Конкуруючи у фінансовій моделі, куди піде комерціалізація?

Перше джерело: Zero One Finance

Автор: Шень Чжоянь

Джерело зображення: створено Unbounded AI‌

У багатьох дискусіях про фінансову модель «посадкова програма» стала останнім ключовим словом.

Для фінансових послуг точність і відповідність вимогам безпеки є найважливішими передумовами для застосування будь-якої технології. Таким чином, застосування великої фінансової моделі аж ніяк не є простою «доктриною приведення». Її потрібно постійно налаштовувати в поєднанні з потребами бізнесу на загальних засадах, що також є основним напрямком поточної великої фінансової моделі. .

На кінець липня, згідно з дослідженнями та аналізом Ян Ванга, заступника генерального секретаря Tencent Research Institute, кількість вітчизняних великомасштабних моделей з параметрами понад 1 мільярд зросла з 79 на кінець травня до 116, у тому числі близько 18 масштабних фінансових моделей.

Деякі люди вважають, що поява найбільшої моделі може вивести процес цифрової трансформації фінансових установ на ту саму стартову лінію та заповнити «трансформаційну прогалину» серед фінансових установ. Це можливість, яку не можна втрачати для малих і середніх фінансових установи. **

Виходячи з передумови забезпечення точності інформації та відповідності вимогам безпеки, перші, кому вдалося досягти комерційних проривів у сценаріях фінансового бізнесу, стали вирішальним моментом у конкуренції між 18 дослідницькими установами фінансової великомасштабної моделі.

Кожен демонструє свої таланти і хапається за трек

Наприкінці березня Bloomberg, найбільша у світі фінансова інформаційна компанія, випустила широкомасштабну мовну модель із 50 мільярдами параметрів — BloombergGPT, яка ознаменувала народження першої у світі великомасштабної фінансової моделі, а також поклала початок хвилі великих масштабні фінансові моделі в Китаї.

За даними Bloomberg, велика модель навчена на наборі фінансових даних із 3630 токенів і загальнодоступному наборі даних із 345 мільярдів токенів, які можуть повністю підтримувати завдання NLP (обробка природної мови) у фінансовій сфері, і її продуктивність значно краща, ніж у інших відкритих даних. моделі подібного масштабу.Ефективність тестів НЛП також на рівні або вище середнього.

Звук BloombergGPT приніс країні практичний напрямок.

Рисунок 1: Хронологія основних вітчизняних фінансових моделей (неповна статистика)

Джерело: Zero One Think Tank

У травні Transwarp Technology, провідний постачальник базового програмного забезпечення для великих даних, запустила першу генеративну модель великої мови «Wuya Infinity» для сфери фінансової кількісної оцінки. **Згідно з його вступом, Transwarp Infinity підтримує всебічний огляд, узагальнення та дедуктивне обґрунтування ринкових подій, таких як акції, облігації, фонди та товари, а також поглиблений аналіз звітів про політичні дослідження, надаючи допомогу фонду у прийнятті рішень менеджери.

Наприкінці травня Ду Сяоман запустив першу в Китаї китайську фінансову модель «Сюаньюань» на рівні 100 мільярдів, такі завдання, як коментарі, аналіз фінансових даних і розуміння фінансових новин. Сюй Дунлян, технічний директор Du Xiaoman, сказав, що модель Xuanyuan навчається на основі масивних фінансових даних, накопичених реальними бізнес-сценаріями Du Xiaoman, гарантуючи, що під час покращення фінансових можливостей загальні можливості не будуть втрачені.

У червні Hang Seng Electronics випустила LightGPT, велику модель для фінансової галузі. За його словами, LightGPT використовує понад 400 мільярдів токенів фінансових даних (включно з інформацією, оголошеннями, звітами про дослідження, структуровані дані тощо) і понад 40 мільярдів токенів мовних даних (включаючи фінансові підручники, фінансові енциклопедії, урядові звіти). , нормативні акти, нормативні акти тощо), і використовуйте його як допоміжний корпус попереднього навчання великої моделі для підтримки тонкого налаштування понад 80 інструкцій щодо фінансових завдань.

