编者按
近期，中国人民银行等7部门联合印发《推动数字金融高质量发展行动方案》，围绕系统推进金融机构数字化转型、运用数字技术提升重点领域金融服务质效、夯实数字金融发展基础等方面提出多项措施。
奋力书写数字金融大文章，金融领域正推进AI大模型、数据资产入表、供应链金融、区块链等“新基建”。即日起，本报推出“‘金融新基建’进行时”系列报道，一览“金融新基建”最新成果，展望金融新未来。
金融领域积极拥抱大模型技术。今年以来，无论是金融数据终端还是金融科技龙头，均积极推出基于大模型的应用。相关应用集中在人机对话、智能投研、智能投顾等高频领域，这让人工智能在辅助投资方面的功能渐趋完善。
多位受访人士称，借助人工智能技术，普通投资者可实现专业级分析与决策流程。这意味着，专业投资的“普惠”时代或将加速到来。
探路大模型应用
今年以来，万得(Wind、恒生聚源、东方财富、汇博云等金融终端服务商均在人工智能领域加码开发，大模型应用纷纷亮相。此外，蚂蚁集团、商汤集团等也发布了相关应用，如蚂蚁集团年初发布的“支小助”，是基于大模型投资的研究助手，并向用户免费开放使用。这些大模型有效提升了投资者处理数据和分析的能力。
人机对话是各家企业大力发展的应用，如万得的Alice机器人、恒生聚源的WarrenQ机器人。
“通过AI机器人可实现专业级的投资研究与分析。”恒生聚源副总经理白雪称，大模型综合能力集成在人机对话的聊天机器人上，用户只需一句话，就可以从碎片化的材料中完成信息的搜集和整理。
例如，让聊天机器人写一篇上市公司研究报告，相关公司基本信息、各项财务数据等都会被浓缩整理分类。此外，还可以通过与聊天机器人互动，对数据进行持续深加工。
此前需要花费大量时间与精力的工作——寻找经济数据、制作图表或者建模型等，在大模型时代能轻而易举地实现。
例如，过去资管机构通常要求把当日发布的各类研报观点进行浓缩，以便研究员快速获悉市场热点。这也被业内称为“脱水研报”。“如今，几乎所有大模型终端均提供这一服务，并能满足更进一步的需求。大模型终端可以把一些公司和行业机构观点进行横向、纵向的对比，一些深度定制服务也在不断开发中。”博慧云科技合伙人曹辉表示。
当前，大模型已在资本市场的投研、投顾、智能客服、营销、风控等方面得到广泛应用。
“知识库问答、智能投研和智能投顾是大模型主要的应用方向。”白雪认为，大模型正在提升资本市场中人机互动的效率，大模型应用将迎来爆发期，未来10年将会保持60%的年均复合增长率。
让专业投资变得简单
在业内人士看来，大模型应用的加速落地，可以让投资者实现专业级分析与决策。
九鞅科技联合创始人张启珑表示，从技术发展看，大模型大大提升了对非结构化数据(如文本、图像、语音、视频等的处理能力和效率，使获取、处理和分析信息更为迅速和全面，市场也会因信息的处理和流动变得更有效率。
例如，投资者往往同时有多个在线视频会议邀请，如今大模型提供会议分身功能，可以让机器人自动参会。机器人参会以后把会议录制下来，再基于大模型技术进行语音转文字，同步做翻译，最后进行主题和观点提炼，形成会议纪要。
又如，备受市场关注的央行货币政策执行报告，目前大模型也可以将不同时期货币政策执行报告进行比对，形成不同时期报告的分析。这同样适用于美联储一系列会议。
“大模型在金融领域的应用，其实就是一个将专业投资‘普惠化’的过程。”张启珑表示，投研效率也将大幅提升，能将此前小时级别的工作缩减到分钟级别。
大模型在机构端也有深入应用。曹辉表示，科技公司与券商、基金以及产业投资基金合作，推动其内部资料库与公开资料库的联动，特别是英文资料库的人工智能多模态智能搜索场景，以及以人工智能搜索系统为基础来实现更复杂工作流应用，如自动报告、商机捕捉、产业链监控等。
天云数据CEO雷涛表示，大模型运用到监管领域也是一个比较可行的方案。如利用人工智能技术识别场外配资等，同时用AI构建全市场资管信托债类产品风险关联图谱。
仍有提升空间
目前，大模型发展面临的最大挑战依旧是“AI幻觉”。所谓“AI幻觉”，是指生成内容与事实不一致或与用户输入不相关。
张启珑表示，金融领域对精度要求非常高，注重可解释性以及风险控制，所以现在金融机构对于大模型的一些应用场景，相对比较谨慎。
曹辉认为，大模型面临的“AI幻觉”问题，主要原因是训练数据污染，需要从软件工程角度提高其精度，也需要行业规范和法律法规来对大模型技术加以约束，使其更好地服务经济社会发展。
“解决‘AI幻觉’问题，可从两方面着手：一方面，及时更新金融数据库；另一方面，进行流程再造，让大模型在指定流程下进行合规数据读取。”白雪认为。
此外，大模型还存在“思维局限性”。上海财经大学上海国际金融中心研究院副院长闵敏表示，目前大模型逻辑链越长，越容易出现漏洞，同时局限于语料的框架，没有办法跳出框架思考并自我反省。
“但是，不能低估大模型的潜力。”雷涛表示，目前大模型应用进入服务工程化落地阶段，未来发展的一大路径是为资本市场建立完备的模型和算力基础设施，降低资本市场使用人工智能能力的门槛，以业务为线索利用大模型规模化生成合成数据等新兴生产要素。
张启珑认为，未来大模型应用有两个方向：一是金融新闻、舆情和其他文本数据处理上的研究，利用大模型语义理解能力和情感分析能力，把新闻舆情与市场的关联性和因果性进行量化，更好服务交易决策信号生成、信用风险监控等场景；二是将金融模型和专家系统分析生成的结果数据在多种维度下进行必要的解读和分析，希望更好应用到投资决策辅助和风险管理。
王擎宇
