lida

金融行业是高价值行业，数字化基础好、高度依赖数据和技术，是大模型落地的高潜场景。但是，金融作为一个强监管且对精准性、可控性要求很高的行业，通用大模型在金融核心领域应用上还面临诸多挑战。作者：胡群 封图：东方IC 2023年8月31日，百度“文心一言”、商汤科技“商量SenseChat”、智谱AI“智谱清言”等首批国产大模型产品正式面向公众开放服务。 当通用大模型已在正式落地，金融核心领域离大模型应用还有多远？ 目前度小满、恒生电子、马上消费金融等公司已先后发布金融大模型，蚂蚁集团有望在今年的外滩大会上发布大模型。在银行领域中，农行已率先推出ChatABC，并不断迭代升级；工行、交行、招行、平安银行、兴业银行等多家银行已披露其在大模型领域的探索及应用。 “大模型让机器具有了常识，懂得了逻辑，学会了创作，让人和机器能以更自然的方式互动，通过与周边工具的结合，大模型已经具有了通用人工智能的雏形，在营销、电商和内容等许多领域已经形成了生产力”。度小满CTO许冬亮认为，金融行业是高价值行业，数字化基础好、高度依赖数据和技术，是大模型落地的高潜场景。但是，金融作为一个强监管且对精准性、可控性要求很高的行业，通用大模型在金融核心领域应用上还面临诸多挑战。 爆发前夜 8月28日，中国工程院院士倪光南在金融大模型发展论坛暨马上消费金融大模型发布会上表示，金融行业的人工智能应用要求高、场景丰富，是大模型技术和算法突破的沃土。 今年5月份，度小满开源了国内首个千亿级中文金融大模型“轩辕”，开源以来已经有上百家金融机构申请试用。 6月28日，恒生电子和旗下子公司恒生聚源发布基于大语言模型技术打造的数智金融新品：金融智能助手光子和全新升级的智能投研平台War－renQ，恒生电子金融行业大模型LightGPT也首次对外亮相。“LightGPT将于9月底完成新一轮的金融能力升级，并正式开放试用接口。”恒生研究院院长、恒生电子首席科学家白硕称。 8月9日，奇富科技宣布与360智脑达成在大模型方向与落地应用等多个层面的战略合作。 8月23日，北大光华金融系主任、教授刘晓蕾在“北大光华-度小满金融大模型技术与应用论坛”上表示，AIGC的发展正在从概念开始走向落地应用，从“通用大模型”走向“行业大模型”。而金融行业作为人工智能应用场景密集的行业，无疑是大模型技术落地的最佳领域之一。 8月28日，马上消费金融发布零售金融大模型“天镜”。据马上消费金融人工智能研究院院长陆全透露，该模型已运行近3个月，意图理解准确率达91%，相较于传统AI的68%有较大提升；客户参与率61%，高于传统模型43%的参与率，也高于人工坐席平均28%的水平。 在上市银行2023年半年报中，多家大中型银行已披露其在大模型领域的进展。 工行在中报中表示，完成人工智能大模型能力建设应用规划，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，并与头部科技公司合作探索千亿级人工智能大模型在金融行业的创新应用实践；交行则称，积极探索AIGC（生成式人工智能）前沿技术，制定生成式人工智能建设规划，组建GPT大模型专项研究团队，为体系化、规模化应用奠定基础；邮储银行表示，积极探索数字员工、NLP(自然语言处理)对话机器人、预训练大模型等前沿技术领域课题研究，促进创新技术融合应用。 股份行方面，招行称，正加快新技术应用推广，提升GPT类自然语言处理大模型的建设能力，并重点发掘其在全流程财富管理中的应用，投产FinG－PT创意中心，加快大模型应用模式探索；平安银行探索自研BankGPT平台，研究构建大模型文本生成、图片生成等能力，及其在图标头像、节日海报、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。兴业银行引入部署私有化的商业大模型，上线大模型产品ChatCIB；中信银行与华为、雄安新区成立联合创新实验室，布局大模型等联创课题；浙商银行与头部科技公司基于通用大模型合作开发场景化的数字化应用技术，打造一批有浙银辨识度和行业竞争力的重大数字化应用。 一位国有大行研发中心大模型研发负责人向经济观察报记者表示，对于金融科技，银行更针对应用，而非聚焦基础研究，因此各家银行积极与金融科技厂商合作大模型在金融领域场景的应用。 尚未触及核心领域“目前为止，大模型在银行主要应用于智能客服、智能运营、写文章、写邮件等方面，但是这些应用均不涉及银行的核心应用”。光大信托数据公司总经理祝世虎表示，银行的核心应用在风险管理、资本管理和监管科技等方面。“尽管生成式AI技术具有许多潜在的优势，但在使用时仍需谨慎。银行需要确保AI生成的内容准确、合规和符合品牌形象。此外，监督和审查AI生成内容的过程也是必要的，以确保生成的内容不涉及虚假宣传、误导性信息或违反相关法规。”