29 червня **Torsi випустила великомасштабну модель Tuotian і запустила три великомасштабні промислові моделі для сфер ЗМІ, фінансів і урядових справ. **Що стосується фінансової моделі, компанія базується на власних 11+ мільярдах даних фінансових суб’єктів, 10 мільярдах даних промислових індексів на рівні, 3 мільярдах+ детальних даних про промислові елементи, 200+ мільйонів промислових динамічних онтологіях, понад 500+ вимірах індексації, 10 000 + Правила індексування знань, понад 100 000 галузевих міток як дані про професійне навчання. Буквально кілька днів тому TRS оголосила, що планує зібрати 1,8 мільярда юанів на дослідження та розробку великомасштабних моделей у промисловості Tuotian та проект індустріалізації додатків AIGC.

У липні Malaysia Consumption оголосила, що офіційно випустить власну великомасштабну модель, зосередившись на «великомасштабних моделях з незалежними можливостями динамічного підкріплення навчання (AIGC+RLHF), системами штучного інтелекту, об’єднаними з кількома моделями, і багатофункціональними моделями. -модальне аудіо та відео в режимі реального часу людина-машина Поєднуючи «три ключові можливості», компанія прагне вирішити ключові проблеми безпеки та керованості великомасштабної моделі у фінансовій галузі, захисту конфіденційності та потужності інфраструктури будівля.

**На хвилі великих фінансових моделей установи та оператори управління капіталом не відстають. Haitong Securities, Shenwan Hongyuan, GF Securities, Xingye Securities, Changjiang Securities, Southwest Securities, Guohai Securities, Guosheng Securities, Huafu Securities і Caida Securities оголосили, що вони стануть першою партією екологічної співпраці для партнерів Baidu «Wen Xin Yi Yan». , оператори управління капіталом, представлені Flush Flush і Oriental Fortune, також оголосили, що вони зосередяться на створенні інвестиційної консультаційної платформи штучного інтелекту, поглиблених дослідженнях AIGC, інтерактивному штучному інтелекті та інших сферах, покращенні екологічної конструкції контенту та вдосконаленні інтелектуальних експлуатаційні можливості.

Tencent Cloud спрямована на сферу фінансової безпеки та запускає широкомасштабну модель контролю фінансових ризиків, щоб закріпити потреби в контролі ризиків інституційних операцій, кредитів, маркетингу та інших сценаріїв. Лі Чао, головний науковий співробітник Tencent Yuntianyu, вважає, що контроль ризиків, особливо зв'язок з контролем ризиків перед позикою, має найбільш нагальні потреби.У сфері кредитування шахрайство, спричинене незаконним виробництвом, становить 40%-70% від усього прострочена шкала.

Масштабна модель продукту «Xunfei Xinghuo Smart Customer Service», випущена HKUST Xunfei, має на меті допомогти фінансовим установам підвищити ефективність і якість обслуговування клієнтів і покращити взаємодію з користувачами. Інтелектуальні продукти обслуговування клієнтів Xunfei Xinghuo були значно вдосконалені з точки зору здатності розуміння намірів, здатності застосовувати професійні знання, здатності до діалогу та взаємодії, а також здатності до персоналізованого вираження.Цінні технічні послуги.

Wenyin Internet анонсувала рішення на основі «великої моделі Wenyin» для об’єднання кількох фінансових сценаріїв. Відповідно до вступу, рішення охоплює кілька сценаріїв, таких як випуск боргових зобов’язань, IPO, оцінка рейтингу ESG, робо-інвестиційне дослідження, робо-консультант, кредитна оцінка, рейтинг облігацій, аудит відповідності, написання новин, промислове обслуговування тощо. Забезпечте безпечне і ефективний другий пілот».

Відповідно до продукції з’являються деякі галузеві стандарти. Наприкінці липня Tencent Cloud і Китайська академія інформаційно-комунікаційних технологій спільно запустили спільний план просування стандартів великомасштабних моделей промисловості. Обидві сторони оголосили, що вони спільно керуватимуть підготовкою перших у Китаї стандартів великомасштабних моделей для фінансова індустрія.

Відповідно до звітів, стандартний метод оцінки великих моделей у фінансовій галузі охоплює сценарії застосування, такі як інвестиційні дослідження, інвестиційні консультації, контроль ризиків, маркетинг, обслуговування клієнтів, банківська справа, страхування та цінні папери, а також оцінює великі моделі з точки зору відповідність і відстеження даних, розгортання приватизації, контроль ризиків та інші висунуті вимоги.

Дебати про стратегію прикладного рівня

Застосування великої фінансової моделі має те ж коріння, що й комерціалізація, комерціалізація є кінцевою метою, а застосування є необхідним шляхом для реалізації комерціалізації.

Через різні напрямки застосування різні й можливості, які відображає фінансова модель. За способом виведення можливостей моделі її можна розділити на два способи: централізований і децентралізований.

