《投資者網》侯書青
(資料圖)
2023年8月23日， “北大光華-度小滿金融大模型技術與應用論壇”（下稱論壇）在北京舉辦，清華大學人工智能研究院常務副院長孫茂松，北京大學光華管理學院商務統計與經濟計量系教授王漢生，光大信托數據中心總經理祝世虎，度小滿CTO許冬亮，度小滿數據智能部總經理楊青等嘉賓出席了本次研討會。?
（度小滿CTO許冬亮）
通用大模型從問世至今接近一年，圍繞在身上的光環也逐漸褪去，人們對它的認知也逐漸趨于理性：強如通用大模型，也有力所不及之處。行業想要依靠大模型產生新變革，首先要解決通用大模型在行業內的落地應用——開發行業大模型，成為AI技術實用化落地的新風向標。
2023年5月，度小滿率先發布國內首個金融開源大模型“軒轅”，國內金融行業自此走入大模型時代。大模型如何重塑產業生態，金融大模型如何落地應用等話題成為產學研界的共同關注。
行業需要金融大模型
AI技術經過數十年的發展，逐漸從概念性較強、主要為C端提供新鮮感的“玩物”，轉變為在B端、C端都能找到應用場景的工具。其中的商業潛力，在ChatGPT正式發布后顯現出來：不計其數的資金入局，眾多有技術實力的大企業不甘人后，爭相披露自家在大模型領域的技術潛力。
這背后，是市場對AI時代的憧憬。當科幻照進現實，概念變為初具規模的工具后，現有通用大模型的能力，能否滿足各行各業對它的期許呢？
騰訊高級執行副總裁湯道生曾表示：“通用大模型可以在100個場景中解決七八成問題，但未必能100%滿足企業某個場景的需求”在專業問題方面通用大模型有自身的局限性。”在2023年全球數字經濟大會上，度小滿CTO許冬亮稱：“比起通用大模型能力而言，金融行業非常需要垂直行業大模型。”
許冬亮在論壇上表示：“大模型讓機器具有了常識，懂得了邏輯，學會了創作，讓人和機器能以更自然的方式互動，通過與周邊工具的結合，大模型已經具有了通用人工智能的雛形。金融行業是高價值行業，數字化基礎好，高度依賴數據和技術，是大模型落地應用的高潛場景。對于中小金融機構，在大模型的浪潮里，他們也有機會通過應用創新，來加快自身的數字化和智能化進程，跨越數字化鴻溝。”
專業性更強，更細分的應用場景，需要讓大模型擁有自己的“社會分工”，用垂直的能力適配垂直的市場需求。而金融行業尋求自己的垂直大模型，是該行業對專業度的需求使然，更是因為，金融行業的頭部企業有足夠的基礎條件。
大模型所需的三大支柱：算法、算力、數據。其中數據決定了大模型的智能范圍，而金融行業有許多公司在多年經營中掌握了海量的歷史數據和文字資料等，為行業大模型的開發提供了天然的便利。且訓練垂直大模型所需的數據量遠小于通用大模型，在成本方面更具優勢
而諸如度小滿等互聯網金融、金融科技企業，經過了多年經營，在算法、算力方面都形成了自己的解決方案。此外，當金融企業使用通用大模型解決專業性問題時，如果大模型并非本地部署，需要上傳數據到對方服務器。這一過程存在數據泄露的風險，這對金融行業而言尤為致命。
2023年上半年，已經有企業率先發布了自己的金融大模型。
2023年3月，全球領先的商業、金融信息和財經資訊提供商彭博（Bloomberg）發布了BloombergGPT，該模型構建了3630億個數據集，訓練數據總量約為5300億詞，其中金融行業數據占比約為54.2%，但出于數據安全考量，該模型尚未以任何形式對外開放。
就在彭博發布BloombergGPT僅2個月后，國內領先的金融科技公司度小滿發布了國內首個開源金融行業垂直大模型“軒轅”。度小滿方面稱，“軒轅”在金融名詞理解、市場評論、數據分析、新聞理解等方面具有明顯優勢，在任務測試中相較于基座模型效果提升了70%。
度小滿CTO許冬亮表示，目前“軒轅”已經面向上百家金融機構開放試用。
除了度小滿的“軒轅”外，星環科技也發布了面向金融量化領域的生成式大語言模型“無涯Infinity”，恒生電子也預計在9月開放自研金融大模型LightGPT的試用接口。
行業大模型有何優勢？
OpenAI發布的ChatGPT，率先在全球范圍內掀起了AI熱潮，以及GPT-4的問世，都彰顯著它在通用大模型領域的前沿性。而彭博作為國外老牌咨詢提供商，訓練BloombergGPT的大部分數據來自彭博數據分析師們持續收集、維護了40年的金融語言文件，能夠先一步發布金融大模型也是其實力與積淀的表現。
那么國產行業大模型與上述二者相比，是否存在優勢？
首先，與主流開源大模型之間的對比，度小滿發布的“軒轅”已經在金融相關的專業性問題上展現出了較為明顯的優勢。
公開資料顯示，“軒轅”在金融任務評測中，全面超越了目前主流的通用大模型。在150次回答中贏得了63.33%的勝率。而在通用能力評測中，軒轅有10.2%的任務表現超越ChatGPT3.5，另有61.22%的任務表現與之持平，題目涉及數學計算、場景寫作、邏輯推理、文本摘要等13個主要維度。
金融任務的評測成績意味著，比起目前的主流通用大模型，“軒轅”對于金融相關領域問題的回答會更具專業性；而通用能力評測中有超過71.42%的任務表現與主流通用大模型持平甚至超越，則表明“軒轅”在面對金融領域之外的普通問題時，表現與通用大模型較為接近，“軒轅”也能夠實現大部分通用大模型的功能。
從參數的豐富度上看，“軒轅”基于1760億參數的Bloom訓練而來，較彭博發布的大模型參數更豐富。此外，度小滿還將自身在實際業務中積累的、規模在千億級別的tokens的中文預訓練數據集加入到“軒轅”大模型的研發中。
為此，《投資者網》根據伙乘平臺對“軒轅”大模型的提問結果，就同樣的問題向Bing AI提問，以簡單測試“軒轅”大模型與主流通用大模型之間的差異。
結果表明對于類似“如果一家公司總資產為500億美元，總負債為300億美元，股東權益是多少？”這類涉及簡單計算與概念解釋的問題，二者均給出了正確答案與計算步驟。差異在于，“軒轅”大模型的回答中，還額外解釋了“凈資產不等同于股東權益”的概念。??
