Concurrencer le modèle financier, où ira la commercialisation ?

Source originale : Zero One Finance

Auteur : Shen Zhuoyan

Source de l'image : générée par l'IA illimitée‌

Dans de nombreuses discussions sur le modèle financier, "application d'atterrissage" est devenu le dernier mot clé.

Pour les services financiers, la précision et la conformité en matière de sécurité sont les principales conditions préalables à l'application de toute technologie. Par conséquent, l'application du grand modèle financier n'est en aucun cas une simple "doctrine d'apport". Elle doit être affinée à plusieurs reprises en combinaison avec les besoins des entreprises sur une base générale, ce qui est également l'objectif principal du grand modèle financier actuel. .

Fin juillet, selon les recherches et analyses de Yang Wang, secrétaire général adjoint de l'Institut de recherche Tencent, le nombre de modèles nationaux à grande échelle avec des paramètres supérieurs à 1 milliard est passé de 79 fin mai à 116, y compris environ 18 modèles financiers à grande échelle.

Certaines personnes pensent que l'émergence du plus grand modèle peut ramener le processus de transformation numérique des institutions financières sur la même ligne de départ et combler le « fossé de la transformation » entre les institutions financières. C'est une opportunité à ne pas manquer pour les petites et moyennes entreprises financières. établissements. **

Sous le principe d'assurer l'exactitude des informations et la conformité de la sécurité, le premier à obtenir des percées commerciales dans les scénarios d'affaires financières est devenu le point décisif dans la compétition entre 18 institutions de recherche et développement de modèles financiers à grande échelle.

Tout le monde montre ses talents et s'empare de la piste

Fin mars, Bloomberg, la plus grande société d'informations financières au monde, a publié un modèle de langage à grande échelle avec 50 milliards de paramètres - BloombergGPT, qui a marqué la naissance du premier modèle financier à grande échelle au monde et a également déclenché une vague de grands modèles financiers à grande échelle en Chine.

Selon Bloomberg, le grand modèle est formé sur un ensemble de données financières de 3630 jetons et un ensemble de données publiques de 345 milliards de jetons, qui peuvent entièrement prendre en charge les tâches NLP (traitement du langage naturel) dans le domaine financier, et ses performances sont nettement meilleures que les autres open source. modèles d'échelle similaire.La performance sur les repères NLP est également égale ou supérieure à la moyenne.

Le son de BloombergGPT a apporté une direction pratique au pays.

Figure 1 : Chronologie des principaux modèles financiers nationaux (statistiques incomplètes)

Source : Groupe de réflexion Zero One

En mai, Transwarp Technology, l'un des principaux fournisseurs de logiciels de base pour les mégadonnées, a lancé le premier modèle de grand langage génératif "Wuya Infinity" pour le domaine de la quantification financière. ** Selon son introduction, Transwarp Infinity prend en charge l'examen complet, le raisonnement récapitulatif et déductif des événements de marché tels que les actions, les obligations, les fonds et les matières premières, ainsi que l'analyse approfondie des rapports de recherche sur les politiques, fournissant une aide à la prise de décision pour les fonds. gestionnaires.

Fin mai, Du Xiaoman a lancé le premier modèle financier chinois de niveau 100 milliards "Xuanyuan", des tâches telles que des commentaires, l'analyse de données financières et la compréhension de l'actualité financière. Xu Dongliang, CTO de Du Xiaoman, a déclaré que le modèle Xuanyuan est formé sur la base des données financières massives accumulées par les scénarios commerciaux réels de Du Xiaoman, garantissant que tout en améliorant les capacités financières, les capacités générales ne seront pas perdues.

En juin, Hang Seng Electronics a lancé LightGPT, un grand modèle pour le secteur financier. Selon lui, LightGPT utilise plus de 400 milliards de jetons de données financières (y compris des informations, des annonces, des rapports de recherche, des données structurées, etc.) et plus de 40 milliards de jetons de données enrichies en langage (y compris des manuels financiers, des encyclopédies financières, des rapports gouvernementaux , règlements Règlements, etc.), et l'utiliser comme corpus secondaire de pré-formation du grand modèle pour prendre en charge le réglage fin de plus de 80 instructions de tâches spécifiques aux finances.

Le 29 juin, **Torsi a publié le modèle à grande échelle Tuotian et a lancé trois modèles industriels à grande échelle pour les domaines des médias, de la finance et des affaires gouvernementales. ** Sur le modèle financier, la société est basée sur ses propres 11 milliards de données financières, 10 milliards de données d'index industriel, 3 milliards de données détaillées d'éléments industriels, 200 millions d'ontologie dynamique industrielle, plus de 500 dimensions d'indexation, 10 000 + Règles d'indexation des connaissances, plus de 100 000 étiquettes de l'industrie en tant que données de formation professionnelle. Il y a quelques jours à peine, TRS a annoncé son intention de lever 1,8 milliard de yuans pour la recherche et le développement de modèles à grande échelle dans l'industrie tuotienne et le projet d'industrialisation des applications AIGC.

