Hace unos años, entrevisté a un experto de la industria y mencionó una gran confusión en la implementación de alta tecnología en la industria: dos capas de piel.
Se han publicado en artículos algunos resultados técnicos particularmente impresionantes, que es una capa de piel. Cuando el personal técnico de la empresa comercialice estos resultados, puede que hagan algunas simplificaciones por motivos de ingeniería, que es otra capa de piel.
Hay una brecha entre las dos capas de piel, al igual que el espectáculo del vendedor y el espectáculo del comprador, no están integrados ni son consistentes.
A menudo, las empresas con talento técnico, capacidades de I+D y voluntad de transformarse se topan primero con el problema de las "dos capas de piel", lo que genera dudas sobre la eficacia de la tecnología y tasas de retorno de la inversión poco claras.
Entre las diversas personas que se lanzan a la moda de los modelos grandes, las instituciones financieras pueden ser las primeras en enfrentar el desafío de las "dos capas de piel".
Sabemos que la industria financiera siempre ha sido una de las primeras en adoptar nuevas tecnologías y ha comenzado a experimentar con IA desde muy temprano. Se puede decir que es el "mejor estudiante" en IA industrial y tiene una buena base de informatización y digital. En todos los escenarios del front, middle y back office de las instituciones financieras, hay margen para la reducción de costos y la mejora de la eficiencia utilizando modelos grandes. Por tanto, las finanzas también se consideran el escenario preferido para la implementación de grandes modelos.
Como pionero en la implementación de modelos grandes, si el campo financiero no puede resolver el problema de las "dos capas de piel", significa que todavía existe una brecha entre el espectáculo del vendedor y el espectáculo del comprador en la aplicación real de modelos grandes.
¿Este artículo espera aclarar qué cuestiones están abriendo la brecha entre las finanzas y los grandes modelos?
01 Pregunta 1: ¿Quién es el principal?
Dado que es un modelo a gran escala, por supuesto estará liderado por empresas de tecnología y empresas de tecnología como OpenAI/BAT, y esto es algo que las instituciones financieras no quieren ver.
Un experto en el campo financiero nos dijo que después de que esta ola de grandes modelos se popularizara, las instituciones financieras estaban particularmente ansiosas y tenían una emoción FOMO (Fear of Missing Out).
Debido a la última ola de tecnología y al auge de los teléfonos inteligentes y de Internet móvil, muchas empresas de bancos y firmas de valores tradicionales han sido arrebatadas por compañías financieras de Internet. Según expertos de la industria, esta "tragedia épica" nunca debe repetirse.
Impulsadas por la ansiedad tecnológica, las instituciones financieras son muy activas para mantenerse al día con la tendencia de los modelos grandes. Los fabricantes de tecnología no necesitan mucha educación sobre el mercado. Toda la industria ha tenido un desempeño extremadamente bueno en la aceptación de modelos grandes.
Al mismo tiempo, las instituciones financieras también conceden gran importancia a tener en sus propias manos los "chips centrales" de los grandes modelos financieros, haciendo hincapié en "ponerme a mí primero". Algunas personas del sector bancario señalaron: Sólo los grandes modelos que sean adecuados para los bancos pueden realmente aplicarse en profundidad a escenarios y procesos de negocio. **¿Cómo hacerlo específicamente?
**La primera categoría son las patatas fritas duras. **
Para las instituciones financieras, la seguridad de los datos y el cumplimiento de la privacidad son objetivos difíciles sin concesiones y tienen requisitos muy estrictos. Esto también conduce a la necesidad de una construcción localizada y un despliegue y operación privatizados de modelos financieros a gran escala.
El requisito de implementación local tiene ventajas y desventajas para los grandes fabricantes de modelos. La ventaja es que, en comparación con el modelo MaaS en otras industrias que llama directamente a interfaces API, la implementación local tiene un precio unitario más alto, mayores ganancias y un mayor valor comercial. La desventaja es que la implementación privada requiere un conjunto completo de soluciones en la nube, procesamiento de datos, almacenamiento, capacitación de modelos, ingeniería rápida, servicios de operación y mantenimiento, etc. El foco de la competencia no es solo el modelo base en sí, lo que aumenta los costos y dificultades para los proveedores de servicios técnicos.
