lida

标题：人工智能在金融行业的应用与挑战 摘要：人工智能（Artificial Intelligence，AI）是近年来备受关注的技术领域，其在金融行业的应用逐渐受到广泛关注。本文将从人工智能在金融领域的应用、面临的挑战以及应对策略三个方面展开论述。 一、人工智能在金融领域的应用 1. 智能客服：人工智能可以通过自然语言处理、语音识别等技术，实现金融客服的自动化，提高客户满意度。 2. 风险控制：人工智能可以通过大数据分析、机器学习等技术，对金融业务中的风险进行实时监测和评估，提高风险控制能力。 3. 欺诈检测：人工智能可以识别金融交易中的异常行为，有效防范欺诈行为，降低金融风险。 4. 投资决策：人工智能可以通过量化分析、预测模型等技术，辅助投资者进行投资决策，提高投资效益。 5. 智能理财：人工智能可以根据客户的年龄、收入、风险偏好等个人信息，为客户提供个性化的理财建议，实现财务增值。 二、人工智能在金融领域面临的挑战 1. 数据安全：金融行业涉及大量敏感数据，如何在使用人工智能的同时确保数据安全成为一个重要问题。 2. 金融伦理：人工智能在金融领域的应用可能引发金融伦理问题，如何确保人工智能的公正、公平使用成为一大挑战。 3. 技术成熟度：虽然人工智能在金融领域取得了一定的成果，但目前仍处于发展阶段，技术成熟度有待提高。 4. 法规政策：人工智能在金融领域的应用需要相应的法规政策支持，目前我国相关法规政策尚不完善。 5. 人才短缺：人工智能在金融领域的应用需要大量具备金融科技素养的人才，目前我国尚存在人才短缺问题。 三、应对挑战的策略 1. 加强数据安全技术研究：通过加密、匿名等技术手段，保护金融数据安全，确保人工智能在金融领域的安全应用。 2. 建立金融伦理规范：制定金融伦理规范，对人工智能在金融领域的应用进行约束，确保其公正、公平使用。 3. 持续推动技术研发：加大人工智能技术研发投入，提高技术成熟度，为金融行业提供更多高效、准确的人工智能解决方案。 4. 完善法规政策体系：推动政府制定和完善相关法规政策，为人工智能在金融领域的应用提供法治保障。 5. 加强人才培养：加强金融科技人才的培养，提高金融行业的人工智能应用能力。 总结 人工智能在金融领域具有广泛的应用前景，可以提高金融服务效率、降低成本、提升客户满意度。然而，要充分发挥人工智能在金融领域的优势，还需要克服数据安全、金融伦理、技术成熟度、法规政策以及人才短缺等方面的挑战。通过加强技术研究、建立伦理规范、推动研发、完善法规政策和加强人才培养等措施，有望推动人工智能在金融领域的健康发展。 在未来，随着人工智能技术的不断进步，其在金融领域的应用将更加广泛。人工智能与金融行业的深度融合，将为客户提供更加高效、精准的金融服务，助力我国金融事业的发展。

“数智创新与管理” ZJUSOM 前段时间，刘强东以“采销东哥AI数字人”开启首场直播，不到1小时，观看量超过2000万，引发各界对“AI创新机遇”的热议。 随着AI技术的日益突破与发展，如今越来越多的企业家与投资者将目光聚焦在AI创新与投资上，尤其是在ChatGPT问世后。由“AI+金融”融合而成的数智金融便是AI创投领域广受各路风投与金融科技(FinTech)行业企业家们追捧的火热赛道之一。 图片来源：千库网 因为在他们看来，有了AI技术的赋能，金融行业会迸发出新的生命力，比如金融效率会大大提升、获客会更精准、风控会更成熟、业务服务会更人性化……总之，数智金融将为所有利益相关者都带来“好处”。 