新火種
2023-10-27 
亮出最懂金融業的大模型，華為底氣何在？
Top銀行看中的大模型，正在打開一個全新的數智化時代
來源：輕金融 作者：尚志科
如果說銀行業前幾次信息化革命，都是漸進式的、緩慢的，生成式AI所帶來的沖擊，則是突飛猛進式、指數級的。
不過，需要思考的是改變究竟會有多大？領先的機構給出了有價值的參考。BCG以一家約2萬名員工的銀行測算顯示，規?；瘧蒙墒紸I預計首年可以為該銀行節省約1.5億美元的成本。
無獨有偶，在2023年9月20日“華為全聯接大會2023”峰會上，華為數字金融軍團CEO曹沖指出，“在某大行近兩萬網點，20萬多個網點員工通過盤古大模型已經實現了根據客戶問題生成操作指引，將以前5次操作縮短為1次，單次辦結時間縮短5分鐘。員工的效率和客戶的體驗都得到了極大的提升?！?/p>
這些場景并不是虛構的，而是每天在很多銀行真實上演著。然而，這些也只是大模型在金融領域應用的冰山一角。大模型正在重塑整個數字金融行業，包括市場、渠道、產品開發、客戶服務等所有的領域，數字化轉型走得比較快的銀行，已經在大模型的場景應用上占據了先機。
01
大型銀行全面擁抱大模型
2023年，無疑是生成式AI的爆發式元年，這個從上世紀就誕生的技術，在算法、算力和數據全面突破下，終于來到了爆發臨界點。激戰來臨，大模型廠商快速迭代，你追我趕。
隨著各大巨頭的大模型底牌一個個揭開，最終的看點是落地應用效果，能否在垂直領域里實現深度賦能，實現價值提升，是檢驗大模型價值的核心。作為天然的大數據行業，金融行業數字化需求強烈，科技投入巨大，因而也是大模型在垂直領域的關鍵落地行業。
實際上，AI在金融行業的應用已走過多年。但在大模型之前，訓練數月才能訓練出一個專用模型，對于金融機構來說成本非常高，限制了AI的普及?！拔覀冋谧呦虼竽Ｐ蜁r代，AI生產力將會無處不在，重塑整個數字金融行業；面向未來，金融機構應用大模型的能力，將成為關鍵生產力?！辈軟_指出。
可以說，金融機構應用大模型的能力已經成為核心競爭力。在歷次信息化革命中都勇于創新的銀行業，成為擁抱大模型的先行者。2023年上市銀行半年報，揭示了大模型應用進展。
“利用AI大模型技術開拓新型業務應用場景，率先實現百億級AI大模型的實際應用”工行在半年報提到；“提升GPT類自然語言處理大模型的建設能力，并重點發掘其在全流程財富管理中的應用，投產FinGPT創意中心，加快大模型應用模式探索”。招行半年報也指出。
從大模型的最新應用看，在銀行業應用已經非常廣泛。在財富管理領域，大型銀行在財富、營銷、運營、風控、客服等環節，打造智能化時代的智慧應用平臺；在金融市場領域，實現由大模型輔助生成投資研究報告；在網點服務中，通過大模型和文檔搜索引擎相結合，構建網點員工助手，可以快速準確解答相關問題。
未來，生成式AI將無所不在，在銀行業的應用前景也將貫穿前中后臺各個環節，每一條業務線、每個職能崗位都能找到相應的應用場景。但大模型的運用仍然面臨知識與專業、高質量的數據集、安全合規、算力等挑戰，這些都是廠商要和行業一起解決的關鍵難點問題。
以數據為例，用好大模型首先需要高質量的數據。曹沖指出，大模型應用走得較快的銀行，都在數字化轉型方面做得比較扎實，如果能打通數據和AI孤島，讓大模型直接在數據所在的集群上運行，就可以節省大量的時間和資源。
02
更懂金融數智化的大模型來了
新技術變革速度加快，對金融業的反應能力、技術創新與應用能力提出了更高的要求。尤其是當生成式AI滲透進金融行業的每一個地方，擺在眾多金融機構面前的核心問題是，怎樣才能讓大模型飛輪轉動起來，成為金融生產力智能化的引領者？
在行業專家看來，大型金融機構可引入業界領先的基礎大模型，采用微調形成專業領域的任務大模型，快速賦能業務；中小金融機構可按需引入各類大模型公有云API或私有化部署服務，直接滿足賦能訴求。
輕金融發現，上半年多家銀行提到正與頭部科技公司合作，探索千億級人工智能大模型的創新應用實踐。對銀行而言，模型的選型是從根本上解決生成式AI應用場景質量的關鍵輸入點，該怎么去選大模型？BCG發布的《銀行業生成式AI應用報告2023》指出，銀行業可以從準確性、置信度、魯棒性、公平性、效率等多個維度進行驗證。
可以確定的是，大模型市場會向大機構集中，大模型的領先者與跟隨者之間的差距，會越來越大。在眾多廠商中，華為長期深耕金融智能，也是大模型應用的先行者，其能力更全面，得到大量金融客戶的信賴。
為了幫助金融機構加快大模型的應用與創新，9月20日，華為重磅發布華為金融大模型三層解決方案，包括10大應用場景，盤古金融大模型和“算-網-存-云”大模型底座。這一解決方案將從“三力”協同出發，降低工程復雜度，幫助金融機構更快搭上大模型的高速列車。
