【AIGC】大模型在金融行业的应用场景和落地路径

这是最好的时代，也是最坏的时代。尽管大模型技术在金融范畴具有巨大的应用潜力，但其应用也面临不容忽视的风险和挑战。本文将深入研究大模型在金融范畴的数据隐私和安全风险、模型可解释性和透明度、监管和合
规要求，梳理中国、美国、欧洲等地 AIGC 技术的应用规则，探索对应的风险管理和应对策略。
01 大模型在金融范畴的 5 个典型应用场景
当前，金融科技已经从“立柱架梁”迈入了“积厚成势”新阶段，越来越多的金融机构积极使用数字技术来为金融血脉注入全新能量。人工智能技术正加速与金融产业深度融合，以
ChatGPT 为代表的大模型技术不断进化，为金融业带来深刻变革，驱动金融服务更加高效、便捷、有温度。
ChatGPT 拥有一连的多轮对话本领，并具备肯定逻辑推理本领，在生成文章、生成代码、翻译等方面显现出令人惊叹的水平。ChatGPT
的问世，意味着人工智能从 1.0 时代迈入了 2.0 时代。ChatGPT 背后的 GPT 大模型技术是下一代 AI
技术竞争的焦点，将重新界说包罗金融在内的浩繁行业，重塑环球科技竞争格局。
金融行业属于信息密集型行业，是大模型技术的最佳应用场景之一。未来，具有通用本领的大模型将成为信息处置处罚的基础设施，大幅降低中小银行应用人工智能技术的门槛。由于在数字资源、科技本领、业务场景等方面的天然劣势，中小银行与大银行相比，在数字化转型方面相对落后，且差距越拉越大，“智能化鸿沟”也越来越显着。在大模型时代，各类银行重新站在同一条起跑线上，都可以便捷地使用
AI 技术，插上一双数智化“翅膀”，曾经再“阳春白雪”的复杂数据，也能飞入“寻常人家”。
假如将大模型的本领放在金融行业中行止置处罚原有的任务，会对许多工作产生颠覆性的影响。相比现有的 AI 技术，大模型技术在浩繁金融场景具有广泛的应用潜力和影响力。
金融风险管理。大模型技术可以用于构建更准确、更全面的风险模型， 资助金融机构评估和管理市场风险、光荣风险、操纵风险等，提供更
准确的风险推测和决议支持，有助于金融机构订定有用的风险管理 策略。
量化交易。大模型技术可以应用于量化交易策略的开发和实验。通过 分析海量的金融数据和市场信息，识别出潜在的交易机会和趋势，自
动实验交易策略并进行及时调整。这有助于提高交易效率，降低交易 本钱，提拔交易的稳定性，以及增加收益。
个性化投资发起。大模型技术可以根据个体投资者的偏好和风险承受 本领，生成个性化的投资发起和组合配置，辅助投资者做出更明智的 决议。
金融欺诈检测和预防。大模型技术可以应用于金融欺诈检测和预防。通太过析用户的交易数据、举动模式和汗青记录，识别出潜在的欺诈举动和异常交易，提高金融机构对欺诈风险的识别和应对本领，掩护
客户和金融系统的安全。
智能客户服务。大模型技术可以用于构建智能客户服务系统，通过提 供流畅的人机对话服务，提拔客户满意度和忠诚度。
02 大模型在金融范畴应用所面临的风险及其防范
自 2020 年 OpenAI 提出大语言模型的缩放法则（Scaling Law）以来，用
“鼎力大举出奇迹”的方式去做大模型仿佛成为“金科玉律”，“大炼丹”时代序幕 拉开，百亿、千亿参数规模的大模型触目皆是。量变引发质变，超大模型蕴
含着的涌现本领被发现，但在惊奇于这种神奇本领的同时，我们同样应该审
视其潜在风险。在斯坦福大学的学者们的眼里，大模型涌现的本领既是科学高兴的源泉，也是意外效果的忧虑之源。换言之，假如不能引导大模型“向
善”，那么它随时大概伤及人类本身，带来不可估量的效果。
金融行业是数据密集型行业，涉及海量的金融数据和复杂的金融业务。大模型对于提高金融业务的自动化和智能化水平、提高风险控制和决议效率
具有紧张意义，在生成书面陈诉、开展培训和投教、提拔客户陪伴质量等应用场景中潜力巨大。目前，国内外金融机构已经纷纷开始探索将 GPT 等大语
言模型应用在金融范畴的各个场景。

