尊龙凯时人生就是博官网ღ◈★★。尊龙凯时人生就是博z6comღ◈★★！制药行业ღ◈★★，AI与金融的结合主要有两条技术路径ღ◈★★，分别是通过金融语料训练的金融大模型和金融垂类大模型ღ◈★★。双方优劣具有相对性ღ◈★★，而通用大模型通过金融语料训练超越金融垂类模型可能性较小ღ◈★★。

　　在金融垂类模型上ღ◈★★，国外彭博BloombergGPT率先登场ღ◈★★；国内金融垂类模型百花齐放ღ◈★★，例如恒生电子进一步升级金融大模型LightGPTღ◈★★，东方财富ღ◈★★、同花顺加大AI研发技术投入等ღ◈★★。

　　目前各家公司都在致力于以大模型赋能股基APP或是金融终端ღ◈★★，为已有功能注入AI能力ღ◈★★，实现多场景应用ღ◈★★。在金融科技支持政策陆续出台ღ◈★★、海外金融垂类模型加速落地的背景下尊龙凯时人生就是搏ღ◈★★，我们认为ღ◈★★，金融垂类模型将成为金融科技领域未来的发展重点ღ◈★★。

　　当前ღ◈★★，国内互联网企业ღ◈★★、传统金融机构及金融科技企业争相竞逐ღ◈★★，“百模大战”如火如荼ღ◈★★，AI与金融的结合也日益深化ღ◈★★。

　　国外AI通用大模型案例中ღ◈★★，OpenAI&微软ღ◈★★、谷歌等都推出了相关模型ღ◈★★。其中ღ◈★★，OpenAI携手微软ღ◈★★，ChatGPT4-Turbo业界领先ღ◈★★。谷歌则是框架领先ღ◈★★，模型丰富ღ◈★★，应用偏弱ღ◈★★。而亚马逊云（AWS）领跑AIGCღ◈★★，推出Titan大语言模型ღ◈★★。

　　百度具备先发优势ღ◈★★，文心大模型国内领先ღ◈★★。文心一言目前已拥有7000万用户ღ◈★★。4.0版本能力栈较为广泛ღ◈★★，可应用的场景较多ღ◈★★，在查询搜索知识应用等方面表现不俗ღ◈★★。阿里发布通义千问2.0ღ◈★★，专业能力较强ღ◈★★。可应用于相对复杂的场景ღ◈★★。

　　综合表现上ღ◈★★，头部模型国外领先ღ◈★★，平均水平国内外差距较小ღ◈★★。所有模型中ღ◈★★，GPT4-Turbo遥遥领先ღ◈★★，国内最好的大模型为百度文心一言ღ◈★★，但二者仍有一定差距ღ◈★★。国产大模型虽与国外有所差距ღ◈★★，但平均水平上与国外差距并不明显日本RAPPERDISSSUBS13ღ◈★★。此外ღ◈★★，国内开源大模型在中文上的表现要优于国外开源大模型ღ◈★★。

　　在国外ღ◈★★，GPT系列在金融领域表现较好ღ◈★★。GPT系列能较好理解金融术语ღ◈★★，解答金融相关问题ღ◈★★，且具备一定的实时性ღ◈★★，在金融领域能够自动生成金融报告ღ◈★★、做市场研究等ღ◈★★。

　　在国内ღ◈★★，百度文心ღ◈★★、阿里通义千问ღ◈★★、腾讯混元以及科大讯飞在金融领域表现较好ღ◈★★。百度文心一言具备较高的实时性ღ◈★★，能够在多项金融相关工作中发挥作用ღ◈★★。阿里通义千问能够较好的解释金融概念ღ◈★★，但存在时效性限制ღ◈★★。腾讯混元可以优化金融服务的个性化体验ღ◈★★、市场情绪的追踪等ღ◈★★。科大讯飞星火则将语音识别和处理技术用于交易系统ღ◈★★、智能财经助手等ღ◈★★。

　　国内互联网企业ღ◈★★、传统金融机构及金融科技企业争相竞逐尊龙凯时人生就是搏ღ◈★★，当前竞争较为白热化ღ◈★★。2023年5月中旬ღ◈★★，奇富科技首先宣布推出金融行业通用大模型奇富GPTღ◈★★，号称“国内首个金融行业通用大模型”ღ◈★★。2023年5月ღ◈★★，度小满推出国内首个千亿级中文金融大模型“轩辕”日本RAPPERDISSSUBS13ღ◈★★。恒生电子于2023年6月发布了金融大模型LightGPTღ◈★★，并对其进行升级ღ◈★★，形成“LightGPT+WarrenQ+光子”体系ღ◈★★。2023年9月7日和9月8日ღ◈★★，腾讯混元大模型和蚂蚁金融大模型相继正式亮相ღ◈★★。2023年11月ღ◈★★，幻方量化旗下DeepSeek推出DeepSeek LLM 67Btღ◈★★，相较于其他金融模型拥有更突出的推理ღ◈★★、数学ღ◈★★、编程等能力ღ◈★★。2024年开年之初ღ◈★★，同花顺和东方财富分别推出问财HithinkGPT和妙想金融大模型ღ◈★★。

