近日，恒生聚源主办的“大模型在金融行业的应用与展望”研讨会在上海举行。会上，高级副总裁、恒生聚源董事长王锋表示，“当技术、模型、数据、应用快速形成闭环，将产生真正的业务价值，AI进入了从能力涌现走向价值涌现的新阶段。”

　　2022年11月以来，随着OpenAI发布ChatGPT，全球迎来AI大模型热潮。到今年3月BloombergGPT的推出，引起对金融垂直领域大模型应用的关注。

　　恒生研究院院长、首席科学家白硕介绍称，基于Transformer架构，大模型目前分为两条技术路线，其中GPT的单向预测模型可以理解为“接龙”，而另一条路线类似于“填空”，前者通过一条示意可以容纳包括知识、推理、引导、详细说明，甚至代码的预测，后者需要两边文本的信息指示。

　　“GPT对AI行业的冲击非常大。”白硕告诉记者，在此之前机构部署的AI系统都是“烟囱式”的单个系统，“诸多小模型的训练使分析师沦为数据标注员，而模型的可用性也难以得到保障。”

　　富国基金信息技术部总经理李强提到，在基金行业的AI应用中，自然语言处理、文档解析、智能客服、发票识别、表单提取等小模型应用都已相对成熟，但“烟囱式”发展问题非常严重。

　　“小模型和大模型也存在经济学中的‘不可能三角’。”申万宏源证券研究所所长助理刘洋提到，小模型强调了精准度、利润率，但弱化了智能化程度One体育，大模型恰恰相反，通过成本的堆叠，实现了模型的智能化与高效能。

　　“当高质量语料库训练到百亿级参数时，大模型的语言能力就会涌现，在意图理解、文本语言生成等方面的能力将随着参数的增加达到顶峰。”白硕指出，尽管大模型的语言能力已经很强，但是在垂直专业能力方面还有所欠缺，当前普遍适用的解法是，以大模型中控为核心，结合应用、插件等共同构建成AI能力中心，将大模型中控成为链接大模型与应用的“桥梁”。

　　“大模型的涌现能力，让基于大量计算的‘暴力求解’成为现实。”刘洋表示，在算力、算法、数据“三驾马车”的推动下，工程化能力变得尤为重要，特别是在券商、基金这样的垂类大模型应用场景下，率先为客户提供服务的厂商将抢占先机。从应用端，李强同样提到，目前各类大模型“百花齐放”，但应用落地还需要真正的工程化能力。

　　“我们要解决的一个核心问题是，让大模型有效应用于投资业务服务之中，对于机构客户能带来投资收益，对于我们内部的中台与后台，可以带来有效工作效率提升。”中信证券首席数据科技分析师张若海指出，在投研领域，大模型可以助力人均价值的提升，例如在量化领域，对政策文本数据的情绪提炼、中观景气研究的指标投资有效性识别，在投资覆盖宽度与数据处理精度大幅提升同时，人力规模并没有显著等比例增加。在高频场景下，可以实现大规模的定量数据跟踪与观点提炼，解构成交易信号，从而帮助到机构投资者更加便利地获得大模型的赋能。

　　李强认为，未来三年内代码生成的效率提升将在30%-50%之间。白硕则提到，从技术发展的角度，三年内大模型的语言能力将全部上一个台阶，而在金融领域的提质增效目前主要集中于IT研发与数据分析方面。One体育通过AI可以实现低代码甚至“零代码”，One体育工作效率可以提升2-3倍，满足七成以上的数据偶发性即时需求，提升8-10倍的建模效率。

　　“在ChatGPT3.5横空出世时，很多金融从业者不对其进行训练与微调，可以达到很好的效果，但是随着在业务场景的落地，会发现这一模型难以满足各业务的精度要求。”恒生聚源副总经理白雪表示，为了实现“语控万数”，与恒生聚源共同推出的智能投研平台WarrenQ-Chat利用大模型叠加搜索和聚源金融数据库，通过对话指令，轻松获得金融行情、资讯和数据，且每一句生成的对话均支持原文溯源，确保消息出处可追溯。