AI助手资讯

华为云盘古大模型已通过金融大模型标准验证，获得顶级优秀级成绩，这标志着其在人工智能及金融行业的应用能力达到高标准，是华为云人工智能领域的重要里程碑，也是其技术领先和行业应用成熟的体现。

本文主要概述了3月18日A股市场表现强劲的情况，三大指数均创年内新高，创业板领涨，超过4500只股票上涨，市场整体活跃。重点提及了几个领域的动态：英伟达发布最新AI芯片；《消费金融公司管理办法》发布，机构认为这将促进相关公司竞争优势；工业机器人龙头并购AI企业，预示国产份额提升；荣耀推出首款AI PC，产品革新交互体验受到看好；亿航国产“空中的士”上市销售，产业链景气度受关注；清明假期带动小城市机票预订增长。最后提到了英伟达的最新芯片GB200性能强大但具体售价未公布。整体市场情绪积极，但煤炭股和煤炭相关企业有所调整。

编辑 | 凌敏AI 大模型引领千行百业加速升级。在金融行业，大模型正以其出色的数据处理和分析能力引领着一场技术变革。那么，目前大模型在金融行业的应用现状如何？大模型在金融行业的落地应用面临哪些问题和挑战？如何打通大模型在金融业落地的最后一公里？近日，InfoQ《极客有约》邀请到了腾讯金融云技术总监全成，InfoQ 社区编辑，美国 Cognizant 公司架构师（solution architect）马可薇，共话《大模型落地金融行业，如何闯关最后一公里？》。以下为访谈实录，完整视频参看：https://www.infoq.cn/video/wV7sNBNqeO27V3p5E2Gu马可薇：欢迎大家来到 InfoQ 极客有约，我是今天的特邀主持人 InfoQ 社区编辑、美国 Cognizant 公司架构师马可薇。本期直播，我们邀请到了腾讯金融云技术总监全成来给我们做分享。我们今天直播的主题是《大模型落地金融行业，如何闯关最后一公里？》。首先请全成与网友们打个招呼。全成：我一直在金融行业工作，负责过金融大数据、数据挖掘、机器学习、深度学习等方面工作，在算法、研发方面也有一些经验，为了探知市场的信息和动向也做过一段时间的产品和售前架构师相关的工作。目前，我在腾讯金融云项目中负责远程音视频应用，以及大模型在金融行业应用的研发工作。大模型如何赋能金融行业？马可薇：去年年底 ChatGPT 的爆火成功掀起了大模型热潮，对于这波浪潮，您观察到哪些有趣的趋势？全成：从大模型至今的发展来看，我从体感上来说没有发现很多有趣的趋势，更多的是一些担忧。大模型本身具有一定的技术门槛，其本身的计算和逻辑推理过程又是黑盒，目前的大模型应用过程发展趋势更是在逐渐走向闭塞。Transformer、Hugging Face 库中的开源模型数量多、版本迭代速度快，但超大型模型却更多地走向闭源。这类黑科技一旦极端地走向闭塞、黑盒的方向，将会给大模型带来泡沫，也给了许多意见领袖左右舆论的可能性。我还是更多地希望开源和闭源的体系能同时存在，这样也更加地合理。同时我们也能看到，目前除了大模型的训练和研发平台外，许多创业公司也在进行一些基于大模型的智能应用，比如辅助办公或 PDF 和论文类的解读等等。此外，基于大模型的智能应用研发也会需要研发的平台，类似移动 APP 研发平台的中间 PaaS 层组件，这类平台的研发和开源数量也在增长，像是 LangChain 这类在早期较为典型的平台也会逐渐出现。在这一点上，科技公司或是金融公司这类对信息化同步需求较高的行业，也可以关注一下这类基于大模型的研发平台在未来的发展趋势。马可薇：在金融行业，大模型的价值主要体现在哪些层面？全成：说起价值点，如果一个技术能够解决行业中存在的一个问题，那么其价值自然能体现出来。在金融行业里，我们不提金融服务的个性化推荐、风控量化水平精准度的提高、客户体验的提高等等这些较为空泛的话题，举一个最简单的例子，智能客服。大家在日常给金融机构或客服打电话时往往能感觉到客服机器人的难以沟通。这个问题在各种领域中其实都存在，可以说金融机构并没有通过智能化的技术将客户和咨询的诉求解决掉，而是恰恰相反，通过这些技术将客户的咨询和诉求全部挡在了门外。从这方面来说，客户的咨询和互动方面肯定会有很大的提升，这也是我们能切身感受到的。