Bersaing dalam model keuangan, kemana perginya komersialisasi?

Sumber asli: Zero One Finance

Pengarang: Shen Zhuoyan

Sumber gambar: Dihasilkan oleh AI‌ Tak Terbatas

Dalam banyak diskusi tentang model keuangan, "aplikasi pendaratan" telah menjadi kata kunci terakhir.

Untuk layanan keuangan, kepatuhan presisi dan keamanan adalah prasyarat terbesar untuk penerapan teknologi apa pun. Oleh karena itu, penerapan financial large model sama sekali bukan sekedar “mendatangkan doktrin”, namun perlu dilakukan penyempurnaan berulang kali yang dikombinasikan dengan kebutuhan bisnis secara umum, yang juga menjadi fokus utama model financial large saat ini. .

Pada akhir Juli, menurut penelitian dan analisis Yang Wang, wakil sekretaris jenderal Tencent Research Institute, jumlah model skala besar domestik dengan parameter di atas 1 miliar telah meningkat dari 79 pada akhir Mei menjadi 116, termasuk sekitar 18 model keuangan skala besar.

Beberapa orang percaya bahwa kemunculan model terbesar dapat membawa proses transformasi digital lembaga keuangan ke garis awal yang sama dan mengisi "kesenjangan transformasi" antar lembaga keuangan.Ini adalah kesempatan yang tidak boleh dilewatkan oleh lembaga keuangan kecil dan menengah institusi. **

Dengan alasan memastikan akurasi informasi dan kepatuhan keamanan, yang pertama mendapatkan terobosan komersial dalam skenario bisnis keuangan telah menjadi titik penentu dalam persaingan di antara 18 lembaga penelitian dan pengembangan model keuangan berskala besar.

Semua orang menunjukkan bakat mereka dan merebut trek

Pada akhir Maret, Bloomberg, perusahaan informasi keuangan terbesar di dunia, merilis model bahasa berskala besar dengan 50 miliar parameter—BloombergGPT, yang menandai lahirnya model keuangan berskala besar pertama di dunia dan memicu gelombang besar- skala model keuangan di Cina.

Menurut Bloomberg, model besar dilatih pada kumpulan data keuangan 3630 token dan kumpulan data publik 345 miliar token, yang dapat sepenuhnya mendukung tugas NLP (Natural Language Processing) di bidang keuangan, dan kinerjanya jauh lebih baik daripada perangkat terbuka lainnya. model skala serupa Kinerja pada tolok ukur NLP juga pada atau di atas rata-rata.

Suara BloombergGPT telah membawa arahan praktis ke negara tersebut.

Gambar 1: Garis waktu model keuangan domestik utama (statistik tidak lengkap)

Sumber: Zero One Think Tank

Pada bulan Mei, Transwarp Technology, penyedia terkemuka perangkat lunak dasar data besar, meluncurkan model bahasa besar generatif pertama "Wuya Infinity" untuk bidang kuantifikasi keuangan. **Menurut pengantarnya, Transwarp Infinity mendukung tinjauan komprehensif, ringkasan dan penalaran deduktif peristiwa pasar seperti saham, obligasi, dana, dan komoditas, serta analisis mendalam atas laporan penelitian kebijakan, memberikan bantuan pengambilan keputusan untuk dana manajer.

Pada akhir Mei, Du Xiaoman meluncurkan model keuangan Tiongkok tingkat 100 miliar pertama China "Xuanyuan". tugas seperti komentar, analisis data keuangan, dan pemahaman berita keuangan. Xu Dongliang, CTO Du Xiaoman, mengatakan bahwa model Xuanyuan dilatih berdasarkan data keuangan besar yang dikumpulkan oleh skenario bisnis aktual Du Xiaoman, memastikan bahwa sambil meningkatkan kemampuan keuangan, kemampuan umum tidak akan hilang.

