AI大模型技術(shù)正應用在越來越多金融場景。

僅僅在投研提效領(lǐng)域，多個大模型產(chǎn)品悄然面世。

(相關(guān)資料圖)

近日，恒生聚源推出基于大模型技術(shù)的投研工具平臺WarrenQ，致力于重新賦能“搜、讀、算、寫”的投研全流程場景，進一步提升投研效率。

與此同時，多家金融科技平臺也推出基于大模型的投研提效工具，即在通用大模型基礎(chǔ)上引入指令微調(diào)或提示工程，自動生成各類報告與圖表摘要，提升投研人員的信息獲取效率。

一位券商投研人員向記者透露，目前他們正在測試多款大模型投研工具的性能。

“整體而言，這類產(chǎn)品若要顯著提升投研效率，還需解決諸多實際操作瓶頸，比如大模型技術(shù)自動生成的信息是否具有即時性、能否做到信息溯源、是否支持二次編輯與多人協(xié)同工作，能否一鍵快速分享等。”他告訴記者。盡管當前大模型投研工具的技術(shù)路徑不一，但他們通過測試發(fā)現(xiàn)，具備自主龐大數(shù)據(jù)庫與良好大模型訓練成效的相關(guān)工具更受歡迎，因為它不但精準快速解決投研人員的個性化信息收集檢索要求，還能方便投研人員輕松進行內(nèi)容加工，進而大幅提升投研效率。

恒生電子董事長劉曙峰向記者表示，盡管大模型技術(shù)帶來“語控萬物”“大才能強”等變化，但在金融垂直領(lǐng)域，其應用仍面臨知識信息時效性、數(shù)據(jù)安全與隱私保護、具體應用支持等方面的局限。因此，金融行業(yè)需建設(shè)行業(yè)大模型以承接垂直領(lǐng)域的特定需求。

“未來，金融行業(yè)大模型能落地的場景非常多，除了投研，還有投顧、客服、運營、合規(guī)、交易等。但它的應用難點在于協(xié)同，特別是數(shù)據(jù)協(xié)同，各種數(shù)據(jù)如何打通，將是非常具體且困難的問題。”他指出。因此，金融機構(gòu)要部署應用大模型，需從選模型、估規(guī)模、建場景三大步驟入手,構(gòu)建金融行業(yè)大模型與基于大模型的全新數(shù)智產(chǎn)品，為金融行業(yè)應用大模型提供新范式。

防止大模型“一本正經(jīng)地胡說八道”

AI大模型技術(shù)正悄然“改變”投研生態(tài)。

有機構(gòu)調(diào)研顯示，在投研領(lǐng)域，眾多金融機構(gòu)面臨諸多痛點瓶頸——60%分析師遇到數(shù)據(jù)碎片、數(shù)據(jù)孤島、投研工具繁雜等困擾；50%基金經(jīng)理遇到信息爆炸、重點信息不突出等挑戰(zhàn)；80%金融機構(gòu)管理層感到研究團隊不透明、知識沉淀難等問題。

于是，越來越多金融科技平臺寄希望大模型技術(shù)破解這些投研痛點瓶頸。

當前，大模型投研工具主要分成兩類，一是在現(xiàn)有通用大模型GPT4.0基礎(chǔ)上直接引入“提示工程”與“指令微調(diào)”，以此自動生成上市公司公告財報要點信息與行業(yè)報告核心內(nèi)容，提升投研人員信息獲取效率；二是“從頭做起”——將自身數(shù)據(jù)庫通過大模型技術(shù)進行大量預訓練，再引入指令精調(diào)與提示工程技術(shù)，讓自動生成的內(nèi)容能進一步滿足投研人員的個性化信息檢索收集需求。

記者多方了解到，投研人員最擔憂大模型投研工具會產(chǎn)生兩大問題，一是一本正經(jīng)地“胡說八道”，二是自動生成的相關(guān)內(nèi)容明顯“過時”，無法滿足投研建模要求。

要解決上述兩大問題，絕非易事。

恒生聚源副總經(jīng)理白雪告訴記者，為了滿足數(shù)據(jù)即時性要求，WarrenQ在數(shù)據(jù)層與模型層的基礎(chǔ)上，加入涵蓋NL2SQL、搜索接口、指標計算、向量數(shù)據(jù)庫等插件層，確保大模型產(chǎn)品能即時調(diào)用最新的數(shù)據(jù)以反映最新的金融市場動態(tài)與行業(yè)變化趨勢等。

記者獲悉，要防止大模型“一本正經(jīng)地胡說八道”，金融科技機構(gòu)還需開展大量預訓練與指令微調(diào)。比如在預訓練環(huán)節(jié)，大模型時常會“自由發(fā)揮”，自動生成很多“天馬行空式”的內(nèi)容信息，于是開發(fā)人員通過不斷調(diào)整指令與反復預訓練，教會大模型如何正確識別提問語義與自動生成相應的專業(yè)精確回答，確保大模型能不再“答非所問”。

此外，大模型投研工具能否具備“實用性”，還在于它是否具備支持查看原文、研報圖表抽取、OCR識別、支持二次編輯、文檔信息挖掘等功能。

一位正研發(fā)大模型投研工具的金融科技平臺人士向記者直言，其研發(fā)難度遠遠超過預期。僅在數(shù)據(jù)庫建設(shè)、大模型技術(shù)選用、大模型預訓練等方面，企業(yè)都走過不少彎路。

“這背后，是金融科技平臺需全方位比拼數(shù)據(jù)、算力與算法。只有數(shù)據(jù)庫越全越龐大、算力更強、算法模型更高效的大模型投研工具才有望脫穎而出。”他直言。

