FX168财经网_全球视野外汇黄金加密货币NFT资讯网

美国如意算盘这回打错了？中国“自给自足”亦可推动AI市场" 行业大佬：华为昇腾910B可媲美“英伟达A100“！

。（来源：路透社）尽管英伟达历来是中国 AI 芯片的领先供应商，市场份额超过 90%，但包括华为在内的中国公司一直在开发自己版本的英伟达最畅销芯片，包括 A100 和 H100 显卡处理单元（GPU）。分析师和中国科大讯飞等一些 AI 公司表示，华为的昇腾芯片即使在性能方面仍然落后，不过在原始计算能力方面与英伟达的芯片相当。国泰君安证券首席市场分析师蒋亦凡表示，中国企业的另一个关键限制因素是大多数项目对英伟达芯片和软件生态系统的依赖，但这种情况可能会随着美国的限制而改变。#中美关系# 他的社交媒体微博账户上发帖说：“在我看来，美国的这一举动实际上是给了华为昇腾芯片一份巨大的礼物。” 阅读更多：每日财经大小事：芯片禁令再升级美企恐遭反噬！中国第三季经济增4.9% 实现5%全年目标“很有信心”？然而，这个机遇也伴随着一些挑战。许多尖端 AI 项目都是使用 CUDA 构建的，CUDA 是英伟达开创的一种流行的编程架构，这反过来又催生了一个庞大的全球生态系统。该生态系统能够训练高度复杂的人工智能模型，例如 OpenAI 的 GPT-4。华为自己的版本被称为 CANN，分析师表示，它能够训练的人工智能模型更加有限，这意味着华为的芯片仍无法成为英伟达的即插即用替代品。前芯片设计高管、现任顾问的艾哈迈德（Woz Ahmed）表示，华为要想从英伟达赢得中国客户，就必须复制英伟达创建的生态系统，包括支持客户将数据和模型转移到华为自己的平台。艾哈迈德表示，知识产权也是一个问题，因为许多美国公司已经拥有 GPU 的关键专利。他补充道：“要获得大致上的东西，需要 5 到 10 年的时间。” 计算能力如果华为能够抢占英伟达的市场份额，它可能会在对抗美国方面取得另一场胜利，美国自 2019 年以来一直针对该公司实施出口管制。华为当年推出了首款昇腾计算（Ascend GPU），它是该公司称完全自主研发的众多产品之一，例如 Harmony 操作系统。在过去的一年里，这家电信巨头有迹象表明，它正在通过推出先进的智能手机芯片并声称在芯片设计工具方面取得突破来反击美国的限制措施。它还致力于成为人工智能计算能力的主要提供商。首席财务官孟晚舟上个月在一份含蓄的参考文献中表示，华为希望为中国建立一个计算基地，为世界提供“第二个选择”，这是对主要提供商美国的隐晦提及。迄今为止，华为在中国的合作伙伴包括中国领先的人工智能软件公司科大讯飞。该公司正在使用 Ascend 910 来训练其人工智能模型。科大讯飞也于2019年被美国列入黑名单。周四（10月19日），在科大讯飞的财报电话会议上，高级副总裁姜涛表示，昇腾 910B 的功能“可与英伟达的 A100 相媲美”，并宣布正在与华为一起在中国开发通用人工智能基础设施。他说：“我们现在的合作伙伴关系旨在使国内开发的法学硕士能够利用本土的硬件和软件技术来建立。” 其他合作伙伴包括国有软件公司清华同方和神州数码。在 7 月份的一次会议上，华为表示，其 AI 芯片现已为中国 30 多个大型语言模型 (LLM) 提供支持，中国正在经历生成式 AI 热潮，目前拥有 130 多个 LLM。 86Research 分析师 Charlie Chai 表示，“如果给国内厂商足够的时间和庞大的客户群，英伟达的生态系统主导地位并不是一个不可逾越的障碍”。中国国家主席习近平倡导的自给自足计划可能会对此有所帮助。 Chai 补充道：“简而言之，这对近期供应造成了小幅干扰，但对长期自给自足议程有很大推动。”

林沐2023-10-20

英伟达RTX 4090显卡遭全面下架，中国AI产业面临挑战

无法更新驱动和软件的风险。此举引发了中国AI产业的忧虑和不满。一方面，英伟达RTX 4090显卡是目前最先进的AI芯片之一，其缺乏将给中国的AI研发和应用带来巨大的障碍和损失。另一方面，美国政府的做法也暴露了其对中国AI崛起的恐惧和敌意，试图通过技术封锁来遏制中国的发展。不过，也有人认为，美国政府的制裁并不能阻挡中国AI产业的进步。一方面，中国已经拥有了一批自主研发的AI芯片企业和产品，如华为鲲鹏、昇腾、寒武纪、炬力等，它们在性能、功耗、成本等方面都有着不俗的表现，并且正在不断创新和优化。另一方面，中国也有着庞大的AI市场需求和人才储备，以及完善的AI产业链和生态系统4，这些都为中国AI产业提供了强大的动力和支撑。因此，有分析认为，美国政府的出口管制反而会促进中国AI产业的自主可控和自力更生。在这个过程中，中国AI产业将会更加注重核心技术的突破和创新，更加注重与国际合作和交流，更加注重社会责任和伦理规范。最终，中国AI产业将会以更加开放、包容、合作、共赢的姿态，在全球AI竞争中发挥更大的作用。

金融界2023-10-19

燧原科技完成D轮融资20亿上海国际集团领投

们相信燧原将会迎来新一轮高速发展，助力中国AI算力芯片领域的崛起。" 　　腾讯投资董事总经理姚磊文表示：“燧原是国内领先的AI算力芯片厂商，团队研发实力强，执行力优秀，已量产了多代云端算力芯片，在互联网、教育科研、智慧城市等多个领域成功落地。此外，伴随多年来的持续投资和业务合作，腾讯与燧原合作的紫霄系列芯片已在OCR文字识别、智能会议、图像语音降噪等方面实现了业界同类产品两倍以上性价比，借由紫霄芯片，腾讯得以向金融、交通等行业客户提供普惠且高质量的人工智能解决方案。” 　　美图公司董事长兼CEO吴欣鸿表示："AIGC正在成为推动美图发展的根本动力和变革源泉，高性价比、高可用、高适配的算力也正在成为美图公司发展的必备要素。燧原科技拥有不断推进的AI算力产品路线图，高性价比的系统化方案和原始创新的软硬件平台，这与美图公司在AIGC基础和垂直大模型以及多元化应用的全栈能力高度互补。我们希望跟燧原的深度合作能够助力美图在AIGC更大规模的部署和更广泛的普惠，从而为我们的终端客户创造更大的‘美的价值'。" 　　弘卓资本董事长何燕青表示："随着生成式AI浪潮的兴起，AI算力需求成为科技产业爆发性增长点，燧原科技凭借全栈化的产品能力和自有生态体系的建设，将为人工智能产业发展提供具备世界先进水平的算力底座和科技基石。弘卓资本长期专注于以集成电路产业为核心的硬科技投资，已经在芯片设计、设备、材料等领域累计投资数十个项目，应用方向涵盖了大数据、云计算、AI、5G通信、汽车电子等诸多领域，本次参与燧原新一轮融资，是弘卓资本在AI算力芯片的重要投资布局，我们将积极为企业发展提供产业赋能服务，长期陪伴企业共同发展！" 　　广发乾和投资有限公司董事长何宽华表示："人工智能是新一代产业革命的核心，人工智能算力芯片是产业发展的基础性资源要素，围绕相关产业所构建的一整套软硬件架构生态则是当前解决核心环节自主可控问题的关键抓手。燧原科技是人工智能算力芯片的领军企业，广发乾和非常看好燧原科技的未来发展前景，并致力于在人工智能领域持续投资，赋能产业发展。" 　　燧原科技专注人工智能领域云端和边缘算力产品，致力为通用人工智能打造算力底座，提供原始创新、具备自主知识产权的AI加速卡、系统集群和软硬件解决方案。凭借其高算力、高能效比的创新架构和高效易用的软件平台，产品可广泛应用于泛互联网、智算中心、智慧城市，智慧金融、科学计算、自动驾驶等多个行业和场景。　　燧原科技秉承开源开放的宗旨，携手产业伙伴共创生态，成为通用人工智能时代产业的驱动力。来源：金色财经

