證券時報記者 潘玉蓉
摩根士丹利已使用GPT-4進行投資策略分析，高盛也用大型語言模型做風險管理分析……
在ChatGPT成為華爾街投行的新裝備時，更快、更準、更定制的金融大模型來了——彭博社發(fā)布針對金融領域500億參數(shù)的大語言模型BloombergGPT，在處理金融專業(yè)任務上的表現(xiàn)，比通用大模型實現(xiàn)了大幅提升。
今年以來，大模型席卷金融業(yè)，一夜之間，幾乎所有金融場景都在探索適配大模型接口。然而，理想豐滿，現(xiàn)實骨感。有大型金融機構IT部門人士比喻，金融大模型從戰(zhàn)略規(guī)劃到部署落地，有著從“賣家秀”走到“買家秀”的差別。大模型在金融場景落地的最后一公里并不好走，現(xiàn)在談效果為時尚早。
在接受證券時報記者采訪時，各類參與主體均多次提到“生態(tài)共建”，期待聯(lián)合多方力量解決算力、算法、數(shù)據(jù)、安全、監(jiān)管等問題，共赴這場金融大模型的“開卷考試”。
大模型席卷金融業(yè)
隨著大模型走向千行百業(yè)，一個共識逐漸形成：將通用大模型與垂直領域的專用大模型相結合，可以有效提升大模型的適配性。繼ChatGPT后，人工智能將在垂直應用領域掀起第二波浪潮。
巨浪席卷而來，國內金融機構和大模型廠商們也在爭分奪秒搶灘。
今年8月份金融機構發(fā)布半年報，大語言模型還停留在高管們的口頭報告中。如今，它們已經化身一張張采購訂單投向市場。金融機構的采購需求，從算力儲備到模型采購，從云計算資源到數(shù)據(jù)治理，覆蓋了人工智能產業(yè)鏈上的各類廠商。
10月10日，工商銀行發(fā)布“NLP大模型產品新技術采購項目”入圍結果，智譜華章入圍；同月，招商銀行(600036)千億級預訓練基礎大語言模型招標中，上海稀宇科技奪標；11月10日，百度網訊、中國電子系統(tǒng)技術有限公司聯(lián)合拿下郵儲銀行“超大規(guī)模預訓練模型金融場景應用系統(tǒng)軟件開發(fā)”項目包。在各大保險集團內部，針對大模型準備的GPU服務器采購、數(shù)據(jù)治理服務項目的招標，也在緊鑼密鼓地推進。
據(jù)了解，金融機構部署大模型主要有三種方式。
第一種，是獨立全棧自研，強調獨立自主可控。這是一些AI基礎較好的大型金融集團布局大模型的路徑之一。
第二種，在通用大模型或者專業(yè)大模型基礎上進行微調，結合自身海量數(shù)據(jù)(603138)和豐富場景，形成契合自身需求的金融大模型。
第三種，從云端調用，按需接入各類大模型API（應用程序編程接口），完成私有化部署。當前，百度的文心一言、阿里的通義千問、騰訊的混元大模型，都有面向金融行業(yè)構建生態(tài)合作伙伴的部署。
擁有眾多子公司和業(yè)務場景的多元化金融集團，通常選擇多種方式齊頭并進，并在內部形成賽馬機制；一些科技基礎相對薄弱的中小金融機構，通常采用第三種方式，以控制成本。
面對龐大市場需求，各大廠商紛紛開發(fā)金融大模型，一些金融科技公司也憑借過往在金融領域的積累，發(fā)布適配各類業(yè)務場景的垂直類金融大模型。
市場火熱之下，今年國內金融領域垂直大模型競相出爐。5月，度小滿推出國內首個開源的千億級中文金融大模型“軒轅”；8月，馬上消費發(fā)布首個零售金融大模型“天鏡”；9月，螞蟻集團針對金融產業(yè)深度定制的金融大模型AntFinGLM亮相，并在集團內的財富、保險平臺上內測；10月，恒生電子(600570)金融大模型LightGPT升級，在專業(yè)金融數(shù)據(jù)集、合規(guī)性要求和部署方式上實現(xiàn)突破,并宣布三款大模型應用產品開放公測。
度小滿首席技術官許冬亮在近期一場公開活動中感嘆：“今年以來，圍繞生成式AI的浪潮，每周都有新迭代、新發(fā)展，每天都能看到真實的效果，有點爆炸式發(fā)展、奇點臨近的感覺�！�
如雨后春筍般出現(xiàn)的金融大模型，也給金融機構造成了選型困難。金融業(yè)需要什么樣的大模型？今年9月，由中國信通院牽頭，聯(lián)合騰訊云、科大訊飛(002230)、恒生電子、馬上消費等40多家企業(yè)共同編制了國內首個金融行業(yè)大模型標準。該標準涵蓋了金融大模型的關鍵能力要求，包括場景適配度、能力支持度和應用成熟度三大方面。此外，標準還從金融行業(yè)特性出發(fā)，覆蓋了投資研究、投資顧問、風險管理、市場營銷、客戶服務等多個應用場景，并詳細規(guī)定了金融大模型在數(shù)據(jù)合規(guī)性、可追溯性、私有化部署、風險控制等方面的要求。