Pada bulan Juni, Hang Seng Electronics merilis LightGPT, model besar untuk industri keuangan. Menurutnya, LightGPT menggunakan lebih dari 400 miliar token data keuangan (termasuk informasi, pengumuman, laporan penelitian, data terstruktur, dll.) dan lebih dari 40 miliar token data yang ditingkatkan bahasa (termasuk buku teks keuangan, ensiklopedia keuangan, laporan pemerintah , regulasi Regulasi, dll.), dan gunakan sebagai korpus pra-pelatihan sekunder dari model besar untuk mendukung penyempurnaan lebih dari 80+ instruksi tugas khusus keuangan.

Pada tanggal 29 Juni, **Torsi merilis model berskala besar Tuotian, dan meluncurkan tiga model industri berskala besar untuk bidang media, keuangan, dan urusan pemerintahan. **Pada model keuangan, perusahaan didasarkan pada 11 miliar+ data subjek keuangannya sendiri, 10 miliar data indeks industri tingkat, 3 miliar+ data detail elemen industri, 200 juta+ ontologi dinamis industri, lebih dari 500+ dimensi pengindeksan, 10.000 + Aturan pengindeksan pengetahuan, 100.000+ label industri sebagai data pelatihan profesional. Beberapa hari yang lalu, TRS mengumumkan rencananya untuk mengumpulkan 1,8 miliar yuan untuk penelitian dan pengembangan model berskala besar di industri Tuotian dan proyek industrialisasi aplikasi AIGC.

Pada bulan Juli, Malaysia Consumption mengungkapkan bahwa mereka akan secara resmi merilis model berskala besar sendiri, dengan fokus pada "model skala besar dengan kemampuan pembelajaran penguatan dinamis independen (AIGC+RLHF), beberapa sistem AI gabungan model, dan multi -modal audio dan video real-time manusia-mesin Menggabungkan "kemampuan kunci tiga inti", itu berkomitmen untuk memecahkan masalah utama dalam keamanan dan pengendalian model skala besar di industri keuangan, perlindungan privasi, dan kapasitas infrastruktur bangunan.

**Dalam gelombang model keuangan besar, lembaga dan operator manajemen kekayaan tidak jauh di belakang. Haitong Securities, Shenwan Hongyuan, GF Securities, Xingye Securities, Changjiang Securities, Southwest Securities, Guohai Securities, Guosheng Securities, Huafu Securities, dan Caida Securities mengumumkan bahwa mereka akan menjadi gelombang pertama kerja sama ekologi untuk Mitra "Wen Xin Yi Yan" Baidu , operator manajemen kekayaan yang diwakili oleh Flush Flush dan Oriental Fortune juga mengumumkan bahwa mereka akan fokus membangun platform penasehat investasi AI, penelitian mendalam di AIGC, AI interaktif dan bidang lainnya, meningkatkan konstruksi ekologis konten, dan meningkatkan kecerdasan kemampuan operasi.

Tencent Cloud membidik bidang keamanan finansial dan meluncurkan model kontrol risiko finansial berskala besar untuk memenuhi kebutuhan kontrol risiko dari transaksi institusional, kredit, pemasaran, dan skenario lainnya. Li Chao, kepala ilmuwan Tencent Yuntianyu, percaya bahwa pengendalian risiko, terutama tautan pengendalian risiko pra-pinjaman, memiliki kebutuhan yang paling mendesak. Di bidang kredit, penipuan yang disebabkan oleh produksi ilegal telah menyumbang 40%-70% dari keseluruhan skala jatuh tempo.

Produk model skala besar "Layanan Pelanggan Cerdas Xunfei Xinghuo" yang dirilis oleh HKUST Xunfei bertujuan untuk membantu lembaga keuangan meningkatkan efisiensi dan kualitas layanan pelanggan serta meningkatkan pengalaman pengguna. Produk layanan pelanggan Xunfei Xinghuo yang cerdas telah ditingkatkan secara komprehensif dalam hal kemampuan pemahaman maksud, kemampuan aplikasi pengetahuan profesional, desain dialog dan kemampuan interaksi, dan kemampuan ekspresi yang dipersonalisasi.

