目錄
01. 引言
02. AI+金融：特點
03. AI在金融場景中的角色探索
04. AI+金融：挑戰與展望
05. 總結
06. 參考文獻
引言全球對人工智能的興趣激增，在大洋彼岸的人工智能狂熱中，如人工智能初創公司Inflection完成逾十億美元的融資，同樣規模的融資也發生在初創公司MosaicML ，以逾十億美元被Databricks所收購。在金融領域，OpenAI等人工智能廠商在過去數周繼續主導着國外金融市場的AI新聞。穆迪攜手微軟和OpenAI合作，推出AI助手，幫助客戶評估風險。瑞穗銀行讓員工使用Azure OpenAI，成為日本首家采用該技術的金融公司。然而，如光錐智能（2023）所描述，“資本市場一冷一熱所折射的，正是身處發展初期的中國AIGC産業，面對商業模式不清晰、技術層面的不足，大批國内創業者仍征途漫漫”，盡管人工智能已成為科技領域的投資熱點，但國内市場對人工智能的态度似乎從近幾個月中國初創企業的爆炸性增長的景象慢慢發生了改變，在算力發展受限等新的限制下，國内AIGC賽道的發展又将面臨新的挑戰。AI創業者将在金融賽道中看到的，可能不僅是機會，其中也會看到行業中存在的特定門檻，以及一些面臨的挑戰。從年初到現在，非凡産研持續與AI賽道創業者及投資人保持深度交流和交易參與，并有幸采訪到摸象科技、有連雲、飛笛科技、熵簡科技、深擎科技等在AI賽道中的優秀企業，探讨他們在金融行業中的經驗和認知。本文将從AI與金融場景結合的角度，結合訪談内容，探讨AI賽道中金融領域的獨特性，體系化地呈現這些公司如何利用AI在金融賽道實作價值。
AI+金融：特點 • AI與金融場景的結合，是金融科技的具象展現 • 關于AI與金融的結合，中國人民銀行2019年釋出的《關于金融科技（FinTech）發展規劃（2019－2021年）》中描述，金融科技屬于金融與科技的深度融合。深度研發資訊技術、人工智能、大資料、區塊鍊等科技，并創造性使用，金融科技将在金融市場優化、服務水準提升、服務領域拓寬，及風險防範中發揮關鍵角色。作為基于技術帶來的金融創新，金融科技具有颠覆業務模式、業務、流程與産品的潛力。人工智能與機器學習過去主要服務于金融行業的信用評估和基礎欺詐評分。新一代人工智能通過大型語言模型（LLM）處理非結構化資料能力和強大的算力，已為衆多行業帶來前所未有的賦能。一方面，金融行業、機構及公司擁有龐大的、覆寫多行業的曆史資料，為訓練行業模型提供了堅實的基礎。然而另一方面，出于資訊安全及合規的需要，金融行業往往更為謹慎。目前，在金融行業的數字化轉型的程序中，人工智能充當着日益重要的角色。作為目前集合龐大、廣度深、複雜度且增長快速的技術學科，人工智能與金融場景的融合，可以說是金融科技的最具象展現。金融科技中的人工智能是利用人工智能進行金融資料分析、客戶服務、供應鍊管理、交易建議等諸多領域的應用（Editorial Team，2023）。據The Business（2023）統計，全球金融科技領域的人工智能市場規模從2022年的91.5億美元增長到2023年的115.9億美元，年複合增長率（CAGR）為26.8%，預計金融科技領域的人工智能市場規模将在2027年達到317.1億美元，年複合增長率為28.6%。AI創業者将在金融賽道中看到的，可能不僅是機會，其中還包括行業中存在的特定門檻以、未來的挑戰。 • AI與金融場景的結合，有它特定的門檻 • AI與金融場景的結合，有它特定的門檻，具體展現在人才、資料及技術壁壘、資訊安全與合規等次元。
2.1 關于人才
