人工智能大模型：赋能金融行业 探索垂直领域
人工智能大模型：赋能金融行业 探索垂直领域
文 | 刘俊 本刊记者 王若溪
近年来，人工智能大模型的发展日新月异，大模型相关新技术、新研究、新产品竞相涌现。海外科技巨头谷歌、微软、Meta陆续公布AI应用模块定价；国内科技企业华为、百度、阿里等纷纷布局，加大研发、加速落地。据《中国人工智能大模型地图研究报告》显示，截至目前，中国已发布79个10亿级参数规模以上的大模型。国内大模型积极探索各种商业模式，深入结合各类垂直领域，大模型时代已经来临。在金融领域，大模型又将如何发挥作用，加速金融业数智化发展？
热潮持续蔓延，寻求商业落地
目前，中美两国人工智能大模型占据全球已发布大模型总量的80%以上。作为站在浪潮最前沿的人工智能大模型研发企业，OpenAI一直在探索可盈利的商业模式。2019年3月，OpenAI成立了限制性营利实体OpenAI LP，母公司OpenAI Inc成为OpenAI LP的普通合伙人，并负责其管理和运营。ChatGPT，以软件即服务（SaaS）的方式接触到用户，在不到两个月的时间里，迅速累积超过一亿的月活跃用户。
中国移动研究院《我国人工智能大模型发展动态》报告对国内涉足人工智能大模型训练的多家企业及科研院所进行评估，国内大模型虽与GPT-4有差距，但各科技大厂具备追赶实力，华为、百度、阿里巴巴、腾讯等在大模型研发投入、技术能力和人才储备等方面具备较强综合实力；在商用推进方面，各科技大厂更依托现有业务领域逐步形成大模型应用规模效应。中国科技部新一代人工智能发展研究中心主任赵志耘表示，中国大模型正呈现蓬勃发展态势。
7月6日，在被称为“AI春晚”的世界人工智能大会上，30多个大模型、超过400家企业参展。这一盛况反映出大模型领域的热度和发展势头。线下参观人数突破17.7万人，全网流量突破10.7亿，比上届增长68%，全网曝光量达到64.1亿，创历史新高。商汤科技首席科学家兼联合创始人王晓刚表示，大模型的核心竞争力在于与垂直行业的深度结合，并基于行业快速迭代的能力。腾讯集团高级执行副总裁汤道生也表示，通用大模型虽然具备强大的能力，但无法解决许多企业的具体问题。企业的大模型应用需要综合考虑行业专业性、数据安全、持续迭代和综合成本等因素，基于行业大模型构建自己的专属模型。
商业化是悬在技术创新头上的“达摩克利斯之剑”，大模型技术也面临这一挑战。在“百模大战”的激烈竞争中，越来越多的大模型技术企业开始采取低调务实的方式突围，越来越多的大模型选择通过赋能垂直领域来实现商业价值。
作为国内大模型演进的典型案例，主打算力模型的华为盘古大模型目前已应用于采矿、气象和高端制造领域。盘古矿山大模型覆盖了煤矿业务流程中的1000多个细分场景，包括采矿、掘进、运输等。盘古矿山大模型的智能洗选煤功能可以提高精煤回收率0.1%～0.2%，并实现24小时不间断监测系统，减少安全事故隐患。盘古大模型还将气象预测速度提高了1万倍，对于特殊天气运动轨迹和时间预测的精度显著超过欧洲气象中心的IFS系统。如华为创始人任正非所说，人工智能软件平台公司98%的直接贡献都是在推动工业、农业等行业及社会发展。
华为为实现大模型赋能垂直行业建立了“5+N+X”三层架构，构成了由L0、L1和L2三个层级组成的大模型平台。L0层作为基础模型，包括自然语言处理、机器视觉等多模态大模型，适配十多个行业主流的大模型。L1层是针对工业场景的大模型，而L2层则是面向更加细分的场景推理模型。盘古大模型以L0层为功能的“大脑”，以L1和L2两个层级来充当基础模型针对垂直领域的“手脚”。
这种架构的优势在于：第一，加速了大模型技术的商业化进程，逐渐成为大模型企业的现金牛业务；第二，降低基础模型的运行成本及训练与推理成本， 通过记录行业的处理日志等数据，反哺到通用大模型的训练数据中，不断提升大模型智能水平，实现大模型优化。
