金融大模型风起：带来了什么 改变了哪些？

金融业对“模型”并不陌生，“大模型”一字之增，改变了什么？

近年来，大数据、机器学习、自然语言处理、计算机视觉、语音识别和智能推荐等一系列人工智能及相关技术得到长足发展，为金融科技从“想到”到“做到”，提供了应用支撑。但也要看到，由于金融领域的特殊性，在风控、安全、效率等方面有着强烈诉求，大模型应用总体上还处于早期探索阶段，仍面临不小的挑战。

记者梳理发现，大模型在金融领域的落地应用有不少，马上消费发布了零售金融大模型“天镜”、工商银行推出人工智能金融行业通用模型、农业银行发布了金融AI大模型ChatABC、科大讯飞发布了“讯飞星火”智能客服用于保险业务等场景、彭博社针对金融业推出了大型语言模型BloombergGPT……

“金融是高度数据驱动的市场，近一年来不少金融机构抢滩大模型赛道。”“目前，大模型在信息理解、内容生成、知识问答、代码编程和合规检测上加速渗透。”在日前举行的“金融新质生产力创新论坛”上，参会嘉宾表示，金融业作为国民经济血脉，以其用户基数大、经济影响大、服务场景多、民生关系强，成为大模型乃至更广泛的人工智能技术应用场景。金融与大模型“牵手”，将为决策者提供更加精准的预测，为用户提供更加个性化的服务，大模型将成为推动这一变革的重要力量。

在论坛上，围绕赋能金融风控，中国工程院院士蒋昌俊表示：“我们要设计出一套网络交易风控体系，‘跑得快’是系统在极短时间内在线实时辨识行为是否合规，‘抓得准’是如果出现问题能及时定位防范。可以将用户的行为通过大模型进行凝练，从变化的行为数据中求解不变的行为纹理。”

“不是为了科技而科技，而是关注在业务端、管理端的可持续发展。”国家金融与发展实验室副主任曾刚认为，行业面临着资产获取难、传统服务触达客户难；资产质量发生变化，一些过剩产业正在经历调整，这对风险防控的要求不断提升；息差收窄，资本补充有待关注。大模型和人工智能的发展将去中介化，不仅是“信息中介”更多是“知识中介”，来提升效率适应客户需求变化，拓展新的服务空间及场景。

“自2023年8月，我们推出了金融大模型‘天镜’，知识产出效率提升了150%。在与重庆某银行合作中，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。”马上消费CTO蒋宁说：“为了在群体智能与安全可控、个性化和隐私保护、关键任务和动态适应性标准等方面提供解决方案，我们将在模型安全可控、组合式AI、持续学习、平台化服务能力MaaS等关键技术上持续探索和发力。”

金融是标准化、最严谨的行业。有业界人士表示，对大模型的期待不妨向那些长期没有解决的业务环节探索，向金融核心业务延展，或将带来更大的惊喜。

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】

123?spm=1001.2014.3001.5501)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】