AI與金融結合，不僅需要複合型人才，還對業務Knowhow有一定要求，以便更好地了解金融行業的邏輯和需求，這也是人才門檻的主要展現。在專業水準方面，AI與金融結合不僅要求AI具備足夠的領域專業度，還要求人具備金融知識、金融工程、投資等方面的專業知識。從專業度角度，飛笛科技丘慧慧表示，金融價值一方面展現在其讓實體經濟獲得資金的支援，讓實體經濟得到持續增長；另一方面讓資金的持有方合理投放，保持資産增值。從專業性角度，金融行業是資訊行業中專業度、場景密度及頻次都最深的行業，金融本身不直接創造價值，但它會賦能實體經濟，它本身的價值是資金使用效率提高賦能實體經濟、讓資産保持增值，是以對團隊及人才的專業度有一定要求。從人才的複合角度，熵簡科技費斌傑表示，AI在金融領域面臨的核心挑戰還是在人才端。這個行業需要更多的專業複合型人才，不僅對實戰投研與資料科學知識的深度結合有較高要求，還要懂資料，比如具備調用模型、寫Spark、Flink等技能。然而，這種級别的複合人才在市場上并不多。此外，相比人才的數量，品質可能更為重要，比如打造出優秀産品的OpenAI，其團隊人數其實并不多，但每位成員都是超級複合型專家。這種頂級的跨領域深度複合人才，是推動企業乃至整個行業發展的關鍵，而這種頂級人才的競争也是最激烈的。從專業與業務結合角度，有連雲張岩闡述了AI技術應用與細分領域産品落地的關系。一方面金融領域對專業度要求較高，創業公司的團隊建構往往需要懂金融且有技術開發背景的架構師等人才。另一方面，産品的落地需要技術與場景了解相結合，這要求團隊能了解客戶需求、并能夠針對性地解決業務開展過程中的困難。其次，基于對業務的了解調整對應分工是充分發揮複合型人才的潛能的關鍵。
2.2 資料、技術壁壘&資訊安全與合規
資料壁壘方面，金融行業的資料品質要求非常高，資料的準确性直接影響到金融決策的結果。AI需要能夠從大量的資料中提取出有價值的資訊，同時還需要確定資料的準确性和完整性。其次，金融行業的資料涉及到使用者的隐私，是以資料的安全和隐私保護至關重要。此外，AI應用過程中，資料擷取與合規也是備受關注的問題，其要求AI需要在合規的前提下擷取和處理資料，確定資料的合法使用。熵簡科技創始人費斌傑以模型訓練為例，表示每個行業的私域知識對于訓練領域大模型是最重要且不可或缺的因素，也是垂直模型在特定領域領先于通用模型的原因。如GPT-3的訓練主要是包含common crawl等在内的資料集，然而這些通過公開的網站、管道獲得的資料集卻很難滿足于建構一個專業的資料庫的要求。此外，這些私域資料的品質也分層級，訓練模型的對這些資料的篩選和加工也有很高的要求。*common crawl：Common Crawl語料庫包含通過12年的網絡爬取收集的數千億位元組的資料。該語料庫包含原始網頁資料、中繼資料提取和文本提取。Common Crawl資料存儲在Amazon Web Services的公共資料集以及全球多個學術雲平台上。（OpenDataLab，2019，available from：https://opendatalab.com/Common_Crawl）技術壁壘方面，金融領域涉及大量的資料，包括股票市場資料、宏觀經濟資料、使用者交易資料等。AI需要具備高效地處理和分析這些資料的能力。同時，基于大模型的技術底座，AI能更好了解金融領域的業務邏輯和資料結構，以便為金融機構提供準确、有效的解決方案。然而，金融場景下的AI模型需要在實際應用中不斷進行優化和驗證，這都需要專業的算法工程師和資料科學家去確定模型的穩定性和準确性。在資訊安全與合規方面，飛笛科技丘慧慧從AI應用在内容科技業務的角度，闡述了資訊準确度在傳播過程中的重要性。金融領域具有其獨特性，因其關乎國民财富的安全和收益，故而須受到嚴格的監管。在此背景下，容錯率相對較低，這也意味着，如果機器或AI系統不能確定資訊的準确性和來源的權威性，合規性将面臨極大挑戰。而在具體内容科技業務中，資訊來自于對風險的識别和對機會的判斷，包括對産業、公司的了解。