Централізований режим означає, що підприємство викликає API загальної великої моделі або сторонньої вертикальної моделі для створення бізнес-функцій; децентралізований режим означає, що підприємство точно налаштовує загальну модель за допомогою власних даних відповідно до сценаріїв використання та функцій. , утворюючи одну або декілька невеликих моделей реального бізнесу.

**Стратегія застосування хмарної фінансової моделі Tencent — від нуля до цілого на рівні контролю ризиків. **Конкретно кажучи, у відповідь на потреби фінансових установ у моделюванні динамічного контролю ризиків досвід експертів абстрагується в ряд наборів стратегій контролю ризиків, а потім формується велика модель контролю ризиків, а потім модель контролю великих ризиків використовується для роботи з фальшивими людьми, фальшивими машинами та фальшивими людьми. Шахрайська поведінка справжньої машини та фальшивої машини.

Відповідно до звітів, канали та групи клієнтів фінансової установи швидко змінюються, і традиційний метод спільного моделювання, заснований на експертах, є неефективним і дорогим, і не може відповідати вимогам швидкої ітерації системи контролю ризиків.Після доступу до великої галузевої моделі моделі Tencent Cloud. Ітераційний цикл скорочено з 17 до 3 днів, а ефективність моделювання зросла на 60%.

Такий підхід збігається з поглядами Ліна Чангла, виконавчого віце-президента Дослідницького інституту Cross Information Core Technology. Лін Чанґл запропонував технічний шлях поєднання відповідних параметрів професійної сфери у великій моделі з професійною моделлю та здійснив зв’язок між моделлю професійної сфери та великою моделлю, записавши параметри точності професійної моделі у велику модель.

**WarrenQ-Chat, інтелектуальна інвестиційна дослідницька платформа, спільно запущена Hang Seng Electronics і Hang Seng Juyuan, націлена на точність фінансової інформації. Користувачі можуть легко отримати ціни, інформацію та дані фінансового ринку за допомогою діалогових інструкцій і діалогу, створеного кожним Речення Обидва підтримують джерело оригінального тексту, щоб гарантувати, що джерело новин можна відстежити.

**HKUST Xunfei «Spark Smart Customer Service» приділяє більше уваги покращенню взаємодії з клієнтами за допомогою можливостей ШІ. **За словами Чжао Гана, віце-президента науково-дослідного інституту iFLYTEK і технічного директора відділу фінансових технологій, інтелектуальне обслуговування клієнтів Xinghuo базується на можливостях загальнодоменних відкритих знань, великих моделях, галузевих базах знань і зовнішній док-станції APP, які можуть вирішувати нові знання, які важко оновити, запитання та відповіді на основі фактів легко «розкривати корони та Лі Дай» та інші питання; завдяки логічним міркуванням ланцюгів ситуаційного мислення користувачам можна рекомендувати персоналізовані продукти, що дозволяє маркетингу залучати клієнтів.

**Ван Сяочуань, засновник Baichuan Intelligent, вважає, що 80% вартості великих моделей можуть міститися в децентралізованих моделях і сервісах. **

**Куди піде комерціалізація? **

Відповідно до звітів Geek Park, повідомляється, що з роз’ясненням нагляду варто очікувати випуску першої партії сумісних моделей. У той же час, фактично немає офіційних вимог відповідності для поточної програми в області To B, що сприятиме впровадженню великомасштабних моделей на підприємствах, а також сприятиме розвитку рівня інструментів і рівня додатків.

**Але для C-кінця неминучою тенденцією є відповідність перш за все. **Як сказав Ян Тао, заступник директора Національної лабораторії фінансів і розвитку, коли великі моделі штучного інтелекту застосовуються у фінансовій сфері, більше уваги слід приділяти можливості аудиту та інтерпретації великих моделей і змінам у характеристиках ризику, викликаних через участь у фінансовій діяльності, захист даних, розподіл відповідальності, межі відповідності та інші питання, а також посилення управління етикою даних, етикою алгоритмів, етикою суб’єктів і етикою поведінки.

Чай Хунфен, академік Китайської інженерної академії та декан Науково-дослідного інституту фінансових технологій Університету Фудань, вважає, що нинішня широкомасштабна модель ще не задіяла ефект емерджентності у вертикальній сфері фінансів**.