Wenyin Internet mengumumkan solusi berdasarkan "Wenyin Large Model" untuk menghubungkan beberapa skenario keuangan. Menurut pengantar, solusinya mencakup beberapa skenario seperti penerbitan utang, IPO, evaluasi peringkat ESG, penelitian investasi robo, penasihat robo, evaluasi kredit, peringkat obligasi, audit kepatuhan, penulisan berita, pemeliharaan industri, dll. dan co-pilot yang efisien.”

Sesuai dengan produk, beberapa standar industri juga bermunculan. Pada akhir Juli, Tencent Cloud dan Akademi Teknologi Informasi dan Komunikasi China bersama-sama meluncurkan rencana promosi bersama untuk standar model industri skala besar. Kedua pihak mengumumkan bahwa mereka akan bersama-sama memimpin persiapan standar model skala besar pertama China untuk industri keuangan.

Menurut laporan, metode evaluasi standar untuk model besar di industri keuangan mencakup skenario aplikasi seperti penelitian investasi, penasehat investasi, pengendalian risiko, pemasaran, layanan pelanggan, perbankan, asuransi, dan sekuritas, dan juga mengevaluasi model besar dalam hal kepatuhan dan ketertelusuran data, penerapan privatisasi, pengendalian risiko, dan aspek lain yang mengedepankan persyaratan.

Debat Strategi Lapisan Aplikasi

Penerapan model keuangan besar memiliki akar yang sama dengan komersialisasi, komersialisasi adalah tujuan akhir, dan penerapan adalah jalur yang diperlukan untuk mewujudkan komersialisasi.

Karena arah aplikasi yang berbeda, kemampuan yang ditampilkan oleh model keuangan juga berbeda. Menurut cara output kemampuan model, dapat dibagi menjadi dua cara: terpusat dan terdesentralisasi.

Mode terpusat berarti perusahaan memanggil API model besar umum atau model vertikal pihak ketiga untuk membangun fungsi bisnis; mode terdesentralisasi berarti perusahaan menyempurnakan model umum dengan data kepemilikan sesuai dengan skenario penggunaan dan fungsi , membentuk satu atau lebih Model kecil dari bisnis aktual.

**Strategi penerapan model keuangan cloud Tencent adalah dari nol hingga keseluruhan pada tingkat pengendalian risiko. ** Secara khusus, dalam menanggapi kebutuhan lembaga keuangan untuk pemodelan pengendalian risiko yang dinamis, pengalaman ahli diabstraksikan ke dalam rangkaian strategi pengendalian risiko, dan kemudian model pengendalian risiko yang besar dibentuk, dan kemudian model pengendalian risiko yang besar adalah digunakan untuk berurusan dengan orang palsu, mesin palsu, dan orang palsu Perilaku penipuan mesin asli dan mesin palsu.

Menurut laporan, saluran dan kelompok pelanggan lembaga keuangan berubah dengan cepat, dan metode pemodelan gabungan tradisional berdasarkan para ahli tidak efisien dan mahal, dan tidak dapat memenuhi persyaratan iterasi cepat dari sistem pengendalian risiko.Setelah mengakses model industri besar dari Tencent Cloud, model Siklus iterasi dipersingkat dari 17 hari menjadi 3 hari, dan efisiensi pemodelan meningkat sebesar 60%.

Pendekatan ini sejalan dengan pandangan Lin Changle, wakil presiden eksekutif Institut Riset Teknologi Inti Lintas Informasi. Lin Changle mengusulkan rute teknis untuk menggabungkan parameter bidang profesional yang relevan dalam model besar dengan model profesional, dan menyadari hubungan antara model bidang profesional dan model besar dengan menulis parameter presisi model profesional ke dalam model besar.

**WarrenQ-Chat, platform penelitian investasi cerdas yang diluncurkan bersama oleh Hang Seng Electronics dan Hang Seng Juyuan, mengejar keakuratan informasi keuangan. Pengguna dapat dengan mudah memperoleh harga, informasi, dan data pasar keuangan melalui instruksi dialog, dan dialog yang dihasilkan oleh masing-masing kalimat Keduanya mendukung sumber teks asli untuk memastikan bahwa sumber berita dapat ditelusuri.