金色财经2023-09-28

美国“严重关切”对华投资！硅谷知名风投：将分拆中国业务人民币基金在华独立管理

国业务表示“严重关切”。企业并索取有关中国AI、半导体和量子公司投资的信息。这封信特别提到，纪源资本对中国AI公司旷视科技进行投资，这场布局始于2019年，美国众议院中国特别委员会称该公司“积极支持中国对维吾尔人进行分析和追踪的努力”。拜登8月签署一项行政命令，限制美国在中国大陆、香港和澳门的某些高科技领域的投资，包括AI、半导体和量子技术。尽管股票和债券等公共投资可能不会受到限制，但这些领域的风险投资将受到监管审查，甚至被禁止。纪源资本表示：“公司建立独立的合作伙伴关系，符合投资者、员工和创始人的最佳利益，分拆将于明年第一季末完成。” 据报道，纪源资本并不是第一家在地缘紧张局势加剧的情况下剥离中国业务的硅谷风投巨头。另一家通过投资中国公司发家致富的美国知名风投公司红杉资本在6月宣布，将分拆其中国业务。硅谷风险投资公司对中国投资面临越来越严格的审查，无意中为中国和华裔美国初创企业在美国的融资设置了障碍。

颜辞 1评论2023-09-22

量子位「MEET 2024智能未来大会」要来了！还有份年度评选等你参与

2023人工智能年度领航企业将评选出中国AI综合实力最强阵容，参选条件： 1、公司主体在中国或主营业务在中国； 2、主营业务是人工智能及相关，或已将人工智能广泛应用于其主营业务，并在其所处领域内居于领跑地位； 3、有成熟的产品或服务，且已经得到市场验证； 4、近一年，取得较大技术突破或商业突破。评选标准： 1、业务能力：商业模式、市场占有率、商业化能力、营收情况等； 2、技术能力：科研实力、研发投入、创新能力等； 3、资本能力：融资情况、财务状况等； 4、其他：企业综合情况、品牌影响力等。 2023人工智能年度创业公司将评选出最具投资价值、发展潜力的AI创业公司，参选条件： 1、公司主体在中国或主营业务在中国； 2、有人工智能相关的产品或服务落地，具有成熟的商业模式； 3、公司未上市； 4、近一年取得较大技术创新或研发成果。评选标准： 1、业务能力：商业模式、市场占有率、商业化能力、营收情况等； 2、技术能力：科研实力、研发投入、创新能力等； 3、资本能力：融资情况、财务状况等； 4、其他：企业综合情况、品牌影响力等。 2023人工智能年度影响力人物将评选出中国AI领域最具影响力人物，参选条件： 1、国籍是中国或所属公司主体在中国，并且是所在公司创始团队成员或核心高管； 2、所属公司主营业务是人工智能及相关，公司在所处领域内居于领先地位； 3、近两年带领公司在AI领域取得较大商业化突破或技术创新发展，极大推动人工智能的技术突破或商业化落地，在业内产生重要影响力。评选标准： 1、公司情况：公司基本状况、行业地位、商业模式、营收情况等； 2、个人能力：商业化能力、技术成就、创新能力等； 3、其他：综合背景、品牌影响力、管理能力等。 2023人工智能年度杰出产品将评选出最受关注、最有落地价值的AI产品，参选条件： 1、人工智能相关的产品； 2、产品已具备成熟技术，已经投放市场且得到市场验证； 3、近一年有过重要的技术创新或更新迭代，极大的推动人工智能技术的落地及商业化，并对行业发展有突出的引领作用。评选标准： 1、综合情况：产品功能、应用场景、创新点等； 2、落地情况：市场占有率、客户情况、营收状况、解决的核心痛点等； 3、其他：品牌影响力、用户口碑、产品性能、产品生态等。 2023人工智能年度杰出解决方案将评选出最具创新力、最有价值的AI解决方案，参选条件： 1、人工智能相关的解决方案或行业应用案例，且使用自主创新技术； 2、具备成熟技术，已经投入市场且得到市场验证； 3、近一年有重要的技术创新或更新迭代，极大的推动人工智能技术落地及商业化，并对行业发展有突出的引领作用。评选标准： 1、综合情况：主要功能、应用场景、创新能力、技术水平等； 2、落地情况：市场占有率、客户情况、营收状况、潜在市场规模等； 3、其他：销售服务能力、品牌影响力、用户口碑、生态等。报名方式本次评选即日起开始报名，截至2023年11月24日，最终结果将于12月公布。年度前沿趋势报告发布当然，沿袭每年“MEET”大会的惯例，年度前沿趋势报告的发布也是本届大会重头戏。那么在新的一年，哪些前沿科技将有可能改写未来社会？量子位智库将基于对科技领域领域的长期观察，并结合落地现状、潜在价值等因素，提名2024年将释放巨大潜力的代表前沿科技趋势，并对各趋势进行深入分析。风险提示：界面有连云呈现的所有信息仅作为参考，不构成投资建议，一切投资操作信息不能作为投资依据。投资有风险，入市需谨慎!

有连云2023-09-21

加速Web3.0与现实的联结第九届区块链全球峰会盛大开幕

圆桌论坛，探讨“NFT最大的应用市场在中国？”、“AI比人类更适合Web3吗？”、“产业区块链，Web3的油往哪加？”、“DePIN：Web3百倍新机遇”、“Web3创投：风往哪吹”等精彩议题。本届峰会由上海市虹口区人民政府指导，万向区块链实验室主办，并获得了万向创新聚能城、Qtum、Future3 Campus、Cloud Ace、HOTDOG、JCBI、Protocol Labs、SharkTeam、Smart Layer、易链星云、zCLOAK、亚马逊云科技、空介、未迟等合作伙伴的大力支持。此外，BlockTempo、区块律动、链捕手、Coinpost、COINTELEGRAPH、De·Things、ForesightNews、果味财经、金色财经、链茶馆、Marsbit、PANews、深潮、星球日报等Web3.0行业垂直媒体（按照首字母音序顺序），以及1783DAO、BUILDERDAO、察访区块链、登链社区、活动行、IC1101、LinkZDAO、MEET48、OpenBuild、Social Layer、TokenDance、TOKENVIEW、VIP3等也作为社区支持为本次大赛提供了鼎力支持。来源：金色财经

