“風口”上的大模型

 

      大模型，特別是與金融等行業結合產生的各類垂直大模型，是當前人工智能發展的“風口”，也是人工智能技術創新的前沿地帶。

 

      “隨著人工神經網絡算法和算力的不斷進化，人類通過數據驅動的大規模人工神經網絡的預訓練計算形成了基礎大模型，從而讓計算機從以人工編程為特征的‘信息處理’模式躍升到以自主學習為特征的知識處理模式。”北京大學計算機學院教授陳鐘表示，人工智能的這一進展使得信息化從數字化、網絡化正式進入了智能化的新高度。

 

      “我們在人工智能和大模型領域取得了顯著成果。”據馬上消費金融股份有限公司（以下簡稱“馬上消費”）科技創新發展部總經理、馬上消費研究院院長赫建營介紹，馬上消費通過人工智能和大模型技術，實現了對C端用戶的千人千面和定制化服務。

 

      “人工智能的高質量發展和應用成為金融發展的新引擎。金融機構采納大模型技術后，將獲得更廣闊的發展前景，包括個性化產品與服務、價值鏈效率提升和決策科學性增強。”中央財經大學中國互聯網經濟研究院副院長歐陽日輝說。

 

      科技界人士也秉持相似的觀點。中科聞歌董事長王磊表示，大模型對多源異構的數據的理解和認知以及數據生成帶來革命性變化。未來，大模型將在金融決策、時間序列分析、投資組合優化、風險控制方面服務金融業實踐。

 

      不過，也有專家認為，大模型應用總體上還處于早期探索階段，仍面臨不少挑戰。一方面，金融數據的私密性和多模態特性，限制了共享和構建大規模數據集的能力，增加了模型建立和處理的復雜性，使大模型在金融垂直領域仍未出現涌現效應；另一方面，數據安全治理也是發展金融大模型繞不開的重要課題，亟須加快構筑形成組織、管理、技術、運營“四位一體”的金融數據安全治理體系框架，提升協同共治水平。

 

      應用創新方向何在

 

      結合自身大模型的發展經驗，第四范式高級副總裁俞暉認為，真正發揮作用的行業大模型，是在實體經濟核心業務場景的大模型，而不等同于行業大語言模型。

 

      盡管大模型迭代速度加快，是近兩年人工智能極其熱門的領域，但如何打破人工智能技術成果轉化的瓶頸，讓大模型更好地服務實體經濟是當下最重要的行業課題之一。

 

      從大模型技術走向應用落地，需要金融行業的金融大模型與數據、場景相結合。

 

      在拓爾思金融和產業大腦中心總經理周寧捷看來，大模型在實際應用中需要兼顧經濟性。“從工程化和產品化的技術路線看，可以嘗試利用小樣本微調，快速實現一些應用場景，真正讓用戶有一些非常好的智能化體驗，進而建立比較好的消費閉環，形成一個反饋數據以后，再去訓練模型，從而形成靠譜的行業大模型。”他說。

 

      談及如何優化大模型以更好地服務金融高質量發展，專家建議從加強基礎設施層建設，發展數據、算法模型和算力，促進科技企業和金融機構跨行業合作等方面來推動。

 

      從ESG角度來看，“構建大語言模型需要機器對大量人類撰寫的文本進行分析，這些計算會消耗大量的電力，并產生大量的熱量，數據中心需要抽水到冷卻塔來保持機器的溫度。”北京航空航天大學經濟管理學院教授李平認為，在統籌布局人工智能大模型產業時，還需要高度重視并有效解決水資源消耗過大的問題，旨在確保產業發展和資源消耗之間的平衡，實現可持續發展目標。對此，她建議，北京乃至全國可摸底調查并統籌規劃大模型產業；強調區域協同發展與資源共享，強化區域間算力中心的協同作用；在審批新的大模型開發項目時，強化對申請方節能降耗技術方案的要求，促使企業主動探索和實踐節水節能技術，努力改進大模型的計算性能和訓練效率，降低單位產出的能耗水平。