高质量语料训练。”孙元浩表示，在过去服务于证券行业时，有二十万个已完成标注的语料，也开发了量化因子，使得其训练的模型基于量化策略可以直接用来做示范交易。对金融机构内部来说，垂直领域的大模型更类似于“个性化小助手”与业务流程优化助手。众安保险首席技术官蒋纪匀告诉记者，大模型在保险业的落地，需要关注大模型在保险专业领域的知识增强，在合规安全的前提下，对接口调校和限制也有更高要求。因此众安自主研发了AIGC中台灵犀，通过适配如GPT、通义千问、文心一言等国内外主流大模型，灵犀可以帮助保险机构更好适配AIGC能力，允许机构用户，在大模型内嵌入行业专业领域知识库，实现AIGC在保险垂直领域的应用快速适配。 “谈论大模型技术在金融核心业务场景下的应用为时尚早。”萨摩耶云创始人兼董事长林建明在接受21世纪经济报道记者专访时提到，金融业对于算法可解释性与可信度要求极高，AI仍处于“前牛顿时代”，人类还没有搞懂基本原理，目前萨摩耶云对语言生成模型的应用主要集中在结合个性化推荐、用户画像等，解决线上线下协同过程中的自动化断点问题。行业拥抱生态互通当通用大模型走向金融行业落地，割裂的数据生态使越来越多的机构拥抱合作互通。就在7月10日，中国证监会科技监管局局长姚前刊文《关于大模型生态建设的若干思考》。姚前指出，在具体应用落地的过程中，GPT类大模型还会面临一系列挑战。一是如何确保训练数据的数量与质量。一般而言，大模型的训练语料为来自于多个领域的通用语料，而专业语料的收集通常比较耗时费力，同时也存在隐私问题，由此导致大模型在具体的个别应用领域可能出现专业性不足的情况。二是如何降低大模型的运行和维护成本。大模型需要巨大的算力支持和严格的数据治理，普通的机构和应用部门往往难以支撑大模型的运行以及迭代升级工作。为此，需要建立一个各类模型健康交互和协同进化的生态，以保证大模型相关人工智能产业可以在各个应用领域成功落地。目前金融机构与通用大模型厂商的合作正在加速。在世界人工智能大会上，交通银行与华为、腾讯云、科大讯飞宣布共建3个联合创新实验室，分别聚焦大模型在金融领域的应用与创新、增强网络空间安全防御能力、研究认知模型在金融领域的应用。针对目前金融数据开放依然不充分的问题，科大讯飞总裁吴晓如在接受21世纪经济报道记者采访时表示，其在合作中的做法分为两步，第一步是无监督训练，把大量公开数据和素材放进模型，帮助金融机构训练基础模型；如果金融机构需要模型针对行业做精细化调整，其并不需要太大算力，科大讯飞将在联合创新实验室中为金融机构提供工具，让其自己做调试优化。往期荐读蚂蚁集团整改完成：被罚71.23亿元，估值下降40%；阿里考虑回购蚂蚁股份；中信消费金融回应股权变更《私募投资基金监督管理条例》自9月1日起施行；首只强制退市可转债进入退市整理期；6月制造业PMI指数低位反弹丨大资管一周情报人保资产袁新良：新一轮库存上行周期预计将在下半年开启经济复苏斜率有望抬升丨对话资管30人

5 months前 0

AI金融助手

探路大模型，解码金融典范和互联网大厂的智能运维再进化丨XCOPS广州站门票开售啦！

智能运维AIOps这一概念自2016年首次由Gartner提出，至今已过去近8个年头，显然今天的智能运维已从概念走向了实践，但目前的应用场景仍非常有限。在此困局下，大模型的出现成为了智能运维的发展突破口，是智能运维从预测转向决策的重要抓手。为此，2024 XCOPS智能运维管理人年会定档5月24日在广州举办，将带大家一起探究大模型、AI Agent等新兴技术如何落地于运维领域，赋能企业智能运维水平提升，构建全面运维自治能力。 2024 XCOPS 智能运维管理人年会-广州站时间 2024年5月24日地点广州阳光酒店 · 一楼国际会议中心【地址】广州市天河区黄埔大道中199号组织单位【指导单位】上海市软件行业协会、上海市计算机行业协会【主办单位】dbaplus社群主题设置本次大会将聚焦于大模型、AI Agent等新兴技术推动及融合之下，运维与数据库两大领域的发展趋势和创新应用，主要涵盖以下关注点：运维：大模型与智能运维的结合生成式AI对金融数字化转型的赋能面向云原生的智能运维及稳定性建设上云下云的抉择与治理策略数据库： AI4DB推动下的数据库再进化核心系统信创改造的突破图数据库、向量数据库的异军突起各类数据库运维任务提效的通用钥匙演讲嘉宾 (剧透) 姜春宇中国信息通信研究院云大所大数据与智能化部主任中国通信标准化协会大数据技术标准推进委员会主席李龙众安保险基础技术部总经理魏政刚平安人寿科技总监郑新亮京东科技智能运维团队技术负责人...

