扫描或点击关注中金在线 日，清华大学经济管理学院、度小满、《麻省理工科技评论》中国、清华大学经济管理学院动态竞争与创新战略研究中心共同主办的《2024 年金融业生成式 AI 应用报告》发布暨研讨会在清华大学经济管理学院顺利举行。 此次活动邀请到了欧洲科学院院士、长江学者讲席教授、香港科技大学计算科学与工程系教授郭嵩，清华大学经济管理学院教授、副院长李纪珍，度小满首席技术官许冬亮，北京智源人工智能研究院副院长曹岗，中国科学院研究员、中科闻歌董事长王磊，工银科技技术总监孙科伟等行业专家出席，来自金融机构、科研院所、互联网公司的数十位观众全程参加了报告发布暨研讨会。

　　发布会由清华大学经济管理学院教授、副院长李纪珍主持。李纪珍教授首先介绍了此次发布会的相关背景，并代表清华大学经济管理学院致辞，欢迎与会嘉宾与所有观众的光临。

　　500)this.width=500 align=center hspace=10 vspace=10 rel=nofollow/>

　　500)this.width=500 align=center hspace=10 vspace=10 rel=nofollow/

　　随后，李纪珍教授邀请度小满 CTO 许冬亮和《麻省理工科技评论》中国副出版人张岚分别上台致辞。

　　在概述了大模型和生成式 AI 的发展现状后，许冬亮表示大模型在金融行业的应用和突破需要学界、业界等相关方群策群力共同献计献策，一起付诸实施。度小满已在金融大模型上积极探索，其首个国内开源金融大模型轩辕经过多次更新，展现了突出的金融问题解决能力，并且成功地将生成式 AI 应用于风控、营销、客服、办公、研发等企业核心价值链环节。

　　随后致辞的张岚，强调了《麻省理工科技评论》自 2016 年由 DeepTech 引进落地中国，就一直着眼于中国市场。此次活动讨论的生成式 AI，正是《麻省理工科技评论》评选的 2024 全球十大之一。因此，交流中国金融业的 AI 应用，同时发布《2024 年金融业生成式人工智能应用报告》，正是为中国市场的技术应用与发展贡献灵感和启发。

　　500)this.width=500 align=center hspace=10 vspace=10 rel=nofollow/>

　　500)this.width=500 align=center hspace=10 vspace=10 rel=nofollow/

　　香港科技大学计算科学与工程系的郭嵩教授，以“金融业携手生成式 AI，挑战与展望”为题进行了分享。

　　郭嵩首先讨论了生成式 AI 的发展进程和现状。总体而言，模型复杂度从“浅”到“深”，尺寸从“小”到“大”，质量从“低”到“高”，多样性从“单模态”到“多模态”。应用类型也逐渐从内容分析发展到内容创作，包括文本、图像、音频和视频等。

　　在金融领域，生成式 AI 的让机器创造能力正在引领行业向数字化与智能化转型的新篇章。它以卓越的降本增效、提升生产力以及产品服务创新能力，赋予了内外部应用强大的驱动力，从而为整个行业带来了无可估量的应用价值。接下来，郭嵩讨论了生成式 AI 未来要面对的挑战，以及他和整个行业目前所进行的工作与对未来的展望。例如，通过打造一种全新的 Agent-as-a-service 的服务模式，让大模型具备解决金融现实问题的能力；针对金融数据孤岛问题，他带领团队研究了一种面向大规模大模型的联邦微调算法，提升了联邦训练的可扩展性。

　　“我们还看到一些安全性的挑战。”郭嵩表示，“我们怎么让它变得安全，特别是符合一些规定，怎么把规则和伦理变成系统提示，把系统提示植入大模型以产生合规的内容，这些也是关键问题。”

　　北京智源人工智能研究院副院长曹岗以“低成本高可靠的大模型应用实践”为题，分享了智源在大模型和生成式 AI 方面的进展。

　　曹岗指出，一个大的科技浪潮总是会有一些瑕疵，也就是“大模型璞玉中的小斑点”：成本和可靠性。其中可靠性又包括幻觉和偏见问题。他引用了 OpenAI CEO 山姆·奥特曼对大模型的看法，认为幻觉是其特性而非缺陷，能够带来创造性工作。

　　曹岗分享了智源在解决幻觉问题和成本方面的探索，特别是通过生长技术训练模型的方法，其中一种方式是先训练小参数模型，再逐步增加参数，可以有效地节省算力。他还补充了在训练模型过程中“降本增效”的方法，包括采用生长技术以加速模型的学习过程。“(我们)训练一个模型，训练过程中让模型知道哪些是对的，哪些是错的，吸收速度加快，把模型能力在小参数模型里面尽量的提高。”他解释道。

　　最后，曹岗还提到了智源在语义向量模型BGE方面的工作，旨在满足金融行业对错误容忍率低的要求。其研究团队通过将自然语言文本段做成向量，训练模型来处理文本，提高了模型的准确性和生产效率，受到了 HuggingFace 等开源社区的广泛关注和采用。

