lida

机器之心报道 机器之心编辑部 专业领域的 GPT 大模型来了。 在 ChatGPT 爆火之后，各行各业都在研发自己垂直领域的 GPT。 作为一个极具价值的应用场景，金融行业也需要自己专用的大模型。 现在，面向金融行业的大语言模型 BloombergGPT 来了！这是一个 500 亿参数的语言模型，支持金融行业的各种任务，并取得了一流的结果。 论文链接：https://arxiv.org/pdf/2303.17564.pdf 试用者表示，「这个模型知道 CEO 的名字，可以生成新闻标题，可以编写 BQL 查询（访问彭博数据的查询）。这些行为在我们测试的其他模型中没有发现。」 我们来看一下论文的核心内容。 金融行业为什么需要自己的大模型？ 2020 年发布的 GPT-3 展示了训练超大自回归语言模型（LLM）的强大优势。GPT-3 有 1750 亿个参数，比之前的 GPT-2 模型增加了上百倍，并在各种 LLM 任务中表现出色，包括阅读理解、开放问答等。 此外有证据表明，大型模型表现出了涌现行为：在扩大规模的过程中，它们获得了小模型中不存在的能力。涌现行为的一个明显的例子是通过少量 prompt 执行任务的能力，在这种情况下，一个模型可以从少量的例子（few-shot prompting）中学习任务。当我们扩大语言模型的规模时，这种能力的提高远远超过了随机。广义上讲，few-shot prompting 极大地扩展了模型支持的任务范围，降低了用户寻求新的语言任务自动化的门槛。 在 GPT-3 之后，模型的规模增长到了 2800 亿（Gopher）、5400 亿（PaLM）甚至...

宇信科技2023年营收增长显著，软件集成业务尤其强劲；通过合作发展创新运营业务，海外市场前景广阔；预计未来几年收入稳定增长，但需关注风险因素如拓展与竞争。作为和讯自选股写手，提供的信息仅供参考，投资决策请谨慎。

国内首个千亿参数的多模态金融大模型"财跃F1"在2024GDC大会上首发，由界面财联社与阶跃星辰合作打造，旨在智能运营、风控等各领域提供AI应用场景，尤其在金融垂类知识理解上优势明显。该模型依托界面财联社的万亿级金融语料和阶跃星辰的技术基础，已具备金融问答、图表理解和计算能力。财跃星辰通过差异化策略，在证券行业中利用其金融专业知识和大模型技术，与国泰君安等机构合作发布证券大模型和服务场景。公司拥有一支复合型团队，并在通用人工智能领域有追赶OpenAI的计划。未来，财跃星辰将进一步深化金融细分领域的技术创新，打造国内领先的大模型服务。

这篇文章总结了多个行业的龙头企业，包括龙盛硅业、水泥电影、精机金属、红外神通等，并提到了垄断性企业如稀土医疗和芯片/器件公司如微电子ARM。此外，还涉及机器人神经网络、图像传感AI游戏研发及GPU与AI通信等多个领域的创新企业和技术。最后，列举了ODM（Original Design Manufacturer,原始设计制造商）和证券AI等相关企业。

"文章探讨了中国AI+金融的发展现状，2022年银行业预计投入超3000亿进行技术资金投入，AI在银行的前台中后台有广泛应用场景，如智能客服、营销和风控。尽管客服领域应用成熟，但智能化应用还未普及。ChatGPT等技术的应用提高了效率并带来创新，但也面临数据库时效性和交互能力不足的问题。关键是要解决数字人如何建立客户关系以拓展其应用场景，同时需确保AI生成内容的专业性和准确性，避免误导客户。"

本文阐述了人工智能技术如何助力金融机构打破传统服务模式，通过智能化变革客户体验、产品创新和服务流程，简普科技等机构在这方面已取得成效。金融行业因数字化转型面临挑战，如投入大和技术要求高，但金融科技的介入帮助降低压力，并通过AI提升风控精准度和金融机构运营效率。同时，其他公司如百融云创和乐信也在反欺诈领域利用人工智能技术取得了显著成果。总的来说，金融科技与金融机构的深度融合正在加速金融行业的智能化转型进程。

Andreessen Horowitz公司的合伙人Marc Andrusko表示 银行和交易新工具 到2024年，我们将看到雄心勃勃的创始人着手解决金融机构所面临的最为棘手的问题。 尽管全球投资银行和交易服务市场年收入接近3500亿美元，但目前仍主要依赖于20世纪80年代建立的内部部署系统和企业软件。尽管银行开始购买基于云的解决方案来满足各种横向需求——如Salesforce用于客户关系管理（CRM），Azure用于云计算，Databricks用于湖仓架构——但在银行业和交易业务中垂直部署的风险建模、交易确认/清算/结算以及客户订单记录等工具仍通常是手动操作（如Excel），过时，或两者兼有！同时，这些机构的购买行为正在发生变化。尝试新工具的意愿达到了历史最高水平。 Andreessen Horowitz公司的合伙人Seema Amble表示 金融专业服务通过软件得到增强 金融专业服务领域的工作——会计师、税务顾问、财富管理经理、投资银行家等——将发生变革。这些职业通常涉及研究和应用所学专业知识，以及客户管理。历史上，软件主要协助跟踪工作流程，仅提供一些分析工具（如会计中的交易分类）。随着生成式AI和LLM技术的发展，更多的工作可以实现自动化，包括行政任务、研究过程（收集和摄取数据、寻找信息）、总结和揭示洞察，以及报告生成。税务顾问可以更轻松地查阅先例来回答问题，会计师可以自动生成财务报表，财富顾问可以在更广泛的数据集上进行情景规划。 软件最终可能完全自动化这些任务，但目前人类在循环中的技能组合将转向专用专业知识、审查生成的成果和面向客户的合作。正如往常一样，创新与分发的竞争将持续：已经与金融专业人士建立关系的现有企业需要将AI融入其软件，而具备现代软件功能的新兴企业需要在新的客户群中寻找并建立信任。 NVIDIA 金融服务副总裁MALCOLM DEMAYO 金融服务，AI 至上：随着 AI 的飞速发展，金融服务公司将会把算力用在数据上，而不是用数据来提高算力。 金融服务公司需要在保持技术发展速度，降低集中风险的同时保持敏捷性，所以需要做出战略转变，即采用将本地基础设施与云计算混用这样具有高度可扩展性的方式。能够处理好最关键工作负载（包括 AI 驱动的客服助手、欺诈检测、风险管理等）的金融服务公司将获得领先优势。