中国银行业协会首席信息官高峰认为，生成式AI技术根据指定的主题、风格和要求，帮助银行快速生成高质量的内容，降低人工操作成本和时间成本。“毫无疑问，大模型将给整个行业带来无限可能。大模型使得企业掌握和运用知识的效率有了革命性提升，特别是对于财富与资管这类知识密集型行业而言，尤其值得期待。”8月25日，招行首席信息官江朝阳在招银浦江金融科技论坛上表示，财富与资产管理行业将有望成为金融大模型应用最先应用的行业之一。他预测，未来的市场，大模型不会一家独大，将会有多个基础大模型，这既是技术成本降低带来的可能性，也是社会多元化发展的现实需求。当前我国居民家庭资产中的不动产配置比例将趋于下降，金融资产配置比例有望快速提升。根据麦肯锡报告，中国居民金融资产规模将从2022年末的243万亿元提升至2032年末的571万亿元，年化增速9%，资产管理行业规模有望在2030年突破280万亿元。现阶段我国居民金融资产配置中现金和存款占比仍然较高，超过50%，相比之下，成熟市场的存款占比仅15%，居民财富结构将持续优化。“运用科技提升能力，这是财富与资产管理行业的确定性机会。”江朝阳认为，无论是资产配置、投资者教育，还是投研分析、风险管理，每一个环节都要以数字化手段再造，提升效率、提升投资者体验、提升价值创造能力。“人工智能在金融行业的应用潜力目前可能只发挥了不到1%。谁能将人工智能的优势尽早应用于业务，谁就能成为金融行业引领者。”许冬亮表示，金融数据集中在各个金融公司里，对于金融机构而言，数据是核心生产力，相互之间也是竞争关系，不太可能把自己核心的生产资料共享出来。加之监管因素以及用户数据的隐私保护的因素，金融领域的高质量数据未来仍将是分散的。波士顿咨询发布的《银行业生成式AI应用报告（2023》显示，若能在银行业实现生成式AI规模化应用，有望带来可观的降本增效收益。波士顿咨询曾以一家拥有约两万名员工的区域性国际银行为例，初步梳理了该银行前中后台相关部门应用生成式AI的潜力和效益，预计在首年即可为该银行节省约1.5亿美元的成本，占整体薪酬总包的7%左右。 如何破局 马上消费金融副总经理兼首席信息官蒋宁认为，作为生成式大模型，ChatGPT虽满腹经纶，但回答错了并不承担风险。生成式大模型不能做解释，但金融大模型最主要的能力是判别性，需要做交易决策。在工业领域、金融领域的应用还面临诸多难题，比如金融领域的业务需要百分之百合规、安全，不能有一点点差错，不然就会对交易造成重大伤害。 波士顿咨询董事总经理、全球合伙人谭彦认为，当前市场通用的生成式AI模型具备普适、跨行业通用、模糊语言的特性，而这难以满足银行业对金融专业能力、精准性方面的高要求。因此，如何让生成式AI模型“说专业的话”“说真话”就成为了银行业规模化应用生成式AI的两个关键挑战。此外，银行等金融机构对数据安全的高要求也意味着模型的精调和应用都很有可能需在本地进行。 在度小满数据智能部总经理杨青看来，大模型应用于金融核心领域还面临行业监管严格、GPU算力不足、优质数据缺乏、通用大模型金融能力不足以及场景落地难挑战。金融本身是一个高合规要求的行业，大模型又是具有颠覆性的新技术，当前对它的风险还没有完全了解，随着大模型落地的不断推进，如何平衡大模型落地收益和潜在合规风险，会是一个越来越突出的问题。 如何解决大模型在金融行业落地应用的这些难题，许冬亮认为每家机构独立去解决这些问题既不现实，也不经济，科技公司和金融机构在金融大模型上的合作非常有必要，“科技巨头提供通用大模型，或者技术能力强的金融科技公司提供金融行业大模型，具体的金融机构基于这个行业底层模型，用自己的业务数据去做私域的训练，然后做私有化的部署和应用”。 祝世虎认为，大模型在银行业的落地路径将呈现大合作与大创新并举的局面：底层基础大模型将由头部人工智能公司提供、中间会是金融业人工智能公司、上层任务型大模型则由银行与人工智能公司合作开发。 专访吴晓求：中国资本市场一定要完成功能转型改革认缴出资制不宜走回头路谭旭光：唯有改革 | 中国重汽五年登顶启示录

【中国金融案例中心 编译：谢彬彬、叶子】 今年9月，Supermicro（即美国超微电脑股份有限公司）发布了一份名为《人工智能如何推动金融服务创新》（HOW AI IS PROPELLING INNOVATION IN FINANCIAL SERVICES）的报告，深入探讨了人工智能（AI）在金融服务领域的应用潜力，并对Supermicro与NVIDIA（英伟达）的合作及其如何帮助组织实现AI应用的解决方案进行了阐述。 AI在金融服务中的应用 过去五年中，AI显著改变了组织间的互动方式，AI采用率也从2017年的20%增长到2022年的50%以上。金融服务业正在将预测性和生成型AI整合到业务实践中，预计到2024年底，75%的企业将从试点转向操作化AI。 