AI賦能金融，如何成為行業(yè)樣本？

近年來(lái)，在金融科技浪潮之下，商業(yè)銀行加快金融科技創(chuàng )新，“全面推進(jìn)數字化轉型”已經(jīng)成為包括銀行業(yè)在內金融行業(yè)的共同目標，以及時(shí)代發(fā)展的必然趨勢。

而隨著(zhù)當下全球新一輪科技革命和產(chǎn)業(yè)變革深入推進(jìn)，在“百年變局”中回應歷史之變、時(shí)代之變、世界之變，數字化轉型也從1.0時(shí)代邁向了2.0時(shí)代。

1.0時(shí)代的數字化轉型主要是以互聯(lián)網(wǎng)為核心，實(shí)現金融業(yè)務(wù)的線(xiàn)上化、便捷化、普惠化，但仍然存在一些局限性，如數據孤島、服務(wù)標準化、風(fēng)險管控等。智能化是2.0時(shí)代數字化轉型的關(guān)鍵詞，也是銀行、金融業(yè)一直致力于探索和實(shí)踐的領(lǐng)域。從早期的智能客服、智能風(fēng)控、智能營(yíng)銷(xiāo)等應用，到近期A(yíng)I的爆發(fā)、大模型時(shí)代的到來(lái)，行業(yè)即將迎來(lái)新一輪革新。

新時(shí)代下的創(chuàng )新架構

隨著(zhù)人工智能的快速發(fā)展，以大模型為代表的底層技術(shù)得到爆發(fā)，金融銀行業(yè)加快智能化轉型步伐已經(jīng)成為一個(gè)不可逆轉的趨勢。銀行業(yè)作為與數字距離最近的行業(yè)，自然是數字變革的領(lǐng)導者。

并且經(jīng)過(guò)多年發(fā)展，大部分領(lǐng)先銀行基本形成了“業(yè)務(wù)+數據”雙平臺的應用格局，但對于數據平臺的邊界以及與產(chǎn)品服務(wù)類(lèi)、經(jīng)營(yíng)分析類(lèi)等業(yè)務(wù)間的交互關(guān)系，始終無(wú)標準答案。

隨著(zhù)大模型爆發(fā)，越來(lái)越多銀行逐步意識到，“數字化”本身是業(yè)務(wù)、數據與AI之間的相互融合，因此部分架構師認為平臺的范圍不僅是數據與業(yè)務(wù)的建設，用戶(hù)自助化、數據產(chǎn)品化、智能員工化、運營(yíng)數字化等等，這些AI應用也應當納入平臺的開(kāi)發(fā)和管理范疇。方可加快推動(dòng)經(jīng)營(yíng)和治理模式的數字化變革。

目前，六大國有行及部分全國股份行紛紛打造并推廣金融人工智能平臺，支撐智能應用的快速孵化，或將帶來(lái)一輪建設潮。

而為了更好地支撐金融人工智能平臺這個(gè)“智能根基”建設，國內大行普遍考慮中心-分支-邊緣三級金融建設架構。

中心對應的是總行，基于硬件產(chǎn)品，如昇騰硬件，能夠集中建設高效節能的液冷AI訓練和推理中心，再使用AI平臺進(jìn)行傳統AI模型和大模型的快速訓練與部署，及各業(yè)務(wù)AI模型的管理。

圍繞中心產(chǎn)生的分支，對應的是各個(gè)城市的支行，可以使用總行AI中心的資源運行相關(guān)業(yè)務(wù)，并向總行AI中心回傳數據，使業(yè)務(wù)模型不斷迭代演進(jìn)。

再分散出去的叫邊緣，對應的也就是常見(jiàn)的網(wǎng)點(diǎn)營(yíng)業(yè)廳，在該架構中可以實(shí)現邊緣節點(diǎn)統一管理升級，也可以從總行AI中心獲取最新業(yè)務(wù)模型，在邊緣節點(diǎn)對實(shí)時(shí)數據進(jìn)行推理分析，并將部分數據回傳總行AI中心。

通過(guò)AI平臺，能夠為銀行AI實(shí)驗室和各個(gè)業(yè)務(wù)部門(mén)的軟件開(kāi)發(fā)部門(mén)提供數據標注、數據管理、模型訓練、準確度驗證、應用開(kāi)發(fā)，降低AI應用門(mén)檻。