• 大模型应用在金融范畴的 5 个风险和挑战
  

尽管大模型技术在金融范畴有着广阔的应用远景，但其稳定性、可靠性 和安全性有待提拔，面临着不少风险和挑战。
第一，数据隐私和安全。金融数据包含敏感的个人和机构信息，而大模 型必要大量的数据进行练习和应用。因此，确保数据隐私和安全成为一个重
要的挑战。大模型十分依赖数据，然而许多数据质量不高、不完备，仍然需 要耗费大量人力和时间进行数据洗濯与预处置处罚。别的，模型大概会受到恶意
攻击，如对抗样本攻击、模型窜改等。这些攻击大概会导致模型输出错误的 效果，从而影响金融决议的准确性和可靠性。
第二，解释性和透明度。大模型每每是复杂的黑盒模型，其决议过程和效果难以解释与明确。金融行业是一个对于模型的可解释性和鲁棒性等要求非常高的行业。而大语言模型当下输出效果的可解释性目前是相对封闭、不透明的，同时，其稳定性也仍然受到数据、算法、练习等方面的干扰，体现出非鲁棒性的特征。
第三，数据偏见和倾向性。大模型的练习数据大概存在性别、种族等方面的偏见。假如这些偏见被应用到金融决议中，大概导致模型在决议和推测中产生不公平或歧视性的效果，进而误导用户，致使用户做出错误的决议。
第四，可信度与伦理问题。ChatGPT
等生成式大模型以问答形态存在于社会层面，但其复兴每每存在不可信或者无法判断其精确性的问题，偶尔看似回答流畅，但却在一本端庄地颠三倒四，偶尔甚至会对现有社会伦理产生冲击。具体而言，存在流传有害意识形态、流传偏见和仇恨、影响政治精确、破坏教育公平、影响国际社会公平、加剧机器取代人类的历程、形成信息茧
房阻碍精确代价观形成等问题。
第五，组织本领的挑战。金融行业可以通过应用大模型来替代人力去实验机器的重复性工作。但是，金融机构面临如何厘清人和机器之间的协同合作关系的问题：一方面，如何更好地为人赋能，提拔人使用
AI 工具的本领；另一方面，如何不断调整和优化人与数字员工的职能边界。