在綜合的傳播環境下及傳遞的過程中，資訊會發生發酵，産生共振，但同時，資訊既可以引導價值和拉動需求，又可能被誤解進而形成市場震蕩。是以，資訊、資金是影響、驅動整個金融市場的核心。且資訊和資金流是互相影響的，專業性要求很高，每天瞬息萬變，金融對資訊的及時性要求非常高，也是它的一個門檻。深擎科技柴志偉表示，出于對金融行業獨特性、資料安全及合規性的重視，中國的廠商在考慮海外大型模型在國内的應用時，表現得相對審慎。選擇私有化部署的垂直領域模型，已經在AI模型層在金融領域發展成為一種趨勢。金融機構對于通用大模型的運用，主要目标在于提升認知，然而，通用大模型的參數可能高達千億級别，但垂直領域的模型參數可能僅需百億。是以，私有化部署的要求仍然依賴垂直領域模型。在私有化部署方面，摸象科技高鵬表示，對于銀行客戶，出于隐私安全及資料監管的需求，一般行方會要求AI廠商提供私有化部署，即以私有雲的方式替代公共雲服務。這将對我工程産品開發帶來較大的挑戰。持續改進産品的性能，使其更容易營運和維護，進而降低私有化部署中的工程運維成本是AI廠商的工程團隊所需要做的事情。有連雲張岩介紹道，建構一個具備專業能力并符合低容錯度要求的模型是富有挑戰性的，它需要耗費大量的研發資源并進行反複的模型疊代和更新。金融領域的獨特之處在于，金融領域對資料的時效性、準确性和穩定性要求很高，模型的資料時效性、準确性與穩定性對使用者體驗與客戶黏性起着重要作用。對于資料安全及合規，熵簡科技費斌傑表示，在金融領域，對人工智能模型的高度可靠性要求極為重要。AI模型在行業應用中的最後一公裡正是其可靠性的問題。監管對于金融行業的廠商來說，并非一個需要戰勝的挑戰，而是一個引導性的架構、一個市場競争的規則，以及一個行業的規定。為了符合監管要求并處理資料合規性，有許多可行的方法，例如發展開源模型将為整個行業帶來福利，或者将模型部署在國家托管的監管雲之上并為金融機構提供服務，此外，為金融機構在本地部署服務，也是值得考慮的一個方向。這些因素都有助于提高AI在金融行業應用中的可靠性。随着經網信辦審議通過，并經發改委及相關部門同意于今年8月15日起施行的《生成式人工智能服務管理暫行辦法》已将網絡資訊内容生産者的服務規範列入技術發展與治理要求當中，未來，對于AI的資訊安全将會有更明确的架構規範與要求。總體來說，AI與金融結合的門檻主要展現在技術門檻、資料門檻、人才門檻和法規門檻等方面。隻有克服這些門檻，才能充分發揮AI在金融領域的優勢，為金融機構提供更加智能化的解決方案。
AI在金融場景中的角色探索 • 主流技術及應用 • 目前AI在金融領域底層技術主要以NLP（Natural Language Processing自然語言處理技術）、“大型語言模型”（LLM，Large Language Model）、資料挖掘、資料加工（非/半結構化）等。艾瑞咨詢（2022）把AI+金融的分為前、中、背景，分别從智慧營銷、信用評估到模型開發及大資料層面，從機器學習及智能語音等次元剖析AI在銀行、保險、證券等領域的具體角色。*LLM，Large Language Model一種通過分析億級規模的語言資料或視覺素材，以進行知識提煉和模型學習的過程，最終建構出龐大參數量級的大型模型。
在金融環境中，AI能夠通過多種途徑展現其效能。首先，在風險控制方面，AI可以對大量資料進行分析，協助金融機構進行風險評估并制定相應政策。例如，通過對客戶的信用評分、交易記錄、财務狀況等資訊的分析，AI可以為客戶提供定制化的金融産品和服務。在投資研究方面，AI能夠通過對曆史資料的分析，為投資者提供行業和股票的預測和建議。此外，AI還能夠在量化交易領域發揮作用，通過高頻交易政策為投資者帶來收益。更多的，在零售金融領域，AI可以用作智能客服，提供24小時線上咨詢服務。通過自然語言處理和語音識别技術，AI能夠了解客戶的需求，提供準确的答案和解決方案。另一應用場景可拓展到營銷業務，AI能夠協助金融機構分析客戶行為，為其提供定制化的營銷政策。例如，通過分析客戶的消費習慣和興趣愛好，金融機構可以向客戶推薦符合其需求的金融産品。