金色财经2023-09-19

AI人才抢夺战：年初疯狂年末彷徨

者：周鑫雨时间来到ChatGPT引发中国AI热潮的第十个月。每位熟知国内AI格局的投资人和猎头，脑海中已经有了一幅人才版图，如果你有机会和他们喝上一杯，畅快地聊聊天，大概会有这样的对话： “头条的张前川去哪里了？” “他被挖去了MiniMax。” 张前川，今日头条前用户产品负责人，2023年初离职后宣称将成立一家AI应用公司。不过，离职不久，张前川就加入了大模型创业公司MiniMax。据36氪获悉，MiniMax开出了相当可观的报酬。 “Seven 离职后创业了吗？” “没有，她去了深言科技当产品负责人。” Seven(王京津)，2022年离职的抖音前产品负责人，近期入职了估值超1.5亿美金的AI创业公司深言科技。36氪了解到，在Seven正式加入前，深言邀请她做了半年顾问。 “还有什么值得关注的大牛吗？” “有，Louis，相比前两位，他更被行业看重。” Louis，阳陆育，前Musical.ly联合创始人，TikTok海外市场的奠基人。2022年中离开字节跳动后，一度去向成谜。今年6月，Louis携一家名叫“远光灯数字科技”的公司，躬身入局AIGC游戏赛道。一名投资人对36氪评价：“只要Louis创业，我就要找他聊。如果他做AI，那更要聊。” AI创业火热，但技术型创业，产品要研发、落地要试错，诸多不确定性里，人才，成了定价和交易的砝码，也是现阶段的大模型之争里，最重要的因素。抢人的战火迅速点燃赛道。年初王慧文高调入局，王小川紧随其后，发AI“英雄帖”的创业大佬不下十人。据多名高校出身的AI大牛回忆，以“二王”为代表的创业者，几乎把市面上所有AI人才聊了一遍。今年4月接受36氪专访时，听到光北京有20多家大模型企业，正忙于招团队的王小川问道：“你们能在文章里放上我们（百川智能）的招聘邮箱吗？” 泛科技领域里，AI属于成熟风口，人才不像室温超导那样扎堆在实验室，而是均匀分布在高校、机构、巨头。那些经验老道的投资人和猎头，早已在这十个月内，将AI人才们的title、过往履历和最新动向熟稔于心。比如，想要挖到技术高管，免不了去一趟诞生ChatGPT的AI腹地：硅谷。猎头Mia去硅谷前，在行李箱装了两罐精包装的西湖龙井和四瓶老干妈。抵达后，她要去Mountain View（山景城）的一家酒吧，用祖国的特产、再配上国内企业的offer和近千万元的年薪，请几名算法科学家回去。在汇聚Google、微软等科技巨头的Mountain View，除了猎头，遇见寻觅AI人才的创投圈大佬，也不是一件难事。有人在街头看到过穿着深色T恤的百度副总裁景鲲（他是百度“小度”系列智能产品的缔造者）；在斯坦福大学的草坪和被誉为“西海岸华尔街”的沙丘路，走过源码资本合伙人黄云刚和真格基金管理合伙人戴雨森。更近一点的5月初，王小川出现在硅谷一场AI技术party上。对着在场数十名华人工程师，王小川把自己“AI重塑搜索”的创业理想讲了一遍，试图和人才拉近关系——在36氪的专访中，他曾提及：“国内的大公司、高校里有一些不错的领军人物，一些更明星级的人才，确实在美国。” △谷歌在山景城总部举办的I/O大会，吸引不少AI人才。图源：视觉中国帮国内创始人们与硅谷AI人才牵线，也成了一个商机。一名在硅谷的猎头记得，光3月份，Mountain View几乎每晚都有华人中介举办的party，报名参加光会费就达上万人民币，还要有门槛：成功创过业，或者投出过好项目。企业们砸血本招人的同时，还得防止员工被挖角。一家创业公司为了留住人才，给近十名核心员工涨了30%的薪水，几乎所有工程师在公司内部都用“花名”。大公司也在警惕。百度宣布大语言模型“文心一言”立项当晚，参与成员被HR拉了个会，重新签了一遍竞业协议。共识快速形成：人才储备最多的企业，离“中国的OpenAI”最近。千万年薪，难挖硅谷人才以如今AI人才的紧俏程度，Mia觉得千万级的年薪并不夸张。在2023年第一季度，超过17万中国AI企业如雨后春笋般冒了出来。圈内人爱用一句话形容AI赛道的创业热：“光北京就有20多家声称能做大模型的企业。” 但相对的，是写在中国工信部报告中的30万AI人才缺口。再严苛一些，国内有过完整大模型工程经验的人能有多少？AI行业资深人才顾问海浪告诉36氪：“不超过100个人。” 若想要挖到能直接带上百人的团队跑工程的P9、P10，国内就只剩下大厂的几个CTO和首席科学家。“企业想要招技术高管，只能看硅谷。”海浪解释。可惜的是，无论是茶叶、老干妈，还是一千万的高薪，都很难打动硅谷的人才。一名研究员在Mia尚未给出薪酬条件时，就开门见山地拒绝：“老婆孩子都在这里，回国之后孩子的教育问题，也很难解决。” 再过一年多，微软必应团队的算法工程师Joshua就能如愿拿到美国绿卡。在他的人生蓝图里，再积攒两年工作经验，他就从华盛顿搬到硅谷创业。他不愿离开硅谷——即便从今年2月起，求职软件上几乎每天都有99+的未读消息和通知红点。除了薪酬，Joshua还看到有公司开出隐形福利：前半年不背OKR。被求职信息轰炸近一个月后，Joshua关闭了几个求职软件的弹窗。抢人大战中，有成熟落地场景的企业，赢面会大一些。在Mia看来，落地场景就是企业的简历，更能吸引人才。而落地方案尚未成熟的公司，要么有个像王慧文和王小川一样，“人能来事，又能搞钱”的创始人，要么靠“画饼”吸引人才。但国内科研环境与硅谷的现实差距，让大模型创业者画的理想之“饼”，不那么有说服力。在硅谷期间，Mia去了英特尔总部。在那里，每位算法工程师能调用的GPU就有四五百块。“但在国内，四五百张GPU往往是一个项目组能够申请到的算力上限。”Mia说。 △英特尔总部。图源：视觉中国类似的，谷歌AI实验室对人才的大方一度让蓝振忠觉得惊讶。在那里，他能够自由调用相当于几千张A100的TPU。就算在比较冷门的研究组，部门团建仍然开得起高级餐厅最贵的酒。回国成立AI公司“西湖心辰”后，蓝振忠第一次感受到了算力资源的稀缺和昂贵：“公司和学校的科研经费只能买很少一部分，剩余的都得租公有云服务。”为了拉融资买算力，他每天需要和投资机构和客户开五六个电话会。回国的硅谷创业者为资源焦虑，而去硅谷的创业者也屡屡碰壁。一位知名创业者曾在公开场合被问及近期的硅谷之行收获时，坦言自己去硅谷不是为了挖人，而是为了交流技术经验。但一名与该创业者在硅谷交流过的人士告诉36氪：“别信他。因为挖人很难，大多数人过去，只能先建立个联系。” Meta一开源，猎头白干半年年初，AI技术大牛还是圈内最热的招徕对象。像ChatGPT一样参数千亿的大语言模型，仍然是个“舶来品”。对多数企业而言，想要做“中国OpenAI”，就必须大力招人搞技术。然而不久后，意外发生了。扇动翅膀的，是押注AI大模型已久的Meta（前Facebook）。2023年3月8日，被称为“最强开源模型”的大语言模型Llama遭到泄露，任何人都可以下载使用；7月，Llama的研发商Meta主动成为“搅局者”，开源了性能更强的Llama 2，几乎所有公司都能直接免费商用Llama 2。 