財聯社
2023-12-17 
【金融大模型觀察】黃艾舟：未來發展方向是通用模型+Agent
財聯社12月9日訊（研究員張玉虹 記者郭松嶠） ChatGPT發布一周年之際，AI大模型的討論熱潮仍舊方興未艾。在ChatGPT的推動下，國內的大模型企業亦從探索和嘗試漸進深水區。
在國內“百模大戰”中，有關垂直行業的專有大模型的應用，一直被高度關注。其中，金融領域中的大模型應用便是焦點之一。
那么，目前金融大模型業態發展如何？哪些金融大模型企業可以在“百模大戰”中勝出？
畢馬威中國金融科技主管合伙人黃艾舟在接受財聯社專訪時認為，算法以及數據的質量和規模是競爭核心。“金融大模型未來發展方向是通用模型+Agent（智能體）的形式”。
財聯社：中央金融工作會議提出科技金融、綠色金融、普惠金融、養老金融、數字金融五篇大文章。在你看來，金融大模型可以給予哪些助力？
黃艾舟：大模型是偏基礎設施的一個東西，所以對這五個方面都有助力。現在通常說的金融大模型是通用大模型基礎上針對金融行業所做的特色定制，所以叫做“金融大模型”。金融大模型在綠色金融、普惠金融、養老金融這三個領域有一些比較清晰應用了。比如綠色金融方面，AI做ESG數據采集分析。
科技金融更多的是指金融如何更好地為高科技、高成長型公司服務。從這個角度來講，金融機構為科創公司提供融資服務時，可以用到大模型提升智能風控的效果。數字金融更多的是面向金融機構的數字化。科技金融、綠色金融、普惠金融、養老金融是金融機構怎么服務不同的場景和客群，數字金融是金融機構怎么提升自己的數字化，在這一點上，大模型有很大的應用空間。原來可能有很多現有的AI應用都是比較獨立的，客戶營銷、智能風控、輿情管理、合規管理等等，大模型能像一個底座，把這些個體的AI應用打通。
總結一下，首先如果針對這“五大金融”來說，底座是數字金融，是金融機構的數字化轉型，或者是數字能力的提升。大模型在數字能力提升上肯定能發揮巨大的作用，由于底座的質量提升反過來也能更好地促進科技金融、綠色金融、普惠金融、養老金融的發展。
財聯社：金融大模型與其他行業大模型相比，具有什么特征？
黃艾舟：大模型需要大量的數據，底層有很多語料訓練才能涌現出推理能力。金融業是對于數據安全和數據隱私保護最為重視的一個行業之一，所以開展大模型的探索，可能會存在一定的困難。
目前各銀行對于大模型的應用都還在探索階段。未來大模型在金融機構的應用，我認為有兩種方式：一種方式是現有的開源大模型作為底座，利用已經訓練好的開源模型，輔以自己的語料進行新的標注和訓練；第二種是探索開發自有大模型。我判斷這種可能很難，雖然基礎技術框架大家都知道，但算力成本太高了。目前來看，想真正完成自有的大模型還是挺費時費力的，而且效果也不一定理想，所以還是第一種方式相對來說比較可靠一些。
財聯社：目前國內金融大模型主要的應用情況和落地場景有哪些？主要參與方有哪些？
黃艾舟：金融大模型主要的應用情況和落地場景有三類：一類是做投顧指導。大模型可以代替人的很大一部分工作，生成千人千面的有針對性的投資參考；第二類是做更精準的智能風控。風控方面大模型可以精準地識別市場的信號，提出一些風控建議；第三類是做監管合規。針對監管規定、合規等問題，大模型能夠很有效地組織整理信息。參與方分三類：科技公司、金融機構、包括高校實驗室在內的技術研究機構。這些應用產品是科技公司在開源大模型的基礎上進一步開發完成的。金融機構更多的是采購科技公司提供的方案，也有一些探索是設計一些Agent用大模型來解決自己的研發能力的問題。高校等研究機構在做自己的開源模型。
財聯社：你認為金融這個細分領域的大模型展現了哪些比較突出的價值？
黃艾舟：第一是能力更強。金融大模型在具備專業知識的基礎上具備了推理能力，能夠在特定的領域表現得適應性更高。比如現在有些客服電話，聊一兩句就知道它是AI，大部分情況下很難解決具體問題，現在有了大模型，這種溝通解決問題的能力更強了。第二是效率大幅提高。在大模型出來之前，金融機構也一直通過RPA（機器人）提高效率。但我發現具體的業務人員對RPA的使用并不很廣泛，因為使用起來還是相對麻煩，有學習成本。而未來金融大模型很可能能夠清楚地以自然語言交互的方式理解你說話的意思并且執行相應工作。同時，大模型應用在代碼撰寫等系統開發領域也是能起到很大作用，大大提升效率。第三是應用場景更加廣泛，覆蓋更多的用戶需求。
財聯社：目前金融大模型競爭中，競爭的核心是什么？
黃艾舟：我覺得最關鍵的是兩個能力：第一個核心是算法。原理基礎是一樣的，但是好的算法能夠使得需要的參數減少，同時產生更好的效果，但這需要頂尖的AI科學家。第二個核心是數據的質量和數據的規模。數據質量的意思是有大量的，經過了很好標注的數據，那一定會提升模型的性能和模型產生的結果。標注本身也不是簡單的標注，是帶著自己對場景、客戶和業務的理解去做標注。數據的規模方面，因為大模型的涌現是靠大量的學習不斷地訓練，數據太少肯定是不行的。國外現在有個方向是在通用的大模型基礎上，有各種各樣的小公司小團隊去做Agent。也就是通用模型+Agent的模式。ChatGPT做的Markets，其實就是類似這種模式。你需要解決的問題，通用大模型可以給到一個看起來及格的答案，但是你又覺得不夠解渴，沒有真正解決你的實際問題，所以就需要有專門Agent來解決具體問題。比如說金融行業現在已經有100個AI應用，很可能最后這100個AI變成了100個基于大模型的Agent，某個Agent負責解決理財產品銷售的問題，另外一個Agent負責解決某個產品的風控問題等等。
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。
