他山之石，可以攻玉。國內18家金融GPT誰能誰先落地？

懂財帝出品

金融GPT，正成爲國內金融機構，特別是財富管理機構數字化最兇猛的浪潮。

據騰訊研究院副祕書長楊望調研分析，國內參數在10億規模以上的大模型數量已由5月末的79個增加至116個，其中金融行業大模型約18個。

中國金融機構經歷互聯網、移動互聯網兩大浪潮之後，如今正式迎接第三波大模型浪潮。

如今，大小的金融機構都站到了統一起跑线。

如何快速越過金融機構的轉型鴻溝，對於中小金融機構而言，或許擁有一次逆襲的機會。

海外的金融科技公司、金融機構是如何做的，國內的公司又是如何做的？

結合咨詢公司Evident Insights對銀行人工智能成熟度（AI maturity）進行排名的榜單，該榜單對歐美最大的23家銀行排名，總資產至少1萬億美元才夠資格入選。

冰鑑科技研究院與懂財帝做了一些數據和案例整理，期望能給國內金融機構一些啓示。

1｜摩根大通：用AI辨央行鷹鴿

Evident Insights收集了數百萬個數據點，基於銀行財報和一系列第三方數據源的公开數據，在50多位領先的人工智能和銀行業專家的參與下，建立起這個榜單。

資料來源：Evident Insights，冰鑑科技研究院整理

每家銀行都根據四個方面的142項單項指標進行評估，這四方面分別是人才、創新、領導力和透明度。人才的佔比權重最高，達到40%。

在Evident Insights看來，AI人才的數量和質量，很大程度上影響了這些頂級銀行的未來競爭力。

排名第一的摩根大通，擁有銀行業最多的人工智能員工，佔僱員總數超過10%並且還在加速招聘。

2023年2-4月間，摩根大通發布的人工智能和數據核心職位的招聘廣告數量，佔榜單上所有銀行發布數的至少20%。

金融擁抱AI，摩根大通走到了前列，推出解碼央行鷹鴿的Robo-Fedwatchers模型。

摩根大通的最新成果顯示，當兩次議息會議之間，發言人鷹派傾向的三個月平均值上升10個百分點時，短期利率大約會上漲10個基點。

此前文章指出，當模型顯示美聯儲發言人在兩次會議之間的鷹派立場上升時，下一份FOMC政策聲明就會變得更加鷹派，這會導致一年期美債收益率上漲。

相關模型的訓練數據是過往25年以來的美聯儲聲明和央行官員們的講話，使用的是基於ChatGPT的語言模型，模型根據具體內容的限制性或寬松程度，進行鷹鴿等級評分，再將具體評分與一系列資產表現掛鉤。

經濟學家們發現，這一人工智能模型可以用於預測政策的變化，並發出可交易的信號。

2｜摩根士丹利：用GPT-4武裝1.5萬名FA

摩根士丹利在GPT應用方面顯得最爲高調，其“創新”分項的排名是第4。

今年OpenAI正式推出GPT-4時，將摩根士丹利的財富管理應用當成典型案例一並推出。

具體而言，摩根士丹利擁有一個數十萬頁的內容庫，涵蓋投資策略、市場研究和評論以及分析師觀點——如此大量的信息分布在許多內部網站上，大部分以 PDF 形式存在，需要財務顧問（FA）瀏覽大量信息，才能找到特定問題的答案，顯得相當低效。