一是場景層，通過創新生產力，實現場景價值釋放。華為首次推出的三大類的場景方案，覆蓋10個子場景，并且實現了場景落地。在軟件開發領域，與頭部大行合作，利用大模型代碼生成、代碼測試等能力，編碼助手的代碼生成占比從20%提升至40%；在智慧辦公領域，交通銀行利用大模型構建招聘助手，提升人才識別率和招聘效率。
要真正實現大模型的場景落地，工程化能力和豐富的生態體系也非常重要，這也是華為的優勢。華為聯合數據標注、模型調優、應用開發等伙伴，構建豐富的大模型生態體系，并從從多年的開發實踐中，沉淀出了完整的、模型落地的工程化工具鏈，覆蓋了從模型微調、數據工程、應用開發、安全工程等一系列工具，讓客戶和伙伴更便捷地調用大模型。
二是模型層，通過盤古金融大模型，躍升智力?！耙粋€強大的基礎模型，加上充分沉淀金融知識與業務邏輯，金融大模型才會走向全面專業?！辈軟_指出。
華為有業界遙遙領先的基礎大模型，支持千億級參數大模型高效訓練。2023年7月7日，華為發布盤古大模型3.0版本，并發布盤古系列大模型，從L0自主構建，具備100多種模型能力。以NLP為例，盤古NLP大模型是業界首個超千億參數的中文預訓練大模型，在同樣的數據澆灌下，能訓練出更“聰明”的模型。
大模型的智力離不開專業知識和行業規則的澆灌。這方面，華為已淬煉出最懂金融行業的大模型，能夠根據不同的金融領域定制化訓練和優化。
華為打造的盤古金融大模型在金融知識方面沉淀了五大類金融數據，注入了千億級金融Tokens；在金融技能方面，目前已經構建200多個細分應用場景，沉淀了上千個細分場景模板；同時，融合了100多個行業標準、規范的知識庫，讓大模型更專業；構建了數據安全、模型安全、內容安全等全流程的合規能力。
三是底座層，夯實“百模千態”的智能底座，提供澎湃算力。區別于傳統模型，大模型需要更高效、更穩定的底座支撐。而底座需要從算力、組網連接、數據存儲等環節全面考慮，這正是華為獨特的優勢。
華為已經構建了算-網-存-云協同的大模型智能底座方案，為大模型提供澎湃算力。比如，在高性能集群訓練上，將token處理時延降低至100ms以內，提升節點互聯效率；在高可靠模型保護上，將訓練中斷時間從天縮短到分鐘級，實現了月級穩定訓練；在高效綠色節能方面，將網絡能效比從0.1提升到0.5 PFLOPS/KW（每千瓦浮點運算次數）。
很多金融機構都在探索大模型的使用，華為通過自身的技術能力和積極的生態合作，努力去解決一個個問題，讓金融機構面對大模型實現會用、好用、有用。截至目前，中國Top20銀行中，已有1/2選擇華為的AI軟硬件平臺。
03
全方位促進金融應用現代化
大模型只是AI在金融業落地重心之一。
在更廣泛的領域，AI正在全方位促進金融應用現代化，隨著大模型能力逐步落地，將進一步演變為“平臺+服務+AI”模式。BCG指出，生成式AI在銀行業規?；瘧玫穆涞?，是一個體系化的工程，其成功與否，10%看模型，20%看整體IT能力升級，70%依賴于業務與組織的轉型。
華為很早就意識到這些要素，將更多華為優秀實踐和能力輸送到金融行業，引領金融應用現代化升級。在當天，華為重磅發布金融PaaS能力，全面升級分布式新核心解決方案，聚焦開發運維、金融級中間件及高可用管理3大領域，持續投入1000+的PaaS領域專項人才。
在金融應用現代化的路上，華為正與很多客戶同行。在華夏銀行，基于華為金融級PaaS平臺和GaussDB，助力華夏實現首個賬務類核心業務系統上線，迄今已完成40多個核心應用現代化改造。在全球，華為已支持150+客戶走向應用現代化及核心升級，包括人行清算、大型銀行、城商農信及海外金融機構等。
數字人民幣與智能合約結合，也是一個應用現代化使能金融服務融入場景的成功案例。
華為基于深厚的ICT產業技術優勢，與數研所構建多地多活的數字人民幣基礎設施，同時積極探索智能合約場景應用，構建可信的智能合約底座和智能合約服務平臺。 這一解決方案在場景化方面應用成果突出。當天，華為還聯合農業銀行、北京銀行、東吳證券，一起發布華為數字人民幣創新方案，包括智能合約底座和智能合約服務，以及共同打造的場景化應用成果。
正是憑借這些突出的優勢，在中國，Top20的銀行中，已有1/2選擇了華為的AI平臺，并與多家大型銀行進行了全面的大模型聯合創新與實踐。而AI給銀行業帶來的顛覆性影響剛剛開始，引入優質的大模型、提升金融應用現代化刻不容緩。
“十年磨劍放光芒”。無論是在大模型領域的深耕，還是多年來推進金融應用現代化的努力，華為著眼的都是在長遠推進金融行業整體的智能化進程，為金融業帶來源源不斷的增長動力，成為越來越多金融機構決勝的關鍵力量。
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