**La otra categoría son las patatas fritas blandas. **
Para que los grandes modelos financieros funcionen bien, se requiere un ajuste fino de los datos patentados, la introducción de conocimientos de dominio y retroalimentación basada en escenarios. La propia industria bancaria tiene una muy buena base digital y una profunda acumulación de datos, lo que se convierte en una moneda de cambio blanda en sus manos.
Al desarrollar productos de IA generativa, Morgan Stanley ha combinado más de 100.000 informes financieros, datos internos y literatura financiera para perfeccionar el modelo básico de OpenAI. Según los informes, la industria bancaria agrícola de mi país también ha acumulado 2,6 TB de datos de capacitación de alta calidad para la capacitación de modelos grandes. Además, aunque el gran modelo básico tiene un sólido conocimiento general, carece de capacidad de "curso profesional" y carece de conocimientos financieros profesionales. Además, el escenario financiero empresarial es complejo. El incipiente gran modelo debe desarrollar capacidades de servicio de alta calidad y convertirse en un "Excelente "diputado de AI". Conducir” no es fácil.
Esto requiere que los grandes fabricantes de modelos y las empresas de tecnología cambien el pensamiento habitual de "centrado en la tecnología" y "estoy aquí para empoderarlo/subvertirlo", mejorar el conocimiento del servicio y cooperar con los clientes financieros, centrándose en los clientes financieros.
La implementación de modelos financieros a gran escala no es ni puede ser otra "disrupción tecnológica de la industria". Ya sea un fabricante general de modelos grandes o un integrador de proveedores de servicios ISV, deben bailar sobre la base de "el cliente primero".
02 Pregunta 2: ¿Por qué es difícil la integración?
Si las instituciones financieras son las principales, ¿no se convertirían las empresas de tecnología en "grandes equipos de construcción modelo" que sólo pueden cobrar una pequeña tarifa por el trabajo duro y no pueden ejercer su innovación tecnológica?
Grande, no, no especial.
**En primer lugar, la IA financiera no es algo nuevo. **
Las instituciones financieras no ignoran tanto la IA como todo el mundo piensa. De hecho, entre todas las industrias, el campo financiero se encuentra definitivamente entre los primeros en términos de "contenido de IA". Hace unos años, entrevisté al decano de la Escuela de Inteligencia Artificial de una universidad 985 en China y dijo sin rodeos que los estudiantes en el campo de la IA no van a BAT o empresas de nueva creación después de graduarse, sino a centros de información. Centros de tecnología dependientes de instituciones financieras como China Merchants Bank, que se dedican a la inteligencia artificial financiera.
Por lo tanto, la tendencia de la IA financiera se ha desarrollado significativamente hace unos años, por lo que la popularidad de los modelos grandes apenas ha comenzado este año. Un gran número de bancos nacionales como ICBC, Ping An, Agriculture Bank of China, China Merchants Bank y CITIC Bank pueden establecer rápidamente su propio equipo de investigación dedicado a modelos grandes de GPT. La capacidad del banco para actuar de manera oportuna depende de la acumulación de inversiones en IA durante los últimos años. Por lo tanto, centrándonos en las instituciones financieras, también construimos buenos modelos financieros.
**En segundo lugar, los modelos grandes son algo nuevo. **
¿En qué es mejor el modelo grande que estas "IA tradicionales" y qué puede hacer? Esta es una nueva pregunta completamente en blanco.
En teoría, los modelos grandes pueden atravesar todos los eslabones de toda la cadena de la industria bancaria, y los escenarios de aplicación LLM se pueden encontrar en cada línea de negocio y en cada inteligencia. Pero en realidad, no está claro cómo integrar el gran modelo con el negocio cuando todos los vínculos estén plenamente implementados, lo que significa que gran parte de la exploración fracasará y se desperdiciará.
Para acelerar la exploración, reducir costos y reducir riesgos, las instituciones financieras y las empresas de tecnología deben trabajar juntas, permitiendo que expertos financieros, científicos de algoritmos, ingenieros, evaluadores, etc. se sienten juntos, exploren juntos poco a poco y obtengan información detallada sobre los escenarios. y "eliminar las falsedades conservando la verdad" de las necesidades ".