• 零售金融中的人工智能 •
零售金融作為銀行的重要業務，與AI的結合将更有利于優化使用者體驗及提高效率。主要應用領域可覆寫信用評分與風險管理，欺詐檢測與預防，個性化推薦與産品營銷，智能客服與聊天機器人，聊天機器人營銷，語音識别與虛拟助手，自動化與智能化營運，大資料分析等。摸象科技
2007年成立的摸象科技，在大資料領域持續耕耘，最初采用谷歌開源Bert模型，結合深度學習+領域知識庫平台，進一步壓縮模型結構、增加并發數，建構了金融行業垂直模型。目前，摸象與高校聯合自主研發的垂直金融的語言大模型，模型規模已達7B，可進一步擴充。訓練的資料集垂直于零售金融方向，涵蓋了金融知識圖譜、金融文本、金融對話等多種資料源。摸象科技已為國内數十家省分行及股份行提供AI+金融數字員工解決方案，AI員工“象小秘”垂直于150個業務類目的場景，并被應用于銀行營銷和營運場景中。差別于傳統RPA為後端提供自動化解決日常重複性任務的數字員工，摸象科技重點在于賦能員工實作人機協同，提升工作效率。
*RPA機器人：Robotic process automation，又稱“RPA機器人流程自動化”“機器人過程自動化(RPA)”“軟體機器人”，使用智能自動化技術來執行人類勞工的重複性辦公室任務。
△摸象科技AI員工賦能，企業供圖 • 内容科技中的人工智能 • 有連雲有連雲國内領先的金融AIGC服務提供商，針對金融市場的時效性，緻力于幫客戶解決以sales and marketing為主導的應用場景問題，并把商業模式立足于解決開源層面的痛點。其中，有連雲服務的客戶群體主要包括金融機構與上市公司。金融領域的痛點與一般場景不一樣，對準确度要求較高，有連雲AI模型可以有效降低人為錯誤。
△有連雲場景及技術，企業供圖深擎科技成立于2018年的深擎作為内容科技與智能營銷服務商，運用人工智能、大資料及财經資訊營運能力賦能金融機構，提供從内容生産、加工、分發到觸達營運全流程的解決方案。基于對金融業務場景的了解，持續性地為金融機構提供内容科技服務，通過個性化推薦、智能标簽以及智能内容營運等産品和服務，幫助金融企業激活存量客戶，提升使用者體驗，促進交易轉化。公司創始人、CEO柴志偉介紹，針對券商及銀行在吸納新客戶過程中面臨的高昂成本和收益不穩定的問題，深擎的主要關注點在于提升使用者活躍度和交易頻次，進而保持使用者粘性，而非單純依賴于購買流量來實作使用者增長。其中在财經内容生成和管理方面，深擎科技會把來自财經官媒、自媒體等管道的資訊、視訊進行聚合，再經AI和人工稽核，每天20萬篇新增内容進行AI稽核（涉政涉敏，涉黃涉暴等），還包括金融行業的資料錯誤（如媒體記者在利潤率、增長率等财務參數上的筆誤）。柴志偉表示，金融行業受嚴格監管，對内容釋出的要求非常高，并不是簡單撤回就可以。具體案例可展現在某銀行客群，通過深擎的内容賦能，在内容端UB提升95%，UV提升63%。*UB（User Behavior）是指使用者的行為改進，包括使用者在平台上的互動、使用頻率、停留時間等方面的改善；UV（User Visits）是指使用者的通路量，表示通路平台或内容的使用者數量。
△深擎科技解決方案矩陣，企業供圖飛笛科技