Llama的开源，迅速降低了大模型训练的门槛。AI从业者们发现，根本没必要花这么多钱招技术人才从0训练模型。理论上，公司只要有足够多和高质数据，对Llama进行微调，就能用较低的成本训练出一个效果不错的模型。很快，不少公司的大模型如雨后春笋般冒了出来，更甚者基于Llama微调后，就冠以“自研”之名。圈内广为流传的一句戏言是：如果Llama不“惨遭开源”，国内就没那么多的“自研”。紧接着，技术领域的人才就开始“贬值”。曾经想从硅谷挖人的几家企业，把自己的需求改成了从国内找工程师，年薪控制在40万元以内。猎头Mia在KTV点了一首《老子明天不上班》：“感觉自己上半年跑硅谷，最后白干。” 上半年，由于技术尚未成熟，大模型的商业化落地并不十分顺利。开源的Llama解决了卡脖子的大模型技术，也将AI企业发展的进度条从大炼模型，快速拉到应用落地。相应的，企业们年初招徕技术人才的热情，在下半年一度转移到了产品经理。在Netflix最新发布的招聘启示中，AI产品经理的年薪开到了90万美元，超过了AI技术总监的65万美元。不过，市场供需并非衡量顶级人才的唯一标尺，Icon（标志）级别的技术大牛热度仍然不减。对企业来说，技术大牛不光是敲代码的员工，还是一个充满内涵的符号：技术人才，意味着技术的天花板，以及持续吸纳资方、客户和人才的门面。昆仑万维CHO杨姝一直觉得，人才是AI公司最优质的资产。公司不仅需要基本功扎实的研发者，也需要一个名号响亮的Icon。就像乔布斯之于智能手机，“Icon和研发者的区别在于，Icon是有市场号召力的，还能吸引更牛的人才过来”。 2020年昆仑万维即布局AIGC和AGI领域，目前相关团队整体规模近千人。但到了2023年，为了争夺人才，杨姝和HR同事每周要沟通近百位候选人。最近，昆仑万维还请来了一位“Icon”——顶级AI科学家颜水成，出任天工智能联席CEO和昆仑万维2050全球研究院院长，吸引全球的AI人才。 “杨红霞博士来之前，我感觉市面上没什么人觉得字节能做大模型这件事。”一名大厂HR点评。作为曾经阿里达摩院大模型M6的项目带头人，杨红霞在今年初转投字节跳动的AI阵营——这一消息也让不少人认为，字节有了和AI“老玩家”百度、阿里同桌竞技的可能。至于花千万元挖一个技术大牛来做AI到底值不值，上述HR回复36氪：“在实现技术革新前，确保企业形象跟上时代潮流。” 所有人都在警惕泡沫 6月后，水温渐凉。钱在上半年，已经涌向了大模型的早期玩家。据不完全统计，上半年融到钱的大模型企业大概有20多家，而6月后，数量骤减至不到1/2。一名双币基金的AI投资人终止了四五家大模型企业的投资进程。她告诉36氪，近期他们只看AI应用。可惜时至今日，AI赛道依然没有一款“杀手级”应用——市场和投资人都在观望，高开的大模型技术是否能持续高走，给予可观的回报。 “CV（计算机视觉领域）好歹也火了一两年，但大模型冷却的速度巨快。”海浪说，“今年大家只是看似拿了很多钱，其实背负了很大压力。” 与赛道一起降温的，还有企业对AI人才的热情。年初的抢人热，更多的是企业们面对新技术的兴奋和FOMO（Fear of Missing Out，害怕错过）情绪。“大家也不管招这么多人有没有用，先把气氛炒起来。”年初Mia接到的需求，大多没有指明招募人才数量的范围，“一是挖人确实难，二是企业不知道挖多少人。” 精打细算后，企业们逐渐发现，人海战术、跑马圈地的互联网打法并不适用于大模型。王慧文曾告诉36氪，他觉得搞大模型“人多了反而起负作用”，最小的建制只要30来人。今年7月，马斯克高调宣布入局大模型领域，新公司xAI只有12名成员。 △xAI的12名成员。图源：xAI官网人海战术的反例是Meta——即便拥有Llama和OPT两支明星大模型团队，但由于算力资源分配的不平衡，目前超半数Llama作者选择了离职。在资源紧俏的大模型领域，缩减人员规模既能如马斯克所说“提高人均可支配资源数量”，也能提高管理效率。王小川在媒体访谈中提到，管理过3000人的搜狗后，发现现在百川只有100、300人，非常容易把效率提上去。更何况，大模型的研究是亟需才能和悟性的领域，人海战术收效甚微。 “一个聪明的大脑胜过万马千军。”智子引擎CEO高一钊告诉36氪，他们团队自研的多模态元乘象ChatImg 2.0，核心算法编写只用了不到5人。当大模型人才的供需趋向平衡，企业对AI人才的急切之心，也迅速恢复平静。 “企业基本只要招一个厉害的CTO，或者个位数的技术带头人。”Mia近期接到的招人需求数量骤减。顶级人才的流动，在上半年的“热战”中基本已成定局，而模型团队中剩余的工程师，Mia发现只要用三四十万的年薪，并不难从国内外大厂或者高校计算机专业中挖到。企业们对AI人才扩张的谨慎，更源于在视觉识别（简称CV）领域发生的那场人才扩张泡沫。 2018年，CV的风口吹起了AI四小龙。当时，估值飙升至60亿美元的高汤，一年内融了20多亿美元。最后大部分融资都去了哪？答案是挖人。当时，即便是CV方向出身的应届毕业生，不少人年薪也能拿到60万元。 △商汤，图源：IC photo 但很快，不少公司发现，CV没有太高的技术壁垒。AI企业To B、To G的业务，很快就被上游的云厂商蚕食。这几年四小龙的难处有目共睹，最早上市的商汤，在2022年每赚一块钱，就要净亏2块。企业不得不让科学家背上营收指标。2020年以来，海浪能明显感到风向的变化，高校出身的教授变得不那么受欢迎，“大家更需要带过团队、做过产品的人”。一家想要智能化转型的物流企业说得更直接：“我们的钱是一个盒子一个盒子搬出来的，不是发论文发出来的。” 迫于营收压力，不少去大厂研究院的大牛，又回到了高校。海浪发现，此前帮大厂挖角的北美高校出身的华人科学家，重新开始以教授的身份发论文。几乎所有企业都不希望人才泡沫再次产生。 Llama发布前，由于大模型是个高壁垒的新技术，企业给人才定的绩效并不具体，比如“年末前超越GPT-3.5，未来1-2年超越GPT-4”。但Llama把进度条快速拉到做应用的阶段，人才们的绩效，迅速指向了商业化。赚钱成了首要指标。Mia下半年接到来自企业的不少需求，从挖人，变成了帮人才做项目管理。一名硅谷出身的研究员对Mia诉苦：“（企业）不是说好给足空间做研究吗？怎么又要背营收？”Mia脑子转得飞快：“企业方觉得您有能力。” 2023年末，是不少企业和投资人检验人才价值的关键点。 “投资人和创始人都需要先看看，到年底花钱找来的人，能跑出什么东西，再决定是否继续入场。”海浪说。从给title的爽快程度，他能感受到今年企业的谨慎：2018年，帮技术大牛谈个T10、P10以上的岗位并不难。但今年，P9的职级都需要垫脚伸手够一够。早上六七点起，游一小时的泳，紧接着去实验室工作到晚上9点，然后回去陪家人——这是在卡内基梅隆大学读博时蓝振忠的一天，“从不加班熬夜，也不把工作带回家”。但在这轮热潮中，蓝振忠破了戒。这位技术老手、创业新手最近主动约见了不少投资人，从头学习管理和战略：“在终场来临前，努力让自己不被市场淘汰。” （应采访者要求，文中海浪、Mia、Joshua为化名）来源：金色财经