El responsable de una institución financiera dijo sin rodeos que la industria financiera actual tiene una gama muy rica de aplicaciones inteligentes. Si abre el manual de promoción de productos financieros de una empresa de inteligencia artificial, puede ver cientos de capacidades segmentadas, pero cómo elegir la más ¿Cuál es el adecuado para integrarlo en su propia institución? En los negocios, habrá muchas pruebas y errores en este proceso.
**En la actualidad, la industria básicamente ha llegado a un consenso de que los escenarios deben optimizarse para grandes modelos financieros. Hay varias palabras clave: **
**1.Alta frecuencia. **En algunos escenarios y aplicaciones clave, los modelos grandes se pueden poner a trabajar lo antes posible para resolver problemas y reducir el umbral de aplicación. Por ejemplo, puestos que originalmente requieren mucha mano de obra, como servicio al cliente inteligente y asesoramiento de inversiones inteligente, pueden generar rápidamente una reducción significativa de costos y resultados de mejora de la eficiencia.
**2.Alto valor. **Sé el primero en explorar áreas con valor social y comercial. Por ejemplo, las finanzas inclusivas son un servicio financiero que actualmente es valorado tanto por el gobierno como por el sector privado. Requiere información precisa de datos, costos más bajos y capacidades de servicio altamente accesibles para reducir integralmente los costos financieros de las pequeñas, medianas y microempresas. comerciantes. Entre ellos, las capacidades de expresión multimodal y las potentes capacidades de comprensión y análisis de modelos grandes pueden desempeñar un papel muy bueno.
**3.Fácil de implementar. **La primera reacción de muchos profesionales financieros cuando escuchan hablar de modelos grandes es: ¿pueden los modelos pequeños hacer esto? Los modelos grandes han planteado requisitos más altos para la potencia informática y la estabilidad de la infraestructura de hardware. Las instituciones financieras están acelerando la promoción de hardware localizado. Los modelos grandes se implementan en cada línea de negocio, lo que genera presión de rendimiento, presión de costos y presión de implementación. Todos son muy grande. Por lo tanto, después de comprimir y optimizar el modelo grande, o un modelo pequeño con el mismo efecto, se puede implementar en escenarios comerciales, como el modelo grande que genera recomendaciones para productos financieros bancarios y el modelo grande que actúa como asistente de investigación para Para estas IA tradicionales que ya están en uso, se puede usar el modelo grande. La actualización del modelo no aumentará los costos excesivos de energía informática ni la carga de trabajo de ingeniería, y es un escenario progresivo que es más fácil de implementar.
Precisamente porque el modelo grande es una capa de piel y la aplicación real es otra capa de piel, cómo integrar las dos capas de piel y en qué escenarios se deben priorizar es un camino no transitado. Ni las instituciones financieras ni las empresas de tecnología pueden trabajar solas. Sólo trabajando en estrecha colaboración podremos encontrar el mejor camino de integración entre los escenarios financieros y los grandes modelos.
03 Pregunta 3: ¿Por qué hay tantos grilletes?
¿Es posible encontrar un escenario, centrarse en conquistarlo y luego replicarlo a gran escala, para que los grandes modelos financieros puedan avanzar a pasos agigantados?
Decimos que las instituciones financieras tienen “más gente, más dinero y más tecnología”, pero esto es sólo en relación con otras industrias. En realidad, es imposible que las instituciones financieras asignen presupuestos ilimitados, inviertan mano de obra ilimitada y abran escenarios ilimitados para que los grandes modelos muestren sus habilidades a voluntad. Además, todavía hay un gran número de bancos y empresas de valores pequeños y medianos en el campo financiero, y el costo de la innovación tecnológica que pueden afrontar también es limitado.
Un profesional bancario mencionó a AIGC y dijo: La competencia se está intensificando, el personal es limitado, faltan talentos y los costos son ajustados.