作為财經AIGC生成和分發平台，依賴基于全網财經資訊的大資料引擎，飛笛将内容數字化+AIGC和AI投顧技術深度運用于賦能機構線上财富管理和買方服務中，強調以“買方”的視角設計數字化産品和服務，以幫助金融機構實作傳統零售和經紀業務、财富管理業務的數字化轉型，幫助使用者獲得更好的買方服務并實作可持續回報。對于金融行業在内容科技方面的痛點，飛笛科技丘慧慧表示，2016年後，金融機構曾經有一輪要做“垂直今日頭條”的建設高潮，但金融機構本身沒有那麼多的資料，也沒有足夠量級的使用者和足夠量級的免費内容，很難依靠算法做到千人千面。其次，相比網際網路平台容錯率比較高的興趣推薦，金融更偏向于是“價值推薦”，容錯率低，彼時，基于專家系統的AIGC可以很好地解決該些難題，但并沒有被充分運用起來，金融行業的那時候走的彎路現在仍在繼續。現在新的一輪基于大模型的AI浪潮又來了，但是顯然，上一輪沒解決好的按“價值”邏輯進行生成和推薦的問題，大模型時代仍要率先面對并解決。飛笛将自身的競争壁壘歸納為：基于全網海量資訊大資料的實時“算力”，賦能金融機構内部場景下的資料治理、服務與内容生成、業務場景和使用者個性化分發，以提升金融機構“運力”，提升機構營運的ROI和使用者滿意度。她特别強調，金融場景下，首先要解決AIGV，實時價值發現問題，其次才是AIGC，因為使用者資訊過載+金融資訊高頻的特點，通過外部資訊資料能力的導入，為機構内部提升營運效率非常重要。數字化的營運決策力、内容生産力、按業務場景和使用者的個性化分發力，都使得機構的整個營運過程變得更加敏銳且靈活。
△飛笛科技資料-内容-智能互動流程，企業供圖 • 投研中的人工智能 • 熵簡科技主要服務于基金/資管、證券公司等機構的熵簡科技，依托大資料、雲計算、AI等技術，為資管機構提供智能投研輔助決策的工具，并實作投研數字化。熵簡科技費斌傑以石油行業研究為例，對特定領域進行了深入分析。在分析石油行業時，中進階分析師會審視一系列高頻名額，供需因素、頁岩油信用債擴張周期、政治因素、沙特和歐佩克的減産計劃等，都是石油行業的關鍵分析架構。在此基礎上，僅僅簡單地詢問GPT可能無法擷取詳盡的資訊，這對于投資決策是遠遠不夠的。投資決策需要基于市場資訊作出買入賣出決策，這也是為什麼要在細分領域尋求專業化的原因。熵簡科技又以海上風電為例，在研究該行業，補貼退坡、并網情況等都是重要名額，而再往前又可再追溯到一系列前瞻性名額（裝機情況、吊裝情況、招投标、核準等）。在投研過程中，每一個環節都包含許多關鍵的高頻名額，如何将這些資料和邏輯串聯起來并形成一個能夠投資的AI，是未來AI廠商可拓展和思考的方向，而這一領域的價值毋庸置疑。文構财經文構财經基于多年積累的資料的先發壁壘，其資料範圍覆寫中國滬深、中國香港、美國、新加坡、英國等證券交易所，近20年的海量财經資料，清洗出共計近500G的中英文财經語料（目前資料狀态為均已清洗、标定、學習後）。通過AI了解能力與應用場景的深度結合，文構财經為使用者提供了基于财經文本的全新深度處理後的資料、名額、分析師報告，進而為學術研究、量化投資、經濟監管等提供多方位支援。
△文構财經資料庫，企業供圖
AI+金融：挑戰與展望
• 關于挑戰 •
未來，随着AI技術在金融領域的更深入發展，更加迫切地需要人才端與業務端的深度結合，以應對日益增長的合規要求。這種深度結合不僅涉及了專業技術的應用，還涉及了跨學科的整合，以及對市場的敏銳洞察。飛笛科技的丘慧慧表示，在未來的金融領域，人工智能預計将迎來更加廣闊的發展空間。然而，這種發展也面臨着一定的挑戰。其中一個關鍵的挑戰是金融機構自身的組織結構。金融機構能否以使用者為中心進行組織架構的調整，是決定企業能否成功進行結構轉型的關鍵因素，而跨界人才的挑戰是企業所面臨的重要挑戰。有連雲認為，金融領域，對于不同業務場景的了解需要長期積累經驗。金融業務有複雜性和專業度，不是簡單能駕馭。有連雲系統能夠實作高效的AIGC生成，這是通用大模型難以完成的任務，而打造具有較高黏性的産品，需要有足夠的業務Know-how，并懂得如何進一步優化客戶的使用體驗。深擎科技表示，AI在金融領域的挑戰主要在于B2B領域的商業化實施過程，金融行業分支機構和總部的數字化協作難以有效打通這個沖突。