的确，作为数字经济的重要推动力量，以AI技术驱动的数智金融势必会带动行业升级，让各方利益者都满载而归。但这是理想状态，实现的过程并非一蹴而就。那么当前以AI技术驱动的数智金融发展究竟如何？当前有哪些数智金融的应用场景值得挖掘？当AI技术大量融入金融行业、取代人类工作后，人类又该何去何从？ 作为长期在资本市场研究领域深耕的学者，浙江大学管理学院财务与会计学系教授黄英一直在关注并研究以AI技术驱动的数智金融。在她与团队共同编著出版的《数字经济时代AI创新与投资》一书中，有几大章节系统分析了目前AI技术在金融领域的应用与可能存在的投资机会，以及AI与人类的关系、AI发展面临的挑战等。 黄 英 本期学者 学者简介：黄英，浙大管院财务与会计学系教授、博士生导师，浙江大学资本市场研究中心主任、浙江大学金融研究院首席专家、浙江大学国家制度研究院特聘研究员。研究领域：财务管理、公司治理、风险投资、基金管理、可持续发展 本期【数智创新与管理】专题，我们摘选整理了黄英教授团队在该书中的分析与观点，或许可以拨开数字经济时代下的AI创新与投资“迷雾”。 01 以AI技术驱动的数智金融已进入价值创造阶段 “金融系统是最能够与AI进行结合并产生价值的领域。” 黄英团队表示，金融领域如今已被充分数据化，为AI的应用提供了充分的数据基础。同时，金融体系内各个分支领域界限相对明确，银行、证券、保险等业务相对独立，便于AI在垂直领域中进行应用，这也使得AI与金融领域的结合最能够产生直接的成果。 那么“AI+金融”要如何“+”才能产生价值？或者说，AI可以怎样赋能金融行业？ 通常来说，AI可以从基础层、通用层和应用层三个层面对金融行业产生赋能效应——基础层，主要是为算法模型提供基础计算资源和基础设施，为业务高效落地提供支撑；通用层，充分利用智能感知、认知技术，解决传统金融业务场景的痛点；应用层，将智能技术与业务需求充分融合，衍生出智能营销、智能投顾和智能理赔等典型数智金融场景。 经过深入调研，黄英团队发现，如今深度融合金融业务场景的AI技术正逐步解决行业痛点问题，在实现业务流程自动化、弥合信息差、构建普惠金融等方面发挥关键作用，且在获取增量业务、降低风险成本、改善运营成本、提升客户满意度方面进入了价值创造阶段。 图片来源：千库网 02 “AI+金融”之花竞相绽放的背后，需掌握促进其持续发展的秘钥 为了深入了解当前以AI技术驱动的数智金融的发展状况，黄英团队调研走访了不少AI企业与金融机构，结果发现，AI技术当前已应用到金融领域最为炙手可热的领域，包括智能客服、智能征信和反欺诈、智能投顾这三个领域，且在各个领域中都出现了一批代表性的企业。 可以说，随着AI技术的蓬勃发展与政府、企业、科研机构等多方推动下，“AI+金融”之花已在全国各地竞相绽放，且在推动数字经济高质量发展方面发挥着重要作用。 那么这些“AI+金融”之花是否都是值得深入挖掘的数智金融应用？要实现可持续高质量发展，“AI+金融”还有哪些更好的数智金融应用场景与结合路径？ 基于这些思考，黄英团队结合调研发现，就“AI+金融智能客服”“AI+金融风控”“AI+智能投顾”“AI+金融投资逻辑”分别作了评析，并提出了建议。 AI+金融智能客服 “AI金融智能客服需深化对垂直行业的深入理解” 我们知道，金融行业属于服务业的范畴，客户满意度于金融机构而言就是核心竞争力。因此，越来越多的金融机构寻求与优秀的AI技术企业合作，试图以“AI+金融智能客服”为客户提供更加智能、高效的服务，从而提升核心竞争力。 于是，金融领域的智能客服机器人（也被称为虚拟客户助理）便诞生了。 