En juillet, Malaysia Consumption a révélé qu'elle publierait officiellement son propre modèle à grande échelle, en se concentrant sur "des modèles à grande échelle avec des capacités d'apprentissage par renforcement dynamique indépendantes (AIGC + RLHF), plusieurs systèmes d'IA combinés à des modèles et plusieurs -humain-machine en temps réel audio et vidéo modal Combinant les "trois capacités clés de base", il s'engage à résoudre les problèmes clés de la sécurité et de la contrôlabilité du modèle à grande échelle dans l'industrie financière, la protection de la vie privée et la capacité de l'infrastructure bâtiment.

**Dans la vague des grands modèles financiers, les institutions et opérateurs de gestion de patrimoine ne sont pas en reste. Haitong Securities, Shenwan Hongyuan, GF Securities, Xingye Securities, Changjiang Securities, Southwest Securities, Guohai Securities, Guosheng Securities, Huafu Securities et Caida Securities ont annoncé qu'ils deviendraient le premier lot de coopération écologique pour les partenaires "Wen Xin Yi Yan" de Baidu , les opérateurs de gestion de patrimoine représentés par ** Flush Flush et Oriental Fortune ** ont également annoncé qu'ils se concentreraient sur la construction d'une plate-forme de conseil en investissement d'IA, une recherche approfondie sur l'AIGC, l'IA interactive et d'autres domaines, l'amélioration de la construction écologique du contenu et l'amélioration de l'intelligence capacités de fonctionnement.

Tencent Cloud vise le domaine de la sécurité financière et lance un modèle de contrôle des risques financiers à grande échelle pour ancrer les besoins de contrôle des risques des transactions institutionnelles, du crédit, du marketing et d'autres scénarios. Li Chao, scientifique en chef de Tencent Yuntianyu, estime que le contrôle des risques, en particulier le lien de contrôle des risques avant prêt, a les besoins les plus urgents. Dans le domaine du crédit, la fraude causée par la production illégale a représenté 40 à 70 % de l'ensemble échelle de retard.

Le produit modèle à grande échelle "Xunfei Xinghuo Smart Customer Service" publié par HKUST Xunfei vise à aider les institutions financières à améliorer l'efficacité et la qualité du service client et à améliorer l'expérience utilisateur. Les produits de service client intelligents Xunfei Xinghuo ont été largement améliorés en termes de capacité de compréhension de l'intention, de capacité d'application des connaissances professionnelles, de conception de dialogue et de capacité d'interaction, et de capacité d'expression personnalisée.

Wenyin Internet a annoncé une solution basée sur le "Wenyin Large Model" pour connecter plusieurs scénarios financiers. Selon l'introduction, la solution couvre plusieurs scénarios tels que l'émission de dette, l'introduction en bourse, l'évaluation de la notation ESG, la recherche robotique en investissement, le robot-conseiller, l'évaluation de crédit, la notation obligataire, l'audit de conformité, la rédaction de nouvelles, la maintenance industrielle, etc. et copilote efficace.

Correspondant aux produits, certaines normes de l'industrie voient également le jour. Fin juillet, Tencent Cloud et l'Académie chinoise des technologies de l'information et des communications ont lancé conjointement un plan de promotion conjoint pour les normes de modèles industriels à grande échelle. Les deux parties ont annoncé qu'elles dirigeraient conjointement la préparation des premières normes de modèles à grande échelle de Chine pour l'industrie financière.

Selon des rapports, la méthode d'évaluation de la norme pour les grands modèles du secteur financier couvre des scénarios d'application tels que la recherche en investissement, le conseil en investissement, le contrôle des risques, le marketing, le service client, la banque, l'assurance et les valeurs mobilières, et elle évalue également les grands modèles en termes de la conformité et la traçabilité des données. , le déploiement de la privatisation, le contrôle des risques et d'autres aspects ont mis en avant les exigences.

Débat sur la stratégie de la couche application

L'application du grand modèle financier a la même racine que la commercialisation, la commercialisation est le but ultime et l'application est la voie nécessaire pour réaliser la commercialisation.

En raison des différentes directions d'application, les capacités affichées par le modèle financier sont également différentes. Selon le mode de sortie des capacités du modèle, il peut être divisé en deux manières : centralisée et décentralisée.

