文：曹媛 來源：21世紀經(jīng)濟報道(dào) 

生成(chéng)式人工智能(néng)（AIGC）正在爲金融行業帶來更多想象空間。

金融行業作爲數據密集型行業，是傳統AI技術最早落地的商業場景之一。随著(zhe)AIGC的快速發(fā)展，諸多金融場景和應用也在廣泛試水和布局。如彭博社推出的Bloomberg GPT、GPT+Wolfram Alpha插件等。

“但中國(guó)版的ChatGPT隻會(huì)在5家公司裡(lǐ)産生：BAT+字節+華爲。這(zhè)意味著(zhe)創業公司或者那些純爲了炒股價的A股上市公司很難有機會(huì)。”遠望資本創始合夥人、迅雷創始人程浩此前對(duì)記者強調。

目前，“有用戶、有錢、有應用場景”的互聯網大廠紛紛入局大模型。如在9月7日，騰訊混元大模型正式對(duì)外亮相。金融則是AI大模型的重要應用場景之一。一天後(hòu)，在9月8日的外灘大會(huì)上，螞蟻集團也正式發(fā)布了金融大模型，并開(kāi)源生成(chéng)式AI編程平台CodeFuse。

随著(zhe)入局者增加，AIGC的核心市場規模正在逐步擴大。據艾媒咨詢數據顯示，預計到2028年將(jiāng)達2767.4億元。深圳香蜜湖國(guó)際金融科技研究院院長(cháng)張凱認爲，“聚焦金融領域，随著(zhe)大模型技術的不斷創新，未來將(jiāng)持續深入到金融風控、零售金融、财富管理、投研、保險理賠等更多的場景，持續推動金融行業的數字化轉型。”

AI大模型如何賦能(néng)金融業？

“對(duì)于金融機構而言，善用AI大模型，就相當于配備了一群不限數量的優秀‘大學(xué)畢業生’。”騰訊雲副總裁胡利明接受南方财經(jīng)全媒體記者采訪時表示，AI大模型可以快速學(xué)習各個金融領域的專業知識，疊加金融機構在不同應用場景的專業能(néng)力，經(jīng)過(guò)不斷訓練，AI大模型甚至可以成(chéng)爲金融業各個領域的“專家”。

那麼(me)，目前AI大模型在下遊應用端到底能(néng)如何賦能(néng)金融機構？主要應用在哪些金融場景中？

“目前AI大模型在代碼助手和客服助手應用場景是最先能(néng)跑出來的。”胡利明表示，AI大模型可以應用于投研投顧、風險管理、輿情、客服、營銷、内容生成(chéng)、内容識别、交易的執行、投教、代碼助手等多領域。

在國(guó)内，衆多金融機構將(jiāng)AIGC的相關技術應用在客戶服務和投顧咨詢上。如早在2016年2月，中國(guó)工商銀行便推出智能(néng)客服“工小智”，是面(miàn)向(xiàng)客戶提供業務咨詢、信息查詢、業務辦理、優惠分享等服務的機器人。

“AI大模型通過(guò)大規模的參數和預訓練技術，使得AI具備了比過(guò)去更強大的理解能(néng)力和表達能(néng)力，因此應用場景非常廣泛。”胡利明對(duì)記者表示。

例如，騰訊雲與一家股份制銀行合作，基于騰訊的行業大模型疊加銀行數據，利用OCR（Optical Character Recognition，光學(xué)字符識别）快速爲該行定制特定的交易單據識别，直接將(jiāng)單據識别效率從人工處理的5分鍾/單，提升至5秒/單，全年節省300多人月。再針對(duì)這(zhè)個新單據格式，通過(guò)建模、調優，可以在幾天内完成(chéng)新模型的訓練和生成(chéng)，其智能(néng)化分檢準确率可達98%。

此外在風控階段，騰訊也在和頭部股份制銀行合作，構建基于一些細分場景的風險識别模型。借助大模型，一些場景的風控模型建模周期從過(guò)去的至少兩(liǎng)周縮短到兩(liǎng)天以内。例如，信貸業務會(huì)不斷出現一些線上業務新場景，需要遵守新的規則，將(jiāng)專家模型嵌入風控體系内，可以快速堵住風控漏洞，提升風控能(néng)力。

雲廠商爲大模型“築底”

目前，AIGC的火爆帶來AI大模型參數量從億級到萬億級的飙升，GPU服務器及資源的成(chéng)本極其昂貴。對(duì)于想要打造大模型的企業，在雲上能(néng)大幅降低算力的使用門檻。

因此，雲廠商爲AI大模型“築底”。“如果說雲計算和相關技術組件的能(néng)力，是像水、電一樣(yàng)的基礎設施，那麼(me)人工智能(néng)的模型能(néng)力及應用能(néng)力，則是加載在這(zhè)個基礎設施上的，能(néng)夠直接滿足業務需求、直接對(duì)業務産生效應的程序。”胡利明表示。

那麼(me)，目前雲廠商如何爲金融機構進(jìn)行智能(néng)化賦能(néng)？以騰訊爲例，騰訊雲爲騰訊混元大模型提供幕後(hòu)支撐。“從開(kāi)始支持大模型訓練以來，我們對(duì)雲的基礎設施，從存儲、網絡到計算進(jìn)行了全面(miàn)升級。”騰訊集團副總裁、雲與智慧産業事(shì)業群COO、騰訊雲總裁邱躍鵬介紹稱。