图片来源：千库网 在数字经济时代下的今天，金融智能客服机器人已不鲜见。有了AI技术的加持，尤其是生成式AI的融入，不少金融智能客服机器人都能较好地理解客户在各种交互平台上提出的口语化问题，且能像人工客服一样给出回复，甚至它们可以做得更好。 因为相比人工客服，它们拥有更强大的知识库，不会遗忘，也不会受情绪影响，能给到客户更加高效、准确、专业的客服体验。 但由于金融行业的智能客服机器人要服务的对象基本都是商业客户，需要在交互上做到极度准确而高效，所以金融智能客服机器人仅拥有自然语言理解的基础能力还不够，还需深化对垂直行业的深入理解，否则将难以满足智能客服的业务需求。 因此，我们认为，未来智能客服企业之间的竞争是“将智能客服相关技术与垂直领域深度结合，并应用到细分垂直领域中的综合能力”的竞争。智能客服将成为AI技术企业与B端客户建立服务关系的重要业务切入点，AI技术企业应努力成为B端客户人工智能技术的综合方案提供商，为客户开拓包括内部员工智能服务、内部企业管理及客服过程中的营销等多种可能的新业务模式。 实际上，目前已有不少优秀的AI技术企业已为金融行业提供了成熟的智能客服解决方案，并为客户创造了巨大价值。不过在智能客服系统的核心技术基础——自然语言理解能力方面还需进一步提升，从而为客户提供更加多元的解决方案。 AI+金融风控 “场景、数据、算法的结合能力对AI金融风控而言至关重要” 由于我国传统的征信体系主要由政府主导，所以征信数据的覆盖范围相对有限。据报道，央行的征信数据主要来自信用卡数据、车贷、房贷信息等，还有大量的人口与小微企业没有征信数据。因此，如何解决对这部分个人和小微企业的征信，成为打开这一巨大金融业务市场空间的关键。 而AI技术的发展，为此提供了可能，“AI+金融风控”也因此有了应用场景。 图片来源：千库网 如今，很多智能风控领域的AI创业公司都在努力开辟独特的数据获取渠道。拥有独特的数据来源和数据分析能力，以及场景、数据、算法的结合能力，将成为该领域企业的核心竞争力。 如今该领域企业主要的业务模式分为To B和To C两类。我们认为，以To...

随着ChatGPT的问世，以大模型为主的AI（人工智能）发展成为金融科技发展的新热点。人工智能在金融领域的应用，被认为在市场、交易，监管等方面都有着广泛的前景。不过，包括监管机构、市场部门仍然担心AI的大范围应用会带来数据安全、风险集中等一些问题。这些问题和隐患也使得相关创新面临新的挑战。 近期，在AI应用在金融监管科技的影响方面，国际清算银行1月23日发布报告称，AI（人工智能）在央行信息收集、宏观经济分析、支付系统监测、金融监管等四个方面将发挥重要作用，但与此同时也会面临准确性、隐私、成本、依赖性等诸多挑战。另外，国内的CF40近期也发布智能金融发展报告称，以ChatGPT为代表的生成式人工智能（AIGC）的出现无疑对金融业具有深远的影响，一方面，可以通过快速准确的信息和自动化的任务处理推动金融业降本增效；另一方面，也进一步推动了金融行业的数智化转型，拓宽了金融行业AI应用的边界。人工智能不仅是金融监管所需要面对的市场挑战，也给金融监管自身带来各种不确定性。 在广泛的数据处理方面，人工智能的发展不仅给金融机构各种交易提供高效的数据分析，同样也为监管部门的决策提供支撑。国际清算银行称，各国央行在获取高质量数据时，需要清洗、抽样以及匹配新数据与旧数据，数据量和复杂性日益增加，亟需高效灵活的处理工具。而无论数据分布形态如何，AI在上述过程中都能够自动识别潜在异常值，经人工专家审核反馈后，可以完善算法，提高工作效率。