當(dāng)前，大語(yǔ)言模型在金融領(lǐng)域的應(yīng)用正以前所未有的速度加速推進(jìn)，深刻重塑著整個(gè)行業(yè)的格局。
3月31日，中關(guān)村論壇「人工智能主題日」核心論壇“AI未來(lái)論壇：創(chuàng)新·投資·全球化”在海淀區(qū)政府的主辦下啟幕。這場(chǎng)匯聚全球頂尖學(xué)者、行業(yè)領(lǐng)袖盛會(huì)，聚焦人工智能如何賦能未來(lái)經(jīng)濟(jì)，探討技術(shù)與產(chǎn)業(yè)的深度融合。
論壇上，清華大學(xué)五道口金融學(xué)院副院長(zhǎng)、金融學(xué)講席教授、清華大學(xué)金融科技研究院副院長(zhǎng)張曉燕發(fā)表了題為“大語(yǔ)言模型在金融領(lǐng)域的應(yīng)用”的主題演講。她從大模型的定義、技術(shù)演進(jìn)、實(shí)際應(yīng)用、現(xiàn)實(shí)挑戰(zhàn)到未來(lái)趨勢(shì)，剖析了這一技術(shù)如何深刻影響金融行業(yè)。
現(xiàn)場(chǎng)，張曉燕介紹了大模型在全球范圍內(nèi)的發(fā)展現(xiàn)狀。她指出，大模型在提高工作效率和提升個(gè)性化服務(wù)方面表現(xiàn)出色。然而，另一方面，其也面臨許多挑戰(zhàn)，包括算力需求巨大、語(yǔ)料庫(kù)質(zhì)量參差不齊、倫理問(wèn)題復(fù)雜以及監(jiān)管政策尚未完善等。
會(huì)后，數(shù)據(jù)猿對(duì)張曉燕進(jìn)行了專訪。專訪中，張曉燕圍繞跨學(xué)科人才培養(yǎng)、監(jiān)管創(chuàng)新等問(wèn)題進(jìn)行了深入的闡述。她提到，海淀區(qū)有人才、有產(chǎn)業(yè)、有資本，是大模型與金融場(chǎng)景融合發(fā)展的沃土，高校商學(xué)院應(yīng)聯(lián)動(dòng)海淀區(qū)企業(yè)，培養(yǎng)懂技術(shù)、懂金融、懂產(chǎn)業(yè)的復(fù)合型人才。
大模型在金融領(lǐng)域的“新打法”
“小模型”的潛力也不可忽視
在2024年1月的達(dá)沃斯論壇上，國(guó)際專家曾提出一個(gè)嚴(yán)峻的假設(shè)：如果美國(guó)切斷中國(guó)的算力供應(yīng)，中國(guó)將如何應(yīng)對(duì)？當(dāng)時(shí)，這一問(wèn)題被視為對(duì)中國(guó)技術(shù)自主性的考驗(yàn)。然而，DeepSeek的橫空出世為這一假設(shè)提供了有力的回答。
張曉燕在會(huì)上提到，DeepSeek的問(wèn)世，給我們注入了很大的自信心，我們通過(guò)技術(shù)創(chuàng)新，不僅解決了算力瓶頸問(wèn)題，還找到了一個(gè)適合自己發(fā)展的道路。
在會(huì)上，她指出，大語(yǔ)言模型的傳統(tǒng)路徑依賴于超大規(guī)模參數(shù)量和海量數(shù)據(jù)的訓(xùn)練，展現(xiàn)了強(qiáng)大的語(yǔ)言理解和生成能力。然而，這種“常規(guī)打法”對(duì)算力和數(shù)據(jù)資源的需求極高，限制了其廣泛應(yīng)用。近年來(lái)，以DeepSeek為代表的新一代大模型通過(guò)技術(shù)創(chuàng)新，采用“混合專家架構(gòu)”和混合精度訓(xùn)練技術(shù)，降低了訓(xùn)練成本和算力需求。這種“新打法”不僅打破了“高算力高成本”的固有認(rèn)知，還為中國(guó)在大模型領(lǐng)域的快速發(fā)展提供了新的可能性。
“國(guó)家互聯(lián)網(wǎng)信息辦公室數(shù)據(jù)顯示，中國(guó)從2023年8月登記的8個(gè)AI大模型，擴(kuò)展到2024年12月的302個(gè)，發(fā)展迅猛?！睆垥匝嗵岬?。同時(shí)，她指出，一個(gè)有趣的觀察是，7 Billion（70億）參數(shù)規(guī)模的模型數(shù)量最多，占所有發(fā)布大模型的26%。這表明，許多公司已經(jīng)意識(shí)到小模型在大模型體系中的優(yōu)勢(shì)。因此，在關(guān)注大模型發(fā)展的同時(shí)，我們也不應(yīng)忽視小模型的潛力和快速進(jìn)步。