此外，大家常常在很多金融 APP 上发现光是产品的购买，其中的图片和文档都会让人眼花缭乱，客户最为关注的核心信息往往很难获取到，人们与金融服务的互动或信息获取效率是过于底下的。在这些问题上，大模型对金融行业还是会有很大帮助的。金融行业中的各大渠道，包括手机银行、网银、ATM、线下网点，乃至微信的小程序中，我们与客户能产生的互动只有点击和浏览。在 ChatGPT 这些大模型出现后，我们可以看到它们在语言生成和组织回答的能力上是非常强大的，可以让金融行业中最为直观的价值点，也就是与客户的互动率会有大幅的提升。大模型在金融行业内部的工作效率提升方面，也有很大的助力。我个人在工作中也会坚持写代码，常常会用到 GitHub Copilot 或腾讯的 AI 代码助手之类，我感觉它们可以明显地为我带来代码编写的效率提升。此外，我在之前做架构师相关工作时也会遇到一类问题。金融机构中对于一些数据的统计，比如风险参股在 20%-30% 的客户情况，这些数据通常是无法在 BI 平台上获取到的。数据分析或运维人员必须要找到科技公司提交数据需求说明书，科技部还要经过排期，最终要到两个星期后才能拿到数据结果。大模型出现后，在 AI 数据和数据查询等方面也会有大幅度的提升。马可薇：当前金融机构对于大模型的态度是怎样的？全成：目前金融机构对大模型的态度普遍来说还是持有期待的。金融和电信可以说是数字化和信息化程度最高的两大行业了，他们对创新性的新科技接受程度都很高，也很愿意尝试。但大语言模型的训练和推理投入都很大，金融行业更多是期待科技公司能开发出一些可以带来更多业务价值提升，同时也能解决客观问题的应用。大型银行则更有技术实力和资本实力进行更多创新性的先行探索，我们也已经在一家大型银行的积极配合下，双方联合完成代码助手的落地等任务。马可薇：根据您的观察，目前行业对大模型的认知是否存在一些误区？全成：误区说不上，不过我个人比较喜欢 Geoffrey Moore 在《跨越鸿沟》中提到的营销模型：任何一个新技术都会有早期的受众，以及中期的保守主义和实用主义人群。我们更多是希望能和金融机构一同成为具备创新性和探索性的早期使用者，以此为后来的实用主义者给出更多的证明。当然，有些保守主义的同行会提出一些较为极端的案例，比如说互联网出现后会有手机银行这类能够直接接触核心交易方面的应用出现，那么大模型出现之后是否也能带来变革型的应用？对此我觉得要实现这些还是需要一段时间的，互联网刚出现时也是经历了网页、网站、网上银行、手机银行及线上支付的发展。总体来说，目前行业在误区层面倒没有很多，但我还是更希望金融和电信作为数字化领先的行业，能够在大模型的应用和创新的探索上有更多的积极合作趋势。大模型在金融行业的落地规则及部署方式马可薇：大模型在金融行业的产业落地需要遵循哪些规则？这和其他行业有哪些异同？全成：规则的制订是为了防止打破规则后带来的损失，或者是对部分人群带来的风险。大模型作为一项新技术，就目前可见一些舆论报道等信息渠道来看，都在谈论数据隐私安全、伦理、歧视偏见，但对于金融这项非常审慎的服务来说，可解释性和可追溯性是金融机构一定要关注的规则，当然，模型输出一定要符合法律法规这项最基本的要求更不用说了。金融机构要想应用大模型，就会对科技公司或产品研发公司提出更多的要求，大模型的推理过程以及推理后的每个环节都要有相应的日志。虽然说大模型的很多输出都没有缘由，但模型运算过程中还是会有一些能够佐证的信息和日志。大模型毕竟是新技术，必然会存在很多不可预料性。但我们也不能光是嘴上说说，还是要将产品先做出来，然后在使用的过程中沉淀一些具备可操作性的规则。举例来说，腾讯安全在某个仅利用视觉进行智能驾驶的品牌中，通过安全团队的实验，发现地面上存在的某些特殊图片会导致汽车进行一些预料外的行为。这种情况如果发生在实际的高速公路上将会十分危险。因此，我们应该是进行更多的实验和探索，并在探索过程中将各种规则沉淀下来，为行业做出更多的贡献。但目前为止还没有说有人尝试过利用个人隐私数据进行指令学习的大模型 fine tune 之后，模型会输出怎样的结论并影响到客户这类的实验。马可薇：先前...

