9月11日消息,《每日经济新闻》称,2023年,金融行业数字化转型不断深化,云架构成为金融行业首选,智能应用开始释放无限潜能。围绕“国产软件”“智能化”和“云原生”等关键词,大模型在金融领域的落地和应用持续深入。同时,在技术架构上,云原生分布式架构在金融机构中的落地越来越广泛。

　　据此,面对金融机构面对大模型的态度如何?怎么搭建大模型?在金融机构智能化转型过程中,不同规模、不同类型金融机构的转型速度是不是存在差异?等问题,《每日经济新闻》(以下简称NBD)记者对腾讯云副总裁胡利明进行了专访。

　　胡利明认为,不同类型的金融机构面对大模型在大方向上是有共识的,不论短期还是长期来看,一定要积极拥抱基于大模型的金融领域的应用,否则一定会被淘汰。

　　此外,胡利明还认为,对于像投研、投顾等应用场景,要体现出大模型对效率的更大提升,需要和金融行业更深入的、高质量的数据相结合。

　　图注:腾讯云副总裁胡利明

　　(图源腾讯金融云视频号截图)

　　以下为专访内容:

　　NBD:在金融机构智能化转型过程中,不同规模、不同类型金融机构的转型速度是不是存在差异?

　　胡利明:目前接触下来,不同类型的金融机构面对大模型在大方向上是有共识的,不论短期还是长期来看,一定要积极拥抱基于大模型的金融领域的应用,否则一定会被淘汰。因为你的经营效率、服务效率、服务质量一定比不上大模型用得好的机构。

　　头部金融机构会非常积极地投资和尝试大模型,包括底层的算力、大模型本身多路径的尝试等,比如自己开源做一个场景,和有大模型的互联网厂家合作做一些场景,并行探索,积极投入。头部的保险、券商、银行以及比较大一点的股份制机构,基本上处于积极投资和尝试状态。

　　腰部和尾部金融机构则是另外一种状态。部分腰部的金融机构可能比较积极地去和有大模型的厂家合作试点一两个场景,用较少的资源去做,先去蹚出一条路,锻炼队伍,把know-how(专业知识)慢慢建立起来,找到一两个精准的场景试试能不能出现效果。

　　更多的腰部金融机构和尾部金融机构主要就是观望和跟随,看看其他机构做得怎么样,有哪些场景有效果跑起来,而不是急于做投资。

　　除了机构规模外,倒没有太分行业。其实在大模型领域,现在更多是从投资意愿的角度来划分,无论在国内的传统企业也好,金融行业也好,在业务场景中的使用其实都还在一个摸索阶段。对于像投研、投顾包括很多其他场景,要体现出大模型对效率的更大提升,需要和行业更深入的、高质量的数据相结合。

　　NBD:造成这种差异的原因是什么?

　　胡利明:相较于以前的非大模型时代,和那种定制化模型相比,大模型的强项在于它的理解能力和生成的能力。

　　在产生效果方面,需要时间去深度训练和调优,我觉得初期能够产生效果的场景,可能在采访助手或者客服助手这些领域会更明显一点,它对生成结果的使用价值更明确。在其他领域,大模型的可解释性以及对以前效果的对比不太好量化。

　　另外,大模型对数据本身的来源和质量要求也比较高,这个方向本身也是难点,就像投研投顾,大家的数据比较同质化,以前应用的数据源也比较类似,很难找到一些独特的数据源可以很快体现效果的增值。

　　我觉得国内对大模型的应用非常热门,但是出效果还是要一步一步来,不能急于一时,包括国内的大模型有不少是基于开源去做的,像腾讯混元大模型是从零开始构建,其实这个过程相对来说会比较漫长。

　　NBD:一般来说,金融大模型的搭建会从部分业务和场景进行,还是以全量业务为基础进行搭建?

　　胡利明:现在金融机构试点做大模型,基本上会采取分层模式。因为现在规划智能化的能力,金融机构有机会从零开始做规划,会比较科学化地考虑,不会再“烟囱化”搭建,比如针对CV(计算机视觉)的场景建一个大模型平台,针对风控场景又从零开始建。

　　从底下GPU(图形处理单元)算力的物理集群,到资源管理、机器学习平台,再到部署行业大模型或者开源模型,到行业的应用,是分层面去构建的。不过,各机构试点的时候,试点的范围、选择的类型会有所不同,比如券商可能选投研投顾,银行可能选客服助手、风控等去分层,分层模式相对来说每一层有更灵活的组合和选择,给后面的探索留下了很多可能性和可创性。

　　NBD:这种大模型的搭建对于金融行业来说,是不是一种革命性的变革呢?

　　胡利明:对金融行业来说肯定是革命性的变革。以前的模型基本上都是非常专有的、很细分的模型,不像大模型有一个通用的智能,在此基础上再叠加智能的能力。

　　简单来说,以前的智能是解决一个专项的小问题,现在基于通用的智能上面去叠加客服、叠加CV、叠加金融研究等不同场景,通过生成式的方式可以做得更好,效率更高,对客户来说体验更好,而且有机会往更通用性的人工智能方向演进,这些都是以前专有的小的场景智能、小的专用模型所不能比拟的。

　　NBD:不同类型金融机构在数字化和智能化过程中所面临的痛点和难点有哪些?

　　胡利明:不同类型金融机构在数字化转型过程中的痛点和难点是比较类似的。

　　从宏观层面来讲,主要是战略目标、战略路径、组织架构以及人才的匹配,这是老生常谈的问题,它希望通过转型达成什么样的业务目标,主要的实施路径要让数字化转型的阶段性成果逐步显现,避免持续投入但未看到明显效果,否则数字化转型在客户组织上可能就会有很多质疑的声音,这些路径的设计是很讲究的。

　　对于内部组织架构,包括人才的匹配也是必须的,仅仅有战略没有对应匹配的科技人才去实施,科技和业务配合的阵形没有合理设计好,也会使得数字化能力的落地、在业务当中产生的效果大打折扣。

　　从具体落地层面来讲,第一,是数字化的基础设施的落地,这里面我们提到的分布式云架构,国产化的技术栈已经成为必然的趋势;第二,是基于大数据和人工智能的数字化的运营体系。在这个方向上,很多金融机构不具备能力,头部机构相对来说走得靠前一点,对于集中性的大数据的中台,人工智能的中台有一个整体性的规划,然后在上面不断叠加应用,头部机构已经走向了一个比较深度的应用阶段。但是,大部分中小机构在数字化和智能化领域的应用是比较零散的单点采购,没有系统性的规划,所以导致在数字化的运营、金融服务的体验等方面,和大机构差距是比较大的。

　　NBD:面对这些痛点,你们是怎么帮助金融机构来加以解决?

　　胡利明:围绕这些痛点,我们推出的数字化解决方案叫未来金融,就是叫新基建,新连接,新服务。

　　新基建就是解决金融机构的云基础设施,包括数据库、大数据平台,AI平台科技底座的革新。

　　新服务主要是通过人工智能和数据智能的应用,以及音视频多媒体能力去重塑金融的服务。

　　新连接其实是通过我们社交网络的平台,智能营销的能力以及私有化运营的工具平台和经验体系,去帮助金融机构构建线上数字化的新连接,助力它的运营。