**Se puede decir que bailar con grilletes es la razón clave de la "piel de dos capas" de las finanzas y las grandes modelos, "el espectáculo del vendedor y el espectáculo del comprador". **
**Por ejemplo, el problema de la potencia informática. **En el proceso de sustitución de la localización, los grandes modelos financieros deben romper las cadenas de una costosa capacitación y altos costos de potencia informática, lo que plantea una prueba integral para la base de hardware, las capacidades de autoinvestigación, las capacidades de compatibilidad ecológica y la colaboración de software de los fabricantes de modelos. mejoramiento.
En la actualidad, los principales proveedores de nube están haciendo grandes esfuerzos para desarrollar hardware de desarrollo propio, como Kunlun de Baidu, Yitian de Alibaba, Shengteng de Huawei, así como software y ecosistemas de soporte. Sin ellos, es difícil ganar verdaderamente el gran modelo financiero.
**También existen limitaciones de la propia tecnología. **Hablando francamente, todavía hay muchos problemas en la propia tecnología de modelos grandes, especialmente cuando se implementa en el campo financiero. El problema de la ilusión debe resolverse. Las tonterías son inaceptables para los negocios financieros rigurosos. La naturaleza de caja negra del modelo hará que la toma de decisiones inteligente de la IA no sea confiable ni confiable, lo que hará que no pueda usarse verdaderamente en consultoría de inversiones financieras y decisiones de análisis de mercado.
**Además, las instituciones financieras también medirán la relación insumo-producto del ROI. **Pero debido a que se ha acumulado una gran cantidad de IA tradicional en la escena financiera, como el servicio al cliente inteligente, es posible que todos hayan recibido llamadas de ventas de productos y llamadas de cobro de facturas de robots.
Por lo tanto, después de la introducción de modelos grandes, actualmente no existe un estándar de medición claro sobre cuánto beneficio puede brindar a los clientes, cómo evaluar el ROI de la relación retorno-producción y cuáles son las mejoras que aportan los modelos grandes.
La incapacidad de cuantificar la contribución de los grandes modelos al negocio conducirá obviamente a una competencia desordenada entre los grandes fabricantes de modelos o a una competencia por las relaciones con los clientes, lo que también se ha convertido en una preocupación oculta por la ineficacia de los grandes modelos financieros.
Eliminar la brecha entre la industria y los modelos grandes será un paso estándar en el sector de los modelos grandes en el futuro.
En este proceso, los primeros modelos financieros a gran escala que encuentren el problema de la "piel de dos capas" pueden proporcionar muchas referencias y prácticas útiles, y las instituciones financieras se convertirán en el primer grupo de buscadores de oro modelo a gran escala en descubrir minas de oro. más temprano.
Ver originales
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
El problema de las "dos pieles" entre las finanzas y los grandes modelos
Fuente: "Brain Extreme Body" (ID: unity007), autor: Zanghu
Hace unos años, entrevisté a un experto de la industria y mencionó una gran confusión en la implementación de alta tecnología en la industria: dos capas de piel.
Se han publicado en artículos algunos resultados técnicos particularmente impresionantes, que es una capa de piel. Cuando el personal técnico de la empresa comercialice estos resultados, puede que hagan algunas simplificaciones por motivos de ingeniería, que es otra capa de piel.
Hay una brecha entre las dos capas de piel, al igual que el espectáculo del vendedor y el espectáculo del comprador, no están integrados ni son consistentes.
A menudo, las empresas con talento técnico, capacidades de I+D y voluntad de transformarse se topan primero con el problema de las "dos capas de piel", lo que genera dudas sobre la eficacia de la tecnología y tasas de retorno de la inversión poco claras.
Entre las diversas personas que se lanzan a la moda de los modelos grandes, las instituciones financieras pueden ser las primeras en enfrentar el desafío de las "dos capas de piel".
Sabemos que la industria financiera siempre ha sido una de las primeras en adoptar nuevas tecnologías y ha comenzado a experimentar con IA desde muy temprano. Se puede decir que es el "mejor estudiante" en IA industrial y tiene una buena base de informatización y digital. En todos los escenarios del front, middle y back office de las instituciones financieras, hay margen para la reducción de costos y la mejora de la eficiencia utilizando modelos grandes. Por tanto, las finanzas también se consideran el escenario preferido para la implementación de grandes modelos.
