逐浪金融大模型的玩家,除了BAT、华为等高科技巨头,试图以技术优势充当产业链的“卖铲人”,更多的还是金融和类金融企业,包括银行、保险、互金、券商等,既不想被喧宾夺主,又不想肥水外流,都在押注自己的大模型。
国内布局金融大模型的机构与国外类似,主要是金融资讯公司如同花顺、金融科技公司如恒生和传统券商等金融机构。智能客服、智能投研、智能运营、数字员工、AI助手是最常见的主要应用方向。
这其中银行系,尤其是国有大行,先行一步。早在春寒料峭的3月,农行和工行便前后脚上线类ChatGPT的大模型应用ChatABC、基于昇腾AI的金融行业通用模型,打响战斗第一枪;4月,地处“鱼米之乡”的江苏银行再接再厉,宣布自主研发的拥有最大1760亿参数的大语言模型平台,“智慧小苏”顺利投产,实现客服场景首次应用。据潮汐榜统计,中国银行、交通银行、招商银行、中信银行、兴业银行、浙商银行等多家银行均在半年报中提及,正在进行大模型相关的布局和研究。
奋勇“赶潮”的还有一众险企,年内,中国太保、众安保险、阳光保险都汇报了各自的大模型成果:中国太保打造了基于大模型建设应用探索的科技产品——数字员工,具备自主规划和任务执行能力;众安保险出炉了保险行业首份AIGC应用图谱,并带来众安AIGC中台灵犀及首批保险垂直场景AIGC应用工具——易创内容运营平台和集智经营分析平台;阳光保险已把大模型技术植入“梦客全线上销售机器人”项目,使信息抽取任务准确率提升15%,意图识别和智能问答准确率显著拔高。
财富管理机构与运营商亦不甘落后。海通证券、申万宏源、广发证券、西南证券、国海证券、财达证券等10家券商和“文心一言”共结生态合作联盟,以同花顺、东方财富为代表的财富管理运营商也公告称将重点打造AI投顾平台,深入AIGC、交互式AI等细分领域的研究,完善内容生态构建,增强智能运营能力。银河证券与百度合作打造场外衍生品交易服务大模型,广发证券合作研发大模型率先应用于智能客服场景,中信证券债券助手Bond Copilot缓解投行债券全链条承揽、承做、承销三大环节工作,而海通证券“泛海言道”、国泰君安“灵犀布道”、东吴证券“东吴秀财GPT”均在探索智能投顾、智能投研、智能运营、智能风控和办公等场景应用。幻方、兴证、工银瑞信等基金研制GPT大模型用在数字人问答、数据分析师、AI交易员等领域。
一、银行大模型应用案例综述:
二、保险大模型应用案例综述:
三、券商大模型应用案例综述:
四、基金大模型应用案例综述:
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。