Конкуренция в финансовой модели, куда пойдет коммерциализация?

Первоисточник: Zero One Finance

Автор: Шэнь Чжоянь

Источник изображения: сгенерировано Unbounded AI‌

Во многих дискуссиях о финансовой модели ключевым словом стало «посадочное приложение».

Для финансовых услуг точность и соответствие требованиям безопасности являются самыми важными предпосылками для применения любой технологии. Таким образом, применение финансовой большой модели отнюдь не является простой «приводной доктриной», ее необходимо многократно дорабатывать в сочетании с потребностями бизнеса на общей основе, что также является основным направлением текущей финансовой большой модели. .

В конце июля, согласно исследованию и анализу заместителя генерального секретаря исследовательского института Tencent Янга Вана, количество отечественных крупномасштабных моделей с параметрами выше 1 миллиарда увеличилось с 79 на конец мая до 116, в том числе около 18 масштабных финансовых моделей.

Некоторые считают, что появление крупнейшей модели может вывести процесс цифровой трансформации финансовых учреждений на одну стартовую линию и заполнить «трансформационный разрыв» между финансовыми учреждениями.Это возможность, которую нельзя упускать для малых и средних финансовых учреждения. **

При условии обеспечения точности информации и соблюдения требований безопасности, первый, кто добился коммерческого прорыва в сценариях финансового бизнеса, стал решающим моментом в конкуренции между 18 финансовыми крупномасштабными исследовательскими и опытно-конструкторскими учреждениями.

Каждый показывает свои таланты и захватывает трек

В конце марта Bloomberg, крупнейшая в мире финансовая информационная компания, выпустила крупномасштабную языковую модель с 50 миллиардами параметров — BloombergGPT, которая ознаменовала рождение первой в мире крупномасштабной финансовой модели, а также вызвала волну крупных масштабные финансовые модели в Китае.

По данным Bloomberg, большая модель обучена на наборе финансовых данных из 3630 токенов и общедоступном наборе данных из 345 миллиардов токенов, которые могут полностью поддерживать задачи NLP (обработка естественного языка) в финансовой сфере, и ее производительность значительно выше, чем у других открытых. модели аналогичного масштаба Производительность на тестах NLP также находится на уровне или выше среднего.

Звук BloombergGPT привнес в страну практическое направление.

Рисунок 1: Хронология основных национальных финансовых моделей (неполная статистика)

Источник: Аналитический центр Zero One.

В мае компания Transwarp Technology, ведущий поставщик базового программного обеспечения для работы с большими данными, запустила первую генеративную языковую модель Wuya Infinity для области финансового количественного анализа. **Согласно его введению, Transwarp Infinity поддерживает всесторонний обзор, обобщение и дедуктивное обоснование рыночных событий, таких как акции, облигации, фонды и товары, а также глубокий анализ отчетов об исследованиях политики, предоставляя помощь в принятии решений для фонда. менеджеры.

В конце мая Ду Сяомань запустил первую в Китае китайскую финансовую модель «Сюаньюань» на уровне 100 млрд. задач, таких как комментарии, анализ финансовых данных и понимание финансовых новостей. Сюй Дунлян, технический директор Du Xiaoman, сказал, что модель Xuanyuan обучается на основе огромных финансовых данных, собранных в реальных бизнес-сценариях Du Xiaoman, что гарантирует, что при улучшении финансовых возможностей общие возможности не будут потеряны.

В июне Hang Seng Electronics выпустила LightGPT, большую модель для финансовой индустрии. По его словам, LightGPT использует более 400 миллиардов токенов финансовых данных (включая информацию, объявления, исследовательские отчеты, структурированные данные и т. д.) и более 40 миллиардов токенов языковых данных (включая финансовые учебники, финансовые энциклопедии, правительственные отчеты). , положения, положения и т. д.), и использовать его в качестве вторичного корпуса предварительной подготовки большой модели для поддержки тонкой настройки более чем 80+ инструкций по конкретным финансовым задачам.

