ChatGPT热潮下，金融业迎来“大模型时刻”
21世纪经济报道记者 曹媛 深圳报道
生成式人工智能（AIGC）正在为金融行业带来更多想象空间。
金融行业作为数据密集型行业，是传统AI技术最早落地的商业场景之一。随着AIGC的快速发展，诸多金融场景和应用也在广泛试水和布局。如彭博社推出的Bloomberg GPT、GPT+Wolfram Alpha插件等。
“但中国版的ChatGPT只会在5家公司里产生：BAT+字节+华为。这意味着创业公司或者那些纯为了炒股价的A股上市公司很难有机会。”远望资本创始合伙人、迅雷创始人程浩此前对记者强调。
目前，“有用户、有钱、有应用场景”的互联网大厂纷纷入局大模型。如在9月7日，腾讯混元大模型正式对外亮相。金融则是AI大模型的重要应用场景之一。一天后，在9月8日的外滩大会上，蚂蚁集团也正式发布了金融大模型，并开源生成式AI编程平台CodeFuse。
随着入局者增加，AIGC的核心市场规模正在逐步扩大。据艾媒咨询数据显示，预计到2028年将达2767.4亿元。深圳香蜜湖国际金融科技研究院院长张凯认为，“聚焦金融领域，随着大模型技术的不断创新，未来将持续深入到金融风控、零售金融、财富管理、投研、保险理赔等更多的场景，持续推动金融行业的数字化转型。”
AI大模型如何赋能金融业？
“对于金融机构而言，善用AI大模型，就相当于配备了一群不限数量的优秀‘大学毕业生’。”腾讯云副总裁胡利明接受南方财经全媒体记者采访时表示，AI大模型可以快速学习各个金融领域的专业知识，叠加金融机构在不同应用场景的专业能力，经过不断训练，AI大模型甚至可以成为金融业各个领域的“专家”。
那么，目前AI大模型在下游应用端到底能如何赋能金融机构？主要应用在哪些金融场景中？
“目前AI大模型在代码助手和客服助手应用场景是最先能跑出来的。”胡利明表示，AI大模型可以应用于投研投顾、风险管理、舆情、客服、营销、内容生成、内容识别、交易的执行、投教、代码助手等多领域。
在国内，众多金融机构将AIGC的相关技术应用在客户服务和投顾咨询上。如早在2016年2月，中国工商银行便推出智能客服“工小智”，是面向客户提供业务咨询、信息查询、业务办理、优惠分享等服务的机器人。
“AI大模型通过大规模的参数和预训练技术，使得AI具备了比过去更强大的理解能力和表达能力，因此应用场景非常广泛。”胡利明对记者表示。
例如，腾讯云与一家股份制银行合作，基于腾讯的行业大模型叠加银行数据，利用OCR（Optical Character Recognition，光学字符识别）快速为该行定制特定的交易单据识别，直接将单据识别效率从人工处理的5分钟/单，提升至5秒/单，全年节省300多人月。再针对这个新单据格式，通过建模、调优，可以在几天内完成新模型的训练和生成，其智能化分检准确率可达98%。
此外在风控阶段，腾讯也在和头部股份制银行合作，构建基于一些细分场景的风险识别模型。借助大模型，一些场景的风控模型建模周期从过去的至少两周缩短到两天以内。例如，信贷业务会不断出现一些线上业务新场景，需要遵守新的规则，将专家模型嵌入风控体系内，可以快速堵住风控漏洞，提升风控能力。
云厂商为大模型“筑底”
目前，AIGC的火爆带来AI大模型参数量从亿级到万亿级的飙升，GPU服务器及资源的成本极其昂贵。对于想要打造大模型的企业，在云上能大幅降低算力的使用门槛。
因此，云厂商为AI大模型“筑底”。“如果说云计算和相关技术组件的能力，是像水、电一样的基础设施，那么人工智能的模型能力及应用能力，则是加载在这个基础设施上的，能够直接满足业务需求、直接对业务产生效应的程序。”胡利明表示。