Como pionero en la implementación de modelos grandes, si el campo financiero no puede resolver el problema de las "dos capas de piel", significa que todavía existe una brecha entre el espectáculo del vendedor y el espectáculo del comprador en la aplicación real de modelos grandes.
¿Este artículo espera aclarar qué cuestiones están abriendo la brecha entre las finanzas y los grandes modelos?
01 Pregunta 1: ¿Quién es el principal?
Dado que es un modelo a gran escala, por supuesto estará liderado por empresas de tecnología y empresas de tecnología como OpenAI/BAT, y esto es algo que las instituciones financieras no quieren ver.
Un experto en el campo financiero nos dijo que después de que esta ola de grandes modelos se popularizara, las instituciones financieras estaban particularmente ansiosas y tenían una emoción FOMO (Fear of Missing Out).
Debido a la última ola de tecnología y al auge de los teléfonos inteligentes y de Internet móvil, muchas empresas de bancos y firmas de valores tradicionales han sido arrebatadas por compañías financieras de Internet. Según expertos de la industria, esta "tragedia épica" nunca debe repetirse.
Impulsadas por la ansiedad tecnológica, las instituciones financieras son muy activas para mantenerse al día con la tendencia de los modelos grandes. Los fabricantes de tecnología no necesitan mucha educación sobre el mercado. Toda la industria ha tenido un desempeño extremadamente bueno en la aceptación de modelos grandes.
Al mismo tiempo, las instituciones financieras también conceden gran importancia a tener en sus propias manos los "chips centrales" de los grandes modelos financieros, haciendo hincapié en "ponerme a mí primero". Algunas personas del sector bancario señalaron: Sólo los grandes modelos que sean adecuados para los bancos pueden realmente aplicarse en profundidad a escenarios y procesos de negocio. **¿Cómo hacerlo específicamente?
**La primera categoría son las patatas fritas duras. **
Para las instituciones financieras, la seguridad de los datos y el cumplimiento de la privacidad son objetivos difíciles sin concesiones y tienen requisitos muy estrictos. Esto también conduce a la necesidad de una construcción localizada y un despliegue y operación privatizados de modelos financieros a gran escala.
El requisito de implementación local tiene ventajas y desventajas para los grandes fabricantes de modelos. La ventaja es que, en comparación con el modelo MaaS en otras industrias que llama directamente a interfaces API, la implementación local tiene un precio unitario más alto, mayores ganancias y un mayor valor comercial. La desventaja es que la implementación privada requiere un conjunto completo de soluciones en la nube, procesamiento de datos, almacenamiento, capacitación de modelos, ingeniería rápida, servicios de operación y mantenimiento, etc. El foco de la competencia no es solo el modelo base en sí, lo que aumenta los costos y dificultades para los proveedores de servicios técnicos.
**La otra categoría son las patatas fritas blandas. **
Para que los grandes modelos financieros funcionen bien, se requiere un ajuste fino de los datos patentados, la introducción de conocimientos de dominio y retroalimentación basada en escenarios. La propia industria bancaria tiene una muy buena base digital y una profunda acumulación de datos, lo que se convierte en una moneda de cambio blanda en sus manos.
Esto requiere que los grandes fabricantes de modelos y las empresas de tecnología cambien el pensamiento habitual de "centrado en la tecnología" y "estoy aquí para empoderarlo/subvertirlo", mejorar el conocimiento del servicio y cooperar con los clientes financieros, centrándose en los clientes financieros.
La implementación de modelos financieros a gran escala no es ni puede ser otra "disrupción tecnológica de la industria". Ya sea un fabricante general de modelos grandes o un integrador de proveedores de servicios ISV, deben bailar sobre la base de "el cliente primero".
02 Pregunta 2: ¿Por qué es difícil la integración?
Si las instituciones financieras son las principales, ¿no se convertirían las empresas de tecnología en "grandes equipos de construcción modelo" que sólo pueden cobrar una pequeña tarifa por el trabajo duro y no pueden ejercer su innovación tecnológica?