29 июня **Torsi выпустила крупномасштабную модель Tuotian и запустила три крупномасштабные отраслевые модели для сфер СМИ, финансов и государственных дел. ** В финансовой модели компания основана на собственных данных более 11 миллиардов финансовых субъектов, данных промышленного индекса уровня 10 миллиардов, подробных данных 3 миллиардов промышленных элементов, 200 миллионов+ промышленных динамических онтологий, более 500+ измерений индексации, 10 000 + Правила индексации знаний, более 100 000 отраслевых меток в качестве данных о профессиональном обучении. Всего несколько дней назад TRS объявила, что планирует привлечь 1,8 млрд юаней на исследования и разработку крупномасштабных моделей в отрасли Tuotian и проект индустриализации приложений AIGC.

В июле компания Малайзия Потребление сообщила, что официально выпустит свою собственную крупномасштабную модель, сосредоточив внимание на «крупномасштабных моделях с независимыми возможностями обучения с динамическим подкреплением (AIGC+RLHF), множественных комбинированных системах искусственного интеллекта и множественных -модальное аудио и видео в режиме реального времени человек-машина. Сочетая «три основные ключевые возможности», он стремится решать ключевые проблемы безопасности и управляемости крупномасштабной модели в финансовой индустрии, защиты конфиденциальности и пропускной способности инфраструктуры. здание.

**В волне крупных финансовых моделей не сильно отстают учреждения и операторы по управлению активами. Haitong Securities, Shenwan Hongyuan, GF Securities, Xingye Securities, Changjiang Securities, Southwest Securities, Guohai Securities, Guosheng Securities, Huafu Securities и Caida Securities объявили, что они станут первой партией экологического сотрудничества для партнеров Baidu «Wen Xin Yi Yan». , операторы по управлению активами, представленные Flush Flush и Oriental Fortune, также объявили, что они сосредоточатся на создании консультативной платформы для инвестиций в области ИИ, углубленных исследованиях в области AIGC, интерактивного ИИ и других областях, улучшении экологического построения контента и улучшении интеллектуальных возможности эксплуатации.

Tencent Cloud нацелена на финансовую безопасность и запускает крупномасштабную модель управления финансовыми рисками, чтобы закрепить потребности в управлении рисками институциональных транзакций, кредитов, маркетинга и других сценариев. Ли Чао, главный научный сотрудник Tencent Yuntianyu, считает, что контроль рисков, особенно звено контроля рисков до выдачи кредита, имеет самые насущные потребности.В кредитной сфере мошенничество, вызванное незаконным производством, составляет 40-70% всех просроченная шкала.

Крупномасштабная модель продукта «Умная служба поддержки клиентов Xunfei Xinghuo», выпущенная HKUST Xunfei, призвана помочь финансовым учреждениям повысить эффективность и качество обслуживания клиентов и улучшить взаимодействие с пользователем. Интеллектуальные продукты обслуживания клиентов Xunfei Xinghuo были всесторонне улучшены с точки зрения способности понимать намерения, возможности применения профессиональных знаний, возможности дизайна диалога и взаимодействия, а также способности персонализированного выражения.Ценные технические услуги.

Wenyin Internet объявила о решении, основанном на «большой модели Wenyin», для объединения нескольких финансовых сценариев. Согласно введению, решение охватывает несколько сценариев, таких как выпуск долговых обязательств, IPO, оценка рейтинга ESG, роботизированное инвестиционное исследование, робот-консультант, кредитная оценка, рейтинг облигаций, аудит соответствия, написание новостей, промышленное обслуживание и т. д. и эффективный второй пилот».

В соответствии с продуктами также появляются некоторые отраслевые стандарты. В конце июля Tencent Cloud и Китайская академия информационных и коммуникационных технологий совместно запустили совместный план продвижения стандартов крупномасштабных отраслевых моделей.Обе стороны объявили, что они будут совместно руководить подготовкой первых в Китае стандартов крупномасштабных моделей для финансовая индустрия.

Согласно сообщениям, метод оценки стандарта для больших моделей в финансовой отрасли охватывает такие сценарии применения, как инвестиционные исследования, инвестиционное консультирование, контроль рисков, маркетинг, обслуживание клиентов, банковское дело, страхование и ценные бумаги, а также оценивает большие модели с точки зрения соответствие данных и прослеживаемость., развертывание приватизации, контроль рисков и другие аспекты выдвинули требования.

Обсуждение стратегии прикладного уровня

Применение большой финансовой модели имеет тот же корень, что и коммерциализация, коммерциализация — это конечная цель, а применение — это необходимый путь к реализации коммерциализации.

Из-за разного направления применения возможности, отображаемые финансовой моделью, также различны. По способу вывода возможностей модели его можно разделить на два способа: централизованный и децентрализованный.