5 months前 1

AI金融助手

人工智能（AI）在金融行业的应用

人工智能（AI）技术在金融行业的应用日益广泛，为金融机构提供了更高效、更智能的解决方案。以下和大家分享AI在金融行业的一些主要应用，希望对大家有所帮助。北京木奇移动技术有限公司，专业的软件外包开发公司，欢迎交流合作。 1. 风险评估和信贷评分：AI技术可以帮助金融机构更准确地评估客户的信用风险。通过分析大量的数据，如客户的信用记录、交易记录和社交媒体活动，AI系统可以生成更准确的信贷评分，从而降低违约风险。 2. 欺诈检测和防范：AI技术可以帮助金融机构识别和预防欺诈行为。通过实时分析交易数据，AI系统可以检测到异常交易行为，从而及时采取措施防范欺诈风险。 3. 智能投顾和资产管理：AI技术可以帮助投资者制定更优化的投资策略。通过分析市场数据、新闻和社交媒体信息，AI系统可以为投资者提供实时的投资建议，帮助他们做出更明智的投资决策。 4. 聊天机器人和客户服务：AI技术可以帮助金融机构提供更高效的客户服务。聊天机器人可以回答客户的问题、提供产品建议，甚至协助客户完成交易。这不仅可以提高客户满意度，还可以降低金融机构的运营成本。 5. 知识产权管理：AI技术可以帮助金融机构更有效地管理知识产权。通过自动分析专利、商标和版权信息，AI系统可以帮助金融机构识别潜在的知识产权风险，从而降低法律纠纷的可能性。 6. 算法交易：AI技术可以帮助金融机构实现更高效的算法交易。通过实时分析市场数据，AI系统可以自动执行交易策略，从而提高交易速度和准确性。 7. 监管合规：AI技术可以帮助金融机构更有效地应对监管要求。通过自动分析法规和政策，AI系统可以帮助金融机构识别潜在的合规风险，从而确保其业务符合监管要求。 8. 金融预测：AI技术可以帮助金融机构更准确地预测市场趋势和经济发展。通过分析大量的历史数据和实时信息，AI系统可以为金融机构提供有关未来市场走势的预测，从而帮助他们做出更明智的决策。总之，AI技术在金融行业的应用为金融机构提供了更高效、更智能的解决方案，有助于降低风险、提高客户满意度和优化投资策略。随着AI技术的不断发展，我们可以期待金融行业将变得更加智能化和高效。

5 months前 0

AI金融助手

科恩驳斥AI泡沫论，预言金融市场将迎更大发展空间

史蒂夫·科恩，Point72资产管理公司的创始人兼CEO，同时也是纽约大都会队的拥有者，近日在接受CNBC专访时明确表示，他并不认为当前的金融市场陷入了所谓的人工智能泡沫。相反，他坚信市场仍拥有巨大的发展潜力，尤其是在人工智能领域。在访谈中，面对主持人关于市场泡沫的询问，科恩直言：“我不认为现在存在泡沫。市场实际上可能低估了人工智能将为企业带来的巨大利益。”他进一步指出，人工智能的崛起是一个长期且持续的趋势，有望为市场提供更多的增长机会。当谈及人工智能领域的投资机会时，科恩提到，虽然英伟达、AMD和台积电等知名企业备受关注，但未来的赢家可能包括一些尚未被市场广泛认知的新兴公司。他解释说，这些新公司将随着技术的发展而崭露头角，为投资者带来惊喜。在谈到美联储的货币政策及未来降息预期时，科恩表示，他对今年可能的三次降息预期没有异议。同时，他认为通货膨胀虽然得到了一定程度的控制，但要将通胀率降至美联储设定的2%目标并非易事。在政治层面，科恩认为即将到来的总统选举可能会对市场产生一定影响，但他强调，无论选举结果如何，市场整体变化不会太大。对于11月总统选举的预测，他谨慎地表示，目前特朗普可能稍占优势，但选举结果仍有可能发生变化。科恩的这番言论为投资者提供了新的视角，尤其是在人工智能领域的投资前景和美联储货币政策方面。市场观察家们正密切关注着这些动态，以期在变化的市场环境中寻找新的投资机会。本文源自金融界