在货币政策和宏观经济金融分析方面，国际清算银行称，AI可以从各种传统和非传统的数据源中有效地提取信息，还能够反映数据中复杂的非线性关系。支付系统的日常监测方面，央行能够通过AI更有效地识别异常支付、可疑交易，以及监测银行挤兑等非线性的动态情况，这些功能有助于及时防范潜在的银行倒闭、网络攻击或金融犯罪等问题。国际清算银行称，AI非常擅长处理非结构化数据，可以根据文本训练与专家指定关键词相结合，自动发现风险信号。例如，欧央行目前的Athena系统就使用自然语言技术来处理新闻报道、银行内部文件和监管评估等大量文件，来提高监管效率。监管效率、准确度和精确度的提升，意味着未来AI在金融监管领域有着十分广泛而实际的应用。 但与此同时，国际清算银行提醒，AI在央行的应用亦存在不少挑战。首先是准确性与可解释性的冲突。如果算法存在歧视或偏见，模型得出的答案就会不准确；复杂的机器学习模型涉及很多变量和非线性关系，因此很难解释不同变量对结果的影响程度。其次，非结构化数据（通常是个人数据）的使用在法律框架和数据隐私方面提出了新的挑战。与之前数据主要由公共机构提供不同，央行现在要使用的大量数据来自私营部门，或者从社交媒体网络抓取，这会引发对道德和隐私的担忧。在投入成本上，更多地使用AI可能让央行在IT和人力成本方面承压。AI技术在帮助央行提高监管效率的同时，也会引发人们对央行依赖少数外部供应商的担忧，技术中断可能给央行带来运营风险。除了市场集中度给创新和经济活力带来的一般风险外，资源的高度集中还可能造成重大的金融稳定、运营和声誉风险。在新的环境之下，作为监管部门而言，不仅需要面对跨部门、跨领域的数据协调问题，还需要面对模型本身各种缺陷所带来的尾部风险。这些都是过去金融监管所无法预见的。 在市场应用方面，CF40的报告指出，从现阶段应用实践看，智能金融的主要问题和风险点集中在几个方面：智能金融的伦理标准考量、人工智能技术风险与系统安全、金融数据安全与个人信息保护、市场行为与金融消费者权益保护、智能技术所引起的金融风险。这些风险，有些是大数据应用所固有的一些特性，比如数据的所有权、隐私、安全等问题，不仅对包括金融监管在内的金融领域具有影响，在人工智能的其他应用领域，这一问题同样存在。同样，有些风险则反映了金融领域的特殊性。包括外溢风险，尾部风险都是过去的金融实践中所没有遇到的新情况。 由于金融业务的即时性，以及风险的强烈外溢性，使得数据本身的风险对经济和金融市场的冲击更为严重。因此，对于数据应用制度体系的一些争议，更需要进行充分的论证和研究，作出妥善安排，而且这种安排在金融领域需要及时进行修订，避免监管跟不上技术变化带来的基础性风险。这种风险如果暴发，可能出现比P2P网贷、数字货币泛滥等各种挑战所带来的冲击更大。中国银行原行长李礼辉曾指出，人工智能技术迭代可能造成在算力、数据治理和安全等方面的冲击和挑战；而将尚不成熟的人工智能技术投入高风险的金融领域，可能放大现有风险并产生新的风险。这其实都意味着以人工智能为新方向的金融科技发展，需要有更为谨慎的监管。而这与鼓励创新的发展金融科技的初衷有差距。如何平衡监管和创新，可以说给未来对人工智能在金融领域的应用而言，带来越来越严重的挑战。 最终分析结论：国际清算银行称，AI（人工智能）在央行信息收集、宏观经济分析、支付系统监测、金融监管等四个方面将发挥重要作用，但同时也会面临准确性、隐私、成本、依赖性等诸多挑战。这意味着人工智能发展将对金融监管带来挑战。金融监管不仅需要解决数据应用等共性问题，还需要更为谨慎和即时的监管以避免风险外溢和扩散。（来源：安邦咨询）

