AI 行研 | 从七行代码到500亿美元估值：AI将如何缔造下一个金融科技传奇？

今天，我们结合AI创投库（svtr.ai），120多家金融服务行业的高潜初创公司，看看传统的金融巨头和新兴的初创公司如何利用人工智能和大型语言模型（LLM）来解决金融行业的各种问题。同时我们也在思考，谁将会在[Strip]之后，缔造下一个金融科技传奇？

如果你不做任何蠢事，银行业是非常好的生意。

——沃伦·巴菲特

2010年，两位爱尔兰兄弟帕特里克和约翰·科里森着手简化在线支付。七行代码，可以嵌入任何网站。这个看似简单的想法孕育了Stripe，一家如今市值超过500亿美元的公司。

今天，人工智能成为了主角。如果下一个Stripe不仅仅是简化支付，而是彻底改变整个金融格局呢？

试想一个这样的世界：

• 从预算到投资，你的整个财务生活都被自动优化

• 洗钱行为被实时检测和阻止，金融犯罪几乎不再可能

• 市场风险被精准预测，从而避免金融危机

这不是科幻——这是人工智能驱动的金融科技未来，它正在当下成为现实。

一、个性化金融服务

你刚刚涨了工资，但却感到不知所措。该如何投资这笔钱？怎样才能节省税款？是否应该更快地还清贷款？开始为买房存钱？或者犒劳自己，来一次期待已久的假期？

如果有一种方法可以轻松优化你的财务状况，考虑到你的独特目标、风险承受能力和生活情况，那该多好。

想象一下，如果你有一个这样的财务顾问：

• 比你更了解你的消费习惯

• 无需人工干预就能完全优化你的资产负债表和收入情况

• 能够克服自动化财富管理相较于人类顾问的不足

• 24/7提供定制化建议

• 在准备缴税时，确保你不会错失任何福利

大型语言模型（LLMs）结合一些基础工具，能够很好地分析所有这些因素，评估你的风险偏好，并根据你的需求提供个性化的体验。

个性化助手已经显示出一些潜力，许多组织正在训练自己的LLM，以便为用户提供按需、准确的响应。

1、传统机构

• BloombergGPT

彭博开发的大型语言模型（LLM），旨在提升个性化金融体验。BloombergGPT利用专有的金融数据和先进的AI技术，提供情感分析、命名实体识别和新闻分类等洞察。这一模型旨在通过自动化日常任务和提高数据可访问性，简化专业人士的金融研究和决策过程。

• JP Morgan

开发了IndexGPT，通过生成式AI帮助分析证券并改进投资策略。

• 高盛、贝莱德

也在考虑开发自己的LLM，以增强投资组合管理并识别可持续投资机会。

2、初创公司

• FinGPT

一个开源的替代方案，旨在普及金融洞察的获取。它利用来自人类反馈的强化学习（RLHF）来适应个人偏好，使其能够更好地响应用户独特的财务状况。FinGPT设计用于快速更新和成本效益高的微调，使初创公司和较小的企业能够使用AI驱动的金融工具。

• Alphathena

为财务顾问和财富管理者提供人工智能驱动的解决方案。公司产品是一个人工智能增强型 SaaS 平台，用于个性化和直接索引，主要面向财务顾问、财富管理者和金融科技平台。Alphathena 提供各种功能，包括定制直接索引、自动税收损失收获、优化分配和基于规则的再平衡，旨在提高投资组合管理的效率。完成 400 万美元的融资，投资方为 ETFS Capital 、Hyde Park Angels。

• Savvy Wealth

提供为金融顾问提供AI驱动的客户关系管理、数字化入职和投资管理服务的平台。Savvy 的团队已发展到 30 名顾问，管理着超过 7 亿美元的客户资产，在今年突破 10 亿美元的管理资产 (AUM) 里程碑。完成1550万美元的A+轮融资，投资方为Canvas Ventures、Thrive Capital、Brewer Lane Ventures、Index Ventures、The House Fund、Alumni Ventures。