** HKUST Xunfei "Spark Smart Customer Service" memberikan perhatian lebih untuk meningkatkan pengalaman interaksi pelanggan dengan kemampuan AI. **Menurut Zhao Gan, wakil presiden iFLYTEK Research Institute dan CTO Divisi Teknologi Finansial, layanan pelanggan cerdas Xinghuo didasarkan pada kemampuan masalah pengetahuan terbuka pan-domain, model besar, basis pengetahuan industri, dan docking APP eksternal, yang dapat memecahkan masalah baru pengetahuan yang sulit diperbarui , Pertanyaan dan jawaban berbasis fakta mudah untuk "membuka mahkota dan Li Dai" dan pertanyaan lainnya; melalui penalaran logis rantai pemikiran situasional, produk yang dipersonalisasi dapat direkomendasikan untuk pengguna, memungkinkan pemasaran untuk mendapatkan pelanggan.

**Wang Xiaochuan, pendiri Baichuan Intelligent, percaya bahwa 80% dari nilai model besar dapat terkandung dalam model dan layanan terdesentralisasi. **

**Ke mana perginya komersialisasi? **

Menurut laporan dari Geek Park, dilaporkan bahwa dengan klarifikasi pengawasan, rilis batch pertama model yang sesuai patut dinanti-nantikan. Pada saat yang sama, sebenarnya tidak ada persyaratan kepatuhan resmi untuk aplikasi saat ini di bidang To B, yang akan mendorong penerapan model skala besar di perusahaan, dan juga akan mempromosikan pengembangan lapisan alat dan lapisan aplikasi.

**Tapi untuk C-end, kepatuhan pertama adalah tren yang tak terelakkan. ** Seperti yang dikatakan Yang Tao, wakil direktur Laboratorium Keuangan dan Pembangunan Nasional, ketika model kecerdasan buatan besar diterapkan di bidang keuangan, lebih banyak perhatian harus diberikan pada kemampuan audit dan interpretasi model besar dan perubahan karakteristik risiko yang disebabkan dengan berpartisipasi dalam aktivitas keuangan, perlindungan data, pembagian tanggung jawab, batasan kepatuhan, dan masalah lainnya, serta memperkuat tata kelola etika data, etika algoritme, etika subjek, dan etika perilaku.

Chai Hongfeng, akademisi dari Chinese Academy of Engineering dan dekan dari Financial Technology Research Institute of Fudan University, percaya bahwa model skala besar saat ini belum menyentuh efek kemunculan di bidang keuangan vertikal**.

Di satu sisi, karena privasi data dan pengetahuan keuangan, sulit untuk dibagikan, dan tidak mungkin untuk membangun kumpulan data yang besar.Hal ini dapat meningkatkan keterkaitan antara industri, universitas dan penelitian, dan bersama-sama membangun basis yang lebih kuat. model di bidang vertikal keuangan; di sisi lain, karena keuangan Ada lebih banyak mode data, dan sulit untuk melakukan pemodelan pemrosesan terpadu, dan model besar saat ini masih perlu diperkuat dalam mengekspresikan multi-modalitas ini.

Bao Jie, pendiri Wenyin Internet, mengangkat masalah kendala komersialisasi** Pelanggan keuangan tidak memiliki anggaran tak terbatas, biasanya hanya ratusan ribu investasi di muka beberapa juta. Kendala praktis sering datang dari pelatihan terdistribusi, proses pembersihan data, pengoptimalan kata cepat, berbagai format data, dan bagaimana menyeimbangkan proporsi pelatihan parameter penuh dan rekayasa cepat dan mengurangi biaya untuk mencapai hasil pelatihan yang lebih baik. .