• 大模型时代的 AI 风险
  

应对大模型技术的风险和挑战，引导科技健康有序发展，必要当局、平台、学术界、行业和公众共同努力。通过完善法规、促进跨学科合作、提高透明度和增强隐私掩护、增强道德评估和促进公众参与等，推动人工智能健康发展。而金融机构更要注意风险管理的前瞻性，增强内外部情况剧烈变革
下的风险管理。
一是全面增强数据隐私和安全管理，如接纳加密、脱敏等技术本领，严 防客户和机构敏感信息泄漏。在数据收集过程中利用差分隐私等技术进行隐
私掩护；对于练习数据进行数据加密；在模型练习过程中使用安全多方计算、 同态加密及联邦学习等技术进行数据隐私和安全掩护；建立数据隐私评估和
掩护模型、机制，实施安全认证，而且掩护下游应用的隐私；严格遵守《中 华人民共和国个人信息掩护法》等相关法律法规，落实数据安全掩护责任。
二是增强模型的安全性，包罗进行对抗样本检测和提拔模型的鲁棒性，以应对大概的攻击和欺诈举动；让不同的模型适用于不同国家的法律条款，以及针对各种对抗攻击进行防御性练习。对于对用于大语言模型开发的数据
进行人工标注的，开发主体应当订定清楚、具体、可操纵的标注规则，对标注人员进行必要的培训，抽样核验标注内容的精确性。保障和规范 AI
的练习过程，及时发现问题，及时止损并调整模型参数。克制因源数据本身存在争议、泉源不可信或素材违法或侵权，而生成矫饰、歧视或不公平的效果。
三是建立监测和评估机制，定期评估大模型系统的性能、准确性和公平性，并及时发现与办理潜在的风险和问题。
四是提高算法的可解释性和透明度，使用可视化技术和交互式界面来展示算法的决议过程。建立审查和评估机制来消除算法黑盒问题，促进负责任的 AI
的开发、摆设和应用，提高生成式 AI 的安全性、可解释性和可问责性，以更好地预防风险。
大模型已来，要在不确定性中寻找确定性。正如加州大学伯克利分校教授 Jacob Steinhardt
所言：“机器学习的步伐太快了，模型的本领提拔每每比预期更快，但其安全属性的希望却比预期要慢，我们必要从现在开始构建未来十年的机器学习系统的发展图景，防范大模型时代的
AI 风险。同时，我们要认真思考 AI 与人类的关系，以实现人机合作和共生发展，而不是简单地用 AI 取代人类。”
03 AIGC 技术的科林格里奇困境
当我们惊奇于机器人越来越“聪明”之时，也不可忽视人工智能给人类社会带来的道德危急和合规风险。英国技术哲学家大卫·科林格里奇在《技
术的社会控制》（1980）一书中指出：一项技术假如因为担心不良效果而过早
实施控制，那么该技术很大概就难以发作；反之，假如控制过晚，已经成为整个经济和社会结构的一部门，就大概走向失控，再来办理不良问题就会变得昂贵、困难和耗时间，甚至难以或不能改变。这种技术控制的两难困境就是所谓的科林格里奇困境（Collingridge’s
Dilemma）。{资料泉源：方兴东，顾烨烨 . ChatGPT 的治理挑战与对策研究—智能流传的“科林格里奇困境”与 突破路径 [J].
传媒观察，2023（3）：25-35.}
以 ChatGPT 为代表的 AIGC 技术的治理问题，就是一个我们今天迫切必要办理的科林格里奇困境。ChatGPT 横空出世，旋即让生成式 AI
的应用规则订定和监管问题成为环球关注的焦点。美国联邦贸易委员会（FTC）主席称， 生成式 AI 将是“高度破坏性的”，FTC
将在该范畴进行严格执法。在数据隐私合规范畴，意大利数据掩护监管机构（GPDP）打响了国别监管的“第一 枪”—GPDP 于 2023 年 3 月 31
日宣布全面禁用 ChatGPT，并禁止 OpenAI 处置处罚意大利用户数据。
监管的连锁反应正在环球范围内发酵。2023 年以来，多国数据掩护监管 机构宣布对 ChatGPT 开展调查。4 月 3 日，德国表示也在考虑禁用
ChatGPT。法国、爱尔兰也纷纷接纳措施，包罗但不限于与意大利研讨执法相关事项， 西班牙则要求欧盟数据掩护委员会（EDPB）评估 ChatGPT
隐私相关问题。4 月 4 日，韩国个人信息掩护委员会委员长表示正在调查 ChatGPT 的韩国用户 数据泄漏情况。同日，加拿大宣布就数据安全问题调查
OpenAI。4 月 13 日， EDPB 决定启动 ChatGPT 特设工作组。
4 月 11 日，中国国家互联网信息办公室正式发布《生成式人工智能服务 管理办法（征求意见稿）》，这也是我国首次针对生成式 AI 产业发布规范性政 策。而
7 月，经修订的《生成式人工智能服务管理暂行办法》正式发布，并 于 8 月 15 日正式实施。
与其他新技术一样，AIGC
的发展也陪同着风险，短时间内就带来了矫饰新闻、数据安全、隐私风险、学术剽窃、算法安全等一系列问题。新机会，也是新挑战，当旧的治理范式落伍，治理进入深水区后，更加磨练监管的张弛之道。把握发展规律和节奏，环球各国必要协同订定相应的监管政策，带领
AIGC 走出科林格里奇困境。