“值得重做一遍
金融服務鏈”
和傳統(tǒng)人工智能相比，大模型能為金融行業(yè)帶來什么增量價值？
如果說傳統(tǒng)人工智能是專用的、煙囪式的、孤立的，在大語言模型時代，人工智能已經可以借助專業(yè)知識和推理能力，在特定領域完整地執(zhí)行一段任務。
不久前，一批數(shù)字員工被引入太保集團審計中心，在審計檢查、公文質檢、咨詢問答等工作環(huán)境下進行能力試點，這些數(shù)字員工與真實員工進行人機編隊，共同作業(yè)。太保數(shù)智研究院院長王磊日前表示，大模型會帶來新的范式革命，和傳統(tǒng)人工智能的巨大區(qū)別體現(xiàn)在思考模式、行動力、通用性和邊際成本等方面�！按竽Ｐ统霈F(xiàn)后，實現(xiàn)了對人、對崗位建模的可能性�！�
在消費金融領域，大模型能力也在顯露頭角。今年8月，馬上消費發(fā)布“天鏡”大模型時披露，經過近3個月的使用，新的智能客服對客戶意圖理解準確率達到91%，相較于傳統(tǒng)人工智能的68%有明顯提升；客戶參與率61%，高于傳統(tǒng)模型43%的參與率，也高于人工座席平均28%的水平。
在近期舉辦的保險行業(yè)大模型研討會上，陽光保險集團科技中心副總經理顧青山詳解了“陽光正言”大模型開放平臺。據(jù)介紹，該模型在“夢客全線上銷售機器人”項目中，信息抽取任務準確率提升了15%，意圖識別和智能問答準確率也均有明顯提升。
螞蟻集團副總裁、螞蟻金融大模型負責人王曉航日前在金融街(000402)論壇上說，“金融服務鏈上的每一個關鍵環(huán)節(jié)，都值得用大模型重做一次”。
比如，將大模型與客戶洞察結合，提升交互式理財?shù)捏w驗；讓大模型賦能專家理財和保險顧問團隊，幫助提升專業(yè)度；在數(shù)字化營銷方面，大模型能更好地理解客戶的金融需求、匹配供給，還能協(xié)助生成營銷創(chuàng)意，提升廣告投放的效率。
在金融中后臺，大模型也可以打開效率空間。比如，大模型在金融研判、量化編碼等方面，可以大量替代初級至中級難度的工作，將投研分析師、風險策略人員、精算師從事務性勞動中解放出來。
“我們看到了創(chuàng)新應用場景的爆發(fā)和涌現(xiàn)�！蓖鯐院秸f。
落地可靠性“闖關”
理想很豐滿，現(xiàn)實很骨感。大模型時代，看似一切都能重構，但當金融機構將大模型部署到公司內部的時候，往往發(fā)現(xiàn)挑戰(zhàn)不小。
“大模型好比一個優(yōu)秀的文科生，推理、理解、語言能力強大，但在金融投資領域，進行風險定價、運籌優(yōu)化、量化分析等更多是理科生的工作，大模型無法勝任。做嚴謹?shù)臎Q策并不是大模型的專長�！蓖鯐院秸f，“金融業(yè)對可靠性極致的要求，與大模型‘生性浪漫’的幻覺，存在著嚴重沖突�！�
可靠性是大模型在金融領域落地最大的鴻溝。通用大模型對金融領域知識的欠缺，在嚴謹性上有明顯的短板，使其不可能“開箱即可用”，還需要經歷復雜的工程以完成適配。
為了將大模型更好地“縫合”到業(yè)務場景中，提升可靠性、安全性和流暢度，各大廠商的主流方案有三種。一是將大模型與專業(yè)領域的小模型結合，大模型負責認知、理解、溝通、創(chuàng)作，小模型負責把握風險、承載嚴謹?shù)倪壿�；二是將大模型的參�?shù)知識與結構化、顯性化、可靠的金融知識圖譜相結合，此舉能很好地為大模型注入可靠性；三是將開放QA（問答）和封閉QA結合，讓大模型得到請求指令后，在專業(yè)知識領域內進行檢索，大幅提高準確性。
例如，度小滿發(fā)布的軒轅大模型，在通用大模型基礎上增加了大量的金融領域專業(yè)知識，從預訓練開始調整模型，在國內銀行從業(yè)資格考試的答題表現(xiàn)中明顯好于通用大模型。
數(shù)據(jù)訓練攔路虎
無論是傳統(tǒng)人工智能時代，還是大模型時代，數(shù)據(jù)都是基礎。在大模型領域流行一句話：“garbage in，garbage out”，即輸入垃圾數(shù)據(jù)會導致輸出垃圾結果，可見對大模型進行預訓練，數(shù)據(jù)是重中之重。
據(jù)王曉航估計，全市場上有質量的金融語料，大概不到2000億tokens，但滿足“高質量、大規(guī)模、價值觀正確”條件的語料占比不到40%。在王曉航看來，語料質量的重要性要高于數(shù)量。