作為一家創業公司，面臨着與客戶個性化、定制化需求及标準化産品之間的沖突。深擎科技柴志偉認為，還是要在産品了解上超越客戶，充分把握客戶的需求和特性，以便為客戶打造價值産品。此外，公司還需要積累大量的行業案例和實踐經驗，以更好地指導和支援客戶需求和發展。輕咨詢是一種值得采用的服務模式，它可以通過團隊在早期與客戶的溝通和交流，影響客戶的規劃和預期，幫助客戶将想法收斂到一個可以标準化實施的解決方案，進而實作客戶需求的合理滿足，以及雙方共赢的局面。在人才與技術挑戰方面，熵簡科技費斌傑認為，AI科技的發展，其核心仍是技術層面的探讨。技術問題并非一蹴而就，它需要深厚的專業積累。倘若把AI視作一個黑盒，訓練的關鍵在于持續優化這個模組化過程，如果技術人員未曾嘗試過此類操作，那麼相關的經驗積累無疑将是一片空白，即使能了解大緻的操作流程，但要想深入了解這類技術性的經驗，僅僅通過理論學習是不夠的。這也是在第一線親自操作和實踐的重要性。例如，技術人員至少需要親自調優過GPT模型。然而在全球範圍内，這樣經驗豐富的專業人士實際上是稀缺的，不僅僅在國内，在海外也同樣如此。
• 關于模型的疊代 •
從一個中立的角度對金融領域中各類模型進行比較，就現有技術而言，如GPT、BloombergGPT、FinBert等，各模型間存在着一定的差異。在實際金融領域的應用中，随着參數量及資料集、資料類型及權重、所應用的垂直任務不同，模型的效果也不同（Nan, etc., 2023; Markus, 2023）。對于模型的疊代，摸象科技表示，模型疊代需要新資料的加入及漸進式優化，其中資料也非越多越好，資料的來源選擇很重要，比如金融的模型，加入太多實體學權重的資料可能會出問題。此外，協調資料處理、篩選将是模型訓練中比較重要的工作。熵簡科技表示，公司在2020年成功研發了FinBert模型，FinBert模型繼承了Bert的設計理念，兩者都基于先進的Transformer架構，而FinBert在金融投資研究領域中也成為了一項預訓練模型，也幫助熵簡服務于金融、資産管理和投資銀行等機構。在GPT面世後，熵簡更是基于GPT做上遊，進行Fine-Tuning，并附加Promt工程。而對于模型的更新，其中的研發工作需關注細節以及結合學術研究成果，并轉化出相關的工程代碼，再在業界實踐中疊代回報，進而實作學術思路的工程化，比如通過LoRA，用更少資料訓練模型，通過調整細節實作性能提升。*LoRA ：Low-Rank Adaptation, 低秩自适應，是一種基于低秩矩陣分解的個性化推薦算法，能夠在推薦系統中應用于提供使用者定制的推薦服務。其自适應的機制，可以根據不同使用者和項目之間的關系調整模型的參數。 • AI技術的擁抱現狀 • 總體而言，AI在金融領域應用廣泛，但挑戰在于對先進技術的實際應用，以及監管适應性。金融機構對AI有一定認知，随着AI場景的深度和廣度的逐漸提高，監管環境對新技術的重視将越發提高。對于新技術，金融行業、賽道中的金融廠商整體偏向開放且積極擁抱的态度。對于AI技術，各廠商在表示積極擁抱的同時，也對目前金融機構對AI技術的态度提出了看法。其中，有連雲表示，AI及AIGC已成功地推進了本行業，挑戰在于如何将先進的技術成功應用到實際情況中。這一全新的發展階段的到來并不遙遠，目前正處于一個充滿活力的時期。各行各業需要調整自身來适應這樣的變化。以ChatGPT為例，它在某些通用場景中可以幫助使用者提高工作效率，金融領域和通用領域在文本、圖檔和視訊等方面有共通之處，并已取得了持續的應用成果。同時，目前的監管環境對于新技術的接受度相對較寬松，整個程序在穩步推進。