Beberapa praktisi percaya bahwa pelanggan akhir dari eksplorasi komersialisasi model keuangan besar saat ini masih akan jatuh pada lembaga keuangan kecil dan menengah. Dari berbagai perspektif seperti lingkungan peraturan, persaingan pasar, dan keamanan data, lembaga keuangan teratas tidak memiliki alasan atau keinginan untuk menggunakan model skala besar eksternal. **

Ini berarti bahwa dalam proses penelitian mandiri oleh lembaga keuangan terkemuka, lembaga keuangan kecil dan menengah bekerja sama dengan model skala besar matang yang ada untuk memenangkan sejumlah ruang penangkapan, yang merupakan periode jendela yang sangat baik untuk mengimbangi kesenjangan digitalisasi.

Pada saat yang sama, kerja sama dengan lembaga keuangan kecil dan menengah juga merupakan medan perang yang sangat baik untuk menguji kemampuan penyesuaian penyedia model besar di lapisan aplikasi.

Seperti yang dikatakan Lv Zhongtao, Chief Technology Officer ICBC, dengan mempertimbangkan efektivitas biaya input dan output, lembaga keuangan kecil dan menengah dapat memperkenalkan berbagai API cloud publik berskala besar atau layanan penyebaran yang diprivatisasi sesuai permintaan untuk memenuhi permintaan pemberdayaan mereka secara langsung.

Mendefinisikan ulang Fintech

** Dari perspektif positioning, peningkatan kualitas dan efisiensi industri keuangan dengan model besar merupakan kelanjutan dari teknologi keuangan masa lalu, tetapi efeknya sangat tinggi, yang sama saja dengan membuka era baru. **

CEO Du Xiaoman, Zhu Guang, pernah berkata bahwa kemunculan teknologi model skala besar seperti GPT berarti semua persaingan dan keuntungan seputar Internet seluler dan AI 1.0 akan segera berakhir. Teknologi model skala besar akan membentuk kembali cara kerja dan pola berbagai industri, yang paling jelas mungkin adalah industri keuangan. Dengan kata lain, teknologi model besar mengubah fintech.

Hal ini juga didasarkan pada akumulasi aplikasi teknologi keuangan di masa lalu yang diyakini Lu Zhongtao bahwa model besar dan model tradisional akan hidup berdampingan dalam jangka pendek. Pada saat yang sama, model besar dapat digunakan sebagai kontrol pusat, dan model tradisional dapat digunakan digunakan sebagai keterampilan. Dalam jangka panjang, jika kompleksitas perhitungan model besar dikurangi dan interpretasinya ditingkatkan, keunggulan hemat biaya yang komprehensif akan disorot, dan model besar secara bertahap akan menggantikan model tradisional.

Chai Hongfeng percaya bahwa kombinasi pembangunan model bidang vertikal keuangan dan data keuangan akan menjadi kekuatan pendorong penting untuk mempromosikan inovasi dan pengembangan teknologi keuangan, dan teknologi cerdas hibrid manusia-komputer akan menjadi teknologi berbasis inovasi yang mendorong kemajuan bidang keuangan. Untuk mengatasi banyak masalah yang ada dalam penerapan model keuangan besar, perlu untuk memperkuat kerjasama antara industri, universitas dan lembaga penelitian.

Bahan referensi:

1. "Perang Seratus Model" kembali ke rasionalitas! Tencent Cloud memimpin dalam menyusun standar model skala besar industri keuangan pertama di China untuk mempromosikan bisnis ini

2. Model berskala besar sedang mekar penuh Penerapan model skala besar di bidang keuangan sangat dinantikan.

3. Wenyin Internet Baojie: Ratusan ribu investasi dan jutaan investasi, lembaga keuangan dapat memiliki model industrinya sendiri

4. Mendidih 251 hari, mewawancarai hampir seratus praktisi, sekitar 5 situasi terkini dunia model besar

5. Bagaimana cara melepaskan nilai model besar ke industri keuangan?

6. Akademisi Chai Hongfeng: Pemikiran dan Prospek Model Besar Memberdayakan Teknologi Finansial