金色财经2023-09-16

浪潮信息携手《中国金融电脑》，举办金融计算力发展趋势主题沙龙

曾参与了历次全球计算力指数评估报告、中国AI计算力发展评估报告等编写的浪潮信息算力基础设施领域研究专家宋丹峰从算力指数的评估方法、算力对经济社会发展的价值、计算的技术趋势变化等方面系统分析了全球及中国计算力发展趋势。结合2022年我国人工智能应用场景发展趋势，具体分析了人工智能与金融行业的融合态势。浪潮信息资深研究员、金融解决方案总监王雨田从金融数字化和智能化背景下的算力需求变化（从计算到智算）、算力基础设施建设（绿色低碳、高效敏捷、开放兼容）、主流计算架构、新一代算力部署平台（一云多芯、分层解耦、生态共建）、新一代金融数据中心规划建设等方面分享了对多元算力推动金融数智化进程的认识与思考。参与此次沙龙的金融嘉宾围绕金融行业算力评估、AI大模型对算力的需求、一云多芯部署、资源智能化调配、液冷机房建设等方面与浪潮信息的演讲嘉宾进行了深入交流。从当下金融数字化转型视角研讨《2022—2023全球计算力指数评估报告》，可以看到，算力建设正在为金融科技发展提供强大的智慧动能。