《2024年金融业生成式AI应用报告》由度小满、清华大学等联合发布，专家郭嵩探讨了该技术在金融行业的应用挑战与展望，指出生成式AI通过数字化和智能化转型带来的价值及面临的安全问题。报告显示，尽管面临挑战，行业对生成式AI的未来充满期待，度小满已将其应用于业务并取得进展，未来将继续探索其在金融业的落地可能性。

本文探讨了苹果与谷歌围绕将Gemini人工智能模型集成到iPhone中的潜在合作，预示着金融界AI人才争夺战及可能重塑移动设备AI体验的重大变革。苹果寻求外部支持以提升AI竞争力，面对技术发展和竞争压力，合作旨在优化用户服务、升级生态系统并应对反垄断监管挑战。双方的合作有望推动技术创新与用户体验的双重提升，但也将面临品牌独立性、数据隐私保护以及生态协同效应等复杂议题。

1 新智元报道   编辑：胡祥杰、张易 【新智元导读】智能投顾未来的市场规模有多大？投资人工智能的三大陷阱是什么？如何抓住 AI 时代最大的红利?……在由中国证券投资基金业协会金融科技专业委员会主办、通联数据和新智元合办的 2017 智能投资峰会暨新智元百人会 8 月论坛上，您也许能从今日头条顾问、源码资本投资合伙人张宏江、科大讯飞执行总裁胡郁等多位科技或金融领域的专家的精彩分享中找到答案。 8 月 30 日，由中国证券投资基金业协会金融科技专业委员会主办，通联数据和新智元合办的“AI 改变金融，共享重塑生态——2017 智能投资峰会”在北京金融街举行，本次峰会同时也是新智元百人会 8 月论坛。 会上，今日头条顾问、源码资本投资合伙人张宏江、科大讯飞执行总裁胡郁、香港科技大学计算机系主任杨强、通联数据创始人兼 CEO 王政、新智元创始人杨静、嘉实基金董事总经理张自力、招商银行财富管理部副总经理王洪栋、先锋领航中国区总经理赵曌、芝加哥大学商学院教授丛林等多位来自学术界及科技和金融行业的专家汇聚一堂，共同探讨人工智能技术的应用前景，及金融业未来的发展趋势。 本文将带来现场嘉宾干货满满的演讲摘录报道，先通过一人一句话来了解各位重量级嘉宾的演讲内容： 中国证券投资基金业协会副会长钟蓉萨：“金融领域现在金融的交易将近有一半，大概有数万亿美元的交易都是通过算法交易。人工智能投资顾问管理的资产未来10年可能会实现指数级的增长，总额可能会达到5万亿美元。” 今日头条顾问、源码资本投资合伙人张宏江：投资人工智能有三大陷阱，只有算法很难形成商业模式。 科大讯飞执行总裁胡郁：“关于实现强人工智能的方式，科大讯飞坚信应该采用一种叫做智能动力学的方法。” 通联数据王政：过去的30年每年机器做投资收益率超过30%，股神巴菲特是20%。 香港科技大学计算机系主任杨强：人工智能和机器学习是有两种落地的模式：前台和后台。 新智元创始人杨静：投白马股赚得更多。事实证明如果想抓住AI时代最大的红利，在投资的时候一定要焦点聚焦到巨头。 嘉实基金董事总经理张自力：人工智能的算法如果能够解决小数据情境下的问题，就可以真正地在投研上给大家带来更光明的未来。 