　　首先，王磊深入探讨了通用大模型与领域大模型的不同点。大模型技术具备了通顺、通识、通畅、通用的“四通”特点，其中最让人兴奋的是通用能力，比如 ChatGPT 可以在很多任务和领域拿出较好的表现。

　　对于领域大模型，王磊认为“二者没有大的区别”，只不过在技术形态上，通用大模型更加专注于事件通识的学习，而领域大模型更注重领域任务。从业务视角看，大模型在金融领域有三大业务场景：预测与决策支持、风险管理与监测、合规监管自动化。从技术视角看，相关研究主要集中在文本处理、研究分析、时间序列预测、资产定价、投资组合优化和风险管理等方面，应用前景十分广阔。

　　接下来，王磊重点分享了中科闻歌团队自主研发的雅意大模型，以及该模型在金融领域的广泛应用案例。雅意大模型目前已迭代到 2.0 版本，是国内首批多语种大模型，拥有 300 亿参数、全自主模型架构和全自主知识产权。

　　据他介绍，在与客户的合作中，雅意大模型实现了“简繁体中英文混合问答、跨文档长文档分析推理、业绩趋势和复杂数据推理”。

　　杨青指出，对于金融行业而言，大模型将创造价值增量，因为它需要处理大量的数据来支持决策和预测，而整个过程中需要许多人工参与。这正好与大模型的记忆、理解、规划等能力相契合。

　　但他同时也认为，大模型的落地面临许多挑战，因为金融领域具有三个显著特点：专业知识丰富、数据驱动和长链条。大模型面临挑战包括专业金融知识欠缺、能力不满足金融任务、训练和运营成本高昂等。为了联合社区共同应对这些挑战，度小满在 2023 年 5 月开源了国内首个千亿级金融大模型“轩辕”，9 月发布了轩辕 70B 参数的大模型，今年 1 月开源了成本更低的轩辕 13B 模型。

　　杨青表示，度小满“希望能够定位做最好的金融行业大模型，在金融域所有的任务表现超越先进的通用模型”。为此，他们在金融理解、应用、对话能力和实施性等方面进行了大量的优化工作。

　　最后杨青表示，度小满还将发布更多不同参数开源的金融大模型，不断迭代和升级已有模型，不断降低用户使用成本，希望用开源推动创新，与行业伙伴共建生态，共同进步，共赢共创。

　　孙科伟指出，随着大模型的到来，人工智能应用可以分为三个阶段。首先是人工智能的初步投入建设阶段，主要采用采购的方式进行建设。其次是尝试布局阶段，采用自研和开发相结合的模式，多元化尝试。最后是深度成熟应用阶段，大型金融机构更倾向于自研，辅以采购。

　　在孙科伟看来，金融领域人工智能技术体系的建设涉及六个方面。首先是算力、算法和建模，算力对应技术平台，算法对应最高智慧的结晶。然后是能力构建，依托于数据积累和对应用框架的考虑。其中的能力、数据和框架都是围绕业务展开的。从业务的角度来看，人工智能大模型可以分为四类：基础大模型，行业大模型，企业大模型和任务大模型。而大模型带来的另一个改变是开创了人机协同新范式。孙科伟认为，大模型引入以后，它可以去替代部分人工作，由此带来了一种角色和范式变化的挑战。

　　“(我们)需要解决技术稳定性问题、技术逻辑性问题，综合考虑大模型技术在内容生成、多模态、小样本等技术优势及生成不可控风险，坚持问题导向和需求导向。”他解释道。

　　嘉宾分享结束后，会议主持人李纪珍教授正式发布《2024 年金融业生成式 AI 应用报告》(下称《报告》)，并对这份报告进行了重点解读。

　　李纪珍教授介绍，该《报告》是由清华大学经济管理学院联合度小满、《麻省理工科技评论》中国、清华大学经济管理学院动态竞争与创新战略研究中心共同编写，充分融合了产学研三方优势。《报告》围绕“金融业如何以最大的收益和最小的风险应用生成式 AI”这一主线，既关注金融业生成式 AI 应用的潜在风险，也重点研究了度小满“轩辕“大模型这样的技术迭代创新带来的成功解决方案。

　　李纪珍教授指出，《报告》探讨了生成式 AI 规模化应用的创新机理，并剖析了金融业生成式 AI 应用的创新密码、行业价值以及政策期望，在此基础上提炼了“生成式 AI 是新质生产力”、“生成式 AI 有望给金融业带来 3  万亿规模的增量商业价值”、“3 年后生成式 AI 在金融业有望迎来规模化应用”等新观点，为金融机构集成生成式 AI 提供了八项行动指南。李纪珍教授最后指出，《报告》展示了金融业的未来已来。生成式 AI 技术带来更快、更实时、更个性化的产业变革，在各个关键领域的拓展彰显了其深远影响和巨大潜力，已经为一些银行、保险和基金等金融机构赋予了创造力和效率的新维度，并有望为金融业带来 3 万亿规模的增量商业价值。然而，在享受新质生产力带来的高效与便利之余，我们还需正视所面临的现实挑战，尤其是在数据安全、风险防控、道德和监管方面。

　　分享和汇报结束后，进入了圆桌讨论环。