据银柿财经，1月12日，在浙江杭州举行的2024基金生态大会上，来自头部券商、基金公司的知名分析师、营销大咖、爆款ETF打造者等近300位业内专家共同见证了问财HithinkGPT大模型(简称“HithinkGPT”)的正式发布。 这是同花顺（300033）完全自主研发的大模型，也是业内首家通过网信办备案的金融对话大模型。作为市场上唯一集金融查询、投资咨询、资讯分析以及事件点评于一体的大模型，HithinkGPT拥有超过50种独特技能，为用户提供全面而深入的服务。 同花顺深受投资者欢迎的对话机器人――问财目前已经基于HithinkGPT成功实现了五大能力的升级：更全面的实时金融数据、更强大的语义理解、更专业的建议、更生动的表达形式和更可控的内容生成。HithinkGPT还在智能投研、智能投顾、智能陪练、智能代码生成等场景提供品类齐全、品质优良的产品及能力，真正做到用AI引领金融科技。 据悉，1月2日，问财HithinkGPT大模型内测申请全面启动，内测开启一周，注册排队人数就突破了5万人次。另外，新一代问财内测申请继续开放中，用户可联系同花顺申请试用。

背靠阿里，“AI大模型+金融”第一股，机构增持超10亿，下个昆仑万维？ 在进入正题前，来规矩先聊聊市场。 随着时间进入到7月份，上市公司年报和一季报密集发布，在加上近期关于ChatGPT的利空消息不断，比如某某国家禁用ChatGPT，科技巨头签署暂停GPT-5训练的协议。 受这些利空消息的影响，ChatGPT是否会进入全面退潮期？市场主线是否会重回风光储等成长赛道呢？ 小编的观点：并不会！ 理由有两点： ①前两年是风光储赛道的巅峰期，早已透支了预期，没有新故事可讲了。随着国家“双碳”目标的推进，风光储赛道相关企业的业绩，或将一如既往的优秀，但基本上都已经明牌了。 ②从市场资金的切换来看，暂时来看，并没有流到低价+低位+低估值的风光储赛道，反而是在数字经济、半导体和中特估之间切换。 正所谓，百足之虫死而不僵。由于市场资金介入较深，ChatGPT概念并不会一下子就进入全面退潮期，还会反复。这种时候，正是我们挖掘潜力股，寻找低位补涨龙头的好时机。 不过，还是要提醒各位粉丝朋友，不可盲目追涨，注意风险。 这家“阿里系”公司，机构净买入超10亿，下个“昆仑万维”？ 经过一段时间的研究和复盘，也精选了一家有望补涨的行业龙头。 精选的这家有望补涨的行业龙头，是“阿里系”金融IT龙头企业，近期机构大手笔增持，净买入超10亿，能否成为下一只“昆仑万维”呢？ ①“阿里系”金融IT龙头企业，手握大量宝贵的数据资源 ChatGPT的横空出世，意味着语言类AI底层技术NLP进步显著。但是AI大模型的训练，离不开海量的数据支撑。 数据是AI大模型训练的基础，支撑AI大模型训练的优质数据越多，意味着算法从中学习的效果越好。拥有海量优质数据的，除了三大运营商，就是金融行业了。金融行业掌握大量的C端用户，是优质AI落地场景。 公司作为阿里系金融IT上市公司，是金融IT领域当之无愧的龙头企业，手握大量宝贵的数据资源。 ②AI大模型+金融，公司持续布局AI在内的前沿技术 公司不仅是百度文心一言的首批生态合作伙伴，并成立研究院，持续布局包括AI在内的前沿技术。 目前，公司正在探索生成式AI与金融核心业务的应用融合，在投研、投顾、营销、客服、运营、风控等金融各类业务场景开展人工智能大模型技术应用，为金融机构提供全场景人工智能解决方案及服务。 ③近期机构大手笔净买入超10亿，对标昆仑万维 ChatGPT概念爆发以来，诞生了不少大牛股。比如，AI芯片第一股寒武纪，近20个交易日涨幅98.43%。互联网出海第一股昆仑万维，近20个交易日涨幅也达86.15%。 另外，中文在线、返利科技、创业黑马、同花顺、蓝色光标等ChatGPT应用领域的核心公司，都获得了不错的涨幅。 当这些公司涨到高位，主力机构低位布局这家金融IT龙头，意图已经很明显。根据数据显示，近5个交易日，机构净买入超10亿。 你知道这是哪家公司吗？它会成为下个“昆仑万维”吗？