5 months前 0

AI金融助手

政策关注叠加国产AI工具大爆发，金融行业数字化转型遇上“人工智能+”快车

2024年，《政府工作报告》首次强调“人工智能”的重要性，提出加快发展新质生产力，推动“人工智能+”行动，以科技赋能产业，创造新的增长点。在此背景下，国产AI工具迎来了爆发期，月之暗面科技的Kimi智能助手实现了200万字的无损上下文长度，界面财联社与阶跃星辰联合发布了国内首个千亿参数金融大模型。金融行业正站在“人工智能+”的风口，面临前所未有的发展机遇。笔者将探讨金融机构如何把握这一趋势，加速数字化转型，实现智能化升级。 2024年，全国“两会”《政府工作报告》首次提及“人工智能”，指出要加快发展新质生产力，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，反映政府希望以科技赋能产业，在新旧动能转换过程中创造新的增长点。人工智能技术作为新质生产力的代表，近年来迅速迭代、优化，叠加在实际应用场景中的加速渗透，有望带来新的生产力变革。上周，国产AI工具利好不断，国内人工智能公司月之暗面（MoonshotAI）在其微信公众号“MoonshotAI”宣布，该公司的Kimi智能助手在长上下文窗口技术上取得突破，无损上下文长度可以到200万字。此前，在2023年10月公司的智能助手可以实现20万无损上下文长度，最新能力提升了一个数量级。而在金融行业场景下，界面财联社与阶跃星辰合作的国内首个千亿参数多模态金融大模型——“财跃F1金融大模型”上周末在2024全球开发者先锋大会（GDC）上首发。该大模型致力于构建智能运营、智能风控、智能投顾、智能营销、智能客服等“AI+”应用场景。据媒体报道，在专场发布会上，共计有30多家金融机构负责人出席。面对如此利好，金融行业应该如何搭上“人工智能+”的快车呢？一、加强与AI企业的合作金融行业与AI企业的合作是实现“人工智能+”的关键。金融机构可以与AI企业合作，共同研发适用于金融行业的AI技术，并推动其在实际业务中的应用。例如，金融机构可以与通用大模型公司合作，将智能助手应用客户服务中。二、加大对AI技术的投入金融机构要实现“人工智能+”，就必须加大对AI技术的投入。这包括对AI研发的投入，以及对AI人才的引进和培养。只有拥有了先进的AI技术，金融机构才能在激烈的竞争中脱颖而出；只有拥有了优秀的AI人才，金融机构才能将AI技术真正落地应用。三、积极探索AI应用场景金融机构要实现“人工智能+”，就必须积极探索AI应用场景。AI技术在金融行业的应用场景非常广泛，包括智能风控、智能投顾、智能营销、智能客服等。金融机构要结合自身业务特点和需求，选择合适的AI应用场景进行探索和实践。例如，银行可以利用AI技术进行智能风控，证券公司可以利用AI技术进行智能投顾等。四、加强数据治理和隐私保护金融机构要实现“人工智能+”，就必须加强数据治理和隐私保护。AI技术的应用离不开数据的支持，但数据的采集、存储、使用等环节都存在一定的风险。金融机构要建立健全的数据治理体系，确保数据的安全性和合规性；同时，也要加强隐私保护，确保用户的个人信息不被滥用。随着政策的大力支持和国产AI工具的快速进步，金融行业正迎来一个全新的发展机遇。金融机构需要把握时机，积极拥抱AI技术，不断探索和实践，以实现业务的数字化转型和智能化升级。通过“AI+”行动，金融行业有望在新旧动能转换中创造新的增长点，为经济社会发展贡献更大的力量。未来，笔者将以业务为导向，为大家梳理AI产品在金融行业的实际应用场景。并将会从已发布的国产AI工具中找出几款产品进行实测，为大家带来最真实的使用体验测评，从而总结实际分析案例和业务赋能策略。本文由 @数金杂谈原创发布于人人都是产品经理。未经作者许可，禁止转载题图来自Unsplash，基于CC0协议该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务