二、后台运营自动化

作为一名小企业主，你正被各种文书工作和合规要求淹没。

KYC表格、合规检查、贷款申请——这些工作堆积如山。你的夜晚用来对账，周末则被税务准备所占据。

在这些运营中有多层流程，大多数初创公司都集中在这一领域。因为金融领域的大部分运营都是基于文本的，因此这是AI可以直接产生影响的地方。

想象一下，如果你有一个后台系统，可以：

• 自动处理合规和监管要求

• 在几分钟内处理贷款和信用申请，而不是几周

• 实时检测和预防欺诈

• 从所有相关来源提取数据并生成信用风险报告

• 一键生成全面的财务报告

1、传统机构

• 摩根大通

他们的COiN（合同智能）平台利用AI分析法律文件并提取重要数据点，将36万小时的工作缩短为几秒钟。

• 花旗集团

实施了AI驱动的反洗钱系统，提高了50%的生产力，并减少了40%的误报。

• 汇丰银行

使用AI进行信用风险管理，处理非结构化数据，以做出更快速、更准确的贷款决策。

2、初创公司

• Light

利用人工智能为企业自动化总账任务。完成1300万美元的种子轮融资，投资方为Atomico、Cherry Ventures、Entrée Capital和Seedcamp。

• Greenlite

为银行和金融科技合规团队构建AI员工来代替外包团队，从而更快地为客户提供高标准的合规服务。完成480万美元的种子融资，投资方为Greylock和Y Combinator。

• Campfire

提供旨在简化中小型企业财务管理的会计软件。完成350万美元种子轮融资。投资方为Foundation Capital、Y Combinator和Twenty Two Ventures。

三、增强风险管理

作为一名银行风险经理，你总是充满担忧。市场不可预测，欺诈行为日益增多，而传统的信用评估方法已经不再奏效。监管机构要求更好的风险管理，但该如何实现呢？

假如你有一个系统，可以：

• 及时发现市场趋势，提前预警潜在风险

• 高精度识别欺诈行为，甚至应对新的诈骗手段

• 通过全面分析来评估信用，而不仅仅依赖信用评分

• 在成千上万种“假设”情境下测试你的银行

• 通过比对其他数据库和行为模式来筛查交易

1、传统机构

• 摩根大通

他们的AI系统能够在几秒钟内阅读复杂的贷款文件，而不是耗费数小时。

• 富国银行

利用AI即时识别假交易，提升客户安全性。

• 贝莱德

他们的Aladdin系统使用AI来帮助大投资者进行风险管理。

2、初创公司

• EnFi

利用人工智能帮助银行和私人贷款人进行信用分析、风险监控和贷款管理。EnFi 通过采用先进的人工智能工具，该公司仔细审查原始借款人数据，无缝集成公共和私人来源的信息。这种整合使贷方能够增强风险评估能力并更有效地管理贷款。完成750万美元的种子轮融资，投资方为Unusual Ventures、Boston Seed、Argon Ventures和Impellent Ventures。

• Supervizor

利用自动化审计技术检测财务数据中的错误、欺诈和低效。完成2200万美元融资，投资方为Orange Ventures、Wille Finance、La Maison Partners、New Alpha Asset Management、Adelie Capital和ISAI。

• Greenlite

利用AI协助合规性分析师评估金融客户的合规风险概况，完成480万美元的种子融资，投资方为Greylock和Y Combinator。

四、保险流程自动化

你刚刚开了一家小企业，需要购买保险。但这个过程缓慢、复杂，还充满了各种文书工作。当你终于获得保险覆盖后，你可能会担心：买多了？买少了？如果出现问题，理赔会不会成为一场噩梦？

假如保险能够：

• 只需几次点击就能快速购买

• 完美匹配你的具体需求

• 根据你的实际风险公平定价

• 随着业务变化轻松更新

• 理赔简单，几天内就能收到赔款，而不是几个月

1、传统机构

• Lemonade

利用AI在几分钟甚至几秒钟内完成保单销售和理赔处理。

• AXA

他们的AI预测车祸风险，帮助防止事故并更好地定价保单。

• Allstate

利用AI通过照片检查汽车损坏，加快理赔支付速度。

2、初创公司

• Tractable

他们的AI通过照片评估汽车和财产损失，使理赔更加迅速。完成6500万美元的E轮融资，投资方为软银愿景基金2号、Insight Partners和Georgian。该公司总共融资1.849亿美元。

• Cascading AI

Casca 是银行业首个人工智能原生贷款发放系统，旨在彻底改变贷款处理方式。该系统利用人工智能来自动化并加快贷款申请和发放流程，显着提高效率并将手动后台工作减少高达 90%。完成390万美元的种子轮融资，投资方为Peterson Ventures、Y Combinator、The Sarah Smith Fund和Clocktower Technology Ventures。