建設金融人工智能平臺，離不開(kāi)算法、算力支撐。昇騰AI作為人工智能產(chǎn)業(yè)建設的主力軍，從底層硬件、操作系統、AI框架到應用開(kāi)發(fā)，全面實(shí)現創(chuàng )新，在提供算力底座的同時(shí)，能最大限度提升AI與金融產(chǎn)業(yè)融合的效率，幫助企業(yè)實(shí)現效果和效用的最大化。

在行業(yè)大趨勢下，昇騰AI能夠為金融、銀行業(yè)帶來(lái)數據驅動(dòng)業(yè)務(wù)的改革新范式，助力企業(yè)組織從人力驅動(dòng)加速轉換至數據驅動(dòng)，提高企業(yè)智能體、行業(yè)智能化的演進(jìn)過(guò)程。

擁抱大模型，夯實(shí)大底座

與此前不同，新時(shí)代建設背景下，大模型成了銀行業(yè)、金融業(yè)的AI平臺建設的主要支撐點(diǎn)，其能夠幫助企業(yè)提高模型的精度、適應性和安全性，適應快速變化的商業(yè)環(huán)境，處理各種類(lèi)型的數據，進(jìn)行遷移學(xué)習，保護客戶(hù)隱私和數據安全，因此大模型的加入至關(guān)重要。

一言以蔽之，大模型打破了傳統專(zhuān)用模型解決專(zhuān)有任務(wù)的AI研發(fā)范式。依托于大模型，銀行可以利用大量獨有的數據、案例和經(jīng)驗來(lái)進(jìn)行精確化訓練。不同銀行采用不同算法，有不同數據庫，可以逐步提升，訓練出核心競爭力。

而企業(yè)利用昇騰AI推出的大模型開(kāi)發(fā)使能平臺，能夠從算力供給、模型算法建設、大模型分布式框架、大模型建模流水線(xiàn)等入手，與數據平臺對接，建立以大算力、大模型、大數據為核心的云原生智能底座，形成大模型+微調的高效率、高質(zhì)量、低門(mén)檻的AI建模新模式。

具體來(lái)看，企業(yè)可以在大模型算法庫建設上，通過(guò)開(kāi)源+引入模式，豐富大模型算法，持續構建基礎大模型算法庫；建設大模型分布式訓練框架，完成接口標準化封裝和適配；另外結合大模型所需算力要求，升級大模型訓練和推理算力集群；最后完成大模型適配，利用各垂直領(lǐng)域開(kāi)發(fā)的建模模板形成包括一鍵式微調、轉換等配套開(kāi)發(fā)工具在內的建模流水線(xiàn)。

從技術(shù)維度上講，算法、算力為關(guān)鍵。為此，昇騰AI也致力于推動(dòng)AI計算基礎設施建設，助力算力網(wǎng)絡(luò )發(fā)展，推動(dòng)各地人工智能計算中心陸續接入中國算力網(wǎng)，為行業(yè)通用模型訓練提供了強大的算力保障。也成功助力某國有銀行基于同業(yè)領(lǐng)先的開(kāi)放式架構云計算平臺，落成同業(yè)規模最大的千卡級算力集群。

在工程化維度，開(kāi)發(fā)平臺成為AI落地應用的重要支撐。其中，ModelArts作為一站式AI開(kāi)發(fā)平臺，其使命就是讓AI應用開(kāi)發(fā)更簡(jiǎn)單，為解決AI成為通用生產(chǎn)力，推動(dòng)千行百業(yè)智能升級。

應用維度上講，昇騰AI助力簡(jiǎn)化大模型從開(kāi)發(fā)到部署的全流程，有效突破了人工智能在規?；瘧梅矫嫱ǔ＞哂械某杀靖?、周期長(cháng)、迭代慢等挑戰?；诖竽Ｐ偷耐ㄓ煤头夯芰?，典型智能場(chǎng)景的平均模型開(kāi)發(fā)周期從一個(gè)月左右縮短到一周左右，極大提升了業(yè)務(wù)需求的響應速度，節約了建模成本。

目前，金融業(yè)基于A(yíng)I大模型，已在客戶(hù)服務(wù)、風(fēng)險防控、AI遙感等多個(gè)業(yè)務(wù)領(lǐng)域落地應用，并取得良好效果。