哥伦比亚大学近日联合上海纽约大学推出全新大模型产品FinGPT，这是一款面向金融领域的大模型产品。 结合彭博此前已推出金融行业大语言模型BloombergGPT,这标志着金融行业迎来大模型时代，未来可能应用于金融建议、量化交易、组合优化、金融情感分析、风险管理、金融欺诈发现、信用评级、破产预测、ESG、低代码开发、金融教育等场 此外，基于FinGPT其开源特性，有望加快金融大模型的普及、应用端的推广，加速金融创新的发展，梳理受益方向包括: 1)具备较强的AI能力。如同花顺，建了AI领域的顶尖团队;恒生电子，自2014年正式启动Al研究工作，已发布20多款人工智能产品;金证股份引入了多名算法专家和架构师组建团队。 2)具有丰富行业数据。具有金融行业相关数据的同花顺、指南针、恒生电子(恒生聚源)等有较大优势。 3)具备丰富的行业经验与深入的业务理解。人工智能需要IT能力、算法、业务等，占据较大市场份额的公司会积累起较多的行业经验与业务理解，如恒生电子、金证股份、宇信科技。 4)与头部互联网厂商有紧密联系。与其进行合作有利于率先进行大模型的落地取得先发优势，如恒生电子(蚂蚁科技集团为其股东)，宇信科技(与百度达成战略合作)。

GPT的风刮向了金融领域。这项变革性的技术正在驱动金融行业使用AIGC，通过实际的应用产品去满足客户需求，进行金融服务创新。公开信息显示，摩根大通、摩根士丹利、美国支付巨头Stripe、高盛等都已纷纷入局AIGC，这其中，中国金融机构也开始跃跃欲试。 在与AI的互动中，金融机构都有相同的选择：都服务于公司内部，以间接的方式提升客户体验，并不直接对外开放。金融机构不约而同的选择并不奇怪，数字金融业态走向产业与场景的融合阶段下，AI提效最优解就是直接面向客户，金融机构也在围绕这个落点展开。 金融行业拥抱AI 作为第一家在工作场所限制使用ChatGPT的华尔街投行，摩根大通近日被报道或会成为第一家计划直接向客户发布类似ChatGPT产品的金融机构。 报道称，摩根大通正在开发一种类似ChatGPT的研发投资顾问GPT，为一款名为IndexGPT的产品申请商标。根据摩根大通提交的文件，IndexGPT将连接利用人工智能(AI)技术的云计算软件，根据客户需求，量身分析和选择证券标的。不过IndexGPT是否将与ChatGPT使用“同款”AI技术，在相关披露文件中并未说明，仅称摩根大通计划使用“受生成性对话模型(GPT)驱动的AI技术”。 而在摩根大通之前，已经有摩根士丹利、美国支付巨头Stripe、高盛等纷纷入局，但它们并没有直接面向客户提供服务，都仅在内部进行测试。 以首家正式接入GPT-4的金融机构摩根士丹利为例，其与GPT-4的合作主要服务于公司内部，用来帮助财富管理顾问们更好地工作。GPT-4已将公司所有智库内容转化为更易于使用和操作的格式，帮助其财富管理顾问更便捷高效的检索涵盖投资策略、市场研究和评论、分析师洞察等内容信息。从员工的体验感来说，这就好比他们在和客户打电话时，公司的首席战略官就坐在自己旁边。 通过训练GPT-4，尽可能地满足摩根士丹利内部人员工作时的需求是确保良好客户服务的关键。