• 负责任的 AI：欧美实践与启示
  

作为环球数字治理制度建立的风向标，欧美正试图在 AI 治理环球规则的 订定上把握主动权与主导权。比如，美国当局于 2022 年 10 月发布《人工智能
权利法案蓝图：让自动化系统为美国人民服务》，就应对大数据和人工智能技 术对于美国政治生态的负面影响，提出了人工智能技术应当遵循的五大原则：
● 建立安全且有用的系统原则（Safe and Effective Systems）；
● 克制大数据算法歧视原则（Algorithmic Discrimination Protections）；
● 掩护数据隐私原则（Data Privacy）；
● 通知息争释原则（Notice and Explanation）；
● 保留人工评估和选择原则（Human Alternatives, Consideration and Fallback）。
美国更加偏重于利用人工智能系统的发展在环球经济中保持竞争地 位，并满足国家安全需求。2023 年 5 月 16 日，OpenAI 创始人兼 CEO Sam
Altman 出席了美国国会召开的主题为“AI 监管：人工智能的规则”的听证会。他在听证会上提出了一个包含 3 个要点的操持：
1）成立一个新的当局机构，负责审批大型 AI 模型，并对不符合当局标 准的公司进行处置处罚，包罗吊销它们的 AI“执照”。
2）为 AI 模型创建一套安全尺度，用于评估其风险。AI 大模型必须通过 某些安全测试，比方它们是否可以或许“自我复制”或是“出逃（摆脱人类控制）”。
3）要求独立专家对模型在各个指标上的体现进行独立审核。
面对 AIGC
对现有监管体系的巨大冲击，欧洲在监管思绪上与美国有鲜明的差异。欧盟在数据掩护和隐私上较为保守，操持更新即将出台的全面人工智能法规—《人工智能法案》，对生成式
AI 生成图像和文本的智能模型订定限制性规则。同时，欧洲数据掩护委员会（EDPB）发出质疑，称 ChatGPT
作为贸易产物，利用网络信息自我迭代，应不属于公道使用范畴， 且接纳用户个人数据参与模型练习，不符合欧盟颁布的《通用数据掩护条例 （GDPR）》。
保守的监管模式虽然有用地办理了信息泄漏的问题，但也在很大水平上限制了 ChatGPT 的发展；“鼓励型监管”有利于 AI
技术的进一步研发，但是很大概存在监管力度小、效果不尽如人意的问题。由此可看出，生成式 AI 的监管困难并不在于“监管”，而在于如何让 AI
在有用监管下依然能迸发出创新活力。