如在基礎設施層面(miàn)，騰訊雲一方面(miàn)可爲金融機構提供虛拟化GPU。胡利明介紹稱，“鑒于單個金融機構對(duì)算力的調度效率不高，騰訊雲通過(guò)對(duì)GPU進(jìn)行虛拟化拆分和調度，能(néng)夠幫助金融機構降本增效。”另一方面(miàn)，GPU在使用過(guò)程中故障的發(fā)現和定位也非常影響算力資源池的使用，在這(zhè)方面(miàn)騰訊雲也有積累可向(xiàng)金融機構輸出。

此外，基于全面(miàn)自研能(néng)力，騰訊雲在交換機、通信協議、通信庫以及運營系統等方面(miàn)，進(jìn)行了軟硬一體的升級和創新，推出面(miàn)向(xiàng)大模型的高性能(néng)網絡——星脈網絡，基于騰訊雲新一代算力集群HCC，可支持10萬卡超大集群規模。

而在AI模型能(néng)力及應用能(néng)力層面(miàn)，騰訊雲通過(guò)爲金融機構提供機器學(xué)習平台和向(xiàng)量數據庫，助力金融機構提升智能(néng)化業務能(néng)力。一方面(miàn)，騰訊的TI-One機器學(xué)習平台，不僅提供傳統的建模能(néng)力，還(hái)疊加了大模型時代的精調能(néng)力，且能(néng)夠支持十多個行業大模型。另一方面(miàn)，騰訊雲的向(xiàng)量數據庫，則不僅經(jīng)曆了鵝廠内部業務的長(cháng)期錘煉；還(hái)可以結構化的方式快速導入行業知識數據，疊加行業知識訓練。

第三個層面(miàn)，騰訊雲還(hái)提供以騰訊混元大模型爲底座的MaaS(Model-as-a-Service模型即服務)，直接爲金融機構提供各種(zhǒng)類型的應用場景的最終模型——客戶可以基于混元、也可以基于開(kāi)源模型，做自己專屬的行業大模型。

邱躍鵬提出，一方面(miàn)，高性能(néng)的雲上算力，成(chéng)了大模型的最佳助推器，搭載大模型能(néng)力的應用，也通過(guò)雲服務的方式落地。另一方面(miàn)，大模型也將(jiāng)重新定義雲上工具，使其效能(néng)顯著提升，從而讓企業可以獲得更高性價比、更便捷易用的雲産品。

金融機構實操層面(miàn)出現分化

目前，生成(chéng)式人工智能(néng)（AIGC）早已成(chéng)爲長(cháng)驅直入人類生活的“強大之物”，在金融領域的實際落地及應用階段，還(hái)面(miàn)臨諸多痛點。

值得注意的是，金融機構在擁抱AI大模型的實操層面(miàn)也出現了分化。據胡利明觀察，頭部實力雄厚的金融機構都(dōu)在積極投入資源，他們往往會(huì)和多家雲廠商合作，采購GPU算力資源池、機器學(xué)習平台和調度平台，同時并行構建開(kāi)源大模型，并選擇不同的業務場景進(jìn)行試點。

部分腰部機構則會(huì)選擇與1-2家大型雲廠商合作，用少量經(jīng)典場景做試點。而大部分腰部和小型機構則處于觀望和跟随狀态。

根據各家銀行的半年報，工商銀行、農業銀行、中國(guó)銀行、交通銀行等數家銀行，都(dōu)明确提出正在探索大模型的應用。

此外，胡利明認爲，“目前金融機構智能(néng)化在戰略目标，實施路徑，組織架構以及人才的匹配方面(miàn)都(dōu)面(miàn)臨不小的挑戰。”

首先，金融機構智能(néng)化轉型要制定明确的戰略目标及實施路徑，讓轉型能(néng)夠逐步産生階段性成(chéng)果，避免持續投入，但看不到明顯效果。“目前金融機構已經(jīng)形成(chéng)共識，必須要積極擁抱AI。長(cháng)期來看，金融機構如果不具備基于AI的金融服務力，將(jiāng)會(huì)被(bèi)時代淘汰。”他發(fā)現。

此外，金融機構智能(néng)化轉型要匹配适合的内部組織架構及人才。“數字化、智能(néng)化轉型不是一次性的項目，而是對(duì)金融機構的戰略性重塑，從高管到每個員工的經(jīng)營思路都(dōu)要與時俱進(jìn)，否則效果會(huì)大打折扣。”

但目前AI人才缺口非常大。胡利明發(fā)現，現在頭部金融機構都(dōu)在招算法博士，盡管他們可以借力雲廠商，但最終金融機構還(hái)是要具備自主使用和創新的能(néng)力，去主導AI大平台的構建、優化及不斷疊加新的應用場景。

《2022年人工智能(néng)全球最具影響力學(xué)者榜單AI 2000》數據顯示，2022年我國(guó)人工智能(néng)領域頂級研究人才數量達到232人，占比11.6%，僅次于美國(guó)（1146人，占比57.3%），頂級研究人才總量爲美國(guó)的1/5左右。

“大模型這(zhè)一次的熱潮，對(duì)包括金融行業在内的各行各業都(dōu)有非常深遠的影響。”胡利明總結道(dào)。