智客公社
标题:
刘曙峰:2030,一个时间的锚 | AI时代的人类意见
[打印本页]
作者:
展宏法援
时间:
2024-1-8 11:42
标题:
刘曙峰:2030,一个时间的锚 | AI时代的人类意见
[attach]820471[/attach]
Hi 2030:
你好!
站在2023年的年末寄出这样一封信,不仅是对过去金融科技发展的回望,更多的是我们对于数智未来的一次思考和展望。ChatGPT诞生已经一年,AI(人工智能)技术瞬息万变,理论上这封信可以借助大模型技术来创作完成,但我们仍然用键盘敲下每一个文字符号,可能也还是一件饶有趣味的事情。
这一年,大家都不约而同地讨论着相同的主题:大模型。而整个业界也自然达成了一个共识:人类社会正处在新智能时代的前夜。这里,我希望以一个金融科技从业者的身份,谈谈对智能技术的理解以及给产业特别是金融行业带来变革的思考。
1995年,我和几个志同道合的小伙伴一起创立了恒生电子,聚焦于为中国金融市场提供产品和服务。公司跨越了资本市场发展的多个周期,也参与和见证了中国金融科技起步、发展和每一次的创新变革。这其中,我深深感受到了信息技术“信息化-网络化-数智化”的“三浪”演进以及他们给金融行业带来的变化。
信息化时代,计算机和IT技术让人工操作电子化成为现实,金融行业出现电子报单、电子订单等业务,零售业务实现突破性发展。
第二浪是网络化时代。数字化转型全面展开,互联网和移动互联网解决了信息传输的问题,大幅降低信息差、提升用户体验,助力传统行业实现了“互联网+”的模式重塑。金融行业在这时开始走向普惠化、社交化、开放互联。
信息化的第三浪是“数智化”。这是一个以数据为核心生产要素,通过物联网、云计算、大数据、AI大模型解决信息感知、模型知识等问题,以科技代替脑力劳动,实现生产智能化、决策智能化、管理科学化的阶段。
当前,数字化转型已经基本形成了行业共识,面对这个课题,我们需要一个时间的锚。我想把这个锚放在2030年,不妨做一个假设,到2030年我们今天所有的工作,是否都可以被机器取代?资产配置、投资决策如果都由机器来做,会发生一个什么样的变化?
基于公司长期服务金融行业的经验洞察,2019年我们提出了“数智金融2030”业务构想,预计到2030年,金融行业将完成数智化升级。彼时,LightGPT还没有出现,行业对于全面智能化的认知还相对模糊。如今,得益于大模型的普及,相信我们中的大多数已经真切感受到了“第三浪”数智化的来临。在未来牵引和要素驱动下,我们可以看到金融行业存在着大量数智化的潜在机会和创新点,让我们可以提前预判行业将发生哪些新变化和新体验,引导我们进行下一阶段的创新。
大模型不仅是人工智能一次大的技术进步,是对传统AI模型“史诗级”的升级,并且也对未来的商业范式产生深远影响。聚焦到金融行业,金融科技的范式可能将从场景流量为王,逐渐地转变为以数据为核心要素、“数据+算法+算力”共同构建的新范式。从商业的视角,我们可能会看到下面的一些变化:
一是语控万物(NL2X)。目前机器已经可以听懂人话,其他各种形式的“语言”(多模态)也在不断获得进展。未来语言将成为一个新的入口,我们可以以对话的方式来取代各种复杂的交互,信息化时代的菜单,网络化时代的按钮应该都不再需要。
二是大才能强。一些创新、驱动力的建设进步很多时候是由大型的企业创源推动的。具体到大模型,则需要“大数据+大算力+大人工”。这些都需要有大型平台的支撑,同时要有充分竞争从而变化演化的环境,才能够产生“涌现”现象。“大才能强、强者恒强”的马太效应可能还会进一步加强。
三是连横合纵。目前来看,大模型的部署有两种形态,一种是连横的模式,因为大模型的通用性,各行各业都可以通过插件的方式,与基础模型的平台实现行业的应用。另外一种是合纵模式,在基础大模型的基础上训练一个专门针对行业的模型并进行部署。
但对于像金融这种有很强行业特性和数据敏感性的行业而言,由大模型供应方主导的“连横”模式可能很难实现深度应用。我们还是需要将目光更多地放到垂直领域生态建设、应用场景建设和模型能力的提升训练上来,建设“行业大模型”承接金融机构实际应用需求很有必要。当然,这里需要硬件厂商、云算力厂商、基础大模型供应商、数据供应方、金融机构等产业链上下游的共同协作。
在这样新的范式下,我们可以尽情畅想下,到了2030年,金融行业将会迎来哪些全新的业务场景体验,以及金融机构如何借助科技力量实现超越发展?大模型给金融机构和投资者都将带来哪些全新的发展机遇?