美通社2023-09-01

百度，商汤AI大模型获批上线！恒生科技指数ETF(513180)涨近1%

累计净流额达11.7亿。今日起，首批中国AI大模型正式上线向全社会开放，其中包括百度、商汤两大恒生科技成份股：1）百度文心一言率先向全社会全面开放。据了解，百度还将开放一批经过全新重构的AI原生应用，让广大用户充分体验生成式AI理解、生成、逻辑、记忆四大核心能力。2）商汤大模型应用“商量SenseChat”宣布，即日起全面向广大用户开放服务。人工智能浪潮下，在用户数量、用户数据和投入资金上占有绝对优势的互联网龙头们更容易推动AI技术的迭代，而AI大模型商业化落地也有望赋能互联网企业多项业务，或打开一波新的想象空间。恒生科技指数ETF（513180）标的指数成份股囊括了代表中国经济发展前景的互联网龙头公司，从指数当前估值水平来看，已处于历史相对低位，悲观预期已经充分反映，进一步下行空间有限，有望迎来新一轮反攻行情。风险提示：界面有连云呈现的所有信息仅作为参考，不构成投资建议，一切投资操作信息不能作为投资依据。投资有风险，入市需谨慎!

有连云2023-08-31

行业洞察 | AI在金融领域：技术引领未来的同时，面临人才和数据的双重挑战

场一冷一热所折射的，正是身处发展初期的中国AIGC产业，面对商业模式不清晰、技术层面的不足，大批国内创业者仍征途漫漫”，尽管人工智能已成为科技领域的投资热点，但国内市场对人工智能的态度似乎从近几个月中国初创企业的爆炸性增长的景象慢慢发生了改变，在算力发展受限等新的限制下，国内AIGC赛道的发展又将面临新的挑战。 AI创业者将在金融赛道中看到的，可能不仅是机会，其中也会看到行业中存在的特定门槛，以及一些面临的挑战。从年初到现在，非凡产研持续与AI赛道创业者及投资人保持深度交流和交易参与，并有幸采访到摸象科技、有连云、飞笛科技、熵简科技、深擎科技等在AI赛道中的优秀企业，探讨他们在金融行业中的经验和认知。本文将从AI与金融场景结合的角度，结合访谈内容，探讨AI赛道中金融领域的独特性，体系化地呈现这些公司如何利用AI在金融赛道实现价值。 02 AI+金融：特点 • AI与金融场景的结合，是金融科技的具象体现 • 关于AI与金融的结合，相关单位2019年发布的《关于金融科技（FinTech）发展规划（2019－2021年）》中描述，金融科技属于金融与科技的深度融合。深度研发信息技术、人工智能、大数据等科技，并创造性使用，金融科技将在金融市场优化、服务水平提升、服务领域拓宽，及风险防范中发挥关键角色。作为基于技术带来的金融创新，金融科技具有颠覆业务模式、业务、流程与产品的潜力。人工智能与机器学习过去主要服务于金融行业的信用评估和基础欺诈评分。新一代人工智能通过大型语言模型（LLM）处理非结构化数据能力和强大的算力，已为众多行业带来前所未有的赋能。一方面，金融行业、机构及公司拥有庞大的、覆盖多行业的历史数据，为训练行业模型提供了坚实的基础。然而另一方面，出于信息安全及合规的需要，金融行业往往更为谨慎。目前，在金融行业的数字化转型的进程中，人工智能充当着日益重要的角色。作为目前集合庞大、广度深、复杂度且增长快速的技术学科，人工智能与金融场景的融合，可以说是金融科技的最具象体现。金融科技中的人工智能是利用人工智能进行金融数据分析、客户服务、供应链管理、交易建议等诸多领域的应用（Editorial Team，2023）。据The Business（2023）统计，全球金融科技领域的人工智能市场规模从2022年的91.5亿美元增长到2023年的115.9亿美元，年复合增长率（CAGR）为26.8%，预计金融科技领域的人工智能市场规模将在2027年达到317.1亿美元，年复合增长率为28.6%。AI创业者将在金融赛道中看到的，可能不仅是机会，其中还包括行业中存在的特定门槛以、未来的挑战。 • AI与金融场景的结合，有它特定的门槛 • AI与金融场景的结合，有它特定的门槛，具体体现在人才、数据及技术壁垒、信息安全与合规等维度。 2.1 关于人才 AI与金融结合，不仅需要复合型人才，还对业务Knowhow有一定要求，以便更好地理解金融行业的逻辑和需求，这也是人才门槛的主要体现。在专业水平方面，AI与金融结合不仅要求AI具备足够的领域专业度，还要求人具备金融知识、金融工程、投资等方面的专业知识。从专业度角度，飞笛科技丘慧慧表示，金融价值一方面体现在其让实体经济获得资金的支持，让实体经济得到持续增长；另一方面让资金的持有方合理投放，保持资产增值。从专业性角度，金融行业是信息行业中专业度、场景密度及频次都最深的行业，金融本身不直接创造价值，但它会赋能实体经济，它本身的价值是资金使用效率提高赋能实体经济、让资产保持增值，因此对团队及人才的专业度有一定要求。从人才的复合角度，熵简科技费斌杰表示，AI在金融领域面临的核心挑战还是在人才端。这个行业需要更多的专业复合型人才，不仅对实战投研与数据科学知识的深度结合有较高要求，还要懂数据，比如具备调用模型、写Spark、Flink等技能。然而，这种级别的复合人才在市场上并不多。此外，相比人才的数量，质量可能更为重要，比如打造出优秀产品的OpenAI，其团队人数其实并不多，但每位成员都是超级复合型专家。这种顶级的跨领域深度复合人才，是推动企业乃至整个行业发展的关键，而这种顶级人才的竞争也是最激烈的。从专业与业务结合角度，有连云张岩阐述了AI技术应用与细分领域产品落地的关系。一方面金融领域对专业度要求较高，创业公司的团队构建往往需要懂金融且有技术开发背景的架构师等人才。另一方面，产品的落地需要技术与场景理解相结合，这要求团队能了解客户需求、并能够针对性地解决业务开展过程中的困难。其次，基于对业务的理解调整对应分工是充分发挥复合型人才的潜能的关键。 2.2 数据、技术壁垒&信息安全与合规数据壁垒方面，金融行业的数据质量要求非常高，数据的准确性直接影响到金融决策的结果。AI需要能够从大量的数据中提取出有价值的信息，同时还需要确保数据的准确性和完整性。其次，金融行业的数据涉及到用户的隐私，因此数据的安全和隐私保护至关重要。此外，AI应用过程中，数据获取与合规也是备受关注的问题，其要求AI需要在合规的前提下获取和处理数据，确保数据的合法使用。熵简科技创始人费斌杰以模型训练为例，表示每个行业的私域知识对于训练领域大模型是最重要且不可或缺的因素，也是垂直模型在特定领域领先于通用模型的原因。如GPT-3的训练主要是包含common crawl等在内的数据集，然而这些通过公开的网站、渠道获得的数据集却很难满足于构建一个专业的数据库的要求。此外，这些私域资料的质量也分层级，训练模型的对这些数据的筛选和加工也有很高的要求。 *common crawl：Common Crawl语料库包含通过12年的网络爬取收集的数千亿字节的数据。该语料库包含原始网页数据、元数据提取和文本提取。Common Crawl数据存储在Amazon Web Services的公共数据集以及全球多个学术云平台上。（OpenDataLab，2019，available from：https://opendatalab.com/Common_Crawl）技术壁垒方面，金融领域涉及大量的数据，包括股票市场数据、宏观经济数据、用户交易数据等。AI需要具备高效地处理和分析这些数据的能力。同时，基于大模型的技术底座，AI能更好理解金融领域的业务逻辑和数据结构，以便为金融机构提供准确、有效的解决方案。然而，金融场景下的AI模型需要在实际应用中不断进行优化和验证，这都需要专业的算法工程师和数据科学家去确保模型的稳定性和准确性。在信息安全与合规方面，飞笛科技丘慧慧从AI应用在内容科技业务的角度，阐述了信息准确度在传播过程中的重要性。金融领域具有其独特性，因其关乎国民财富的安全和收益，故而须受到严格的监管。在此背景下，容错率相对较低，这也意味着，如果机器或AI系统不能确保信息的准确性和来源的权威性，合规性将面临极大挑战。而在具体内容科技业务中，信息来自于对风险的识别和对机会的判断，包括对产业、公司的理解。在综合的传播环境下及传递的过程中，信息会发生发酵，产生共振，但同时，信息既可以引导价值和拉动需求，又可能被误解从而形成市场震荡。因此，信息、资金是影响、驱动整个金融市场的核心。且信息和资金流是互相影响的，专业性要求很高，每天瞬息万变，金融对信息的及时性要求非常高，也是它的一个门槛。深擎科技柴志伟表示，出于对金融行业独特性、数据安全及合规性的重视，中国的厂商在考虑海外大型模型在国内的应用时，表现得相对审慎。选择私有化部署的垂直领域模型，已经在AI模型层在金融领域发展成为一种趋势。金融机构对于通用大模型的运用，主要目标在于提升认知，然而，通用大模型的参数可能高达千亿级别，但垂直领域的模型参数可能仅需百亿。因此，私有化部署的要求仍然依赖垂直领域模型。在私有化部署方面，摸象科技高鹏表示，对于银行客户，出于隐私安全及数据监管的需求，一般行方会要求AI厂商提供私有化部署，即以私有云的方式替代公共云服务。这将对我工程产品开发带来较大的挑战。持续改进产品的性能，使其更容易运营和维护，从而降低私有化部署中的工程运维成本是AI厂商的工程团队所需要做的事情。有连云张岩介绍道，构建一个具备专业能力并符合低容错度要求的模型是富有挑战性的，它需要耗费大量的研发资源并进行反复的模型迭代和升级。金融领域的独特之处在于，金融领域对数据的时效性、准确性和稳定性要求很高，模型的数据时效性、准确性与稳定性对用户体验与客户黏性起着重要作用。对于数据安全及合规，熵简科技费斌杰表示，在金融领域，对人工智能模型的高度可靠性要求极为重要。AI模型在行业应用中的最后一公里正是其可靠性的问题。监管对于金融行业的厂商来说，并非一个需要战胜的挑战，而是一个引导性的框架、一个市场竞争的规则，以及一个行业的规定。为了符合监管要求并处理数据合规性，有许多可行的方法，例如发展开源模型将为整个行业带来福利，或者将模型部署在国家托管的监管云之上并为金融机构提供服务，此外，为金融机构在本地部署服务，也是值得考虑的一个方向。