摩根士丹利数据与创新分析主管Jeff McMillan也表示：“进一步确保良好客户服务的关键是我们大规模投资技术的能力。” 同时宣布与GPT-4合作的还有美国支付巨头Stripe，使用GPT-4可以帮助Stripe进行“优化服务”的工作。Stripe计划了解每个企业客户如何使用平台，但通过人工进行这项工作，不仅工作量十分庞大，且容易发生疏漏。该公司负责人表示，Stripe使用GPT-4扫描客户网站并得出简要报告的表现中，GPT-4要优于人工。值得注意的是，合作中Stripe为基于ChatGPT等人工智能工具的支付提供计费和结账功能，以及自动化和税务合规技术，这也帮助了ChatGPT进行商业化尝试。 高盛也曾明确表示禁止在交易大厅使用类 GPT 技术产品，但对于人工智能的限制也是“口是心非”。继摩根士丹利接入GPT-4之后，高盛也开始使用类似于ChatGPT的人工智能软件，在内部协助工程师编写代码。高盛首席信息官 Marco Argenti 表示，在某些情况下，开发人员已经能够使用生成式AI自动编写多达40%的代码。 中国金融机构对AI的热情明显高涨的多。百度副总裁李硕曾公开表示，文心一言在金融行业的应用会率先在智能检索、投研助手、金融数字人、智能客服、智能创作等场景落地，大幅提升业务效率，带来金融行业应用的突破。 部分金融科技公司也选择和头部IT公司开展广泛合作，提升公司与AI相关的技术能力。以金融科技公司神州信息为例，该公司金融科技首席行业专家崔蕾向钛媒体App表示，希望能够在与头部IT公司合作中，创新对代码自动生成、金融产品自动创新以及客户旅程自动优化等多个方面的能力。 眼看国外从华尔街投行一起限制AI，到现在开始拥抱，以及中国的银行业接入大模型的陆续尝试，金融行业正在不断丰富大模型应用的实践。 AIGC优化用户体验，但仍有挑战 从金融机构接入大模型实践的过程可以发现，与AI相关的尝试往往从服务于公司的内部测试开始，逐渐转为直接面向客户。可见金融行业中，内秀并不是大模型的终点，客户才是。 作为金融行业中专注科技创新的部分，金融科技拥有更垂直领域的经验与数据支撑，也在进行着帮助金融行业尝试AIGC能力革新的工作：用大模型技术帮助完善与客户有关的金融服务能力，拓展融合业务场景。 通过AIGC技术的引入，客户使用的自然语言描述能够被准确识别，金融服务提供方可以准确理解客户需求，从而帮助金融机构在场景端进行千人千面的金融产品设计；与此同时，再按照AIGC生成的对应配套的优化策略自动优化不同场景下的客户旅程。如此来完善从客户到场景到业务建设的完整流程。 除了在生成式人工智能方面提出设想，金融科技公司还能通过提供AI模型、提供算法解决方案，来帮助金融机构解决在运营方面的服务能力，这也是金融机构完善客户服务的环节之一。比如，金融科技公司通过平台提供内容理解、内容质检的多类AI模型能力，从提升内容服务入手提升运营质量；同时在内容推荐中，提供信息流类推荐、社区类内容推荐、PUSH推荐等模块的算法解决方案，从而帮助各渠道端实现更好的个性化分发及转化效果，帮助金融机构降本增效。 但将AIGC技术真正落实到业务领域，直接对接客户达到一定水准的服务水平，还有一段路要走。 目前看来，行业内大部分产品的AI能力所使用的技术对标ChatGPT还明显不足，在ChatGPT面前，仍然属于“小模型”或者说是“局部模型”范畴。在AIGC产业生态体系的三层架构中处于中间层，还没有更好地覆盖到应用层。 