Централизованный режим означает, что предприятие вызывает API общей большой модели или сторонней вертикальной модели для построения бизнес-функций; децентрализованный режим означает, что предприятие настраивает общую модель с использованием собственных данных в соответствии со сценариями использования и функциями. , образуя одну или несколько небольших моделей реального бизнеса.

**Стратегия применения облачной финансовой модели Tencent — от нуля до полной на уровне контроля рисков. **В частности, в ответ на потребности финансовых учреждений в динамическом моделировании управления рисками опыт экспертов абстрагируется в ряд наборов стратегий управления рисками, затем формируется модель управления большими рисками, а затем модель управления большими рисками. используется для работы с фальшивыми людьми, фальшивыми машинами и фальшивыми людьми Мошенническое поведение реальной машины и фальшивой машины.

Согласно отчетам, каналы и группы клиентов финансового учреждения быстро меняются, а традиционный метод совместного моделирования, основанный на экспертах, является неэффективным и дорогостоящим и не может удовлетворить требованиям быстрой итерации системы управления рисками.После доступа к крупной отраслевой модели Tencent Cloud, модель Цикл итераций сократился с 17 до 3 дней, а эффективность моделирования увеличилась на 60%.

Этот подход совпадает с точкой зрения Лин Чанлэ, исполнительного вице-президента Cross Information Core Technology Research Institute. Лин Чанлэ предложил технический способ объединения соответствующих параметров профессионального поля в большой модели с профессиональной моделью и реализовал связь между моделью профессионального поля и большой моделью, записав параметры точности профессиональной модели в большую модель.

**WarrenQ-Chat, интеллектуальная исследовательская платформа для инвестиций, запущенная совместно Hang Seng Electronics и Hang Seng Juyuan, обеспечивает точность финансовой информации. Пользователи могут легко получать цены, информацию и данные на финансовых рынках с помощью диалоговых инструкций и диалогов, создаваемых каждым из них. Оба предложения поддерживают источник исходного текста, чтобы можно было отследить источник новостей.

** HKUST Xunfei «Spark Smart Customer Service» уделяет больше внимания улучшению взаимодействия с клиентами с помощью возможностей искусственного интеллекта. ** По словам Чжао Ганя, вице-президента исследовательского института iFLYTEK и технического директора подразделения финансовых технологий, интеллектуальное обслуживание клиентов Xinghuo основано на общедоменных возможностях открытых знаний, больших моделях, отраслевых базах знаний и внешней стыковке приложений, которые могут решать новые проблемы. знания, которые трудно обновить, вопросы и ответы, основанные на фактах, легко «открыть короны и Ли Дай» и другие вопросы; благодаря логическим рассуждениям цепочек ситуационного мышления пользователям могут быть рекомендованы персонализированные продукты, что позволяет маркетингу приобретать клиентов.

**Ван Сяочуань, основатель Baichuan Intelligent, считает, что 80% ценности крупных моделей может заключаться в децентрализованных моделях и сервисах. **

**Куда пойдет коммерциализация? **

По сообщениям Geek Park, сообщается, что с разъяснением надзора стоит ожидать выпуска первой партии совместимых моделей. При этом официальных требований соответствия для текущего приложения в области To B фактически нет, что ускорит внедрение крупномасштабных моделей на предприятиях, а также будет способствовать развитию инструментального слоя и прикладного слоя.

** Но для С-конца соответствие в первую очередь является неизбежной тенденцией. ** Как сказал Ян Тао, заместитель директора Национальной лаборатории финансов и развития, при применении больших моделей искусственного интеллекта в финансовой сфере следует уделять больше внимания проверяемости и интерпретируемости больших моделей, а также вызванным изменениям характеристик риска. за счет участия в финансовой деятельности, защиты данных, разделения ответственности, границ соответствия и других вопросов, а также усиления управления этикой данных, этикой алгоритмов, этикой субъекта и этикой поведения.

Чай Хунфэн, академик Китайской инженерной академии и декан Научно-исследовательского института финансовых технологий Университета Фудань, считает, что нынешняя крупномасштабная модель еще не задействовала эффект эмерджентности в вертикальной сфере финансов**.