在金融領(lǐng)域，大語(yǔ)言模型的應(yīng)用已從理論走向?qū)嵺`。截至今年3月，48家金融機(jī)構(gòu)已完成DeepSeek的本地化部署，應(yīng)用于投研決策、智能風(fēng)控、服務(wù)優(yōu)化和業(yè)務(wù)創(chuàng)新等場(chǎng)景。例如，張曉燕和她的團(tuán)隊(duì)在學(xué)術(shù)研究中聚焦于使用大模型從中文新聞文本中提取信號(hào)來(lái)預(yù)測(cè)中國(guó)A股市場(chǎng)中的股票回報(bào)。研究發(fā)現(xiàn)，所有基于大模型的投資組合累積收益均為正且持續(xù)增長(zhǎng)，并且均超過(guò)市場(chǎng)表現(xiàn)。此外，本土化金融大模型的研發(fā)也取得了顯著進(jìn)展，以軒轅大模型、盤(pán)古大模型為代表的國(guó)產(chǎn)金融專用模型在多項(xiàng)金融任務(wù)評(píng)測(cè)中表現(xiàn)突出。同時(shí)，銀行、券商、保險(xiǎn)等金融機(jī)構(gòu)也在積極部署大模型以實(shí)現(xiàn)智能化轉(zhuǎn)型。
大模型競(jìng)爭(zhēng)加速
如何打破語(yǔ)料不足、
人才缺乏等“卡脖子”問(wèn)題？
金融行業(yè)，作為數(shù)據(jù)密集型領(lǐng)域，首當(dāng)其沖地感受到大模型帶來(lái)的變革沖擊。然而，技術(shù)的快速推進(jìn)也伴隨著一系列挑戰(zhàn)，這些挑戰(zhàn)不僅關(guān)乎技術(shù)本身，更涉及算力、語(yǔ)料、倫理、傳播范式以及人才培養(yǎng)等多個(gè)維度。
在會(huì)上，張曉燕提到了幾大挑戰(zhàn)：
>挑戰(zhàn)一：算力與語(yǔ)料的雙重困境
AI的發(fā)展速度非常快，但全球高質(zhì)量語(yǔ)料的增速正在放緩。自2010年以來(lái)，互聯(lián)網(wǎng)語(yǔ)料的增長(zhǎng)率已降至兩位數(shù)，而到2028年，全球高質(zhì)量語(yǔ)料可能面臨枯竭。“對(duì)于中文大模型而言，語(yǔ)料不足的問(wèn)題尤為突出。語(yǔ)料這個(gè)問(wèn)題如何解決？我想目前還是懸而未決?！睆垥匝嗾f(shuō)。
>挑戰(zhàn)二：數(shù)據(jù)安全與道德倫理
隨著AI技術(shù)的普及，數(shù)據(jù)安全和道德倫理問(wèn)題愈發(fā)突出，尤其是在金融行業(yè)。網(wǎng)絡(luò)攻擊頻發(fā)，金融領(lǐng)域的風(fēng)險(xiǎn)不斷上升，而AI技術(shù)的偏見(jiàn)、歧視風(fēng)險(xiǎn)以及幻覺(jué)輸出問(wèn)題也引發(fā)了廣泛爭(zhēng)議。
例如，近期有患者攜帶大模型生成的醫(yī)療建議前往醫(yī)院就診，甚至比醫(yī)生更“懂”病情。這種現(xiàn)象雖然新奇，但也暴露了大模型的局限性：其輸出內(nèi)容可能存在偏見(jiàn)、幻覺(jué)，甚至誤導(dǎo)性。若公眾過(guò)度依賴AI生成的信息，可能導(dǎo)致系統(tǒng)性風(fēng)險(xiǎn)。此外，算法的“黑箱”特性使得決策過(guò)程難以追溯，進(jìn)一步加劇了監(jiān)管責(zé)任界定的困境。解決這些問(wèn)題需要技術(shù)、倫理和法律的協(xié)同努力。
>挑戰(zhàn)三：信息傳播
大模型正在改變金融信息的傳播方式。傳播主體的去中心化使得網(wǎng)絡(luò)媒體突破了傳統(tǒng)金融媒體的壟斷，信息傳播路徑變得復(fù)雜且難以追蹤。這種變化讓每個(gè)人都需要自行判斷信息的可信度，但同時(shí)也增加了市場(chǎng)操縱的風(fēng)險(xiǎn)。
>挑戰(zhàn)四：人才短缺