5 months前 1

AI金融助手

人工智能与数字化转型，金融行业的挑战与机遇

近年来人工智能发展迅速，对于金融行业有一定的冲击，但也伴随着一定的机遇。作者从人工智能与数字化转型方向来讲解金融行业的挑战与机遇。让我们一起来看看吧～一、对标斯坦福？福耀科技大学来了！日前，西安交通大学校长王树国离任的消息在网络流传，在校师生及广大网友们纷纷表达不舍与惜别之情。随后，一张王树国与曹德旺握手的照片疯传于网络，据媒体报道刚卸任的王树国被聘为福州市福耀高等研究院院长/福耀科技大学校长。王树国曾任哈尔滨工业大学校长，2014年起担任西安交通大学校长至今。王树国在人工智能和数字化转型领域取得了显著成就，他所领导的团队致力于开发智能化系统，通过机器学习和深度学习技术，解决了许多实际问题。通过他在人工智能和数字化转型领域的研究和实践，西安交通大学在相关领域也取得了重要科研成果，为推动产业升级和社会发展作出积极贡献。而福耀科技大学是由中国福耀集团创办的一所高等教育机构，旨在培养人工智能和数字化转型领域人才。创始人曹德旺是著名企业家和慈善家，他对于人工智能和数字化转型的发展充满信心。福耀科技大学与人工智能领域的联系密切，设立了人工智能与数据科学学院，拥有一支由国内外知名专家组成的教学和科研团队，并开设人工智能、大数据分析、智能制造等专业方向。一位是备受热爱追捧的“网红校长”，一位是享负盛名的“玻璃大王”，两位超级大咖的握手合作消息一经曝光，立刻引来全国上下的关注和热议。透过热议，洞察背后的行业趋势与发展机遇，更是笔者想与大家一起思考和探讨的。这里，不得不提时下金融行业特别火热的两个名词——“人工智能”与“数字化转型”。二、人工智能与数字化转型：金融行业的挑战与机遇随着科技的快速发展，人工智能和数字化转型已经成为当今商业和社会发展的主要趋势之一。人工智能是指利用计算机技术模拟、延伸和扩展人类智能的能力，包括语音识别、图像识别、机器学习等技术。数字化转型是将金融机构传统业务和流程转变为数字化形式，利用数字技术提高效率和创新能力。人工智能与数字化转型的结合，笔者认为可以给金融机构、投资者和社会带来更大的发展潜力、竞争优势和机遇。首先提升效率，人工智能技术可以自动化处理繁琐的任务，提高金融机构生产效率和工作效率。其次是推动金融创新发展，数字化转型带来创新的商业模式和产品，推动金融机构不断发展壮大。第三是决策智能化，基于数字化转型带来的数字基建支撑，借助人工智能技术分析大数据，金融机构可以做出更加精准的决策，提升竞争力。此外，还推进金融法律与合规监管发展，相关的法律和监管不断完善和落地，保障技术应用的合法性和安全性，也提升主管部门的监管数字化与智能化水平。然而，在金融机构密集布局人工智能与数字化转型的过程中，也面临了诸多挑战。技术挑战如人工智能技术发展需要大量投入和专业知识，对金融机构而言需要具备相关技术人才和资源；数据挑战如数字化转型会产生大量的数据，如何保障数据的安全和隐私成为重要问题；组织挑战如数字化转型需要金融机构进行组织结构和流程的重塑，可能会面临员工抵制和适应期挑战。三、人工智能发展与金融行业数字化转型：向上布局与向下落地人工智能的发展对金融行业数字化转型产生了深远影响，不仅改变了金融机构的运营方式和服务模式，也为客户提供了更加智能化和个性化的金融产品和服务，同时对金融机构的人才梯队建设与储备，也提出了新要求。这里，笔者将探讨人工智能结合金融行业时下数字化转型浪潮中发挥的作用，及对财富管理转型战略的落地助推。 