招商银行财富管理部副总经理王洪栋：目前智能投顾产生的最大改变在于在客户的标准画像上做出精准匹配。 先锋领航中国区总经理赵瞾：现在的智能投顾应该称为“机器人投顾”，还没有达到智能的层面。 芝加哥大学商学院教授丛林：投资者可以在机器的帮助下学习、归纳和总结基本面分析方法和经验，形成一套可重复的研究模型。 钟蓉萨：当下金融交易将近有一半都是通过算法交易 峰会首先由中国证券投资基金业协会副会长钟蓉萨致开场词。她介绍说，现在在协会管理的资产有54万亿的资产，相较当时2012年已经是6倍。她从金融业务与新兴科技，特别是人工智能领域的结合介绍了两个领域之间的现状。  中国证券投资基金业协会副会长钟蓉萨 首先，钟蓉萨会长表示，从金融业发展的历史来看，金融技术的应用和普及虽然加速了新型的服务模式的单行，但是并没有从根本上改变金融的业务模式、金融的法律关系和监管体制，也没有对金融体系稳定产生大的冲击。此次金融科技的浪潮是否会从根本上改变现有的业务模式和监管框架还有待观察。 她透露了一个比较震撼的数据：金融领域现在金融的交易将近有一半，大概有数万亿美元的交易都是通过算法交易。引用花旗银行的研究，她预计人工智能投资顾问管理的资产，未来的10年可能会实现指数级的增长，总额可能会达到5万亿美元。 关于智能投顾，钟蓉萨认为智能投顾的服务对于数据的要求只是一部分，应该有差异化服务智能的投顾产品。所以除了坚持数据推动以外，也要知识驱动相结合。 AI对金融会有哪些影响？钟蓉萨从微观层面进行介绍，认为 AI 对金融市场、金融机构、金融服务的提供方式会形成一个重大的影响。简单来说，技术带来的金融创新会给金融行业风险的把控、管理和评估都会带来挑战。  张宏江：投资人工智能有三大陷阱，只有算法很难形成商业模式 今日头条顾问及技术战略研究院院长、源码资本投资合伙人张宏江博士 今日头条顾问及技术战略研究院院长、源码资本投资合伙人、前微软亚洲工程院院长张宏江作为大会特邀嘉宾发表了一场长达一个多小时的演讲，从人工智能的最新一波浪潮讲起，谈到AI这波大潮到底本质，做人工智能投资的机会和限度。 以AlphaGo的崛起为开头，除了算法以外，张宏江博士透露了关于AlphaGo一些大家此前没有听说过的数据：其实它已经用到了16000多次的对局数据，包括3000多万的数据，阿法狗自己跟自己下棋又搜了另外3000万的数据。这些数据跟以前的数据不一样，这是非常高智能的大数据；用了大量的计算资源，用了920个CPU，280个GPU。 张宏江博士在演讲中提到这样一个观点：今天我们其实说人工智能，实际说得是深度学习算法。 他强调，今天深度学习能够有突破，很重要一个原因是不光是有大量的计算资源，而且计算的架构有了核心的变化。上一波AI浪潮用了神经网络，这一网络基本上还是现行的架构。一边是数据，然后数据通过计算和GPU进行交互。他说，整个神经网络其实就是激活矢量，然后有非线性的标量权重矩阵，把这几个因素分析一下可以有新的计算架构。...