• 中国的规则与治理策略思考
  

技术的进步每每是一把双刃剑，我们在看到 AIGC 对社会生产力带来的 巨大推动之外，也需未雨绸缪，充分关注其对社会的多元影响。通用大模型
存在鲁棒性不足、可解释性低、算法偏见等技术风险，以及大概存在数据滥 用、侵占个人隐私、偏见歧视、寡头垄断、监管失能等方面的经济、社会、
政治风险。中共中央政治局集会指出：“要重视通用人工智能发展，营造创新 生态，重视防范风险。”AIGC 环球治理秩序、规则与规范的建立还远远滞后，
因此，亟须从人工智能系统生命周期治理的角度，订定增强隐私掩护、信息 安全、可追溯和可问责的环球治理方案。{资料泉源：《AIGC
冲击下的国际技术政治变革》，叶淑兰，中国社会科学网。}
（1）鼓励创新发展，构建规范治理体系
在中国，2023 年 7 月 13 日中央 7 部委联合发布《生成式人工智能服务管理暂行办法》（简称《办法》），这是环球首部 AIGC
范畴的监管法规。除了这部专门的监管法规外，我国在科技发展、网络安全、个人信息掩护、互联网信息等多个方面已发布多项法律、行政法规等规范性文件，包罗《中华人民共和国个人信息掩护法》《中华人民共和国数据安全法》《互联网信息服务算法推荐管理规定》《新一代人工智能伦理规范》，构成了人工智能范畴多层级、多角度的规范治理体系。
《办法》统筹了生成式人工智能的发展与安全问题，为我国 AIGC 产业发展提供紧张遵循。起首，与 2023 年 4
月发布的征求意见稿相比，《办法》有较大的思绪调整，明确了提供和使用生成式人工智能服务的总体要求，内容涵盖技术发展与治理、服务规范、监视检查和法律责任等方面。
其次，《办法》与现有规范一脉相承，延续了此前的监管本领，提出国家坚持发展和安全并重、促进创新和依法治理相结合的原则，接纳有用措施鼓励生成式人工智能创新发展，对生成式人工智能服务实验包涵审慎和分类分级监管，反映了国家对生成式人工智能更加包涵的心态和鼓励发展的态度。
（2）有序开放数据，促进算力资源协同共享
人工智能必要 GPU 算力、网络及存储等硬件基础设施的全方位支撑。《办法》指出，鼓励生成式 AI
算法、框架、芯片及配套软件平台等基础技术的自主创新，鼓励平等互利开展国际交流与合作，参与生成式 AI 相关国际规则订定。
“大模型时代，得数据者得天下。”大模型练习对于练习数据的数量、质量、结构都有着非常高的要求，而目前产业界在进行模型练习时面临高质量练习数据资源稀缺的问题。练习数据成为影响大模型性能的紧张因素之一。《办法》提出：“促进算力资源协同共享，提拔算力资源利用效能。推动公共数据分类分级有序开放，扩展高质量的公共练习数据资源。”
目前，北京、深圳等地已出台不少关于公共数据开放利用的条例，这对于利用公共数据投喂人工智能、发挥数据红利迈出了紧张的探索步伐。不外，公共数据的开放范围、质量仍然存在较多阻力，未来需推动有序开放，亟待分类分级，探索更加契合公共数据代价利用的规律和规则。科技企业应重点关注《办法》中的内容审核任务、练习数据合规处置处罚任务、对用户的掩护及监视任务、存案任务。
（3）明确责任和任务，平衡创新与安全
生成式人工智能在社会变革中具有紧张作用，但它大概存在的数据违法
收集、知识产权侵权、生成矫饰信息等问题同样不容忽视。《办法》积极回应生成式人工智能带来的社会问题，明确提供和使用生成式人工智能服务的法律底线。它将生成式人工智能服务提供者明确纳入了网络平台责任的规制范围内。要求不得生成违法内容、防止歧视、恭敬知识产权和他人合法权益、
提高生成内容的准确性和可靠性。明确提供者的任务与责任、界定不同环节的要求更有利于降低生成式人工智能的安全风险，提高制度的可落地性。
生成式人工智能的监管是一个复杂的环球性问题，必要监管机构和企业共同努力，订定出更加科学、公道、可行的监管政策和规范。预计未来，中国生成式人工智能有望形成敏捷完善的监管模式，促进
AIGC 可一连创新发展。
1）建立健全敏捷监管机制。监管机构大概会出台更多的法规和规范，夸大在对 AI 应用进行分级分类的基础上，不断创新监管工具箱，接纳分散式、差异化监管，对
AIGC 的研发和应用进举措态敏捷监管，不断平衡创新和安全之间的关系。
2）企业将更加注意自我监管和合规意识。企业将更加重视 AIGC 的伦理和安全问题，订定详细的规章制度，对 AIGC
算法的设计、开发、测试、应用等环节进行全面监管，确保其符合相关法律法规和道德尺度。同时，企业将更加注意员工的教育和培训，以资助员工增强合规意识和提高技能水平，
准确明确并遵守相关规定。
3）形成多方参与的协同治理机制。在 AIGC
治理方面，当局、企业、学术界、社会组织及公众将更加积极地参与，建立多方参与的协同治理机制，订定更具共识的规则和准则，共同推动 AIGC 技术的发展和应用。
4）建立 AI 伦理风险管理机制。组建伦理委员会，构建 AI
伦理风险管理机制，包罗设立伦理委员会、订定清楚的伦理准则和政策，并确保其在技术的各个阶段（预设计、设计开发、摆设以及测试和评估）贯穿始终，以应对潜在的伦理风险，打造可信的
AIGC 应用生态。
04 金融机构使用 AIGC 技术的 4 条大概路径
金融行业具有信息、数据、知识密集型的特性，使 AIGC 天然可以在许多方面提拔金融服务的效率。ChatGPT
强盛的天然语言处置处罚和生成本领，为金融行业带来了更高效、更准确的信息处置处罚和决议分析本领，同时为金融机构提供了更好的客户服务和风险管理本领，它在金融范畴有着广泛的应用潜力，包罗客户服务和支持、财务咨询、欺诈检测和风险管理、自动化交易和投资以及光荣评估和贷款审批。