AI技術(shù)的廣泛應(yīng)用導(dǎo)致人才需求激增，我國(guó)AI人才短缺問(wèn)題嚴(yán)峻。張曉燕指出，培養(yǎng)跨學(xué)科復(fù)合型人才是當(dāng)務(wù)之急。那么，金融與大模型交叉領(lǐng)域需要哪些新型能力？在數(shù)據(jù)猿的專訪中，張曉燕指出，在金融與大模型的交叉領(lǐng)域，跨學(xué)科協(xié)作能力是關(guān)鍵。金融專家與AI工程師需具備跨學(xué)科寫(xiě)作能力，打破專業(yè)壁壘，形成協(xié)同閉環(huán)?！敖鹑趯＜覒?yīng)深入理解大模型的技術(shù)特點(diǎn)及其在金融業(yè)務(wù)中的潛在應(yīng)用場(chǎng)景，明確需求痛點(diǎn)和業(yè)務(wù)目標(biāo)。與此同時(shí)，AI工程師則需具備一定的金融素養(yǎng)，能夠?qū)⑾冗M(jìn)算法與金融場(chǎng)景有機(jī)融合，提升模型的適用性與精準(zhǔn)度?！?/p>
“大模型”與“小模型”將相互協(xié)同
共同驅(qū)動(dòng)金融行業(yè)價(jià)值快速增長(zhǎng)
在人工智能技術(shù)的推動(dòng)下，大語(yǔ)言模型正在迅速改變金融行業(yè)的運(yùn)行邏輯和價(jià)值創(chuàng)造方式。會(huì)上，張曉燕從技術(shù)創(chuàng)新、行業(yè)價(jià)值增長(zhǎng)以及模型協(xié)同三個(gè)維度，深入探討大模型在金融領(lǐng)域的未來(lái)發(fā)展趨勢(shì)，這些趨勢(shì)不僅為行業(yè)帶來(lái)了新的機(jī)遇，也為解決當(dāng)前挑戰(zhàn)提供了可能的路徑。
>趨勢(shì)一：金融領(lǐng)域大模型技術(shù)創(chuàng)新加速
金融行業(yè)對(duì)人工智能技術(shù)的依賴正在不斷加深。近年來(lái)，金融領(lǐng)域的AI應(yīng)用呈現(xiàn)出快速增長(zhǎng)的趨勢(shì)，相關(guān)專利申請(qǐng)數(shù)量持續(xù)上升，市場(chǎng)需求也在不斷擴(kuò)大。這種創(chuàng)新加速不僅體現(xiàn)在技術(shù)本身的進(jìn)步上，還包括其在金融業(yè)務(wù)中的應(yīng)用場(chǎng)景不斷拓展。從風(fēng)險(xiǎn)評(píng)估到投資決策，從客戶服務(wù)到產(chǎn)品創(chuàng)新，大模型正在成為金融行業(yè)不可或缺的技術(shù)支柱。未來(lái)，隨著技術(shù)的進(jìn)一步成熟和成本的降低，大模型的應(yīng)用將更加廣泛和深入，為金融行業(yè)帶來(lái)更多的可能性。
>趨勢(shì)二：大模型驅(qū)動(dòng)行業(yè)價(jià)值快速增長(zhǎng)
大模型在金融領(lǐng)域的應(yīng)用不僅提升了效率，還顯著推動(dòng)了行業(yè)價(jià)值的增長(zhǎng)。以智能投顧為例，大模型通過(guò)精準(zhǔn)的客戶畫(huà)像和個(gè)性化的投資建議，顯著提升了資產(chǎn)管理規(guī)模。據(jù)預(yù)測(cè)，到2024年，智能投顧的資產(chǎn)管理規(guī)模將達(dá)到2萬(wàn)億美元，并在隨后的幾年中持續(xù)增長(zhǎng)。這種增長(zhǎng)不僅反映了大模型在提供定制化服務(wù)方面的優(yōu)勢(shì)，也預(yù)示著其在推動(dòng)金融行業(yè)數(shù)字化轉(zhuǎn)型中的重要作用。未來(lái)，隨著大模型技術(shù)的進(jìn)一步發(fā)展和應(yīng)用的深化，金融行業(yè)的價(jià)值創(chuàng)造能力將進(jìn)一步提升，為客戶提供更加優(yōu)質(zhì)和高效的服務(wù)。
>趨勢(shì)三：“大模型”與“小模型”協(xié)同開(kāi)啟金融智能化新篇章
在全球范圍內(nèi)，各國(guó)在AI發(fā)展路徑上各有特色。大模型通常擁有超過(guò)10億的參數(shù)，計(jì)算資源需求高、成本較大；而小模型參數(shù)數(shù)量較少，運(yùn)行效率高、成本低，且易于部署和更新。在實(shí)際應(yīng)用中，小模型能夠快速響應(yīng)并解決具體問(wèn)題，因此在許多場(chǎng)景中具有獨(dú)特優(yōu)勢(shì)。未來(lái)，大模型與小模型的協(xié)同應(yīng)用將成為金融智能化發(fā)展的重要趨勢(shì)，為行業(yè)提供更加靈活和高效的解決方案。