熵簡科技表示金融機構處于觀望态度，關鍵原因在于資料安全問題。金融資料在國家安全方面也占據重要地位，是以直接使用 ChatGPT 模型可能并不合适。是以，未來的趨勢會偏向于私有化模型部署。深擎科技柴志偉表示，目前這波AI浪潮中，AI從1.0（2016年，小模型、垂直AI領域）到現在2.0（通用大模型，強AI）時代，技術發生了比較大的沖擊和轉變，金融領域表現得比較務實。目前的金融機構已對新的AI技術有一定認知，但場景還有待做大做深，基于國内對金融服務的潛在龐大需求，AI在金融領域的發展仍有很大的空間。 • AI+金融的展望 • 未來，AI廠商将有機會依賴共性技術應用到更多的垂直業務場景，使AI技術在金融行業得到更長遠的發展。有連雲從金融業務角度出發，表示依托于技術共性，未來AI的應用将打開更多垂直業務場景。依托于需求的共性，有連雲将加大研發投入，通過産品力提升使用者體驗，進而增強使用者黏性。飛笛科技認為，未來AI廠商的戰略壁壘在于不斷發展資料化，加強内容與金融場景、使用者廣度、深度及密度的有機組合，實作在各個場景中應用的落地。摸象科技從銀行業角度出發，表示基于中國銀行業龐大的業務體量及增速，未來AI在金融市場應用的前景将越發廣闊，而摸象也計劃将數字員工拓展至銀行各個層級的員工，以擴大市場規模。同時考慮到金融行業的廣度和深度，AI在垂類市場将會有巨大的發展空間。深擎科技從金融從業人士角度出發，以銷售為例，認為在AI的賦能下，未來線上銷售行為将會被數字化，而其中頭部銷售的能力、經驗等稀缺能力将會被沉澱、分析及子產品化（話術、政策），進而幫助初級銷售提高能力，此方式在國外已經逐漸得到發展，在國内券商、銀行大量的客戶經理将有機會被服務及賦能，以幫助更廣的潛在客群。熵簡科技從AI模型的角度，表示AI已經不再僅僅作為輔助工具，而是在多個領域發揮着日益顯著的影響。開源必将成為AI在金融領域發展的未來趨勢。目前，開源與閉源模型在這一領域各自擁有顯著的黑洞效應，這兩個領域有可能分别誕生類似谷歌和蘋果的頭部企業，形成雙重隊列格局。目前，已有多家公司在開源大模型領域争奪上司地位，如Facebook的LLaMA等模型，性能方面不斷提升。然而，何時能夠追趕GPT-4的表現仍有待觀察。
*LLaMA（Large Language Model Meta AI，大語言模型元AI）,是Meta AI公司于2023年2月釋出的大型語言模型。它訓練了各種模型，這些模型的參數從70億到650億不等（維基百科，2023）。
總結
在如今熱鬧非凡的國内人工智能熱潮中，各個細分行業的AI廠商迎來了較大的機會。人工智能技術在金融領域已經展現出了深厚的應用前景，覆寫了智能客服、内容科技、投資決策等諸多領域，這無疑凸顯了AI技術的無窮潛力。随着AI技術在金融領域作用的日益凸顯，随之而來的挑戰也日益突出。資料安全問題将會是一個不容忽視的議題，由于金融行業的專業知識壁壘，對于資料的深度挖掘和應用人才的需求也随之增加。
AI創業者将在金融賽道中看到的，不僅有機會，也有必須跨越及克服的特定門檻，隻有克服這些門檻，配合底層技術的優化疊代，加之與業務場景的深度結合，才能充分發揮AI在金融領域的優勢，為金融機構提供更加智能化的解決方案。
參考文獻[1] Epam (2023) AI for Fintech. Be the One to Change the Industry [Online], Available from: https://anywhere.epam.com/business/artificial-intelligence-in-fintech [Assessed July, 2023].