從去年开始，該公司和OpenAI开始合作探索，如何利用 GPT 的嵌入和檢索功能最大化其“智力資本”——超過10萬份文檔。

GPT-4將爲公司內部的聊天機器人提供支持，該機器人可以對財富管理內容進行全面搜索整合，然後給財務顧問們提供想要的答案。

摩根士丹利有超過 1.5萬名財務顧問，可能會對內部聊天機器人提出這些問題：

投資建議：舉例，我們對 Alphabet 股票的看法是什么，其未來表現是牛是熊？

常規業務：舉例，IBM 的五個主要競爭對手是誰？

流程問題：舉例，如何將個人退休金账戶納入不可撤銷的信托中？

摩根士丹利以 10 萬份文檔作爲訓練語料庫，針對類似問題“微調（Fine-Tune）訓練”了 GPT-4。

摩根士丹利的FA正在幫助模型“強化學習”——當他們得到聊天機器人的答案後，可以給出贊成或反對的意見，或者根據需要提供更詳細的反饋。

ChatGPT一個廣遭詬病的問題是，常常會毫無事實依據地產生“幻覺”內容，這對於財富管理服務而言是致命的。

針對此，摩根士丹利正在限制 FA 可以輸入系統的提示/問題類型，將主題限制在與業務相關的問題範圍，這可以確保輸出的內容來自其已有的知識文檔。

如果FA在使用過程中發現內容不對勁，還可以查閱原因代碼——引用鏈接到內容出處的底層文章——這比大多數大語言模型都要更完善可信。

最終做內容把關的還有合規審核人員，在該公司正常的知識管理流程中，就有合規人員審查投研內容，更不用說FA們想對外提供的內容。

事實上，摩根士丹利的財富管理部門，已花費多年時間研究出“Next Best Action”系統（NBA），這才是用機器學習武裝1.5萬名FA的現實工具。

NBA系統通過機器學習發現個性化的投資想法，並通過其 CRM 系統向特定客戶分發。

摩根士丹利分析、數據與創新部門主管Jeff McMillan表示，“你可以把它想象成讓我們的首席投資策略師、首席全球經濟學家、全球股票策略師和全球其他所有分析師，這些聰明的‘分析師’每天隨時待命，隨時解答你的困惑，這對我們公司來說是一種變革性的能力。”

3｜AI冠亞軍銀行：增強既有機器學習系統

摩根大通提交的文件顯示，該行5月爲一款名爲“IndexGPT”的產品申請了商標注冊。

IndexGPT將利用“ChatGPT爲代表的人工智能技術”來“分析和選擇適合客戶需求的證券”。

摩根大通全球技術主管 Lori Beer表示，該行已經僱傭了1500名數據科學家和機器學習工程師，正在測試GPT技術的“多個使用案例”。

在5月22日摩根大通投資者日會議上，該行資產與財富管理部門首席執行官Mary Callahan Erdoes在談到AI時表示：“這將成爲人們如何管理資產的聖杯。”

 “我們已經加載了30年來所關注的所有公司的專有數據，”Erdoes在描述自己部門最近的工具开發時說，“然後，我們將其與每天獲得的數百萬個數據點進行匹配，我們已經看到了如此巨大的提升。”

她進一步透露稱，摩根大通有自己的內部資產管理業務，類GPT模型在其Spectrum投資組合管理系統上運行。

銀行AI指數榜單的亞軍是來自加拿大的RBC，它專門成立了一家名爲Borealis AI的人工智能研究中心，既爲母行服務也從事人工智能的前沿研究。

Borealis AI的負責人Kathryn Hume在接受畢馬威訪談時，詳細介紹了其團隊如何將強化學習應用於銀行客戶服務：

Borealis AI與RBC資本市場團隊推出了基於強化學習的交易執行系統。“我們希望了解如何使用機器學習來幫助擁有大額或批量訂單的客戶更好地安排交易順序，從而獲得最高回報。事實證明，我們創建的模型非常動態，能夠比傳統交易算法更靈活地實時響應波動性的變化。”

Borealis AI還成功幫助零售和商業銀行將昨天的業務流程轉變爲明天的未來產品。例如，構建了現金流預測工具，幫助財務顧問主動與客戶互動，了解即將到來的財務需求，並提供更有針對性的建議。還通過創建應用程序來幫助零售客戶管理財務，並受益於最新的個性化機器學習技術。

今年4月，RBC榮獲《數字銀行家》雜志評選的最佳人工智能客戶體驗獎，獲獎理由是該行和Borealis AI共同开發的NOMI Forecast系統。

NOMI Forecast系統利用深度學習爲客戶的現金流提供及時、准確的預測。在該行獨特的數據集支持下，相關模型經過訓練可以爲 RBC 客戶提供個性化體驗，包括账單支付、電子轉账、投資和工資支付等。

