网络安全检测|网络安全服务|网络安全扫描-香港墨客投资移动版

　　2022年11月，OpenAI推出ChatGPT3.5，其热度以迅雷不及掩耳之势席卷全球，因为大量级参数给模型带来了“涌现”的能力，并在业界所有公开测试结果里展现出传统AI模型无法比拟的精度。大模型证明了自身“划时代”的能力，并颠覆了所有的行业的技术变革和创新路径，成为了新一代生产力，并由此展开一系列围绕大模型的生态建设，包括算力基础设施、预训练大模型、行业应用，并出现微调+提示工程的新范式，其盛况亘古未见。那么对于金融业而言，大模型发展路径又如何呢？

　　(一)金融基础大模型，打造“通才能力”

　　建设金融基础大模型基座，然后企业可基于之上开发契合企业的各类型应用场景。如图1所示：

图1：金融大模型基座

　　与传统AI技术相比，提供金融大模型基座有如下好处：

　　1.AI能力统一构建

　　以往，基本上每项下游任务都需要分别建立AI模型，模型之间可复用性和迁移性非常差，从而导致运营维护成本高。大模型则能够下游需要的各类能力进行统一和聚合，包括信息提取、文稿写作、智能问答、多模态生成、分类预测等，管理难度极大地下降。

　　2.场景快速拓展

　　基于金融大模型基座，业务场景根据其应用目标和流程拆解后，可以基于一个大模型的下游任务能力快速适配，从而提升了场景开发的效率。

　　3.业务运营高效

　　大模型带来“Fine-Tuning+Prompt”的新范式，通过提示工程，就可以“激发”大模型能力，从而让其适配下游任务。此过程中，无需改变模型参数，也无需写代码，具备一定的业务知识和方法论即可，这在以往也是无法想象的。

　　(二)场景应用大模型，打造“专才能力”

　　利用垂域数据为金融领域构建应用，以场景应用为突破口在细分领域加强化自己的“护城河”。其总体趋势为从“感知智能”跨越到“认知智能”：

图2：金融大模型：感知智能到认知智能

　　当前已经处于大模型主导的认知智能阶段，其重点任务包括对非结构化文档进行原子化拆解和抽取、智能问答与多轮对话推理、机器阅读总结摘要、文档生成、文档核查等。那么如果聚焦到证券行业会有怎样的应用趋势呢？

图3：垂域金融大模型应用-证券行业应用趋势

　　如图3所示，其实金融大模型在证券行业的应用发展趋势可以分成2个阶段来看：弱监管和强监管。当然这两者只是相对而言，实际上都要受到证监会、交易所等相关监管机构的监督和管理。

　　大模型在证券业的落地应用首先发生在弱监管领域，包括研报检索、研报观点聚合、研报知识问答、投行政策库查询、投行底稿知识问答、智能客服、代码生成、资讯生成等。为何大模型会首先应用在这个领域呢？因为大模型本身会有“幻觉问题”，且即使在这里领域大模型“犯错”了，其受到的“惩罚结果”相对比较轻，而人工控制力度也相对充足。

　　在强监管域，行业还是保持相对谨慎的态度，处于试错求证的阶段居多，但也是未来不可逆转的落地趋势，因为此领域恰恰是证券公司的主营业务，基于大模型来降本增效是永恒主题。其应用可包括投行文档智能抽取、智能生成、智能核查等。

　　四、落地金融大模型的研究

　　落地金融大模型的研究，其实涉及到大模型选择、算力配置、下游任务设计等各个方面。广发证券应用金融大模型，研究投行文档智能一体化处理方案。具体思路如下：

图4：投行文档智能一体化处理方案