1. 智能营销与客户管理在智能营销与客户管理方面，人工智能为金融机构带来了新的机遇。通过对客户数据和行为的分析，金融机构可以精准识别客户需求和偏好，挖掘客户的潜在需求点、培养客户的潜在路径依赖，进而推送个性化的营销活动和金融产品推荐。做到触达人群准确度、触发时机及时度、触点渠道有效度、触动权益兴趣度这四个方面的颗粒度升维，提高了营销效果和客户满意度。同时智能客户管理系统可以帮助金融机构建立完整的客户画像与统一标签系统，借助人工智能技术，融合分析客户线上的实时交互行为数据与账户线下的时延结算业务数据，实现对客户的全生命周期管理，提升客户关系管理水平和业务运营效率。 2. 智能风控与反欺诈领域传统的风控模式往往依赖于历史数据和人工规则，而这种方式存在着诸多局限性，比如对复杂和变化快速的风险形态处理能力有限。引入人工智能技术后，风控系统可以通过大数据分析、机器学习和模型优化等手段，实现对实时风险的准确识别和预测，既提高了金融机构的风险管理能力，还有效降低了不良资产率和信用风险。目前，人工智能技术已经在金融行业广泛应用于风险管理和反欺诈领域。通过分析海量数据，人工智能可以识别潜在的风险因素，并及时预警和处理风险事件，有效保护金融机构和客户的利益。同时，随着客户触网过后的大量数据产生、欺诈手段日益复杂和隐蔽化，金融机构在风险管理领域面临着数据大爆炸式的信息干扰，人工智能还可以通过对用户行为和交易模式分析，对大规模数据的深度学习和模式识别，识别潜在的欺诈、违规等风险行为并及时预警，提高金融安全性和稳定性。 3. 智能客服与个性化服务除风控和反欺诈，人工智能还为金融机构带来了智能客服与个性化服务的新机遇。通过自然语言处理、智能语音识别和智能机器人等技术，金融机构可以实现7*24h全天候的在线客户服务。而基于客户数据和行为的分析，智能客服还可以实现个性化、实时性的无缝链接推荐服务，提高客户满意度。金融机构利用人工智能技术开发智能客服系统，提供基础问答服务的同时，更为客户提供快速、准确的金融咨询和财富解决方案。通过对业务与行为融合建模，实现陪伴式金融服务，提高客户对自身平台的服务依赖、活跃和粘性。 4. 智能投资与资产管理人工智能还在金融领域推动了智能投资和资产管理的发展。传统投资决策主要依赖于经验和直觉，或是线下大量的实地调查和研究，而人工智能可以凭借自身强大的算力性能、海量数据挖掘、关联学习，通过大数据分析、机器学习和算法优化等技术，发现有效的市场趋势和投资机会、排查不实信息和潜在风险，为投资者提供智能化的投资建议和组合优化篮子方案。智能资产管理系统可以根据客户的交易风格、持仓特征、风险偏好和投资目标，实现一对一的个性化资产配置，并提供持续的投后管理服务，努力提高投资回报率，最大化程度地提升客户投资体验。四、结语总的来说，人工智能的发展为金融行业数字化转型之路提供了新的机遇和挑战。金融机构需要不断创新和升级技术，打破既有流程、重塑新型数字范式，提升智能化服务能级、精细化管理能力、数字化经营水平，并始终重视加强数据安全和客户隐私保护，才能在数字化时代取得更大的竞争优势和市场份额。未来，随着人工智能技术不断进步和应用，我们相信金融行业将迎来更加智能化、精细化、高效化的数字发展趋势。本文由 @数金杂谈原创发布于人人都是产品经理。未经作者许可，禁止转载题图来自Unsplash，基于CC0协议该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务