• Continuity

提供工具让保险公司能够利用人工智能驱动的洞见和外部数据源，以便进行更好的风险评估和决策。完成1080万美元融资轮，投资方为115K、之前的投资方Elaia和Bpifrance。

五、投资分析研究

作为一名投资者，你想做出明智的决策。然而，信息泛滥——新闻、报告、社交媒体层出不穷。你如何能够跟上信息潮流并发现最佳投资机会？

假如你有一个研究助手，可以：

• 在几秒钟内阅读并理解数千份财务报告

• 在市场趋势显现之前就捕捉到它们

• 分析全球事件如何影响股价

• 发现公司和行业之间的隐藏联系

AI正在将这些“假设”变为现实，彻底改变我们研究和分析金融市场的方式。

1、传统机构

• 贝莱德

其Aladdin系统利用AI分析市场风险和机会。

• 高盛

使用AI预测股价并做出交易决策。

• 彭博

其大型语言模型BloombergGPT阅读新闻和财务报告，为交易员提供快速见解。

• AlphaSense

其AI在数百万份文件中搜索，以回答复杂的金融问题。完成6.5亿美元的融资，投资方为Viking Global Investors、BDT & MSD Partners、J.P. Morgan Growth Equity Partners、SoftBank、Blue Owl和Alkeon Capital，以及之前的投资者CapitalG和Goldman Sachs Alternatives。本轮估值达40亿美元。

2、初创公司

• DeckMatch

用AI替代风险投资助理，实现商业计划书和投资机构智能匹配。完成110万美元种子轮融资，这轮融资由 Alliance VC领投，其他投资者包括Skyfall Ventures和一些战略天使投资者。

• Finpilot

利用人工智能协助金融分析师生成投资研究报告。该公司的目标是帮助金融分析师加快投资流程。它可以让用户询问有关财务文件（SEC 文件、通话记录、研究报告等）的问题，并立即给出答案。答案与原始来源相关联，以避免产生幻觉。完成400万美元的种子轮融资，投资方为Madrona、Ascend。

• Theia Insights

为投资者和金融机构提供AI驱动分析。完成了650万美元的融资，投资方为Unusual Ventures、Fidelity International Strategic Ventures和Clocktower Ventures。

六、数据获取与整合

作为一名金融分析师，你被大量数据淹没。这些数据来源广泛——客户记录、市场报告、社交媒体，甚至卫星图像。你如何才能理清这些信息，并利用它做出明智的决策？

假如你有一个系统，可以：

• 自动从多个不同来源收集数据

• 清理混乱的数据并发现错误

• 将不同类型的数据结合起来，揭示新的洞察

• 随着新信息的到来实时更新你的分析

AI正在将这些“假设”变为现实，改变我们处理金融数据的方式。

1、传统机构

• 摩根大通：利用AI从数百万份文件中提取关键信息。

• 花旗集团：他们的AI结合传统和替代数据，提供更深入的市场洞察。

• 摩根士丹利：使用机器学习来清理和组织海量数据。

2、初创公司

• Linq

通过提供财务文件、收益电话记录和市场数据来简化金融分析师的研究工作。完成660万美元的融资，投资方为InterVest、Atinum、TechStars、Kakao Ventures、Smilegate Investment和Yellowdog。

• Daloopa

利用人工智能从财务报告和投资者演示中提取和组织数据供分析师使用。完成1800万美元B轮融资，投资方为Touring Capital、摩根士丹利以及之前投资方Nexus Venture Partners。

• Sibli

利用人工智能分析大量非结构化数据，为投资组合经理和分析师提供洞察。完成450万美元的种子轮融资，投资方为Staircase Ventures、The Group Ventures、Burst Capital和MaRS IA。

七、写在最后

AI正在全面革新金融行业——从个性化体验到风险管理。但对于初创公司来说，关键不仅在于理解这些趋势，还在于提出正确的问题：

• 当前的AI解决方案仍未解决哪些金融行业痛点？

• AI可以创造哪些全新的金融产品或服务？

• 如何利用AI与拥有丰富数据的传统巨头竞争？

• 大公司忽略了哪些金融细分领域的问题？

下一波金融科技独角兽很可能会从那些能够创造性回答这些问题的公司中涌现。他们将找到方法：

• 民主化金融智能

• 解决那些只有依赖AI才能解决的问题

• 创造无缝的、AI驱动的金融体验

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】