• 环球金融机构踊跃试水 AIGC
  

ChatGPT 的大火，让金融行业开始重新审视 AIGC
的代价所在。“当我们思考亲情时，却发现它是一种超越生物学的‘利他’举动。”这句颇具哲思的话来自招商银行光荣卡公众号利用 ChatGPT
撰写的营销文章，引发了金融机 构对 AIGC 的踊跃试水。{ 资料泉源：招商银行武汉分行，《 ChatGPT 首秀金融界，招行亲情光荣卡诠释“人生逆旅，
亲情无价”》。}
AI 已赋能海外金融机构的前中后台，为 AIGC 应用升级筑基。前台业务中，AIGC
已被海外金融机构应用于智能营销、智能客服、智能投顾等范畴，摩根大通、摩根士丹利、美国支付巨头 Stripe、高盛等都已纷纷入局 AIGC
；中后台业务中，当前海外金融机构重要基于自身主营业务必要布局 AI 应用。AIGC 一方面有望强化现有的 AI
应用，另一方面有望提拔公司的经营效率。此外，金融机构或也有望发挥专业细分范畴的上风打造金融类语言模型。
自 2023 年 2 月以来，江苏银行、招商银行光荣卡中心等机构陆续披露AIGC
在业务中的具体运用。此外，百信银行、中国邮储银行、泰康保险、广发证券、鹏华基金等机构也宣布接入号称中国版 ChatGPT
的百度“文心一言”。一些机构声称自己将集成“文心一言”的技术本领，推进智能对话技术 在金融场景的应用。

• 金融机构使用AIGC 大模型的难点
  

虽然机构对新技术普遍秉持积极态度，但在合规压力巨大的金融行业，是否能完全复制 AIGC 应用在其他范畴的效能，还有待商榷和验证。
起首，从组建 AIGC
模型到实际应用，大致必要以下几个步骤：数据采集和洗濯、模型练习、模型测试和评估、摆设和应用。目前，大模型并不完美，必要不断迭代和优化，才能取得更好的效果。相比力而言，金融范畴的
AIGC 应用大概会更加复杂，对数据质量的要求更高，对数据的安全性和合规性等要求更为严格，令不少机构望而却步。
大模型技术研发练习本钱仍较高，包罗算力斲丧、模型练习、练习语料与数据标注等，都是制约银行试水的因素。练习通用大模型是“烧钱”的游戏，从零开始练习一个大模型，所需的本钱和时间是大多数企业无法承受的。以
ChatGPT 为例，大模型练习一次的本钱为 200 万～1 200 万美元。AIGC
大模型研发必要深厚的人工智能技术沉淀、海量练习数据、一连优化的算法模型与完善的生态体系等，且这项新技术从研发到贸易化应用，需较长的时间与高额的资金投入。目前的大模型输出效果仍不敷可靠，存在事实性错误，
距离“可使用”还有肯定差距。