[2] Nan, H., Peng, L. and Xu, Y. (2023) Whetting All Your Appetites for Financial Tasks with One Meal from GPT: A Comparison of GPT, FinBERT, and Dictionaries in Evaluating Sentiment Analysis [Online], Available from SSRN: https://ssrn.com/abstract=4426455 [Assessed July, 2023].[3] insider intelligence (2023) Artificial Intelligence in Financial Services: Applications and benefits of AI in finance [Online], Available from: https://www.insiderintelligence.com/insights/ai-in-finance/ [Assessed July, 2023].[4] Markus, L. (2023) 'Sentiment spin: Attacking financial sentiment with GPT-3',Finance Research Letters, volume 55/part B.[5] The Business (2023) Global AI in Fintech Market Report 2023: Forecast Market Size, Growth Rate and Key Drivers [Online], Available from: https://www.thebusinessresearchcompany.com/press-release/ai-in-fintech-market-2023 [Assessed July, 2023].[6] Xianzhi, L., Xiaodan, Z., Zhiqiang, M., Xiaomo, L. and Sameena, S. (2023) 'Are ChatGPT and GPT-4 General-Purpose Solvers for Financial Text Analytics? An Examination on Several Typical Tasks', Department of Electrical and Computer Engineering & Ingenuity Labs Research Institute Queen's University & J.P. Morgan AI Research.[7]. 艾瑞咨詢 (2023) 中國AI+金融行業發展研究報告.
- END -
作者 | 小瑞
稽核 | 斯基、化佳
- 推薦閱讀 -
産品評測 | Copy.ai：基于AI人工智能的文章寫作助手｜ 智能繪畫演繹創新，觸手AI專業版：共享開放創作平台+模型上傳、訓練、調用｜超會AI的智能内容引擎與AI私有資料集解決方案
行業洞察 | 創意變革與市場颠覆：AIGC對廣告行業的全面影響｜數字人與生成式AI未來的創造力和機遇 | AIGC如何革命性提效内容營銷 ｜行業資料+場景：AI風口下，率先利好的是這樣的公司
公司調研 | AI 賦能的下一代搜尋：百度的新增長引擎｜寒武紀：AI晶片第一股，能否支撐千億市值？｜昆侖萬維：全力擁抱AI，持續賦能核心業務｜藍色光标2022年營收366.83億，戰略發展All in AI｜科大訊飛：大模型更新，進一步提高生态護城河
行業報告 | 2023年H1全球AIGC行業半年報 | 2023年5月全球AIGC行業月報 | 2023年4月全球AIGC行業月報 | 2023年Q1全球AIGC行業季報
行業圖譜 | 2023年中國AIGC行業圖譜V2.0
更多曆史文章及報告合集請戳 👉 最全報告合集