用AI大模型重构金融，需要什么？

今时今日，金融机构的运营日益复杂化，获客难度也越来越高。

瞬息万变的全球金融形势、严守的合规风险防线、多层次的产品体系、创新的获客策略与渠道，使金融机构在成本控制、效率提升、流量获取及成果实现等方面倍感压力。

在金融机构积极探寻解决方法的过程中，“技术”成为了最明确的破局之道。

去年，AI热潮在全球范围内兴起，从ChatGPT所代表的大语言模型，到如Midjourney和Sora等文生图、视频技术，再到agent和数字人等，AI正以前所未有的速度蓬勃发展。无论是科技、金融、互联网还是消费领域，几乎都普遍认同了“通过AI重塑行业格局”的看法。

然而，新技术的应用涉及认知、理解和实践的多重挑战。当金融行业开始运用AI大模型时，将会带来何种变革性影响？这一问题的答案，或许可以在“大模型驱动下的金融新质生产力创新论坛”上得到揭示。

大模型释放科技平权潜力

近年来，以大模型为代表的人工智能技术持续深入地推动数字金融新范式的革新与发展。2024年政府工作报告提出，要大力推进现代化产业体系建设，加快发展新质生产力，“人工智能+”被首次写入政府工作报告。

显然，随着AI产业上升至国家战略层面，新一轮科技革新与产业革命将会积蓄更加强劲的发展动能，数字金融新范式正蓄势待发，展现勃勃生机。

大模型作为这一轮科技革新中的关键驱动力之一，以其深度学习、大规模预训练和迁移学习等先进技术，正在逐步消除信息鸿沟，释放出前所未有的科技平权潜力。在金融领域，大模型能够有效解决传统金融服务中地域、时间及专业知识等方面的限制，使得普惠金融的理念得以更加广泛而深入地践行。

以马上消费去年8月推出的首个金融大模型“天镜”为例，其展示了出色的上下文理解和引导式对话能力，自投用以来，马上消费的营销效果提升了30%以上。在企业知识库的应用中，知识产出效率提升了150%，大幅度提高营销物料的生产效率。在与重庆某银行的合作中，大模型驱动的智能营销能将人工成本降低80%以上，产能是传统人工产能的6倍以上。不仅如此，马上消费的生成式AI技术应用不仅局限于金融，还覆盖了数字人、HR、培训等多个场景。

马上消费CTO蒋宁认为，安全、成本、生态的边界，决定着金融大模型的产业边界，而大模型的特性决定了其更为广阔的应用场景，进而释放的“科技平权”潜力，使得科技创新不再只是少数人的特权，而是让所有人都能接触到创新成果，共享、共创、共研新技术。

从整个金融行业来看，借助大模型，金融机构可以构建精准的风险评估模型，为小微企业和个人消费者提供更为便捷、高效且公正的金融服务，进一步提升金融服务实体经济的能力。同时，通过智能客服、自动化决策等应用场景，大模型让复杂金融产品的理解和使用门槛大大降低，让更多人享受到科技进步带来的便利与公平。

国家金融与发展实验室副主任曾刚表示，原则上来讲，金融行业是做“中介”服务的，过去一段时间数字化发展导致数据使用信息不对称的情况时有发生。在此背景下，包括马上消费等机构在实践中做了大量尝试，逐步改变了由于信息不对称导致金融供给不足的情况。

因此，大模型作为新时代的关键核心技术，其不断迭代升级与广泛应用，将有力推动我国经济社会各领域的数字化转型，实现从“数字鸿沟”到“数字红利”的跨越，真正意义上释放科技平权的巨大潜力。

金融大模型的挑战

大数据、人工智能和云计算等技术在金融领域的深度应用，催生了金融大模型的诞生与实践。

金融大模型作为一种整合海量金融数据，通过复杂算法模拟预测市场走势、风险评估以及个性化金融服务的工具，无疑为金融行业带来了前所未有的变革和发展机遇。

尽管如此，金融大模型在展现其巨大潜力的同时，也不可避免地遭遇了一系列严峻挑战。

蒋宁介绍，通过长期实践，在高端制造、金融、智能驾驶等领域，大模型技术还存在群体智能与安全可控、个性化和隐私保护、关键性任务和动态适应性标准、基础设施和架构改造等四大挑战。