• 金融机构使用 AIGC 技术的 4 条大概路径
  

技术的发展通常是波浪式进步、螺旋式上升的，面临问题和挑战总是不可克制的。但是，AIGC
技术已是时代大势，大模型将对金融行业的智能化水平和数字化水平产生深刻影响。身处时代洪流，金融机构已大致勾勒出使用 AIGC 技术的 4
条大概路径，如下图所示。
图片
图 ：金融机构使用 AIGC 技术的 4 条大概路径
其一，基于大模型的通用本领，叠加金融客服范畴的数据和专业服务履历进行模型预练习。通过模型压缩、小样本练习等方式进一步降低应用本钱。对于大多数金融机构而言，自建大模型并不现实。调用通用大模型叠加金融客服范畴的数据，可以使模型更加符合金融行业的特点和要求，提高模型在金融范畴的顺应性和准确性。在数据合规层面，充分重视数据质量问题，从数字化改造的源头进行尺度化建立，对数据进行洗濯和筛选，设置严格的评估指标和方法。摆设模式以专用、自主可控的私有化摆设，满足数据保密性和数据所有权的要求。
比方，颠末垂直范畴定向练习后，客服机器人既能与用户进行多轮对话，让运营智能客服更简单，又能提出具体可行的办理方案，提拔复杂问题办理率、人机交互感知和意图明确水平，完成流程自主构建、知识生成等。
其二，在降本增效、场景变革和产物升级维度进行。AIGC
应用场景与产物类型不断丰富，率先从智能客服、智能营销场景切入，逐步拓展应用范围。比如在优化内容生产创意与效率层面，传统获客以互联网营销模式为主，结合
AIGC
技术在自动化生成营销物料的同时，实现千人千面的个性化营销。可探索在投研、研发编程、授信审核及流程管理等方面提高效率，镌汰基础人员投入。在通用基础本领中引入高级认知本领，整合碎片知识与多样化需求，形成创新的产物化模型与业务办理方案。
其三，数字人买通线上、线下服务场景。虚拟员工和真人员工相辅相成，数字人或将成为银行服务用户的新形态，革新传统银行的人机交互模式。在 AIGC
技术的驱动下，通过构建更风趣的 3D 数字空间、打造线上与线下更好玩的内容互动社区、营造更温暖的金融体验，为用户提供全新的沉浸式数字金融服务。
其四，订阅式付费定制模型。类似 SaaS 付费模式，金融机构选择采购软 件 /
办理方案，按照服务调用次数付费，按照内容生成数量付费。大模型服务提供商按需定制大模型本领，金融机构按需支付相应的服务费。金融机构的本钱压力将大幅减轻，支出和收入的比例将得到更好的控制和匹配。
未来，哪些金融机构大概会在 AIGC 的海潮中胜出？总的来说，拥有数据储备上风的金融机构，或者能构建差异化 AIGC
服务本领、流量场景丰富、已建立较为完善的 IT 系统和 AI 生态、叠加科技和金融专长的机构平台有望脱颖而出。
作者：林建明
泉源：IT阅读排行榜
本文摘编自《AIGC重塑金融：AI大模型驱动的金融变革与实践》，机器工业出书社出书
▼
延伸阅读
![在这里插入图片描述](https://img-
blog.csdnimg.cn/direct/d868f69879064a36a739d0a2feb334ba.png)
《AIGC重塑金融：AI大模型驱动的金融变革与实践》
林建明 著
阿里达摩院院长张建锋作序推荐
萨摩耶云科技集团董事长林建明撰写
金融业大模型实践指南
为金融业实现数字化和智能化加速
限时5折中
点此购买
今天只要你给我的文章点赞，我私藏的大模型学习资料一样免费共享给你们，来看看有哪些东西。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提拔的。
但是具体到个人，只能说是：
“开始把握AI的人，将会比力晚把握AI的人有竞争上风”。
我意识到有许多履历和知识值得分享给大家，也可以通过我们的本领和履历解答大家在人工智能学习中的许多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识流传途径有限，许多互联网行业朋友无法获得精确的资料得到学习提拔，故此将并将紧张的AI大模型资料包罗AI大模型入门学习头脑导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
这份完备版的大模型 AI 学习资料已经上传CSDN，朋友们假如必要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，把握人工智能的焦点技能！