那么，目前云厂商如何为金融机构进行智能化赋能？以腾讯为例，腾讯云为腾讯混元大模型提供幕后支撑。“从开始支持大模型训练以来，我们对云的基础设施，从存储、网络到计算进行了全面升级。”腾讯集团副总裁、云与智慧产业事业群COO、腾讯云总裁邱跃鹏介绍称。
如在基础设施层面，腾讯云一方面可为金融机构提供虚拟化GPU。胡利明介绍称，“鉴于单个金融机构对算力的调度效率不高，腾讯云通过对GPU进行虚拟化拆分和调度，能够帮助金融机构降本增效。”另一方面，GPU在使用过程中故障的发现和定位也非常影响算力资源池的使用，在这方面腾讯云也有积累可向金融机构输出。
此外，基于全面自研能力，腾讯云在交换机、通信协议、通信库以及运营系统等方面，进行了软硬一体的升级和创新，推出面向大模型的高性能网络——星脉网络，基于腾讯云新一代算力集群HCC，可支持10万卡超大集群规模。
而在AI模型能力及应用能力层面，腾讯云通过为金融机构提供机器学习平台和向量数据库，助力金融机构提升智能化业务能力。一方面，腾讯的TI-One机器学习平台，不仅提供传统的建模能力，还叠加了大模型时代的精调能力，且能够支持十多个行业大模型。另一方面，腾讯云的向量数据库，则不仅经历了鹅厂内部业务的长期锤炼；还可以结构化的方式快速导入行业知识数据，叠加行业知识训练。
第三个层面，腾讯云还提供以腾讯混元大模型为底座的MaaS(Model-as-a-Service模型即服务)，直接为金融机构提供各种类型的应用场景的最终模型——客户可以基于混元、也可以基于开源模型，做自己专属的行业大模型。
邱跃鹏提出，一方面，高性能的云上算力，成了大模型的最佳助推器，搭载大模型能力的应用，也通过云服务的方式落地。另一方面，大模型也将重新定义云上工具，使其效能显著提升，从而让企业可以获得更高性价比、更便捷易用的云产品。
金融机构实操层面出现分化
目前，生成式人工智能（AIGC）早已成为长驱直入人类生活的“强大之物”，在金融领域的实际落地及应用阶段，还面临诸多痛点。
值得注意的是，金融机构在拥抱AI大模型的实操层面也出现了分化。据胡利明观察，头部实力雄厚的金融机构都在积极投入资源，他们往往会和多家云厂商合作，采购GPU算力资源池、机器学习平台和调度平台，同时并行构建开源大模型，并选择不同的业务场景进行试点。
部分腰部机构则会选择与1-2家大型云厂商合作，用少量经典场景做试点。而大部分腰部和小型机构则处于观望和跟随状态。
根据各家银行的半年报，工商银行、农业银行、中国银行、交通银行等数家银行，都明确提出正在探索大模型的应用。
此外，胡利明认为，“目前金融机构智能化在战略目标，实施路径，组织架构以及人才的匹配方面都面临不小的挑战。”
首先，金融机构智能化转型要制定明确的战略目标及实施路径，让转型能够逐步产生阶段性成果，避免持续投入，但看不到明显效果。“目前金融机构已经形成共识，必须要积极拥抱AI。长期来看，金融机构如果不具备基于AI的金融服务力，将会被时代淘汰。”他发现。
此外，金融机构智能化转型要匹配适合的内部组织架构及人才。“数字化、智能化转型不是一次性的项目，而是对金融机构的战略性重塑，从高管到每个员工的经营思路都要与时俱进，否则效果会大打折扣。”
但目前AI人才缺口非常大。胡利明发现，现在头部金融机构都在招算法博士，尽管他们可以借力云厂商，但最终金融机构还是要具备自主使用和创新的能力，去主导AI大平台的构建、优化及不断叠加新的应用场景。
《2022年人工智能全球最具影响力学者榜单AI 2000》数据显示，2022年我国人工智能领域顶级研究人才数量达到232人，占比11.6%，仅次于美国（1146人，占比57.3%），顶级研究人才总量为美国的1/5左右。
“大模型这一次的热潮，对包括金融行业在内的各行各业都有非常深远的影响。”胡利明总结道。
更多内容请下载21财经APP