Le mode centralisé signifie que l'entreprise appelle l'API du grand modèle général ou du modèle vertical tiers pour construire des fonctions métier ; le mode décentralisé signifie que l'entreprise affine le modèle général avec des données propriétaires en fonction des scénarios d'utilisation et des fonctions , formant un ou plusieurs Un petit modèle d'une entreprise réelle.

**La stratégie d'application du modèle financier cloud de Tencent est de zéro à tout au niveau du contrôle des risques. ** Plus précisément, en réponse aux besoins des institutions financières en matière de modélisation dynamique du contrôle des risques, l'expérience des experts est résumée dans une série d'ensembles de stratégies de contrôle des risques, puis un grand modèle de contrôle des risques est formé, puis le grand modèle de contrôle des risques est utilisé pour traiter avec de fausses personnes, de fausses machines et de fausses personnes. Le comportement frauduleux de la vraie machine et de la fausse machine.

Selon les rapports, les canaux et les groupes de clients d'une institution financière évoluent rapidement, et la méthode traditionnelle de modélisation conjointe basée sur des experts est inefficace et coûteuse, et ne peut pas répondre aux exigences d'itération rapide du système de contrôle des risques. de Tencent Cloud, le modèle Le cycle d'itération a été raccourci de 17 jours à 3 jours, et l'efficacité de la modélisation a augmenté de 60 %.

Cette approche coïncide avec les vues de Lin Changle, vice-président exécutif du Cross Information Core Technology Research Institute. Lin Changle a proposé la voie technique consistant à combiner les paramètres de domaine professionnel pertinents dans le grand modèle avec le modèle professionnel, et a réalisé le lien entre le modèle de domaine professionnel et le grand modèle en écrivant les paramètres de précision du modèle professionnel dans le grand modèle.

**WarrenQ-Chat, une plate-forme de recherche d'investissement intelligente lancée conjointement par Hang Seng Electronics et Hang Seng Juyuan, recherche l'exactitude des informations financières. Les utilisateurs peuvent facilement obtenir les prix, les informations et les données des marchés financiers grâce aux instructions de dialogue et au dialogue généré par chacun phrase Les deux prennent en charge la source du texte original pour s'assurer que la source de la nouvelle peut être retrouvée.

** HKUST Xunfei "Spark Smart Customer Service" accorde plus d'attention à l'amélioration de l'expérience d'interaction client avec les capacités de l'IA. ** Selon Zhao Gan, vice-président de l'institut de recherche iFLYTEK et directeur technique de la division des technologies financières, le service client intelligent de Xinghuo est basé sur des capacités de problèmes de connaissances ouvertes pan-domaine, de grands modèles, des bases de connaissances de l'industrie et une station d'accueil APP externe, qui peuvent résoudre de nouveaux connaissances difficiles à mettre à jour, les questions et réponses factuelles sont faciles à "ouvrir les couronnes et Li Dai" et d'autres questions; grâce au raisonnement logique des chaînes de réflexion situationnelle, des produits personnalisés peuvent être recommandés aux utilisateurs, permettant au marketing d'acquérir des clients.

**Wang Xiaochuan, le fondateur de Baichuan Intelligent, estime que 80 % de la valeur des grands modèles peut être contenue dans des modèles et des services décentralisés. **

**Où ira la commercialisation ? **

Selon les rapports de Geek Park, il est rapporté qu'avec la clarification de la supervision, la sortie du premier lot de modèles conformes vaut la peine d'être attendue. Dans le même temps, il n'existe en fait aucune exigence de conformité officielle pour l'application actuelle dans le domaine To B, ce qui stimulera la mise en œuvre de modèles à grande échelle dans les entreprises et favorisera également le développement de la couche outil et de la couche application.

**Mais pour le C-end, la conformité d'abord est une tendance inévitable. ** Comme l'a déclaré Yang Tao, directeur adjoint du Laboratoire national des finances et du développement, lorsque de grands modèles d'intelligence artificielle sont appliqués dans le domaine financier, une plus grande attention doit être accordée à l'auditabilité et à l'interprétabilité des grands modèles et aux modifications des caractéristiques de risque causées par la participation à des activités financières, la protection des données, le partage des responsabilités, les limites de conformité et d'autres questions, et renforcer la gouvernance de l'éthique des données, de l'éthique des algorithmes, de l'éthique des sujets et de l'éthique du comportement.

Chai Hongfeng, académicien de l'Académie chinoise d'ingénierie et doyen de l'Institut de recherche en technologie financière de l'Université de Fudan, estime que le modèle à grande échelle actuel n'a pas encore exploité l'effet d'émergence dans le domaine vertical de la finance**.