在白雪看來，大模型時代的產(chǎn)品化服務與落地，可以持續(xù)做好三件事：一是加強數(shù)據(jù)獲取的精準性、數(shù)據(jù)更新的即時性；二是提升大模型及其精準的意圖識別能力，做到自然語言到數(shù)據(jù)、自然語言到指令的精確映射，即“語控萬數(shù)”“語控萬物”；三是用好向量數(shù)據(jù)庫，將私域知識庫與大模型結(jié)合起來做好產(chǎn)品與服務。

金融行業(yè)大模型的征途

在多位業(yè)內(nèi)人士看來，AI大模型技術(shù)能否成功應用在投研、投顧、客服、運營、合規(guī)、交易等金融場景，另一個關(guān)鍵成敗因素是金融科技平臺能否構(gòu)建專業(yè)的金融行業(yè)大模型。

一位奇富科技人士指出，金融行業(yè)因其行業(yè)特殊性，對訓練數(shù)據(jù)質(zhì)量、模型生成效果、數(shù)據(jù)安全合規(guī)等方面有著更高要求。首先，金融行業(yè)大模型需全面掌握金融專業(yè)術(shù)語，理解客戶意圖，在與客戶對話過程中能精確提取線索（即客戶想了解的信息），并給出兼顧專業(yè)性與合規(guī)性的應答；其次，金融行業(yè)大模型必須在準確性和適用性兩個方面做到極致，因為在金融領(lǐng)域，大模型自動生成的內(nèi)容是不能出現(xiàn)“任何錯誤”的。

在他看來，要實現(xiàn)上述要求，金融科技平臺需向金融行業(yè)大模型注入足夠全面龐大的數(shù)據(jù)進行反復預訓練，才能實現(xiàn)“回答精確”與“話術(shù)合規(guī)”。

“公司在信貸領(lǐng)域所積累的逾5000萬份征信報告及解讀、月均逾350萬的用戶深度對話，以及涵蓋900多個行業(yè)、逾3000個標簽屬性的逾1600萬家企業(yè)金融行為數(shù)據(jù)，加之所衍生的知識圖譜與專業(yè)知識，都被納入金融行業(yè)大模型的數(shù)據(jù)基礎(chǔ)。”這位奇富科技人士向記者直言。

恒生電子首席科學家白碩告訴記者，金融行業(yè)大模型的研發(fā)，的確離不開龐大的金融數(shù)據(jù)支撐。恒生電子所打造的金融行業(yè)大模型LightGPT已使用逾4000億tokens的金融領(lǐng)域數(shù)據(jù)（包括資訊、公告、研報、結(jié)構(gòu)化數(shù)據(jù)等）、以及逾400億tokens的語種強化數(shù)據(jù)（包括金融教材、金融百科、政府報告、法規(guī)條例等），并以此作為大模型二次預訓練的“語料”，支持逾80項金融專屬任務指令微調(diào)，進一步提升金融行業(yè)大模型的準確理解能力。

白雪告訴記者，大模型投研工具的研發(fā)成敗，很大程度取決于“語料”的豐富度與專業(yè)性。因為投研人員都希望自動生成的內(nèi)容信息能盡可能多地涵蓋當前市場各種動態(tài)與觀點，這都需要金融科技平臺不斷向大模型注入最新的各類精準的金融語料，并實時鏈接映射到數(shù)據(jù)庫，令大模型投研工具自動生成的內(nèi)容能最大限度“與時俱進”。

值得注意的是，一個行之有效的金融行業(yè)大模型光有龐大專業(yè)的數(shù)據(jù)庫是不夠的——除了與之配套的算力算法等金融基礎(chǔ)設(shè)施，它還需解決諸多挑戰(zhàn)，包括能否做到輕量化部署、能否在金融專業(yè)問答、邏輯推理、超長文本處理能力、多模態(tài)交互能力、代碼能力等金融大模型能力評測領(lǐng)域取得不俗表現(xiàn)，并保證內(nèi)容和指令的合規(guī)安全等。

上述金融科技平臺人士向記者透露，這令眾多金融機構(gòu)倍感壓力——若在傳統(tǒng)AI模型基礎(chǔ)上研發(fā)金融行業(yè)大模型，幾乎是很難完成的任務。因為傳統(tǒng)AI模型與大模型技術(shù)在數(shù)據(jù)、模型、模型開發(fā)方式、業(yè)務應用、適用場景及成本等方面完全“不同”——相比傳統(tǒng)AI模型的作坊式操作、研發(fā)周期長、通用性低等特點，大模型技術(shù)開創(chuàng)性地提出預訓練模式，以流水線的模型開發(fā)方式可泛化多應用場景，實現(xiàn)高通用性。

“兩者截然不同的特點，預示著金融機構(gòu)需要持續(xù)投入大量資金資源，持續(xù)強化金融行業(yè)大模型的預訓練成效，才能令它更精準高效地匹配投研、投顧、客服、運營、合規(guī)、交易等金融場景各類業(yè)務需求。”他直言。

白碩告訴記者，目前LightGPT計劃在9月底完成新一輪的金融能力升級，并支持金融機構(gòu)通過私域任務數(shù)據(jù)定制化“精調(diào)”大模型，從而打造機構(gòu)專屬的大模型，滿足個性化需求。

在劉曙峰看來，在大模型時代，“數(shù)據(jù)+算法+算力”正構(gòu)成新范式的基本要素。金融行業(yè)更需促進大模型產(chǎn)業(yè)上下游合作，為金融數(shù)智化提供更強有力的技術(shù)支撐。

關(guān)鍵詞：