“我們公司在大資管領域做了20多年的數(shù)據(jù)標準化，但是在大模型面前，仍感到過去的工作非常初級——各家機構對于數(shù)據(jù)的標準都有自己的定義。”一位金融IT服務商高管道出了金融機構存儲數(shù)據(jù)的現(xiàn)狀：標準不統(tǒng)一，非結構化數(shù)據(jù)多，數(shù)據(jù)治理工作繁重。
華為盤古金融大模型人士表示，當前金融機構最重要的任務之一，是如何將散落在業(yè)務場景里非結構化的數(shù)據(jù)集和企業(yè)原有的高質量數(shù)據(jù)集相整合。
數(shù)據(jù)作為金融機構最重要的資產，流通性差是其特點之一。目前，各家金融機構引入的大模型都是私有化部署，各自訓練，以最大程度保障數(shù)據(jù)安全、隱私和合規(guī)要求，但也造成算力的浪費、數(shù)據(jù)庫重復建設和成本居高不下等問題。
北京本應科技總經理曹凱認為，當前金融大模型仍然是“小學生水平”，難以輔助對投資趨勢進行洞察，原因包括，模型的數(shù)據(jù)參數(shù)量不夠大，對產業(yè)、社保、工商等多元異構數(shù)據(jù)的積累不夠多，且數(shù)據(jù)間的關聯(lián)性較弱，無法達到大模型“涌現(xiàn)”的效果。
談論效果尚早
一位大型保險集團科技部門人士把大模型的部署過程比作“賣家秀”變“買家秀”的過程。
他透露，公司推進大模型過程中遭遇到了各種問題，包括但不限于訓練數(shù)據(jù)問題、算力不足問題、成本收益平衡問題、數(shù)據(jù)風險問題等等。
他忠告，在大模型應用場景選擇上，應先內后外，先易后難；要有兜底機制，不能只談智能、沒有人工，短期內還有深化傳統(tǒng)模型的需求。“大模型產生的虹吸效應，把許多IT資源都吸過去了，這對于多元化科技生態(tài)來講，不見得是好事�！�
王磊也表示，該集團的“數(shù)字員工”項目要真正落地，仍是一件十分有挑戰(zhàn)性的工作。比如，要有強大的算力基礎、底座大模型平臺來支撐它運作；要輸入崗位所需的專業(yè)知識和數(shù)據(jù)，構建數(shù)字工作環(huán)境；除此之外，項目真正落地時還會碰到新的問題。
受現(xiàn)實條件的限制，金融大模型的落地應用程度并非想象中那么高，談論效果更為時尚早。恒生電子面向金融機構進行的大模型應用狀況調研顯示，71%的受訪者所在的機構正在調研大模型，17%的機構已經在測試中，真正落地實踐的機構不到10%。
共建生態(tài)
“光靠自己不行”
打通大模型在金融業(yè)落地的最后一公里并非易事。在記者的采訪中，無論是大模型服務商、金融機構，還是各類金融科技公司，在交流中均多次提到“生態(tài)共建”，其內涵包括“共創(chuàng)、共建、共治”，如同共赴一場“開卷考試”。
不久前，眾安保險發(fā)布了保險行業(yè)首份AIGC應用圖譜，協(xié)助保險機構在大模型內嵌入行業(yè)專業(yè)領域知識庫，實現(xiàn)AIGC在保險垂直領域的應用快速適配。
日前舉辦的金融科技數(shù)智大會上，陽光保險同時組織召開了“保險科技數(shù)智創(chuàng)新聯(lián)合體”籌備閉門會議。據(jù)悉，該聯(lián)合體旨在推動保險垂類大模型的深入研發(fā)和應用，提升保險業(yè)整體智能化水平。
面對大模型落地的挑戰(zhàn)和技術難度，太保集團也認為“光靠自己是不行的”。據(jù)悉，太保和行業(yè)聯(lián)合建立實驗室，希望實現(xiàn)優(yōu)勢互補，行業(yè)共享，風險共擔。今年進博會上，太保和華為、科大訊飛成立了實驗室，希望三方聯(lián)合起來面對一些挑戰(zhàn)。
推動大模型在金融領域發(fā)揮更大的價值，各界都在努力。日前，上海人工智能研究院院長宋海濤對記者表示，該機構正在推動設立工業(yè)及制造業(yè)、金融等領域的專業(yè)語料庫，以減少資源的浪費。
深圳天使投資引導基金副總經理徐向東認為，當前金融行業(yè)存在數(shù)字化程度不足、金融數(shù)據(jù)流動性不足、數(shù)據(jù)字典不統(tǒng)一等問題，制約了大模型的使用。他呼吁，應盡快培育數(shù)據(jù)要素市場，加強金融數(shù)據(jù)標準化，增強數(shù)據(jù)可信、可用、可流通、可追溯水平，為大模型更好地在金融行業(yè)落地創(chuàng)造條件。
最新評論