金融大模型奇袭时刻，海外顶尖银行大象起舞

他山之石，可以攻玉。国内18家金融GPT谁能谁先落地？

©️懂财帝出品

金融GPT，正成为国内金融机构，特别是财富管理机构数字化最凶猛的浪潮。

据腾讯研究院副秘书长杨望调研分析，国内参数在10亿规模以上的大模型数量已由5月末的79个增加至116个，其中金融行业大模型约18个。

中国金融机构经历互联网、移动互联网两大浪潮之后，如今正式迎接第三波大模型浪潮。

如今，大小的金融机构都站到了统一起跑线。

如何快速越过金融机构的转型鸿沟，对于中小金融机构而言，或许拥有一次逆袭的机会。

海外的金融科技公司、金融机构是如何做的，国内的公司又是如何做的？

结合咨询公司Evident Insights对银行人工智能成熟度（AI maturity）进行排名的榜单，该榜单对欧美最大的23家银行排名，总资产至少1万亿美元才够资格入选。

冰鉴科技研究院与懂财帝做了一些数据和案例整理，期望能给国内金融机构一些启示。

1｜摩根大通：用AI辨央行鹰鸽

Evident Insights收集了数百万个数据点，基于银行财报和一系列第三方数据源的公开数据，在50多位领先的人工智能和银行业专家的参与下，建立起这个榜单。

资料来源：Evident Insights，冰鉴科技研究院整理

每家银行都根据四个方面的142项单项指标进行评估，这四方面分别是人才、创新、领导力和透明度。人才的占比权重最高，达到40%。

在Evident Insights看来，AI人才的数量和质量，很大程度上影响了这些顶级银行的未来竞争力。

排名第一的摩根大通，拥有银行业最多的人工智能员工，占雇员总数超过10%并且还在加速招聘。

2023年2-4月间，摩根大通发布的人工智能和数据核心职位的招聘广告数量，占榜单上所有银行发布数的至少20%。

金融拥抱AI，摩根大通走到了前列，推出解码央行鹰鸽的Robo-Fedwatchers模型。

摩根大通的最新成果显示，当两次议息会议之间，发言人鹰派倾向的三个月平均值上升10个百分点时，短期利率大约会上涨10个基点。

此前文章指出，当模型显示美联储发言人在两次会议之间的鹰派立场上升时，下一份FOMC政策声明就会变得更加鹰派，这会导致一年期美债收益率上涨。

相关模型的训练数据是过往25年以来的美联储声明和央行官员们的讲话，使用的是基于ChatGPT的语言模型，模型根据具体内容的限制性或宽松程度，进行鹰鸽等级评分，再将具体评分与一系列资产表现挂钩。

经济学家们发现，这一人工智能模型可以用于预测政策的变化，并发出可交易的信号。

2｜摩根士丹利：用GPT-4武装1.5万名FA

摩根士丹利在GPT应用方面显得最为高调，其“创新”分项的排名是第4。

今年OpenAI正式推出GPT-4时，将摩根士丹利的财富管理应用当成典型案例一并推出。

具体而言，摩根士丹利拥有一个数十万页的内容库，涵盖投资策略、市场研究和评论以及分析师观点——如此大量的信息分布在许多内部网站上，大部分以 PDF 形式存在，需要财务顾问（FA）浏览大量信息，才能找到特定问题的答案，显得相当低效。