5 months前 0

AI金融助手

成绩单发榜！上市金融科技公司AI赋能效果如何？

上市金融科技公司一年一度的成绩单近日陆续公布。在资金成本下降、差异精细化运营、海外市场发力等多因素加持下，上市金融科技公司整体业绩保持增长态势，但增速同比放缓。其中，头部的陆金所控股仍处在转型和收缩阶段，营收和净利润大规模下滑。此外，受去年宏观经济复苏缓慢，消费需求不振，运营商加强催收线路管控引发催回率降低等因素影响，上市金融科技公司年底资产质量整体呈下滑趋势。多位行业专家表示，“上市金融科技公司的贷款逾期率还有可能往上走”，在国内存量市场里要利用好人工智能等金融科技手段，降本增效，获取优质客群，同时积极开拓海外市场，打造新的业绩增长点。整体业绩保持增长态势从已披露的上市金融科技公司财报来看，奇富科技、信也科技、宜人金科、乐信、小赢科技、嘉银科技的业绩都保持增长态势。其中，奇富科技2023年实现净收入162.90亿元，同比下降1.59%；净利润42.85亿元，同比增长6.49%；截至2023年12月31日，在贷余额1864.78亿元，同比增长14.1%。信也科技2023年营业收入125.47亿元，同比增长12.7%；净利润23.835亿元，同比增长4.48%；在贷余额674亿元，同比上升4.3%。乐信营业收入130.57亿元，同比增长32.3%；净利润10.66亿元，同比增长30%；在贷余额1240亿元，同比增长24.5%。宜人金科收入总额48.96亿元，同比增长42.54%；归母净利润20.80亿元，同比增长74.09%；截至2023年12月31日，促成的未偿贷款余额达到183亿元，同比增长20.9%。小赢科技2023年的总净营收达到约48.15亿元，同比增长35.1%；全年净利润约为11.87亿元，同比增长46.2%；截至2023年12月31日，未偿还贷款余额总额为488.47亿元。嘉银科技在2023全年的促成交易金额达约881亿元，同比增长58.7%；实现营业收入约54.7亿元，同比增长67.1%；实现净利润约12.98亿元。金融壹账通的亏损也在收窄，2023年金融壹账通营业收入36.68亿元，同比下降17.8%；归母净亏损同比收窄至3.63亿元，归母净利润率从-19.5%提升至-9.9%，同比提升9.6个百分点。不过，主打小微贷的陆金所控股多个经营指标仍在下滑。陆金所控股2023年实现营收342.55亿元，同比下降41.1%；实现净利润10.34亿元，同比减少88.2%；截至2023年12月31日，陆金所控股的贷款余额为3154亿元，同比减少45.3%。冰鉴科技研究院高级研究员王诗强对记者分析指出，整体业绩保持增长态势主要是因为前几年的客户积累，为平台留下了大量正常还款的优质客户，基于这些客户不断复借，获得可观的净收入。此外，由于LPR不断下降，银行急需外部资产，也使得助贷机构从银行等金融机构融资更加轻松，融资利率更低，增加了净息差收入。资产质量呈下滑趋势上市金融科技公司虽然整体业绩保持增长态势，但也藏着隐忧：资产质量呈现整体下滑趋势。具体来看，截至2023年12月31日，陆金所控股总贷款的逾期天数（DPD）90+（逾期90天以上）拖欠率为4.1%，而截至2023年9月30日为3.7%。截至2023年12月31日，一般无担保贷款的DPD90+拖欠率为4.6%，而截至2023年9月30日为4.2%。截至2023年12月31日，担保贷款的DPD90+拖欠率为2.6%，而截至2023年9月30日为1.9%。截至2023年12月31日，奇富科技90天以上逾期率为2.35%，较上季度末增加0.53个百分点。信也科技90天以上逾期率为1.93%，较上年同期增加0.52个百分点。乐信90天以上逾期率从去年三季度的2.67%上升至去年四季度的2.9%。去年底，小赢科技逾期91—180天的所有未偿贷款的拖欠率为3.12%，而2022年为1.93%。宜人金科15—29天、30—59天和60—89天的贷款拖欠率分别为0.9%、1.4%和1.2%，而截至2023年9月30日，对应的拖欠率分别为0.8%、1.2%和1.0%。对于资产质量下行，多家上市金融科技公司高管在投资者电话会议上指出，主要受2023年下半年宏观经济复苏缓慢，消费需求不振，运营商加强催收线路管控引发催回率降低等外部环境因素影响。经济学者盘和林对记者表示，上市金融科技公司贷款逾期率上升，主要有三大影响因素：一是宏观经济压力，消费和投资信心不足；二是行业竞争加剧；三是监管政策持续收紧。王诗强认为，逾期率上升可能与业务规模下降或者增速放缓有关，一些助贷机构去年资产规模增速下降，在逾期金额稳定的情况下，由于放贷总规模增速放缓，可能导致逾期率上升。