以遙感大模型為例，依托AI平臺，將衛星遙感圖像智能識別新技術(shù)與業(yè)務(wù)場(chǎng)景深度融合，開(kāi)發(fā)地物分類(lèi)、識別、變化等深度學(xué)習神經(jīng)網(wǎng)絡(luò )監測模型，自動(dòng)獲取、加工、提取遙感數據信息，形成業(yè)務(wù)領(lǐng)域價(jià)值信息。通過(guò)多元化建設風(fēng)險防控手段，助力風(fēng)險防控能力自動(dòng)化、智能化和全面化提升。

金融行業(yè)遙感大模型將地圖、定位、人地大數據與業(yè)務(wù)數據及營(yíng)運數據結合，釋放空間信息數據的創(chuàng )新活力，為數字化轉型升級提供新動(dòng)能。

可以說(shuō)，在推動(dòng)金融行業(yè)邁向新階段的過(guò)程中，昇騰既為AI基礎設施提供了算力底座，也是企業(yè)的AI使能者。昇騰AI大模型全流程使能體系在金融領(lǐng)域的成功嘗試，是助力金融行業(yè)高質(zhì)量發(fā)展的開(kāi)始。

金融行業(yè)“蝶變”在即

國內外以ChatGPT為代表的大模型技術(shù)的成熟和廣泛應用把我們帶入了人工智能時(shí)代，展望未來(lái)，新時(shí)代對于金融行業(yè)來(lái)說(shuō)，充滿(mǎn)機遇的同時(shí)也充滿(mǎn)挑戰。

首先是數據建設問(wèn)題。數據是人工智能生產(chǎn)力釋放的核心資源，雖然銀行擁有海量高價(jià)值數據資源，但一些綜合性數據是比較缺失的，另外如何保障數據安全、合規和隱私，同時(shí)提高數據質(zhì)量和利用效率，是金融行業(yè)需要解決的重要問(wèn)題。所以對于銀行來(lái)說(shuō)，要積極參與國家數據要素市場(chǎng)建設，強化數據要素整合應用能力，通過(guò)數據驅動(dòng)，釋放數據要素價(jià)值，加速推進(jìn)銀行業(yè)數字化轉型。

另外在大模型建設過(guò)程中也需要大算力支撐。算力是人工智能的動(dòng)力，但也是包括金融行業(yè)在內各行各業(yè)的瓶頸。如何降低算力成本、提升算力性能和可擴展性，是金融行業(yè)需要突破的關(guān)鍵因素。針對國內外算力市場(chǎng)供給面臨的供給短缺、多廠(chǎng)商異構算力融合、國產(chǎn)AI生態(tài)不足、機房和網(wǎng)絡(luò )建設等情況，銀行需要深化與產(chǎn)業(yè)界各方的合作，共同推動(dòng)解決大規模算力部署和應用挑戰。

算法在新時(shí)代也同樣重要。提升大模型算法的泛化能力和靈活性，一方面可以有效降低數據和算力的需求，另一方面也可以拓展應用的范圍和深度，如何選擇合適的算法框架、優(yōu)化算法參數和評估算法效果，是金融行業(yè)需要掌握的技術(shù)手段。

毋庸置疑，金融業(yè)已經(jīng)迫切需要結合自身情況，深化與產(chǎn)學(xué)研用各界合作，加快探索引入、打造業(yè)界通用大模型技術(shù)的策略和實(shí)踐，方能有效加快推進(jìn)異構算法的協(xié)同融合，不斷提升算法服務(wù)金融行業(yè)能力，實(shí)現金融智能化的跨越式發(fā)展。

最后，大模型在銀行的深化應用，亟需業(yè)界形成一套面向銀行業(yè)的高標準、低門(mén)檻的銀行業(yè)金融大模型產(chǎn)品，產(chǎn)業(yè)和銀行深化合作，吉印通創(chuàng )新，在已有通用大模型基礎上，建立面向行業(yè)大模型人工智能產(chǎn)品，快速推進(jìn)人工智能在金融領(lǐng)域的深化應用。

大模型的火爆，使得金融行業(yè)AI化進(jìn)程明顯提速，并且一些解決問(wèn)題的模式、理念及方法論，很有可能得到改變，而一旦行業(yè)適應了大環(huán)境變化，那么完成“蝶變”只是時(shí)間問(wèn)題。