报告提到，AI技术在金融服务中有五方面典型用例，包括： 1）量化金融：将AI技术和定量建模与数据科学相结合，帮助组织做出明智的商业决策； 2）算法交易：AI模型能够分析大量金融数据，包括消费者交易、物流信息等另类数据集，生成预测性洞察，优化交易策略； 3）欺诈检测：AI有助于简化客户验证程序，并通过扫描全球支付网络以提供交易监控，识别异常交易，有效预防和减少欺诈； 4）智能文档：AI技术可通过自动化处理文档、数据提取和内容验证等任务来简化财务流程，提升工作效率并减少人为错误； 5）客户服务：AI驱动的聊天机器人和虚拟助手提高了客户服务的响应速度和质量。 AI实施的挑战及应对策略 尽管AI的潜力巨大，但在金融服务业实施AI技术时也面临着一些挑战： 1）法规限制：在不同国家或地区，金融服务业均受到严格的监管，AI技术的应用必须符合相关法规和合规要求； 2）数据隐私：保护客户数据的隐私是金融服务业的首要任务，AI技术的应用必须确保数据的安全和隐私； 3）技术障碍：许多金融机构的遗留系统无法与现代AI技术兼容，需要进行升级和现代化改造； 4）人才短缺：AI领域的专业人才相对稀缺，金融机构需要投资于员工培训和招聘AI专家。 为了应对上述挑战，金融机构可采取以下策略： 1）优化数据管理：确保数据的质量和准确性，为AI模型的训练提供可靠的数据基础； 2）精确标记数据：为了提高AI模型的准确性，需要对数据进行精确的标记和分类； 3）投资于技术升级：升级遗留系统，以充分利用AI技术的能力； 4）培养专业人才：投资于员工培训，提高团队的AI技能和知识。 Supermicro与NVIDIA的合作 Supermicro和NVIDIA有着长期的合作关系，主要集中在高性能计算（HPC）和人工智能（AI）领域。这种合作旨在提供先进的解决方案，以满足数据中心、云计算和AI应用的需求。 根据公开资料，2021年，Supermicro宣布与NVIDIA合作，推出一系列新的AI和高性能计算（HPC）解决方案。这些解决方案包括支持NVIDIA A100 Tensor Core GPU的Supermicro服务器，旨在提供强大的AI训练和推理能力。在2021年的NVIDIA GTC大会上，Supermicro展示了其与NVIDIA合作的最新成果，包括支持NVIDIA DGX技术的Supermicro服务器，这些服务器被设计用于AI研究和数据中心。此后，Supermicro还推出了一系列NVIDIACertified Systems，这些系统经过NVIDIA的认证，以确保最佳的性能和兼容性。这些系统包括支持NVIDIA GPU的Supermicro服务器和工作站，适用于AI、深度学习和高性能计算。 2022年，Supermicro与NVIDIA加深合作，为研究机构提供支持AI和机器学习研究的高性能计算平台。这些平台包括NVIDIA的AI Enterprise软件套件和Supermicro的GPU优化服务器。2023年，Supermicro与NVIDIA合作推出新一代AI基础设施，包括支持NVIDIA H100 Tensor Core GPU的服务器，旨在为AI和数据分析提供更高的性能和效率。...

5日早盘，行情风向标——金融科技板块再度走高，“AI+金融”全线领涨，信雅达快速封板，大智慧再度涨停斩获5天4板，顶点软件、新致软件、拓尔思、银之杰、格灵深瞳等多股涨超3%。热门ETF方面，金融科技ETF（159851）场内快速拉涨逾2%，实时成交额快速突破2亿元，环比放量明显！ AI科技端上，OpenAI首席执行官山姆·奥特曼当地时间12月4日在社交媒体透露，接下来的12个工作日中，每天都将进行一场直播。在总共12场直播中，公司将展示一些新产品或者样品。据科技媒体The Verge报道，新产品中包含用户们期待已久的文字转视频工具Sora和一款新的推理模型。 华西证券指出，金融行业是大模型推广应用首选场景，在通用大模型基础上，利用行业数据进行混合训练，形成具体行业的大模型，是大模型输出应用的重要模式，AI将赋能金融科技新蓝图。 金融端上看，国泰君安表示，近期央行等七部门发布的《行动方案》要求金融机构定制全方位数字化转型战略规划，新一轮金融科技创新周期即将开启。政策支持叠加资本市场回暖，2025年金融IT行业景气度将迎来大幅度反转。 多角度把握金融科技机遇，建议重点关注金融科技ETF（159851）。资料显示，金融科技ETF（159851）被动跟踪中证金融科技主题指数，创业板成份股权重及科创板成份股权重合计超60%，双创含量高，指数弹性更大；指数第一大行业为计算机，有效覆盖了互联网券商、华为鸿蒙、移动支付、金融信创、金融IT、数字经济等主题。 本文源自金融界