二、640套AI大模型陈诉合集

这套包含640份陈诉的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套陈诉合集都将为您提供名贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技范畴的一大热门。这些大型预练习模型，如GPT-3、BERT、XLNet等，以其强盛的语言明确和生成本领，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型贸易化落地方案

作为寻常人，入局大模型时代必要一连学习和实践，不断提高自己的技能和认知水平，同时也必要有责任感和伦理意识，为人工智能的健康发展贡献力气。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的明确超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
  
• 大模型是怎样获得「智能」的？
  
• 用好 AI 的焦点心法
  
• 大模型应用业务架构
  
• 大模型应用技术架构
  
• 代码示例：向 GPT-3.5 灌入新知识
  
• 提示工程的意义和焦点思想
  
• Prompt 典型构成
  
• 指令调优方法论
  
• 头脑链和头脑树
  
• Prompt 攻击和防范
  
• …
  

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的本领。快速开发一个完备的基于 agent 对话机器人。把握功能最强的大模型开发框架，捉住最新的技术希望，得当 Python 和 JavaScript 步伐员。

• 为什么要做 RAG
  
• 搭建一个简单的 ChatPDF
  
• 检索的基础概念
  
• 什么是向量表示（Embeddings）
  
• 向量数据库与向量检索
  
• 基于向量检索的 RAG
  
• 搭建 RAG 系统的扩展知识
  
• 混合检索与 RAG-Fusion 简介
  
• 向量模型本地摆设
  
• …
  

第三阶段（30天）：模型练习

恭喜你，假如学到这里，你根本可以找到一份大模型 AI相关的工作，自己也能练习 GPT 了！通过微调，练习自己的垂直大模型，能独立练习开源多模态大模型，把握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
  
• 什么是模型
  
• 什么是模型练习
  
• 求解器 & 损失函数简介
  
• 小实验2：手写一个简单的神经网络并练习它
  
• 什么是练习/预练习/微调/轻量化微调
  
• Transformer结构简介
  
• 轻量化微调
  
• 实验数据集的构建
  
• …
  

第四阶段（20天）：贸易闭环

对环球大模型从性能、吞吐量、本钱等方面有肯定的认知，可以在云端和本地等多种情况下摆设大模型，找到得当自己的项目/创业方向，做一名被 AI 武装的产物司理。

• 硬件选型
  
• 带你相识环球大模型
  
• 使用国产大模型服务
  
• 搭建 OpenAI 署理
  
• 热身：基于阿里云 PAI 摆设 Stable Diffusion
  
• 在本地计算机运行大模型
  
• 大模型的私有化摆设
  
• 基于 vLLM 摆设大模型
  
• 案例：如何优雅地在阿里云私有摆设开源大模型
  
• 摆设一套开源 LLM 项目
  
• 内容安全
  
• 互联网信息服务算法存案
  
• …
  

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越良好的自己。
假如你能在15天内完成所有的任务，那你堪称天才。然而，假如你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的精确特征了。
这份完备版的大模型 AI 学习资料已经上传CSDN，朋友们假如必要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。