AIGC产业生态体系呈现上中下三层架构 钛媒体App了解到，在金融这种准确度和偏差要求都非常高的行业，未来对大模型输出结果不可控性的约束和防范也会成为一个极大的难点。除此之外应用难点也是值得考虑的问题：如何适当缩小大模型规模以便能够进行性价比最高的私有化部署、如何管控模型训练时的数据外泄风险、模型输出如何进行业务系统微服务的调优等等，都是大模型在金融科技中需要面临的挑战。 但正因为有了困难与挑战，科技才能够不断前进。大模型在金融科技中的应用难点，也是极具吸引力的金融科技创新点，或许未来，行业内也会基于此诞生很多与今不同的创新型系统。（本文首发钛媒体APP 作者 | 贾雨微 编辑 | 秦聪慧

（作者葛雷，中国人民大学数量经济助理教授） 金融人工智能是人工智能与机器学习算法在金融领域的前沿应用。因为人工智能模型的强大预测能力与准确程度，近些年来被各大金融机构所青睐，用来替代传统的经济分析与金融评估业务（包括房地产估价、股票基金投资、商业银行、风险管理、保险等各个行业）。因为机器的效率与能力超出了人工分析。 资深金融分析师通过十几年的工作经验与几千个工作的案例总结的经验从而对金融资产进行定价，可人工智能模型算法只需要几个小时就可以轻松分析几十万个甚至上百上千万个资产。机器学习算法通过百万级大数据的分析，远远超出人类分析师日积月累的经验，其精准度与效率也远远超出同一领域的人工分析师。 比如，在笔者自身从事使用房产人工智能模型领域，人工智能模型就有非常出色的表现。人类资深分析师分析房产价值误差高达8%，金融人工智能模型的分析房产价值的误差仅为5%。在房产风险预警与防范方面，人类资深分析师的误差高达10%，金融人工智能模型的分析房产价值的误差仅有3%。在速度方面，人类资深分析师的速度是每小时评估一处房产，金融人工智能模型每小时评估十几万处房产。正因为，金融人工智能模型的效率与精度，它可以帮助我们预防与抵御相关的金融风险。 金融人工智能这么好，我们国家应该怎样才能发展好金融人工智能领域哪？是芯片吗？芯片固然重要但是不是问题的核心，重要的是青年人才。在这方面我们国家是有很大优势的。金融人工智能领域与其他人工智能领域一样主要依靠的就是创新能力，而这样的创新能力主要来自年轻人，更确切地说就是我们的大学生朋友们。有创造性的大学生群体，就是我们能够在金融人工智能模型领域赶超世界前沿的关键。大学生朋友们的创造性是最强的，比我们这些三四十岁的科研人员要强，比大学里面的教授要强。我们国家的大学生朋友们经过了严格的初中、高中、大学，近十年的基础科学训练，大脑的精力与活力也处于巅峰状态。我们的大学生是十分宝贵的，很多前沿科学家的核心研究成果都是在他们大学与大学毕业后这几年完成的。再比如很多国外大学的技术课程的讲师都是研究生一二年级的学生，因为他们有着最新的技术储备知识。大学生朋友们虽然是金融人工智能的核心人才，但是确实是比较缺乏发挥自身才华与一展抱负的机遇与资源。所以说，我们需要为这些年轻人提供很好发挥才能的机会。比如说，更好地资金支持大学生参与金融人工智能科研项目，让他们的才华得到最好的发挥。 经济的发展依靠的本质是科技的不断进步。回望历史，抓住了工业与科技革命的国家与地区，获得了长期的经济增长与国民收入的增长，比如说十八世纪中期抓住了工业革命时机的英国与在二十世纪中期抓住了信息技术革命的美国。现如今，新的科技革命领域就是人工智能领域，当然也包括我们的金融人工智能领域。展望未来十年二十年内，人工智能科技革命将为抓住时机的国家与地区带来长远的发展。而抓住人工智能科技革命的关键就在于我们的大学生人才。 本文仅代表作者观点。 （葛雷为中国人民大学数量经济助理教授）