Grande, no, no especial.
**En primer lugar, la IA financiera no es algo nuevo. **
Las instituciones financieras no ignoran tanto la IA como todo el mundo piensa. De hecho, entre todas las industrias, el campo financiero se encuentra definitivamente entre los primeros en términos de "contenido de IA". Hace unos años, entrevisté al decano de la Escuela de Inteligencia Artificial de una universidad 985 en China y dijo sin rodeos que los estudiantes en el campo de la IA no van a BAT o empresas de nueva creación después de graduarse, sino a centros de información. Centros de tecnología dependientes de instituciones financieras como China Merchants Bank, que se dedican a la inteligencia artificial financiera.
Por lo tanto, la tendencia de la IA financiera se ha desarrollado significativamente hace unos años, por lo que la popularidad de los modelos grandes apenas ha comenzado este año. Un gran número de bancos nacionales como ICBC, Ping An, Agriculture Bank of China, China Merchants Bank y CITIC Bank pueden establecer rápidamente su propio equipo de investigación dedicado a modelos grandes de GPT. La capacidad del banco para actuar de manera oportuna depende de la acumulación de inversiones en IA durante los últimos años. Por lo tanto, centrándonos en las instituciones financieras, también construimos buenos modelos financieros.
¿En qué es mejor el modelo grande que estas "IA tradicionales" y qué puede hacer? Esta es una nueva pregunta completamente en blanco.
En teoría, los modelos grandes pueden atravesar todos los eslabones de toda la cadena de la industria bancaria, y los escenarios de aplicación LLM se pueden encontrar en cada línea de negocio y en cada inteligencia. Pero en realidad, no está claro cómo integrar el gran modelo con el negocio cuando todos los vínculos estén plenamente implementados, lo que significa que gran parte de la exploración fracasará y se desperdiciará.
Para acelerar la exploración, reducir costos y reducir riesgos, las instituciones financieras y las empresas de tecnología deben trabajar juntas, permitiendo que expertos financieros, científicos de algoritmos, ingenieros, evaluadores, etc. se sienten juntos, exploren juntos poco a poco y obtengan información detallada sobre los escenarios. y "eliminar las falsedades conservando la verdad" de las necesidades ".
El responsable de una institución financiera dijo sin rodeos que la industria financiera actual tiene una gama muy rica de aplicaciones inteligentes. Si abre el manual de promoción de productos financieros de una empresa de inteligencia artificial, puede ver cientos de capacidades segmentadas, pero cómo elegir la más ¿Cuál es el adecuado para integrarlo en su propia institución? En los negocios, habrá muchas pruebas y errores en este proceso.
**En la actualidad, la industria básicamente ha llegado a un consenso de que los escenarios deben optimizarse para grandes modelos financieros. Hay varias palabras clave: **
**2.Alto valor. **Sé el primero en explorar áreas con valor social y comercial. Por ejemplo, las finanzas inclusivas son un servicio financiero que actualmente es valorado tanto por el gobierno como por el sector privado. Requiere información precisa de datos, costos más bajos y capacidades de servicio altamente accesibles para reducir integralmente los costos financieros de las pequeñas, medianas y microempresas. comerciantes. Entre ellos, las capacidades de expresión multimodal y las potentes capacidades de comprensión y análisis de modelos grandes pueden desempeñar un papel muy bueno.
**3.Fácil de implementar. **La primera reacción de muchos profesionales financieros cuando escuchan hablar de modelos grandes es: ¿pueden los modelos pequeños hacer esto? Los modelos grandes han planteado requisitos más altos para la potencia informática y la estabilidad de la infraestructura de hardware. Las instituciones financieras están acelerando la promoción de hardware localizado. Los modelos grandes se implementan en cada línea de negocio, lo que genera presión de rendimiento, presión de costos y presión de implementación. Todos son muy grande. Por lo tanto, después de comprimir y optimizar el modelo grande, o un modelo pequeño con el mismo efecto, se puede implementar en escenarios comerciales, como el modelo grande que genera recomendaciones para productos financieros bancarios y el modelo grande que actúa como asistente de investigación para Para estas IA tradicionales que ya están en uso, se puede usar el modelo grande. La actualización del modelo no aumentará los costos excesivos de energía informática ni la carga de trabajo de ingeniería, y es un escenario progresivo que es más fácil de implementar.