从去年开始，该公司和OpenAI开始合作探索，如何利用 GPT 的嵌入和检索功能最大化其“智力资本”——超过10万份文档。

GPT-4将为公司内部的聊天机器人提供支持，该机器人可以对财富管理内容进行全面搜索整合，然后给财务顾问们提供想要的答案。

摩根士丹利有超过 1.5万名财务顾问，可能会对内部聊天机器人提出这些问题：

投资建议：举例，我们对 Alphabet 股票的看法是什么，其未来表现是牛是熊？

常规业务：举例，IBM 的五个主要竞争对手是谁？

流程问题：举例，如何将个人退休金账户纳入不可撤销的信托中？

摩根士丹利以 10 万份文档作为训练语料库，针对类似问题“微调（Fine-Tune）训练”了 GPT-4。

摩根士丹利的FA正在帮助模型“强化学习”——当他们得到聊天机器人的答案后，可以给出赞成或反对的意见，或者根据需要提供更详细的反馈。

ChatGPT一个广遭诟病的问题是，常常会毫无事实依据地产生“幻觉”内容，这对于财富管理服务而言是致命的。

针对此，摩根士丹利正在限制 FA 可以输入系统的提示/问题类型，将主题限制在与业务相关的问题范围，这可以确保输出的内容来自其已有的知识文档。

如果FA在使用过程中发现内容不对劲，还可以查阅原因代码——引用链接到内容出处的底层文章——这比大多数大语言模型都要更完善可信。

最终做内容把关的还有合规审核人员，在该公司正常的知识管理流程中，就有合规人员审查投研内容，更不用说FA们想对外提供的内容。

事实上，摩根士丹利的财富管理部门，已花费多年时间研究出“Next Best Action”系统（NBA），这才是用机器学习武装1.5万名FA的现实工具。

NBA系统通过机器学习发现个性化的投资想法，并通过其 CRM 系统向特定客户分发。

摩根士丹利分析、数据与创新部门主管Jeff McMillan表示，“你可以把它想象成让我们的首席投资策略师、首席全球经济学家、全球股票策略师和全球其他所有分析师，这些聪明的‘分析师’每天随时待命，随时解答你的困惑，这对我们公司来说是一种变革性的能力。”

3｜AI冠亚军银行：增强既有机器学习系统

摩根大通提交的文件显示，该行5月为一款名为“IndexGPT”的产品申请了商标注册。

IndexGPT将利用“ChatGPT为代表的人工智能技术”来“分析和选择适合客户需求的证券”。

摩根大通全球技术主管 Lori Beer表示，该行已经雇佣了1500名数据科学家和机器学习工程师，正在测试GPT技术的“多个使用案例”。

在5月22日摩根大通投资者日会议上，该行资产与财富管理部门首席执行官Mary Callahan Erdoes在谈到AI时表示：“这将成为人们如何管理资产的圣杯。”

“我们已经加载了30年来所关注的所有公司的专有数据，”Erdoes在描述自己部门最近的工具开发时说，“然后，我们将其与每天获得的数百万个数据点进行匹配，我们已经看到了如此巨大的提升。”

她进一步透露称，摩根大通有自己的内部资产管理业务，类GPT模型在其Spectrum投资组合管理系统上运行。

银行AI指数榜单的亚军是来自加拿大的RBC，它专门成立了一家名为Borealis AI的人工智能研究中心，既为母行服务也从事人工智能的前沿研究。

Borealis AI的负责人Kathryn Hume在接受毕马威访谈时，详细介绍了其团队如何将强化学习应用于银行客户服务：

Borealis AI与RBC资本市场团队推出了基于强化学习的交易执行系统。“我们希望了解如何使用机器学习来帮助拥有大额或批量订单的客户更好地安排交易顺序，从而获得最高回报。事实证明，我们创建的模型非常动态，能够比传统交易算法更灵活地实时响应波动性的变化。”

Borealis AI还成功帮助零售和商业银行将昨天的业务流程转变为明天的未来产品。例如，构建了现金流预测工具，帮助财务顾问主动与客户互动，了解即将到来的财务需求，并提供更有针对性的建议。还通过创建应用程序来帮助零售客户管理财务，并受益于最新的个性化机器学习技术。

今年4月，RBC荣获《数字银行家》杂志评选的最佳人工智能客户体验奖，获奖理由是该行和Borealis AI共同开发的NOMI Forecast系统。

NOMI Forecast系统利用深度学习为客户的现金流提供及时、准确的预测。在该行独特的数据集支持下，相关模型经过训练可以为 RBC 客户提供个性化体验，包括账单支付、电子转账、投资和工资支付等。