З одного боку, через конфіденційність фінансових даних і знань, ними важко поділитися, і неможливо створити величезний набір даних. Це може посилити зв’язок між промисловістю, університетом і науковими дослідженнями та спільно створити міцнішу базу модель у фінансовій вертикалі; з іншого боку, через фінансову Існує більше режимів даних, і важко здійснити уніфіковане моделювання обробки, і сьогоднішні великі моделі все ще потребують посилення для вираження цієї мультимодальності.

Бао Цзе, засновник Wenyin Internet, підняв питання про обмеження комерціалізації**. Фінансові клієнти не мають необмежених бюджетів, зазвичай лише сотні тисяч початкових інвестицій у кілька мільйонів. Практичні обмеження часто виникають через розподілене навчання, процес очищення даних, оперативну оптимізацію слів, різні формати даних, а також те, як збалансувати пропорцію повного параметричного навчання та оперативного проектування та зменшити витрати для досягнення кращих результатів навчання. Проблеми, вирішені в проекті .

Деякі практики вважають, що кінцевими замовниками нинішнього дослідження комерціалізації великих фінансових моделей залишаться малі та середні фінансові установи. З багатьох точок зору, таких як нормативне середовище, ринкова конкуренція та безпека даних, провідні фінансові установи не мають жодної причини чи бажання використовувати зовнішні широкомасштабні моделі. **

Це означає, що в процесі самодослідження провідними фінансовими установами малі та середні фінансові установи співпрацюють з існуючими зрілими великомасштабними моделями, щоб виграти певну кількість наздоганяючого місця, що є чудовим періодом для компенсації розрив у цифровізації.

У той же час співпраця з малими та середніми фінансовими установами також є чудовим полем бою для перевірки можливостей налаштування великих постачальників моделей на прикладному рівні.

Як сказав Lv Zhongtao, головний технічний директор ICBC, враховуючи економічну ефективність введення та виведення, малі та середні фінансові установи можуть запроваджувати різноманітні широкомасштабні публічні хмарні API або приватизовані служби розгортання на вимогу, щоб безпосередньо задовольнити свої потреби щодо розширення можливостей.

Перевизначення Fintech

** З точки зору позиціонування, підвищення якості та ефективності фінансової індустрії за допомогою великої моделі є продовженням минулої фінансової технології, але ефект нескінченно високий, що рівнозначно відкриттю нової ери. **

Генеральний директор Du Xiaoman Чжу Гуан якось сказав, що поява широкомасштабних модельних технологій, таких як GPT, означає, що вся конкуренція та переваги навколо мобільного Інтернету та AI 1.0 добігають кінця. Технологія великомасштабної моделі змінить спосіб роботи та структуру багатьох галузей, найочевиднішою з яких може бути фінансова галузь. Іншими словами, технологія великої моделі переосмислює фінтех.

Лу Чжунтао також вважає, що великі моделі та традиційні моделі співіснуватимуть у короткостроковій перспективі, ґрунтуючись на накопиченні застосувань фінансових технологій у минулому. У той же час великі моделі можна використовувати як центральний контроль, а традиційні моделі можуть бути використовуються як навички. У довгостроковій перспективі, якщо розрахункова складність великої моделі зменшиться, а інтерпретабельність підвищиться, її всеосяжні економічні переваги будуть підкреслені, і велика модель поступово замінить традиційну модель.

Чай Хунфен вважає, що поєднання моделі фінансового вертикального поля та фінансових даних стане важливою рушійною силою для просування інновацій та розвитку фінансових технологій, а гібридна інтелектуальна технологія людини та комп’ютера стане інноваційною технологією, яка сприятиме прогресу фінансова сфера. Щоб подолати багато існуючих проблем у застосуванні великих фінансових моделей, вкрай необхідно зміцнити співпрацю між промисловістю, університетами та дослідницькими інститутами.

Довідкові матеріали:

1. «Війна сотень моделей» повертає до раціональності! Tencent Cloud взяла на себе ініціативу зі створення першого в Китаї стандарту великомасштабної моделі фінансової галузі для просування цього бізнесу

2. Масштабні моделі в повному розквіті Застосування великомасштабних моделей у фінансовій сфері дуже очікується.

3. Wenyin Internet Baojie: Сотні тисяч інвестицій і мільйони інвестицій, фінансові установи можуть мати власну галузеву модель

4. Кипіння 251 день, опитування майже сотні практиків, про 5 актуальних ситуацій великого модельного світу

5. Як розкрити цінність великої моделі для фінансової галузі?

6. Академік Чай Хунфен: мислення та перспектива великої моделі, що розширює можливості фінансових технологій