（前者為Bing AI的回答，后者為“軒轅”的回答? ?《投資者網》研究員收集整理）
而對于“你能解釋一下什么是抵押貸款和信用貸款的區別嗎？”這一問題，Bing AI和“軒轅”給出的答案內容基本一致，區別在于前者的答案概括性比較強且比較零散，后者的答案條理較為清晰，便于提問者快速找出自己需要的部分。
經過一系列問題的對比，能夠明顯發現，在通常的名詞解釋類問題中，二者的表現不相上下。而在回答比較專業的金融類問題時，“軒轅”的回答不僅能夠讓使用者了解答案本身，還能夠根據問題引申出一些容易混淆的概念并給出具體的解釋。
在2023年全球數字經濟大會人工智能高峰論壇上，“度小滿軒轅大模型在金融領域的應用”入選“北京市人工智能行業（大模型類）賦能典型案例（2023）”。
在“軒轅”發布的一個月后，恒生電子也發布了自研的金融大模型LightGPT，國產行業大模型再傳佳訊。恒生電子首席科學家白碩介紹稱，LightGPT使用了超過4000億tokens的金融領域數據，輔以超過400億tokens的語種強化數據，能夠滿足各類金融企業的業務需求。
與海外企業發布的金融大模型相比，國內企業發布的大模型在訓練階段采用的數據會更貼合國內金融實踐，得出的結論也更適合國內金融行業發展的實際情況。與BloombergGPT尚未開放不同，目前“軒轅”已經可以在Huggingface中申請下載，面向上百家金融機構開放試用；恒生電子發布的LightGPT也將于9月份開放試用接口。
國產行業大模型的逐漸鋪開，會為國內金融行業帶來怎樣的改變？是一個值得行業關注的重要趨勢。
大模型時代的前夜
眼下，國內金融行業已經來到大模型時代的前夜，天邊已經泛起一抹魚肚白，而當這一縷名為“大模型”的曙光真正照進行業時，我們眼前看到的，將會怎樣的一番天地呢？
首先，大模型將極大提升金融機構收集、整理信息的能力。
還是以度小滿為例，最新數據顯示，度小滿已經累計為超過1800萬小微企業主和個體工商戶授信。整個2022年，度小滿為小微企業發放信用貸款超過5200億元。在長期的業務實踐中，度小滿在大數據技術的支持下已經建立了較為完善的征信中臺。
小微企業常常會因為規模小、質押物不足等問題，在面臨資金短缺時找不到合適的融資渠道。而傳統的征信報告解讀方式，也存在誤判企業成色的可能：征信報告干凈的客戶，或許與黑產有關，部分優質客戶，有時也會因為近期資金緊張而無法通過征信評估。
而大數據，作為大模型的前置科技，其海量的專業數據能夠保障大模型的專業性、精確度。如今，度小滿的征信中臺能夠結合大語言模型，將征信報告解讀出40多萬個與風險相關的指標，把銀行風控模型的風險區分度提升了26%。
與傳統評估方式涉及的幾百個指標相比，度小滿在大模型的支持下，能夠更全面地評估貸款人的基本情況，在降低信貸風險的同時，切實解決優質小微企業融資難的問題。
度小滿表示，經過清洗和標注的高質量數據集，不僅在通用性方面與ChatGPT達到持平成為可能，且顯著提升了模型在金融垂直領域的性能。軒轅大模型的數據集覆蓋了金融研報、股票、基金、銀行、保險大多數金融領域中常見的應用場景。
恒生電子發布的LightGPT的功能與“軒轅”相近，能夠為投顧、客服、投研、運營、風控、合規、研發等金融業務場景提供底層 AI 能力支持。
隨著大模型技術在金融行業各領域的參與度逐漸加深，金融機構的業務也將會朝著更加科學、高效的方向發展。大模型時代的金融業，值得每一個人期待。（思維財經出品）■
標簽：