此外，当前“长尾客户”多头借贷严重，而市场上年轻人失业率居高不下，可能导致逾期增加、资产承压。 I驱动抢夺存量优质客群当前国内消费信贷进入存量时代，上市金融科技公司开始利用人工智能（AI）等金融科技手段，一方面降本增效；另一方面进行“差异化”“精细化”运营，抢夺优质客群。展望2024年，陆金所控股在小微业务提高效率并向优质客户聚焦的同时，在业务结构上大幅优化，消费金融业务占比提升，作为第二增长曲线。信也科技将前沿科技全面应用于金融业务各类场景，推出了一系列提升普惠金融数字化水平和服务效率的科技产品。通过客群上浮战略的深入实施和强有力的风控能力，持续锁定服务消费金融和小微金融领域的优质客户，2023年四季度优质用户占比维持稳定，达84.9%。奇富科技借助大模型技术，通过对企业所属行业进行了精准的重新打标，小微用户的行业信息覆盖率高达94.5%。奇富科技还运用知识融合、推理与发现等先进技术手段，打造出小微用户知识图谱。这份图谱覆盖了高达97.26%的小微用户，且能深度剖析法人、上级机构、抵押、债权等多种复杂的关系类型。2023年，奇富科技已协助金融机构为泛小微用户提供1621亿元资金支持，泛小微用户占比从30%提高到50%。通过精细化的投放策略、长尾渠道的淘汰调整，以及提高转化率等方式，嘉银科技2023年第四季度营销费用同比下降11.9%。在客户运营方面，通过精细化的管理，核心资产的生命周期价值被深度挖掘，重复借款比例达72.9%，件均借款金额为9944元。乐信自研大模型应用加速落地，在用户画像识别领域发挥作用。通过训练，大模型可以自动分析多种数据源，识别出用户所在行业、还款意愿等信息，构建差异化、个性化的客户画像和标签体系，实现数据驱动的分客群精细化经营。特优和优质客群的交易额比例环比去年三季度提升12%，老客新增风险环比下降超15%。截至目前，乐信普惠已累计为超过400万小微、个体工商户提供优质金融服务，交易额超过350亿元。小赢科技则顺应市场导向持续下沉探索，在精细化运营的加持下精准为中小微企业提供服务。数据显示，2020年1月至2023年12月底，小赢科技服务小微企业主和个体工商户超620万件，服务覆盖全国31个省、自治区、直辖市。2022年1月至2023年12月底，小赢科技服务的借款用户中55%为新市民群体，其中51%的放款流向新市民。海外布局谋求新增长点国内市场卷出新高度之际，上市金融科技公司也积极在海外布局，谋求新的业绩增长点。自2018年开启以“一带一路”合作伙伴为目标市场的科技出海征途，信也科技已在印尼、菲律宾建立了深度本地化的金融科技平台，并在拉美地区开展科技服务业务。截至2023年底，信也科技海外金融科技平台已累计为480万用户提供信贷科技服务。集团国际业务也在2023年延续高速增长表现，实现营收21.4亿元，同比增长85.9%，占集团营收的17%。乐信也在电话会议上提到，出海是公司未来的战略方向之一，目前公司在东南亚与南美初步展业，不过规模不大且发展处于相对早期阶段。深耕国内金融行业的同时，金融壹账通也积极拓展境外业务版图。自2018年开始布局东南亚业务，近年金融壹账通的境外业务实现快速增长，剔除平安壹账通银行的收入贡献，2023年公司境外客户收入贡献同比增长三成以上，在第三方总收入中的占比从去年9.7%上升至15.7%，逐渐成为新的业务增长点。迄今，金融壹账通业务已广泛覆盖南非、新加坡、泰国、马来西亚、印尼、阿联酋、菲律宾、越南等20个国家地区和185家境外金融机构，客户包括东南亚前三大区域性银行和全球前十大保险公司中的两家。盘和林认为，上市金融科技公司有三条发展道路：第一条是通过AI赋能，降本增效提质；第二条是布局海外，实现多市场发展，拓宽销售渠道；第三条是产品多元化，比如提供金融解决方案，延伸到企业整体数字化转型服务。本文源自国际金融报

5 months前 0

AI金融助手

“警惕！AI金融风控技术潜藏新风险，数据泄露后果严重！”

【人工智能风控技术在金融领域应用需谨慎，以防带来新的风险】人工智能技术在金融风控中的应用，理论上可以提高效率和准确性，减少人为失误。然而，由于技术仍在发展，应用中可能产生新的风险。金融数据的敏感性，包括国民账户和企业资金流转信息，使得数据泄露带来的风险尤为严重。此外，法律风险也需要引起重视。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。

5 months前 0

69/669 上一页 66 67 68 69 70 71 72 下一页