高校應(yīng)聯(lián)動(dòng)海淀區(qū)企業(yè)培養(yǎng)復(fù)合型人才
在當(dāng)今全球化的背景下，人工智能技術(shù)的迅猛發(fā)展為金融行業(yè)帶來(lái)了前所未有的機(jī)遇，同時(shí)也對(duì)監(jiān)管體系提出了新的挑戰(zhàn)。張曉燕在專訪中指出，金融監(jiān)管應(yīng)與科技創(chuàng)新同頻共振，既要保護(hù)創(chuàng)新，又要筑牢安全底線。
張曉燕強(qiáng)調(diào)，在金融創(chuàng)新與監(jiān)管的動(dòng)態(tài)平衡中，監(jiān)管部門(mén)需防止“過(guò)度監(jiān)管”束縛創(chuàng)新，同時(shí)避免“監(jiān)管滯后”引發(fā)系統(tǒng)性風(fēng)險(xiǎn)。她建議建立動(dòng)態(tài)監(jiān)管機(jī)制，通過(guò)持續(xù)監(jiān)測(cè)市場(chǎng)變化，及時(shí)消除監(jiān)管空白和盲區(qū)。例如，推廣“監(jiān)管沙箱”機(jī)制，允許金融機(jī)構(gòu)和科技企業(yè)在受控環(huán)境中測(cè)試創(chuàng)新產(chǎn)品，確保創(chuàng)新與安全同步推進(jìn)。此外，利用大數(shù)據(jù)和人工智能技術(shù)提升監(jiān)管效能和精準(zhǔn)性，通過(guò)實(shí)時(shí)數(shù)據(jù)分析和風(fēng)險(xiǎn)預(yù)警，增強(qiáng)金融系統(tǒng)的穩(wěn)定性。
隨著數(shù)字技術(shù)的普及，需警惕“數(shù)字鴻溝”和“算法歧視”帶來(lái)的社會(huì)不平等問(wèn)題，特別是老年人和弱勢(shì)群體的金融服務(wù)可及性。同時(shí)，加強(qiáng)信息披露和數(shù)據(jù)安全保護(hù)，增強(qiáng)消費(fèi)者對(duì)金融創(chuàng)新產(chǎn)品的信任，使科技真正服務(wù)于經(jīng)濟(jì)和社會(huì)發(fā)展。
張曉燕還提到，海淀區(qū)在推動(dòng)大模型與金融場(chǎng)景融合方面具有獨(dú)特優(yōu)勢(shì)。海淀區(qū)擁有豐富的高校資源，如清華大學(xué)、北京大學(xué)等，21所高校獲批人工智能本科專業(yè)，擁有1.23萬(wàn)人工智能學(xué)者。產(chǎn)業(yè)方面，海淀區(qū)通過(guò)惠企政策培育了1300余家人工智能企業(yè)，相關(guān)企業(yè)和人才數(shù)量占北京七成左右。金融方面，海淀區(qū)聚集了1754家金融機(jī)構(gòu)，中關(guān)村科學(xué)城成長(zhǎng)基金規(guī)模擴(kuò)容至100億元。
值得一提的是，清華大學(xué)五道口金融學(xué)院設(shè)立了全國(guó)首個(gè)技術(shù)轉(zhuǎn)移金融專業(yè)碩士項(xiàng)目，旨在培養(yǎng)既懂技術(shù)又懂金融的復(fù)合型國(guó)際化人才，推動(dòng)科技成果轉(zhuǎn)化與產(chǎn)業(yè)落地。項(xiàng)目畢業(yè)生已主導(dǎo)成立8家初創(chuàng)公司，設(shè)立科創(chuàng)基金規(guī)模超190億元，推動(dòng)多項(xiàng)科創(chuàng)項(xiàng)目落地北京。
大模型重塑金融，關(guān)鍵不在技術(shù)本身，而在于能否構(gòu)建起理解它、駕馭它、融合它的復(fù)合型人才體系。真正的競(jìng)爭(zhēng)，不是參數(shù)的比拼，而是認(rèn)知的升級(jí)、協(xié)同的能力與制度的革新。站在AI與金融融合的拐點(diǎn)，教育、產(chǎn)業(yè)與監(jiān)管唯有同頻共振，方能共塑未來(lái)。
熱門(mén)跟貼