根据新华社研究院中国企业发展研究中心发布的《人工智能大模型体验报告（2023）》，以搜索模型为优势的百度文心大模型在基础能力、智商测试、情商测试、工作提效能力四个维度表现较为抢眼。针对垂直领域应用，百度文心大模型在能源电力领域也取得了突破。百度与国网智研院联合训练电力大模型，面向复杂电网的专业场景，对电网设备、客服等实际业务场景进行优化，有效提升了电网运营的自动化和智能化水平。
如今，大模型已成为人工智能领域发展的重要推动力，通过创新商业模式，不断推动产业升级和持续降低成本。各行各业将大模型内部化为自身的生产力工具，实现智能化转型，在大国竞争中把握先机。随着模型的演进和应用产品的创新，模型获取信息的边际成本转变为固定成本，从而提高向用户渗透率，为产业升级、科技创新和社会进步带来更多可能性。
金融业积极拥抱人工智能大模型
人工智能大模型在金融领域同样具有广阔的发展前景。金融行业拥有大量的专属数据，只不过这些数据通常存在着非标准化、碎片化和分散化的特点。以通用大模型为基础，结合金融数据构建专门针对金融行业和特定业务领域的垂直模型，可以提高金融问题处理的准确性，在金融投资、风险管理、投资顾问等复杂场景中发挥关键作用。这些一级甚至二级层次的大型模型将为金融从业者和用户提供更精确、更有针对性的解决方案。
从宏观层面看，我国《“十四五”数字经济发展规划》《金融科技发展规划（2022-2025年）》《关于银行业保险业数字化转型的指导意见》等政策都将人工智能视为数字经济的核心驱动力、重点产业和数字底座。金融行业数智化服务公司百融云创CEO 张韶峰表示，人工智能大模型或将在金融领域率先开启转变时刻。
应用于金融领域的生成式人工智能大模型是金融科技创新的热点赛道，全球范围内的金融机构都在积极进行布局。彭博社发布了专为金融领域设计的大模型——BloombergGPT，该模型基于GPT大模型，并对彭博社的金融数据库进行了优化和训练。BloombergGPT的参数数量约为500亿，远小于GPT-3的1750亿的参数数量，但其提供了比ChatGPT更专业的金融数据提取、分析和计算能力。在人才储备方面，数据显示，摩根大通今年2～4月在全球招聘了3651个与人工智能相关的职位。国内更有易方达基金、华夏基金、兴业银行、华泰证券等多家头部金融机构积极招兵买马，寻找人工智能领域的优秀人才。
近日，兴证全球基金宣布旗下AI交易员正式上线，兴证全球基金也成为国内首家将人工智能技术应用于资金交易领域的基金公司。继私募基金上线AI基金经理之后，公募基金也正式推出AI交易员，助推国内金融业积极拥抱人工智能。兴业基金自研开发的“兴小二”AI债券交易机器人，使其成为在外汇交易中心iDeal平台首家上线智能询价机器人的公募基金公司。除了交易领域，人工智能大模型有望运用在智能投研分析、产业链知识图谱、机器人流程自动化+人工智能（RPA+AI）、AI客服等领域。
尽管大模型研发前景广阔、应用端生态欣欣向荣，金融业应用人工智能仍存在一定挑战。国家金融与发展实验室副主任、金融科技50人论坛学术委员杨涛表示，从客观看，尽管人工智能在组织运营、服务能力、风险管理等金融需求方面的应用度更高一些，但受技术和制度因素影响，在解决其他金融需求方面尚显不足。人工智能大模型在金融业的引入仍然面临标准化、数字治理、技术与方案的高成本门槛、透明度与不可解释性、重新评估责任分担，以及用户隐私、数据安全、知识版权合规性等挑战。杨涛认为，人工智能驱动金融业数字化变革的图景已经展开，但若要进一步应用发展，亟待自我优化与持续“闯关”。
人工智能将成为金融数智化转型的重要源泉和驱动力量。未来，大模型还将在金融领域持续推动构建个性化服务体验。在建设数字中国背景之下，通过人工智能与金融领域客户服务、产品创新、运营管理、风险防控等业务场景深度融合，对金融服务全流程进行模式重塑和智能赋能，将推动金融产品的创新、流程再造、渠道融合和服务升级，拓展金融服务的广度和深度，助力金融行业数智化转型取得实质性的飞跃。
在“百模大战”的激烈竞争中，越来越多的企业开始采取低调务实的方式突围，越来越多的大模型选择通过赋能垂直领域来实现商业价值。
（刘俊供职于英大基金管理有限公司）