为了应对这“四大挑战”，马上消费正全力构建“四大关键技术能力”：模型安全可控、组合式AI、持续学习、平台化服务能力MaaS。

与此同时，目前通用大模型尚存在较大的潜在安全可信威胁，“敏捷治理”已成为业界一大课题。

对此，马上消费人工智能研究院院长陆全认为，要实现在金融领域的商业化和全面工程化落地应用，必须从一开始做好五个关键领域的技术治理，即安全体系、标准体系、合规检查、幻觉检测、动态评价机制。

“目前国内大模型正加速商业化落地，通用基础类大模型与行业领域类大模型参与者在各自赛道中寻找最优解，相比之下，通用大模型解决方案的技术更加复杂，尚不具备解决行业、领域等专业问题的能力，大模型的发展将按照‘通用-行业-领域’路径演化，金融成为领域大模型的最佳实践场景之一。”陆全说。

现在，马上消费拥有100PB基础数据、超过20万张数据库表，以及每天处理数百亿次智能决策计算，且不论环境如何变化，整个系统做到可控、安全。利用这些数据完成模型预训练，之后不断对齐、调优，同时使用推理加速技术实现模型自主可控，快速迭代进化，使其比其他大模型更懂金融行业及客户需求。

金融大模型的发展虽然前景广阔，但面对的挑战同样艰巨。唯有不断提升技术水平，完善相关法规，强化风险管理，才能确保金融大模型在推动金融业创新发展的同时，也能稳健有序地服务于经济社会发展大局。

金融新质生产力

当前，全球人工智能技术持续取得重大突破，以势不可挡的态势广泛深入地推动各行各业的发展与革新。AI大模型正引领金融产业链上下游步入全新发展阶段，并为该领域深层变革带来了关键性契机。因此，金融领域加快布局和应用大模型已成必然之势，新质生产力发展的内在需求不断涌现。
在此背景下，马上消费发布了全国首部《金融大模型》著作，填补了金融行业大模型理论研究的空白。本书立足未来，针对大模型幻觉、安全与伦理等行业热点话题，提出了前沿观察和建议。
曾刚认为，在国家鼓励“人工智能+”的宏观环境下，金融业作为国民经济的血脉，以其用户基数大、经济影响大、服务场景多、民生关系强，首当其冲成为大模型乃至更广泛的人工智能技术的应用场景和金融强国战略高地，而金融大模型将成为新质生产力的典型代表，在高效促进金融行业营销、服务、产品、数据分析利用水平全面提升的同时，赋能实体经济千行百业高质量发展。

金融新质生产力的构建与发展，意味着金融业将从依赖传统人力、资本驱动转向依靠科技创新驱动的新阶段。在实际应用中，金融大模型有助于金融机构优化信贷审批流程，通过实时动态监测和预测风险，提高资产质量。同时，借助于大数据及机器学习技术，可以进行市场趋势预判、投资策略优化，有效助力财富管理和资产管理业务的升级。此外，大模型还能强化金融监管科技，帮助监管部门及时发现并预警潜在金融风险，维护金融市场的稳定与健康发展。

值得一提的是，今年2月，“天镜”大模型通过了中国信通院金融大模型专项评测，在场景丰富度、能力发挥度、应用成熟度三方面均达到4+级，排名第一。

曾刚也特别强调，传统业务发展模式受到越来越大的挑战，行业需要用大模型去提升效率、适应客户需求变化和拓展新的服务空间及场景，不是为科技而科技，而是关注在业务端、管理端的可持续发展。

总体来说，金融大模型作为新质生产力的重要载体，不仅重塑着金融业的内部生态，也在深度对接实体经济的过程中，通过金融科技输出，有力助推产业升级转型，实现金融与实体的深度融合，为我国经济社会全面数字化、智能化转型升级提供强大动力。

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。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】