中国基金报记者 郭玟君
当前，人工智能（AI）和大语言模型快速发展，如何使之高效、安全地赋能资产管理，成为行业关注的焦点。
9月22日，在通联数据与深圳市投资基金同业公会共同举办的“大语言模型赋能资产管理高质量发展”峰会上，行业领导、专家学者及来自金融机构、科技公司的代表多角度探讨了行业发展现状与趋势，深入分析了业务发展的痛点与需求。
持续探索大模型多场景赋能
“我们正身处一个信息爆炸的市场之中。”通联数据智能投研业务中心总经理许丹青表示，大语言模型具备语言理解能力、语言生成能力、零样本学习能力，有知识、能推理，且具备对任务的理解与规划能力。目前，通联数据借助大语言模型能力，在找信息、看研报、找数据、写点评、做复盘等多个场景提供AI投研助理服务。
在财富管理方面，麦肯锡全球董事合伙人、大中华区资产管理和财富管理负责人马奔指出，生成式AI对于财富管理机构而言有三大价值：升级客户交互体验、赋能员工效率和专业能力提升、加速产品创新。
马奔进一步表示，目前理财经理和投资顾问60%以上的时间用在流程性、事务性的工作上。全球领先的银行都在探索和推动通过生成式AI赋能前线财富管理团队提升效率和专业度，加速推动将生成式AI技术嵌入更多财富管理场景，包括理财师智能助手、客户虚拟财务助理、人生目标导向的智能投顾助手，客户智能投顾配对平台等。
国内大型金融机构也在积极拥抱AI。招商证券金融科技中心AI开发团队负责人石国忠介绍，从AlphaGo到ChatGPT，招商证券AI应用紧跟前沿技术发展节奏，致力于以AI科技为力量，以数字化为方向，为业务创新赋能，帮助员工提质增效。
他同时表示，大模型技术是金融行业实现降本增效的新工具。证券行业是智力密集型行业，在通用大模型出现前，AI赋能比较有限。未来，将AI与投行、投顾、投资、投研等业务领域结合可能会带来生产力的飞跃，将大幅拓展服务客户的界面，服务载体和入口形式会有重大变化，为数字化和弯道超车带来宝贵机会。
许丹青指出，大模型应用的制胜关键在于场景和数据。目前，微软等海外企业已经在多个领域的产品化、商业化上形成了较好的闭环。国内则在会议软件和办公助手方面形成了较稳定的生态体系，金融、社交、医疗、法律、旅游等领域目前处于探索阶段，都有机会胜出。
数据方面，许丹青介绍，ChatGPT 3.0的参数量在3000亿左右，ChatGPT4.0可达到万亿级别。国内的Baichuan2使用了2.6万亿的单位、百度为4000亿，通联数据在3000亿左右。
热潮下的冷思考
在大语言模型发展热潮中，业内人士提示行业需要保持冷思考。
石国忠指出，大语言模型发展愿景美好，但路径尚不明朗。随着大模型应用实施落地进入深水区，硬核技术问题将无法回避，具体包括：底层模型是选择通用大模型还是专用模型、生成内容的安全大模型的幻觉问题如何解决、大模型能否端到端解决任意问题、性能与算力瓶颈如何解决等。
他认为，国内外通用大模型能力存在代差，国内大模型的迭代演进速度很快，差距会越来越小。金融行业对数据安全性要求非常高，大模型需要非常成熟，才能投入应用。
基于对数据安全性的高要求，石国忠强调，中国的金融企业要建设自主可控的私有化大模型。海外通用大模型不可能在国内公司大规模商用，国内通用大模型也不可能覆盖所有应用场景，自主可控的私有化模式非常必要，根据不同业务场景对数据的敏感程度，匹配不同的大模型选型。
许丹青列举了一系列大语言模型存在的缺陷。比如，模型的投研知识不足，对于投研领域的专业术语理解不准确，生成的内容流于通俗化、科普化，专业性不足；模型无法直接应用到场景中，需要与场景、数据结合，与多个小模型、定制模型进行配合。此外，模型还存在时效性差，大模型中没有最新的数据和知识，不能检索互联网，无法实时获取和更新最新信息。
成本也是一个需要关注的问题。许丹青表示，目前最好的模型GPT-4成本非常高，大模型私有化的性价比也比较低。
针对算力问题制约大模型大规模使用，石国忠认为，国产化芯片是一个突破方向。他呼吁建设行业专属大模型基础设施，共同打造金融大脑。
南方科技大学南方科技金融研究院副秘书长李凯博士认为，大语言模型在不到一年的时间里快速发展和演进，各方应对其保持开放的态度，积极尝试，以更聪明的方式形成人工智能赋能产业高质量发展新格局。同时尽量避免急中出错，盲目进入堆砌算力的竞赛。行业需要搭建互相沟通的平台，汇聚生产要素形成合力，控制风险，产生价值，形成闭环，降本增效。
景顺长城基金副总经理陈文宇说：“大语言模型是功力深厚的工具，我们要用好它，建立类似古代‘县官’与‘师爷’的关系。首先，通过训练和‘师爷’建立良好的理解和信任，通过准确的提问和清晰的指令，让大语言模型提供较好的解决方案。不过，最终还是要由我们‘县官’根据自身的专业判断作出最后的决策。”