4｜金融GPT：适合的才是最好的

无论是大摩的NBA系统，还是小摩的Spectrum系统，抑或RGB自主研发的NOMI Forecast系统，都是由银行积累的自有数据训练出的各种模型组合。

在嫁接GPT进行微调训练后，增强通用交互能力，是这些国际顶级银行相似的选择。

无论国外国内，随着开源大模型越来越多、模型训练成本下降，对于通用大语言模型的执念已经逐渐变淡。

从刚刚结束的上海世界人工智能大会可以发现，新的叙事是：行业大模型、垂直大模型与 “大模型赋能千行百业”。

最典型的例子是彭博推出的BloombergGPT，彭博把模型做小，500亿参数左右，相比于GPT-3的1750亿小了很多，虽然削弱了通用性，但在金融领域的各项表现明显优于通用大模型。

金融行业的强监管和专业性，决定了在Know-How基础上利用金融机构沉淀的专业数据训练，才能打造出适合行业需求的垂直模型。

比如冰鉴科技推出的本立道生（Origin One）大模型，依托多年服务银行、保险客户的算法模型经验，正在智能客服、金融文档处理、国外投资产品分析方面发力。

垂直模型的专业优势在财富管理行业也会越来越明显，GPT的出现将改变过去智能投顾是高净值家庭“专属服务”的概念，使长尾市场得到快速发展。

摩根士丹利的1.5万名财务顾问，在GPT-4的助力下服务客户的数量和效率将提升多少倍？

除了这些顶级银行以外，垂直大模型在应用层给了初创公司更多的机会去服务更多客户。

科技企业通过低门槛和独立性吸引更多的下沉客户，传统大银行则发挥自身优势，瞄准存量客户和推介各种产品组合，不同体量的机构决定了在智能投顾领域的不同打法。

根据信用评级公司 CRISIL GR&A 测算，大模型在智能投研领域的应用有望节省 22.5%的成本，将使财富管理惠及更多民众。

更大的普惠同时也意味着更多风险。值得一提的是，RBC能超越众多欧美大行，登上银行AI指数榜单亚军位置，还得益于其负责任的AI行动。

Kathryn Hume认为，人们越来越认识到AI可能加剧的道德风险。在世界各地，围绕人工智能的道德和负责任使用的辩论日趋激烈。

可解释的人工智能（XAI）将成为一项新兴技术，或许与GPT 相对应。

虽然 ChatGPT 的公司和投资顾问能算法见解完全是“黑匣子”，但 XAI 允许用户和监管仔细审查AI运作的基本原理，并且敦促开发人员磨炼算法，使其按预期工作。

XAI使财富管理够监控和证明人工智能衍生的财务建议，并使其符合监管要求和客户的最佳利益。

5 | 国内18家公司：逐鹿金融大模型

如何抢先获得金融业务场景的商用突破，成为18家金融大模型研发机构竞争的决胜点。

5月下旬，依托百度AI优势，度小满推出国内首个千亿级中文金融大模型「轩辕」，该模型是在1760亿参数的Bloom大模型基础上训练而来。

5月，软件供应商——星环科技推出第一款面向金融量化领域的生成式大语言模型“无涯Infinity”。

6月，恒生电子发布金融行业大模型LightGPT。

6 月，蚂蚁集团的技术团队正在研发一个名为“贞仪”的多模态大模型。

6月29日，拓尔思发布拓天大模型，并面向媒体、金融、政务领域推出了三大行业大模型。

7月3日，科大讯飞推出「讯飞星火智能客服」，以帮助金融机构提高客户服务效率和质量，提升用户体验。

7月，腾讯云瞄准金融安全领域，推出金融风控大模型，锚定机构交易、信贷、营销等场景的风控需求。

8月，文因互联发布了基于“文因大模型”联通多个金融场景的解决方案。

8月8日，九方财富依托华为云以及科大讯飞高调发布智能投顾数字人。

同花顺、东方财富公告称，他们将将重点打造AI投顾平台。

此外，海通证券、申万宏源等10家券商宣布成为百度“文心一言”首批生态合作伙伴。

此外，国内一些开源大模型也开始进入垂直金融领域，成为新的竞争对手。

逐鹿金融GPT，这已经成为中国科技公司与金融机构最热的浪潮。

金融GPT的「奇点」时刻

2B还是2C，大模型分歧已现？

盘古大模型「翻新」矿山

说明：数据源于公开披露，不构成任何投资建议，投资有风险，入市需谨慎。