对于投资者(中小投资者、高净值用户、专业投资者等)而言,在选择合适金融产品、评估投资风险、合理理财规划、7*24服务支持、专属VIP式服务等方面都可以在大模型加持下获得更好的客户体验。而对于金融机构来说,大模型则可以帮助财富管理、资产管理、市场营销、运营管理、量化投资、风控管理等各类金融业务获得智能化重塑。
比如投资顾问。智能投顾虽然发展多年,但受限于数据容量、数据分析能力以及算力等因素,服务效果平平。大模型加持下的智能投顾,可以从选品、配置和持有等方面更好地发挥客户服务能力。如大模型可以帮助投资顾问根据投资人目标收益、风险承受度等实际情况,提供个性化的财富管理建议,并优化投资组合;还可以根据客户对话分析客户意图,自动检索话题相关金融产品及资讯信息,生成专业的观点和建议,给出适当话术和行动建议。
再如投资研究。投研是大模型金融应用的“皇冠”。对投研而言,如果把数据比作石油的话,大模型就是它的发动机。大模型可以打通投研工作场景,赋能“搜、读、算、写”全流程,帮助投研人员在获取和分析金融数据,结构化分析海量金融文本,情感倾向分析、快速生成专业报表和观点等各方面,大大提高工作效率。
还有一个新兴的领域,量化投资。近几年成长最快的资产部门是量化投资,短短几年,投资基金从零发展到千亿规模,表现最好的基金实际上是使用了机器深度学习带来的交易增强策略,其背后核心就是AI和超算力量。大模型在市场情绪分析上表现优于传统分析方法,大模型文本处理功能强大,可抓取某只/类股票的观点,从中发现有效的另类因子,还可以根据投资经理的策略逻辑编写量化策略代码,提高策略输入效率。
大模型还可以赋能金融机构的内部开发、数据生产。大模型刷新了软件研发的新范式,从长远来看,AIGC(生成式人工智能)代码生成,为研发体系提效可达50%甚至更高。
作为一家金融科技公司,恒生电子也是在积极思考和实践金融大模型的应用。其实一直以来,恒生都是资本市场AI应用领域的重要厂商之一。在布局大模型之前,我们的人工智能团队已经在深入研究NLP(自然语言处理)、OCR(光学字符识别)、知识图谱等技术,开发传统AI模型,为客服、运营、投研、合规风控等场景提供智能应用产品。
从传统人工智能或者小模型,转到现在的大模型,我们有强烈的危机感,也第一时间启动技术研发和创新场景研判。我们希望把自身在AI应用领域积累的数据和经验用于大模型训练中,为金融行业提供符合行业需求的大模型和应用产品。
目前,我们已经成功推出了基于2000亿中文tokens(字节)训练的金融行业大模型LightGPT,并创新性地打造了大模型“中控”平台光子,以及基于光子平台的一系列大模型应用产品,覆盖投顾、投研、运营、合规、营销、培训等众多场景,构建面向未来的智能产品矩阵。
在这轮数智化浪潮中,我们发现,技术不仅仅只是降本增效的工具,更逐步进入价值创造的领域,成为在新技术新周期的一个核心驱动力。技术的进步最终要落到实质性的场景应用,最终体现在以下三个方面:第一,要极大地改善用户体验,带来颠覆性的体验升级;第二,要数倍乃至数量级地提升效率;第三,不仅要有流量增长,更要有价值创造,给企业、给社会带来有质量的增长。
杰瑞·卡普兰在《人工智能时代》引言中提到:“这场新技术带来的海啸会在一个无与伦比的时代中掠过,这个时代自由、便捷、快乐。但是如果我们不紧紧握住方向盘,旅程必定将充满艰辛。”
在每一次信息化浪潮中都会催生出一些伟大的企业。第一浪中,IBM公司实现了从硬件厂商向服务型转型的大策略,微软成为了业界巨头;第二浪中,互联网企业谷歌、苹果是时代的引领者;今天的第三浪中,英伟达成为最快最早到达万亿美元市值的企业,OpenAI(美国开放式人工智能研究中心)等新兴AI创业公司更是受到资本热情追捧。
关于未来,以数智化转型实现第二次曲线增长,这既是企业的共识,也是社会的共识。在迈向2030年AI时代的过程中,我们又都站在了相对一致的起跑线上,新生的技术、新生的商业模式、新生的创新业务、新生的头部企业,都将不断涌现。
万物生长,适者生存。2030年,其实距离现在也不过7年而已,时间的车轮飞快,我想我们能做的就是感知变化、顺应变化,快速把握宝贵的时代机遇,去创造更智能、更普惠的数智金融时代,去体验技术给人类带来的美好改变。
刘曙峰
2023年12月
(作者系恒生电子董事长)
欢迎光临 智客公社 (http://bbs.cnaiplus.com/)
Powered by Discuz! X3.4