这些因素都有助于提高AI在金融行业应用中的可靠性。随着经网信办审议通过，并经相关部门同意于今年8月15日起施行的《生成式人工智能服务管理暂行办法》已将网络信息内容生产者的服务规范列入技术发展与治理要求当中，未来，对于AI的信息安全将会有更明确的框架规范与要求。总体来说，AI与金融结合的门槛主要体现在技术门槛、数据门槛、人才门槛和法规门槛等方面。只有克服这些门槛，才能充分发挥AI在金融领域的优势，为金融机构提供更加智能化的解决方案。 03 AI在金融场景中的角色探索 • 主流技术及应用 • 目前AI在金融领域底层技术主要以NLP（Natural Language Processing自然语言处理技术）、“大型语言模型”（LLM，Large Language Model）、数据挖掘、数据加工（非/半结构化）等。艾瑞咨询（2022）把AI+金融的分为前、中、后台，分别从智慧营销、信用评估到模型开发及大数据层面，从机器学习及智能语音等维度剖析AI在银行、保险、证券等领域的具体角色。 *LLM，Large Language Model一种通过分析亿级规模的语言数据或视觉素材，以进行知识提炼和模型学习的过程，最终构建出庞大参数量级的大型模型。在金融环境中，AI能够通过多种途径展现其效能。首先，在风险控制方面，AI可以对大量数据进行分析，协助金融机构进行风险评估并制定相应策略。例如，通过对客户的信用评分、交易记录、财务状况等信息的分析，AI可以为客户提供定制化的金融产品和服务。在投资研究方面，AI能够通过对历史数据的分析，为投资者提供行业和股票的预测和建议。此外，AI还能够在量化交易领域发挥作用，通过高频交易策略为投资者带来收益。更多的，在零售金融领域，AI可以用作智能客服，提供24小时在线咨询服务。通过自然语言处理和语音识别技术，AI能够理解客户的需求，提供准确的答案和解决方案。另一应用场景可拓展到营销业务，AI能够协助金融机构分析客户行为，为其提供定制化的营销策略。例如，通过分析客户的消费习惯和兴趣爱好，金融机构可以向客户推荐符合其需求的金融产品。 • 零售金融中的人工智能 • 零售金融作为银行的重要业务，与AI的结合将更有利于优化用户体验及提高效率。主要应用领域可覆盖信用评分与风险管理，欺诈检测与预防，个性化推荐与产品营销，智能客服与聊天机器人，聊天机器人营销，语音识别与虚拟助手，自动化与智能化运营，大数据分析等。摸象科技 2007年成立的摸象科技，在大数据领域持续耕耘，最初采用谷歌开源Bert模型，结合深度学习+领域知识库平台，进一步压缩模型结构、增加并发数，构建了金融行业垂直模型。目前，摸象与高校联合自主研发的垂直金融的语言大模型，模型规模已达7B，可进一步扩展。训练的数据集垂直于零售金融方向，涵盖了金融知识图谱、金融文本、金融对话等多种数据源。摸象科技已为国内数十家省分行及股份行提供AI+金融数字员工解决方案，AI员工“象小秘”垂直于150个业务类目的场景，并被应用于银行营销和运营场景中。区别于传统RPA为后端提供自动化解决日常重复性任务的数字员工，摸象科技重点在于赋能员工实现人机协同，提升工作效率。 *RPA机器人：Robotic process automation，又称“RPA机器人流程自动化”“机器人过程自动化(RPA)”“软件机器人”，使用智能自动化技术来执行人类工人的重复性办公室任务。摸象科技AI员工赋能，企业供图 • 内容科技中的人工智能 • 有连云有连云国内领先的金融AIGC服务提供商，针对金融市场的时效性，致力于帮客户解决以sales and marketing为主导的应用场景问题，并把商业模式立足于解决开源层面的痛点。其中，有连云服务的客户群体主要包括金融机构与上市公司。金融领域的痛点与一般场景不一样，对准确度要求较高，有连云AI模型可以有效降低人为错误。有连云场景及技术，企业供图深擎科技成立于2018年的深擎作为内容科技与智能营销服务商，运用人工智能、大数据及财经资讯运营能力赋能金融机构，提供从内容生产、加工、分发到触达运营全流程的解决方案。基于对金融业务场景的理解，持续性地为金融机构提供内容科技服务，通过个性化推荐、智能标签以及智能内容运营等产品和服务，帮助金融企业激活存量客户，提升用户体验，促进交易转化。公司创始人、CEO柴志伟介绍，针对券商及银行在吸纳新客户过程中面临的高昂成本和收益不稳定的问题，深擎的主要关注点在于提升用户活跃度和交易频次，从而保持用户粘性，而非单纯依赖于购买流量来实现用户增长。其中在财经内容生成和管理方面，深擎科技会把来自财经官媒、自媒体等渠道的资讯、视频进行聚合，再经AI和人工审核，每天20万篇新增内容进行AI审核（涉政涉敏，涉黄涉暴等），还包括金融行业的数据错误（如媒体记者在利润率、增长率等财务参数上的笔误）。柴志伟表示，金融行业受严格监管，对内容发布的要求非常高，并不是简单撤回就可以。具体案例可体现在某银行客群，通过深擎的内容赋能，在内容端UB提升95%，UV提升63%。 *UB（User Behavior）是指用户的行为改进，包括用户在平台上的互动、使用频率、停留时间等方面的改善；UV（User Visits）是指用户的访问量，表示访问平台或内容的用户数量。深擎科技解决方案矩阵，企业供图飞笛科技作为财经AIGC生成和分发平台，依赖基于全网财经信息的大数据引擎，飞笛将内容数字化+AIGC和AI投顾技术深度运用于赋能机构线上财富管理和买方服务中，强调以“买方”的视角设计数字化产品和服务，以帮助金融机构实现传统零售和经纪业务、财富管理业务的数字化转型，帮助用户获得更好的买方服务并实现可持续回报。对于金融行业在内容科技方面的痛点，飞笛科技丘慧慧表示，2016年后，金融机构曾经有一轮要做“垂直今日头条”的建设高潮，但金融机构本身没有那么多的数据，也没有足够量级的用户和足够量级的免费内容，很难依靠算法做到千人千面。其次，相比互联网平台容错率比较高的兴趣推荐，金融更偏向于是“价值推荐”，容错率低，彼时，基于专家系统的AIGC可以很好地解决该些难题，但并没有被充分运用起来，金融行业的那时候走的弯路现在仍在继续。现在新的一轮基于大模型的AI浪潮又来了，但是显然，上一轮没解决好的按“价值”逻辑进行生成和推荐的问题，大模型时代仍要率先面对并解决。飞笛将自身的竞争壁垒归纳为：基于全网海量信息大数据的实时“算力”，赋能金融机构内部场景下的数据治理、服务与内容生成、业务场景和用户个性化分发，以提升金融机构“运力”，提升机构运营的ROI和用户满意度。她特别强调，金融场景下，首先要解决AIGV，实时价值发现问题，其次才是AIGC，因为用户信息过载+金融信息高频的特点，通过外部信息数据能力的导入，为机构内部提升运营效率非常重要。数字化的运营决策力、内容生产力、按业务场景和用户的个性化分发力，都使得机构的整个运营过程变得更加敏锐且灵活。飞笛科技数据-内容-智能交互流程，企业供图 • 投研中的人工智能 • 熵简科技主要服务于基金/资管、证券公司等机构的熵简科技，依托大数据、云计算、AI等技术，为资管机构提供智能投研辅助决策的工具，并实现投研数字化。熵简科技费斌杰以石油行业研究为例，对特定领域进行了深入分析。在分析石油行业时，中高级分析师会审视一系列高频指标，供需因素、页岩油信用债扩张周期、政治因素、沙特和欧佩克的减产计划等，都是石油行业的关键分析框架。在此基础上，仅仅简单地询问GPT可能无法获取详尽的信息，这对于投资决策是远远不够的。投资决策需要基于市场信息作出买入卖出决策，这也是为什么要在细分领域寻求专业化的原因。熵简科技又以海上风电为例，在研究该行业，补贴退坡、并网情况等都是重要指标，而再往前又可再追溯到一系列前瞻性指标（装机情况、吊装情况、招投标、核准等）。在投研过程中，每一个环节都包含许多关键的高频指标，如何将这些数据和逻辑串联起来并形成一个能够投资的AI，是未来AI厂商可拓展和思考的方向，而这一领域的价值毋庸置疑。文构财经文构财经基于多年积累的数据的先发壁垒，其数据范围覆盖中国沪深、中国香港、美国、新加坡、英国等证券交易所，近20年的海量财经数据，清洗出共计近500G的中英文财经语料（目前数据状态为均已清洗、标定、学习后）。通过AI理解能力与应用场景的深度结合，文构财经为用户提供了基于财经文本的全新深度处理后的数据、指标、分析师报告，从而为学术研究、量化投资、经济监管等提供多方位支持。文构财经数据库，企业供图 -4 AI+金融：挑战与展望 • 关于挑战 • 未来，随着AI技术在金融领域的更深入发展，更加迫切地需要人才端与业务端的深度结合，以应对日益增长的合规要求。这种深度结合不仅涉及了专业技术的应用，还涉及了跨学科的整合，以及对市场的敏锐洞察。飞笛科技的丘慧慧表示，在未来的金融领域，人工智能预计将迎来更加广阔的发展空间。然而，这种发展也面临着一定的挑战。其中一个关键的挑战是金融机构自身的组织结构。金融机构能否以用户为中心进行组织架构的调整，是决定企业能否成功进行结构转型的关键因素，而跨界人才的挑战是企业所面临的重要挑战。有连云认为，金融领域，对于不同业务场景的理解需要长期积累经验。金融业务有复杂性和专业度，不是简单能驾驭。有连云系统能够实现高效的AIGC生成，这是通用大模型难以完成的任务，而打造具有较高黏性的产品，需要有足够的业务Know-how，并懂得如何进一步优化客户的使用体验。深擎科技表示，AI在金融领域的挑战主要在于B2B领域的商业化实施过程，金融行业分支机构和总部的数字化协作难以有效打通这个矛盾。作为一家创业公司，面临着与客户个性化、定制化需求及标准化产品之间的冲突。深擎科技柴志伟认为，还是要在产品理解上超越客户，充分把握客户的需求和特性，以便为客户打造价值产品。此外，公司还需要积累大量的行业案例和实践经验，以更好地指导和支持客户需求和发展。轻咨询是一种值得采用的服务模式，它可以通过团队在早期与客户的沟通和交流，影响客户的规划和预期，帮助客户将想法收敛到一个可以标准化实施的解决方案，从而实现客户需求的合理满足，以及双方共赢的局面。