近日，恒生聚源主辦的“大模型在金融行業的應用與展望”研討會在上海舉行。會上，恒生電子高級副總裁、恒生聚源董事長王鋒表示，“當技術、模型、數據、應用快速形成閉環，將產生真正的業務價值，AI進入了從能力涌現走向價值涌現的新階段?！?/p>

2022年11月以來，隨著OpenAI發布ChatGPT，全球迎來AI大模型熱潮。到今年3月BloombergGPT的推出，引起對金融垂直領域大模型應用的關注。

恒生研究院院長、首席科學家白碩介紹稱，基于Transformer架構，大模型目前分為兩條技術路線，其中GPT的單向預測模型可以理解為“接龍”，而另一條路線類似于“填空”，前者通過一條示意可以容納包括知識、推理、引導、詳細說明，甚至代碼的預測，后者需要兩邊文本的信息指示。

“GPT對AI行業的沖擊非常大?！卑状T告訴記者，在此之前機構部署的AI系統都是“煙囪式”的單個系統，“諸多小模型的訓練使分析師淪為數據標注員，而模型的可用性也難以得到保障?！?/p>

富國基金信息技術部總經理李強提到，在基金行業的AI應用中，自然語言處理、文檔解析、智能客服、發票識別、表單提取等小模型應用都已相對成熟，但“煙囪式”發展問題非常嚴重。

“小模型和大模型也存在經濟學中的‘不可能三角’?！鄙耆f宏源證券研究所所長助理劉洋提到，小模型強調了精準度、利潤率，但弱化了智能化程度，大模型恰恰相反，通過成本的堆疊，實現了模型的智能化與高效能。

“當高質量語料庫訓練到百億級參數時，大模型的語言能力就會涌現，在意圖理解、文本語言生成等方面的能力將隨著參數的增加達到頂峰?！卑状T指出，盡管大模型的語言能力已經很強，但是在垂直專業能力方面還有所欠缺，當前普遍適用的解法是，以大模型中控為核心，結合應用、插件等共同構建成AI能力中心，將大模型中控成為鏈接大模型與應用的“橋梁”。

“大模型的涌現能力，讓基于大量計算的‘暴力求解’成為現實?！眲⒀蟊硎?，在算力、算法、數據“三駕馬車”的推動下，工程化能力變得尤為重要，特別是在券商、基金這樣的垂類大模型應用場景下，率先為客戶提供服務的廠商將搶占先機。從應用端，李強同樣提到，目前各類大模型“百花齊放”，但應用落地還需要真正的工程化能力。

“我們要解決的一個核心問題是，讓大模型有效應用于投資業務服務之中，對于機構客戶能帶來投資收益，對于我們內部的中臺與后臺，可以帶來有效工作效率提升?！敝行抛C券首席數據科技分析師張若海指出，在投研領域，大模型可以助力人均價值的提升，例如在量化領域，對政策文本數據的情緒提煉、中觀景氣研究的指標投資有效性識別，在投資覆蓋寬度與數據處理精度大幅提升同時，人力規模并沒有顯著等比例增加。在高頻場景下，可以實現大規模的定量數據跟蹤與觀點提煉，解構成交易信號，從而幫助到機構投資者更加便利地獲得大模型的賦能。

李強認為，未來三年內代碼生成的效率提升將在30%-50%之間。白碩則提到，從技術發展的角度，三年內大模型的語言能力將全部上一個臺階，而在金融領域的提質增效目前主要集中于IT研發與數據分析方面。通過AI可以實現低代碼甚至“零代碼”，工作效率可以提升2-3倍，滿足七成以上的數據偶發性即時需求，提升8-10倍的建模效率。

“在ChatGPT3.5橫空出世時，很多金融從業者不對其進行訓練與微調，可以達到很好的效果，但是隨著在業務場景的落地，會發現這一模型難以滿足各業務的精度要求?！焙闵墼锤笨偨浝戆籽┍硎?，為了實現“語控萬數”，恒生電子與恒生聚源共同推出的智能投研平臺WarrenQ-Chat利用大模型疊加搜索和聚源金融數據庫，通過對話指令，輕松獲得金融行情、資訊和數據，且每一句生成的對話均支持原文溯源，確保消息出處可追溯。

責任編輯：王煊