Precisamente porque el modelo grande es una capa de piel y la aplicación real es otra capa de piel, cómo integrar las dos capas de piel y en qué escenarios se deben priorizar es un camino no transitado. Ni las instituciones financieras ni las empresas de tecnología pueden trabajar solas. Sólo trabajando en estrecha colaboración podremos encontrar el mejor camino de integración entre los escenarios financieros y los grandes modelos.
03 Pregunta 3: ¿Por qué hay tantos grilletes?
¿Es posible encontrar un escenario, centrarse en conquistarlo y luego replicarlo a gran escala, para que los grandes modelos financieros puedan avanzar a pasos agigantados?
Decimos que las instituciones financieras tienen “más gente, más dinero y más tecnología”, pero esto es sólo en relación con otras industrias. En realidad, es imposible que las instituciones financieras asignen presupuestos ilimitados, inviertan mano de obra ilimitada y abran escenarios ilimitados para que los grandes modelos muestren sus habilidades a voluntad. Además, todavía hay un gran número de bancos y empresas de valores pequeños y medianos en el campo financiero, y el costo de la innovación tecnológica que pueden afrontar también es limitado.
Un profesional bancario mencionó a AIGC y dijo: La competencia se está intensificando, el personal es limitado, faltan talentos y los costos son ajustados.
**Se puede decir que bailar con grilletes es la razón clave de la "piel de dos capas" de las finanzas y las grandes modelos, "el espectáculo del vendedor y el espectáculo del comprador". **
**Por ejemplo, el problema de la potencia informática. **En el proceso de sustitución de la localización, los grandes modelos financieros deben romper las cadenas de una costosa capacitación y altos costos de potencia informática, lo que plantea una prueba integral para la base de hardware, las capacidades de autoinvestigación, las capacidades de compatibilidad ecológica y la colaboración de software de los fabricantes de modelos. mejoramiento.
En la actualidad, los principales proveedores de nube están haciendo grandes esfuerzos para desarrollar hardware de desarrollo propio, como Kunlun de Baidu, Yitian de Alibaba, Shengteng de Huawei, así como software y ecosistemas de soporte. Sin ellos, es difícil ganar verdaderamente el gran modelo financiero.
**También existen limitaciones de la propia tecnología. **Hablando francamente, todavía hay muchos problemas en la propia tecnología de modelos grandes, especialmente cuando se implementa en el campo financiero. El problema de la ilusión debe resolverse. Las tonterías son inaceptables para los negocios financieros rigurosos. La naturaleza de caja negra del modelo hará que la toma de decisiones inteligente de la IA no sea confiable ni confiable, lo que hará que no pueda usarse verdaderamente en consultoría de inversiones financieras y decisiones de análisis de mercado.
**Además, las instituciones financieras también medirán la relación insumo-producto del ROI. **Pero debido a que se ha acumulado una gran cantidad de IA tradicional en la escena financiera, como el servicio al cliente inteligente, es posible que todos hayan recibido llamadas de ventas de productos y llamadas de cobro de facturas de robots.
Por lo tanto, después de la introducción de modelos grandes, actualmente no existe un estándar de medición claro sobre cuánto beneficio puede brindar a los clientes, cómo evaluar el ROI de la relación retorno-producción y cuáles son las mejoras que aportan los modelos grandes.
La incapacidad de cuantificar la contribución de los grandes modelos al negocio conducirá obviamente a una competencia desordenada entre los grandes fabricantes de modelos o a una competencia por las relaciones con los clientes, lo que también se ha convertido en una preocupación oculta por la ineficacia de los grandes modelos financieros.
En este proceso, los primeros modelos financieros a gran escala que encuentren el problema de la "piel de dos capas" pueden proporcionar muchas referencias y prácticas útiles, y las instituciones financieras se convertirán en el primer grupo de buscadores de oro modelo a gran escala en descubrir minas de oro. más temprano.