在人才与技术挑战方面，熵简科技费斌杰认为，AI科技的发展，其核心仍是技术层面的探讨。技术问题并非一蹴而就，它需要深厚的专业积累。倘若把AI视作一个黑盒，训练的关键在于持续优化这个建模过程，如果技术人员未曾尝试过此类操作，那么相关的经验积累无疑将是一片空白，即使能了解大致的操作流程，但要想深入理解这类技术性的经验，仅仅通过理论学习是不够的。这也是在第一线亲自操作和实践的重要性。例如，技术人员至少需要亲自调优过GPT模型。然而在全球范围内，这样经验丰富的专业人士实际上是稀缺的，不仅仅在国内，在海外也同样如此。 • 关于模型的迭代 • 从一个中立的角度对金融领域中各类模型进行比较，就现有技术而言，如GPT、BloombergGPT、FinBert等，各模型间存在着一定的差异。在实际金融领域的应用中，随着参数量及数据集、数据类型及权重、所应用的垂直任务不同，模型的效果也不同（Nan, etc., 2023; Markus, 2023）。对于模型的迭代，摸象科技表示，模型迭代需要新数据的加入及渐进式优化，其中数据也非越多越好，数据的来源选择很重要，比如金融的模型，加入太多物理学权重的数据可能会出问题。此外，协调数据处理、筛选将是模型训练中比较重要的工作。熵简科技表示，公司在2020年成功研发了FinBert模型，FinBert模型继承了Bert的设计理念，两者都基于先进的Transformer架构，而FinBert在金融投资研究领域中也成为了一项预训练模型，也帮助熵简服务于金融、资产管理和投资银行等机构。在GPT面世后，熵简更是基于GPT做上游，进行Fine-Tuning，并附加Promt工程。而对于模型的升级，其中的研发工作需关注细节以及结合学术研究成果，并转化出相关的工程代码，再在业界实践中迭代反馈，从而实现学术思路的工程化，比如通过LoRA，用更少数据训练模型，通过调整细节实现性能提升。 *LoRA ：Low-Rank Adaptation, 低秩自适应，是一种基于低秩矩阵分解的个性化推荐算法，能够在推荐系统中应用于提供用户定制的推荐服务。其自适应的机制，可以根据不同用户和项目之间的关系调整模型的参数。 • AI技术的拥抱现状 • 总体而言，AI在金融领域应用广泛，但挑战在于对先进技术的实际应用，以及监管适应性。金融机构对AI有一定认知，随着AI场景的深度和广度的逐渐提高，监管环境对新技术的重视将越发提高。对于新技术，金融行业、赛道中的金融厂商整体偏向开放且积极拥抱的态度。对于AI技术，各厂商在表示积极拥抱的同时，也对目前金融机构对AI技术的态度提出了看法。其中，有连云表示，AI及AIGC已成功地推进了本行业，挑战在于如何将先进的技术成功应用到实际情况中。这一全新的发展阶段的到来并不遥远，当前正处于一个充满活力的时期。各行各业需要调整自身来适应这样的变化。以ChatGPT为例，它在某些通用场景中可以帮助用户提高工作效率，金融领域和通用领域在文本、图片和视频等方面有共通之处，并已取得了持续的应用成果。同时，当前的监管环境对于新技术的接受度相对较宽松，整个进程在稳步推进。熵简科技表示金融机构处于观望态度，关键原因在于数据安全问题。金融数据在国家安全方面也占据重要地位，因此直接使用 ChatGPT 模型可能并不合适。因此，未来的趋势会偏向于私有化模型部署。深擎科技柴志伟表示，目前这波AI浪潮中，AI从1.0（2016年，小模型、垂直AI领域）到现在2.0（通用大模型，强AI）时代，技术发生了比较大的冲击和转变，金融领域表现得比较务实。目前的金融机构已对新的AI技术有一定认知，但场景还有待做大做深，基于国内对金融服务的潜在庞大需求，AI在金融领域的发展仍有很大的空间。 • AI+金融的展望 • 未来，AI厂商将有机会依赖共性技术应用到更多的垂直业务场景，使AI技术在金融行业得到更长远的发展。有连云从金融业务角度出发，表示依托于技术共性，未来AI的应用将打开更多垂直业务场景。依托于需求的共性，有连云将加大研发投入，通过产品力提升用户体验，从而增强用户黏性。飞笛科技认为，未来AI厂商的战略壁垒在于不断发展数据化，加强内容与金融场景、用户广度、深度及密度的有机组合，实现在各个场景中应用的落地。摸象科技从银行业角度出发，表示基于中国银行业庞大的业务体量及增速，未来AI在金融市场应用的前景将越发广阔，而摸象也计划将数字员工拓展至银行各个层级的员工，以扩大市场规模。同时考虑到金融行业的广度和深度，AI在垂类市场将会有巨大的发展空间。深擎科技从金融从业人士角度出发，以销售为例，认为在AI的赋能下，未来线上销售行为将会被数字化，而其中头部销售的能力、经验等稀缺能力将会被沉淀、分析及模块化（话术、策略），从而帮助初级销售提高能力，此方式在国外已经逐渐得到发展，在国内券商、银行大量的客户经理将有机会被服务及赋能，以帮助更广的潜在客群。熵简科技从AI模型的角度，表示AI已经不再仅仅作为辅助工具，而是在多个领域发挥着日益显著的影响。开源必将成为AI在金融领域发展的未来趋势。目前，开源与闭源模型在这一领域各自拥有显著的黑洞效应，这两个领域有可能分别诞生类似谷歌和苹果的头部企业，形成双重队列格局。目前，已有多家公司在开源大模型领域争夺领导地位，如Facebook的LLaMA等模型，性能方面不断提升。然而，何时能够追赶GPT-4的表现仍有待观察。 *LLaMA（Large Language Model Meta AI，大语言模型元AI）,是Meta AI公司于2023年2月发布的大型语言模型。它训练了各种模型，这些模型的参数从70亿到650亿不等（维基百科，2023）。总结在如今热闹非凡的国内人工智能热潮中，各个细分行业的AI厂商迎来了较大的机会。人工智能技术在金融领域已经展现出了深厚的应用前景，覆盖了智能客服、内容科技、投资决策等诸多领域，这无疑凸显了AI技术的无穷潜力。随着AI技术在金融领域作用的日益凸显，随之而来的挑战也日益突出。数据安全问题将会是一个不容忽视的议题，由于金融行业的专业知识壁垒，对于数据的深度挖掘和应用人才的需求也随之增加。 AI创业者将在金融赛道中看到的，不仅有机会，也有必须跨越及克服的特定门槛，只有克服这些门槛，配合底层技术的优化迭代，加之与业务场景的深度结合，才能充分发挥AI在金融领域的优势，为金融机构提供更加智能化的解决方案。参考文献 [1] Epam (2023) AI for Fintech. Be the One to Change the Industry [Online], Available from: https://anywhere.epam.com/business/artificial-intelligence-in-fintech [Assessed July, 2023]. [2] Nan, H., Peng, L. and Xu, Y. (2023) Whetting All Your Appetites for Financial Tasks with One Meal from GPT: A Comparison of GPT, FinBERT, and Dictionaries in Evaluating Sentiment Analysis [Online], Available from SSRN: https://ssrn.com/abstract=4426455 [Assessed July, 2023]. [3] insider intelligence (2023) Artificial Intelligence in Financial Services: Applications and benefits of AI in finance [Online], Available from: https://www.insiderintelligence.com/insights/ai-in-finance/ [Assessed July, 2023]. [4] Markus, L. (2023) 'Sentiment spin: Attacking financial sentiment with GPT-3',Finance Research Letters, volume 55/part B. [5] The Business (2023) Global AI in Fintech Market Report 2023: Forecast Market Size, Growth Rate and Key Drivers [Online], Available from: https://www.thebusinessresearchcompany.com/press-release/ai-in-fintech-market-2023 [Assessed July, 2023]. [6] Xianzhi, L., Xiaodan, Z., Zhiqiang, M., Xiaomo, L. and Sameena, S. (2023) 'Are ChatGPT and GPT-4 General-Purpose Solvers for Financial Text Analytics? An Examination on Several Typical Tasks', Department of Electrical and Computer Engineering & Ingenuity Labs Research Institute Queen's University & J.P. Morgan AI Research. [7]. 艾瑞咨询 (2023) 中国AI+金融行业发展研究报告. 风险提示：界面有连云呈现的所有信息仅作为参考，不构成投资建议，一切投资操作信息不能作为投资依据。投资有风险，入市需谨慎!

有连云2023-08-02

24小时热点