D'une part, en raison de la confidentialité des données et des connaissances financières, il est difficile de les partager et il est impossible de constituer un vaste ensemble de données. Cela peut renforcer le lien entre l'industrie, l'université et la recherche, et construire conjointement une base plus solide. modèle dans le domaine vertical financier ; d'autre part, du fait des modes de données financiers, et il est difficile de réaliser une modélisation de traitement unifié, et les grands modèles d'aujourd'hui doivent encore être renforcés pour exprimer cette multi-modalité.

Bao Jie, le fondateur de Wenyin Internet, a soulevé la question des contraintes à la commercialisation** Les clients financiers n'ont pas de budgets illimités, généralement seulement des centaines de milliers d'investissements initiaux de plusieurs millions. Les contraintes pratiques proviennent souvent de la formation distribuée, du processus de nettoyage des données, de l'optimisation des mots rapides, de divers formats de données et de la manière d'équilibrer la proportion de formation complète et d'ingénierie rapide et de réduire les coûts afin d'obtenir de meilleurs résultats de formation. .

Certains praticiens estiment que les clients finaux de l'exploration actuelle de la commercialisation des grands modèles financiers reviendront toujours aux petites et moyennes institutions financières. De multiples points de vue tels que l'environnement réglementaire, la concurrence sur le marché et la sécurité des données, les principales institutions financières n'ont aucune raison ni volonté d'utiliser des modèles externes à grande échelle. **

Cela signifie que dans le processus d'auto-recherche des principales institutions financières, les petites et moyennes institutions financières coopèrent avec des modèles à grande échelle matures existants pour gagner un certain espace de rattrapage, ce qui est une excellente période de fenêtre pour rattraper le fossé de la numérisation.

Dans le même temps, la coopération avec les petites et moyennes institutions financières est également un excellent champ de bataille pour tester les capacités de personnalisation des grands fournisseurs de modèles dans la couche applicative.

Comme l'a déclaré Lv Zhongtao, directeur de la technologie d'ICBC, compte tenu de la rentabilité des entrées et des sorties, les petites et moyennes institutions financières peuvent introduire diverses API de cloud public à grande échelle ou des services de déploiement privatisés à la demande pour répondre directement à leurs demandes d'autonomisation.

Redéfinir la Fintech

** Du point de vue du positionnement, l'amélioration de la qualité et de l'efficacité de l'industrie financière par le grand modèle est une continuation de la technologie financière passée, mais l'effet est infiniment élevé, ce qui équivaut à ouvrir une nouvelle ère. **

Le PDG de Du Xiaoman, Zhu Guang, a dit un jour que l'émergence de technologies de modèles à grande échelle comme GPT signifie que toute la concurrence et les avantages entourant l'Internet mobile et l'IA 1.0 touchent à leur fin. La technologie des modèles à grande échelle va remodeler la façon de travailler et le modèle de plusieurs industries, dont la plus évidente pourrait être l'industrie financière. En d'autres termes, la technologie des grands modèles redéfinit la fintech.

C'est également sur la base de l'accumulation d'applications de technologie financière dans le passé que Lu Zhongtao pense que les grands modèles et les modèles traditionnels coexisteront à court terme. En même temps, les grands modèles peuvent être utilisés comme contrôle central et les modèles traditionnels peuvent être utilisés. utilisés comme compétences. À long terme, si la complexité de calcul du grand modèle est réduite et que l'interprétabilité est améliorée, ses avantages complets en termes de rapport coût-efficacité seront mis en évidence et le grand modèle remplacera progressivement le modèle traditionnel.

Chai Hongfeng estime que la combinaison de la construction de modèles de champs verticaux financiers et de données financières deviendra une force motrice importante pour promouvoir l'innovation et le développement de la technologie financière, et la technologie intelligente hybride homme-ordinateur deviendra une technologie axée sur l'innovation qui favorise le progrès de le domaine financier. Afin de surmonter de nombreux problèmes existants dans l'application de grands modèles financiers, il est impératif de renforcer la coopération entre l'industrie, l'université et les instituts de recherche.

Matériel de référence:

1. La "guerre des cent modèles" revient à la rationalité ! Tencent Cloud a pris l'initiative de compiler la première norme de modèle à grande échelle de l'industrie financière chinoise pour promouvoir cette activité

2. Les modèles à grande échelle sont en plein essor L'application des modèles à grande échelle dans le domaine financier est très attendue.

3. Wenyin Internet Baojie : Des centaines de milliers d'investissements et des millions d'investissements, les institutions financières peuvent avoir leur propre modèle industriel

4. Bouillant 251 jours, interrogeant près d'une centaine de praticiens, sur 5 situations actuelles du grand monde modèle

5. Comment libérer la valeur du grand modèle pour l'industrie financière ?

6. L'académicien Chai Hongfeng : Réflexion et perspective d'un grand modèle autorisant la technologie financière