看点：2016年，中国爆出8家独角兽，总估值964亿美元位冠全球；2017年，毕马威全球百佳金融科技企业前三甲，蚂蚁金服、众安保险、趣店，皆来自中国；过往两年，中国成立的金融科技创企达1753家。 金融科技已经成为仅次于互联网软件与服务的最热门创投领域（CB Insights：1128宗VC投资，166亿美元），一个能够获得监管支持、多机构分担风险的新风口。 随着新兴技术的崛起，金融科技从互联网技术转向了智能技术，并被写入《中国金融业信息技术“十三五”发展规划》、《新一代人工智能发展规划》和《促进新一代人工智能产业发展三年行动计划(2018-2020年)》等重要文件。 本期的智能内参，我们推荐来自中国信息通信研究院的中国金融科技产业生态和前沿技术研报，结合埃森哲的智能金融行研，从人工智能、区块链、云计算、大数据四大新兴技术出发扒一扒智能金融的老底。如果想收藏本文的报告全文（信通院-中国金融科技产业生态+中国金融科技前沿技术发展趋势及应用场景研究 & 埃森哲-与AI共进 智胜未来），可以在智东西（公众号：zhidxcom）回复关键词“nc224”下载。 以下为智能内参整理呈现的干货： 什么是智能金融 ▲金融行业科技应用的三大发展阶段（电子化/电子金融→互联网+/线上金融→智能金融） ▲科技与金融的融合历程 ▲智能金融的三个阶段 金融已经经历了电子化到互联网化的转变，现在又因其与数据的高度相关性，已成为最先与人工智能相融合的行业之一。相比于互联网金融/线上金融，智能金融具有以下四点特征： 1、自我学习的智能技术。 人工智能将实现自我学习的实时正循环，云端将无缝融合，介入式芯片等新的硬件形式将催生人机共融。 2、数据闭环的生态合作。 智能金融企业的战略重点从互联网时代的业务闭环转向实现数据闭环，合作企业间数据结果回传将可持续满足用户需求的能力的提升。 3、技术驱动的商业创新。 在金融领域，移动互联网时代更多体现的是“渠道”迁移；人工智能时代则使得技术在金融的核心，即风险定价上发挥更大的想象力。 4、单客专享的产品服务。 “个性化”不再仅限于客群层面，而是针对“某个”实时客户，实现产品服务的终极个性化。 ▲金融新阶段四大特征 ▲智能金融拓展了金融服务的广度和深度 由上可知，智能金融将重塑产业链、供应链和价值链，拓宽金融服务的边界，推动金融服务朝着“随人”、“随需”、“随时”、“随地”的标准不断进步。 目前，智能金融已经全面覆盖客服、风控、营销、投顾和授信等各大金融业务核心流程，衍生出互联网银行、直销银行、互联网保险、互联网证券、消费金融、小额信贷、网上征信、第三方支付等一系列新兴金融业务领域。 ▲支持金融技术创新的政策 因此，智能金融融入各国顶层设计。我国2017年7月印发的《新一代人工智能发展规划》提出：将建立金融大数据系统，提升金融多媒体数据处理与理解能力；创新智能金融产品和服务，发展金融新业态；鼓励金融行业应用智能客服、智能监控等技术和装备；建立金融风险智能预警与防控系统。 埃森哲指出，2018年将是消费金融的分水岭，也会成为消费金融的风控元年。 ABCD技术解读 ▲智能金融四大关键技术 ▲人工智能、区块链、云计算和大数据重构金融基础设施的建设标准和运行逻辑 智能金融依赖“ABCD四大技术”，即人工智能（Artificial Intelligence）、区块链（Blockchain）、云计算（Cloud Computing）和大数据（Data）。 其中，人工智能能够替代人类重复性工作，提升工作效率与用户体验，并拓展销售与服务能力，广泛运用于客服、智能投顾等方面。 区块链技术能够有效节约金融机构间清算成本，提升交易处理效率，增强数据安全性。 云计算技术能够为金融机构提供统一平台，有效整合金融结构的多个信息系统，消除信息孤岛，在充分考虑信息安全、监管合规、数据隔离和中立性等要求的情况下，为机构处理突发业务需求、部署业务快速上线，实现业务创新改革提供有力支持。 大数据技术为金融业带来大量数据种类和格式丰富、不同领域的大量数据，而基于大数据的分析能够从中提取有价值的信息，为精确评估、预测以及产品和模式创新、提高经营效率提供了新手段。 A：提高效率 助力惠普 在金融领域应用中，人工智能主要包括五个关键技术：机器学习、生物识别、自然语言处理、语音技术以及知识图谱。目前，人工智能技术在金融领域应用的范围主要集中在智能客服、智能投顾、智能风控、智能投研、智能营销等方面。 ▲人工智能在金融领域应用的关键技术 其中，机器学习是海量金融数据的解决方案：虽然大数据技术的出现对此有所改善，但在数据的有效处理与分析挖掘上仍面临较大挑战。详细来看，有以下四种途径： 1、监督学习可以用于对历史数据进行分析与挖掘，寻找数据集的规律，对未来趋势进行预测； 2、无监督学习用于尝试解析数据的结构，并确定其背后的主要规则（聚类分析可将金融数据集基于某些相似性概念将其进行分组，因子分析旨在识别金融数据中的主要内在规律或确定数据的最佳表示方法）；...