С одной стороны, из-за конфиденциальности финансовых данных и знаний ими трудно делиться, и невозможно создать огромный набор данных, что может усилить связь между промышленностью, университетом и исследованиями и совместно создать более прочную базу. модель в области финансовой вертикали, с другой стороны, из-за финансовых режимов данных больше, и трудно проводить моделирование унифицированной обработки, и сегодняшние большие модели все еще нуждаются в укреплении для выражения этой мультимодальности.

Бао Цзе, основатель Wenyin Internet, поднял вопрос об ограничениях на коммерциализацию**.Финансовые клиенты не имеют неограниченных бюджетов, обычно только сотни тысяч авансовых инвестиций в несколько миллионов. Практические ограничения часто связаны с распределенным обучением, процессом очистки данных, оптимизацией подсказок, различными форматами данных, а также тем, как сбалансировать пропорцию обучения с полными параметрами и оперативной разработки и снизить затраты для достижения лучших результатов обучения. .

Некоторые практики считают, что конечными заказчиками текущего исследования коммерциализации крупных финансовых моделей по-прежнему будут мелкие и средние финансовые учреждения. С различных точек зрения, таких как нормативно-правовая среда, рыночная конкуренция и безопасность данных, ведущие финансовые учреждения не имеют причин или желания использовать внешние крупномасштабные модели. **

Это означает, что в процессе самоисследования ведущими финансовыми учреждениями малые и средние финансовые учреждения сотрудничают с существующими зрелыми крупномасштабными моделями, чтобы выиграть определенное пространство для догоняющего развития, что является отличным периодом окна для компенсации пробел в цифровизации.

В то же время сотрудничество с малыми и средними финансовыми учреждениями также является отличным полем битвы для проверки возможностей настройки крупных поставщиков моделей на уровне приложений.

Как сказал Лв Чжунтао, главный технический директор ICBC, учитывая экономическую эффективность ввода и вывода, малые и средние финансовые учреждения могут по запросу внедрять различные крупномасштабные общедоступные облачные API или частные услуги развертывания, чтобы напрямую удовлетворить свои потребности в расширении возможностей.

Переосмысление финансовых технологий

** С точки зрения позиционирования, повышение качества и эффективности финансовой индустрии по большой модели является продолжением прошлой финансовой технологии, но эффект бесконечно высок, что равносильно открытию новой эры. **

Генеральный директор Du Xiaoman Чжу Гуан однажды сказал, что появление крупномасштабных технологий моделирования, таких как GPT, означает, что вся конкуренция и преимущества, связанные с мобильным Интернетом и AI 1.0, подходят к концу. Технология крупномасштабных моделей изменит способ работы и структуру многих отраслей, наиболее очевидной из которых может быть финансовая отрасль. Другими словами, технология больших моделей переопределяет финтех.

Лу Чжунтао также считает, что на основе накопления приложений финансовых технологий в прошлом в краткосрочной перспективе будут сосуществовать большие модели и традиционные модели. используются как навыки. В долгосрочной перспективе, если сложность вычислений большой модели уменьшится, а интерпретируемость повысится, будут подчеркнуты ее всесторонние экономически эффективные преимущества, и большая модель постепенно заменит традиционную модель.

Чай Хунфэн считает, что сочетание построения финансовой вертикальной модели поля и финансовых данных станет важной движущей силой для продвижения инноваций и развития финансовых технологий, а гибридная интеллектуальная технология человека и компьютера станет инновационной технологией, которая будет способствовать прогрессу. финансовая сфера. Для преодоления многих существующих проблем в применении крупных финансовых моделей необходимо укреплять сотрудничество между промышленностью, университетами и научно-исследовательскими институтами.

Справочные материалы:

1. «Война сотен моделей» возвращается к рациональности! Tencent Cloud взяла на себя инициативу по составлению первого в Китае стандарта крупномасштабной модели финансовой индустрии для продвижения этого бизнеса.

2. Крупномасштабные модели находятся в полном расцвете. Ожидается применение крупномасштабных моделей в финансовой сфере.

3. Wenyin Internet Baojie: сотни тысяч инвестиций и миллионы инвестиций, финансовые учреждения могут иметь свою собственную отраслевую модель.

4. Кипячение 251 дня, опрос почти сотни практиков, около 5 актуальных ситуаций большого модельного мира

5. Как донести ценность большой модели до финансовой индустрии?

6. Академик Чай Хунфэн: Мысли и перспективы большой модели, расширяющей возможности финансовых технологий