4｜金融GPT：適合的才是最好的

無論是大摩的NBA系統，還是小摩的Spectrum系統，抑或RGB自主研發的NOMI Forecast系統，都是由銀行積累的自有數據訓練出的各種模型組合。

在嫁接GPT進行微調訓練後，增強通用交互能力，是這些國際頂級銀行相似的選擇。

無論國外國內，隨着开源大模型越來越多、模型訓練成本下降，對於通用大語言模型的執念已經逐漸變淡。

從剛剛結束的上海世界人工智能大會可以發現，新的敘事是：行業大模型、垂直大模型與 “大模型賦能千行百業”。

最典型的例子是彭博推出的BloombergGPT，彭博把模型做小，500億參數左右，相比於GPT-3的1750億小了很多，雖然削弱了通用性，但在金融領域的各項表現明顯優於通用大模型。

金融行業的強監管和專業性，決定了在Know-How基礎上利用金融機構沉澱的專業數據訓練，才能打造出適合行業需求的垂直模型。

比如冰鑑科技推出的本立道生（Origin One）大模型，依托多年服務銀行、保險客戶的算法模型經驗，正在智能客服、金融文檔處理、國外投資產品分析方面發力。

垂直模型的專業優勢在財富管理行業也會越來越明顯，GPT的出現將改變過去智能投顧是高淨值家庭“專屬服務”的概念，使長尾市場得到快速發展。

摩根士丹利的1.5萬名財務顧問，在GPT-4的助力下服務客戶的數量和效率將提升多少倍？

除了這些頂級銀行以外，垂直大模型在應用層給了初創公司更多的機會去服務更多客戶。

科技企業通過低門檻和獨立性吸引更多的下沉客戶，傳統大銀行則發揮自身優勢，瞄准存量客戶和推介各種產品組合，不同體量的機構決定了在智能投顧領域的不同打法。

根據信用評級公司 CRISIL GR&A 測算，大模型在智能投研領域的應用有望節省 22.5%的成本，將使財富管理惠及更多民衆。

更大的普惠同時也意味着更多風險。值得一提的是，RBC能超越衆多歐美大行，登上銀行AI指數榜單亞軍位置，還得益於其負責任的AI行動。

Kathryn Hume認爲，人們越來越認識到AI可能加劇的道德風險。在世界各地，圍繞人工智能的道德和負責任使用的辯論日趨激烈。

可解釋的人工智能（XAI）將成爲一項新興技術，或許與GPT 相對應。

雖然 ChatGPT 的公司和投資顧問能算法見解完全是“黑匣子”，但 XAI 允許用戶和監管仔細審查AI運作的基本原理，並且敦促开發人員磨煉算法，使其按預期工作。

XAI使財富管理夠監控和證明人工智能衍生的財務建議，並使其符合監管要求和客戶的最佳利益。

5 | 國內18家公司：逐鹿金融大模型

如何搶先獲得金融業務場景的商用突破，成爲18家金融大模型研發機構競爭的決勝點。

5月下旬，依托百度AI優勢，度小滿推出國內首個千億級中文金融大模型「軒轅」，該模型是在1760億參數的Bloom大模型基礎上訓練而來。

5月，軟件供應商——星環科技推出第一款面向金融量化領域的生成式大語言模型“無涯Infinity”。

6月，恆生電子發布金融行業大模型LightGPT。

6 月，螞蟻集團的技術團隊正在研發一個名爲“貞儀”的多模態大模型。

6月29日，拓爾思發布拓天大模型，並面向媒體、金融、政務領域推出了三大行業大模型。

7月3日，科大訊飛推出「訊飛星火智能客服」，以幫助金融機構提高客戶服務效率和質量，提升用戶體驗。

7月，騰訊雲瞄准金融安全領域，推出金融風控大模型，錨定機構交易、信貸、營銷等場景的風控需求。

8月，文因互聯發布了基於“文因大模型”聯通多個金融場景的解決方案。

8月8日，九方財富依托華爲雲以及科大訊飛高調發布智能投顧數字人。

同花順、東方財富公告稱，他們將將重點打造AI投顧平台。

此外，海通證券、申萬宏源等10家券商宣布成爲百度“文心一言”首批生態合作夥伴。

此外，國內一些开源大模型也开始進入垂直金融領域，成爲新的競爭對手。

逐鹿金融GPT，這已經成爲中國科技公司與金融機構最熱的浪潮。

金融GPT的「奇點」時刻

2B還是2C，大模型分歧已現？

盤古大模型「翻新」礦山

說明：數據源於公开披露，不構成任何投資建議，投資有風險，入市需謹慎。

—END—

本文作者可以追加內容哦 !