　　当前AI与金融的结合主要有两条技术路径ღ◈★★，一是通用模型和金融语料训练融合的金融大模型ღ◈★★，二是金融垂类大模型ღ◈★★。那么ღ◈★★，通用和金融融合的大模型与金融垂类大模型相比ღ◈★★，优劣势各是什么？

　　由于设计和训练目的不同ღ◈★★，通用语言大模型与金融垂类模型在优劣上具有相对性ღ◈★★。通用语言大模型在泛用性ღ◈★★、灵活性ღ◈★★、数据利用率ღ◈★★、迁移性上相比金融垂类更有优势ღ◈★★，而在专业性ღ◈★★、针对性ღ◈★★、高精度和合规性上ღ◈★★，金融垂类模型更胜一筹ღ◈★★；在复杂度问题上ღ◈★★，通用语言大模型在结构上更加复杂ღ◈★★，金融垂类模型则在更新维护上具有复杂性ღ◈★★。

　　首先ღ◈★★，使用金融数据对通用大模型进行训练ღ◈★★，数据欠缺ღ◈★★，成本过高ღ◈★★。金融领域的语料应该充分覆盖各种金融产品ღ◈★★、市场情况和业务流程等ღ◈★★。通用大模型缺少金融数据进行训练ღ◈★★，金融专业知识不足ღ◈★★；另外日本RAPPERDISSSUBS13ღ◈★★，如果从底层开始训练大模型ღ◈★★，需要投入的算力成本非常高ღ◈★★。

　　其次ღ◈★★，在特定任务上ღ◈★★，通用大模型精确性与适用性欠缺ღ◈★★。金融垂类大模型会投入大量的时间和资源来收集和整理金融领域的专业知识ღ◈★★。通用语言模型虽然可以通过金融语料的训练来提高在这方面的能力ღ◈★★，但是否能达到金融垂类大模型的专业性仍有待验证ღ◈★★。

　　第三ღ◈★★，金融领域要求实时性和高效的推理速度ღ◈★★。金融垂类大模型会针对这一需求进行优化ღ◈★★，以缩短响应时间ღ◈★★。通用语言大模型在处理金融领域的实时应用时可能需要进一步优化ღ◈★★。

　　第四ღ◈★★，金融领域对合规性和风险控制要求极高ღ◈★★。金融领域对于数据保护ღ◈★★、隐私和风险控制具有严格的要求ღ◈★★，专门训练的金融垂类大模型可能会更好地满足这些合规性需求ღ◈★★。

　　度小满CEO许东亮曾表示ღ◈★★：“通用模型难以胜任金融领域任务ღ◈★★，金融大模型是大模型落地金融行业的必由之路”ღ◈★★。

　　金融大模型始于BloombergGPTღ◈★★，当前国内外金融行业都在主动拥抱大模型ღ◈★★。国际数据公司IDC的一项调研显示日本RAPPERDISSSUBS13ღ◈★★，超半数的金融机构计划在2023年投资生成式人工智能技术ღ◈★★。包括BloombergGPT在内ღ◈★★，国外已出现了一系列金融大模型ღ◈★★。而国产金融大模型也分出了两大“流派”ღ◈★★，一派来自于传统金融机构ღ◈★★，另一派来自于金融系科技企业或互联网企业ღ◈★★。

　　2023年3月底ღ◈★★，彭博构建了最大的特定领域数据集ღ◈★★，并训练了专门用于金融领域的大语言模型（LLM）ღ◈★★，开发了拥有500亿参数的语言模型BloombergGPTღ◈★★。BloombergGPT的混合训练方法使其模型在金融任务上的表现大大超过了现有的大语言模型ღ◈★★，而在通用场景上的表现则与之相当ღ◈★★，甚至优于现有模型ღ◈★★。

　　彭博BloombergGPT相比于通用大模型的优势在于ღ◈★★，该模型对金融领域理解更为深刻ღ◈★★，具有深度专业的分析能力ღ◈★★，同时通过协助优化金融自然语言处理（NLP）任务ღ◈★★，提升彭博终端数据的应用价值ღ◈★★，开辟金融行业分析和决策的新可能性ღ◈★★。

　　在这之后ღ◈★★，AI4Finance Foundation开发了FinGPT这个金融领域的语言模型ღ◈★★。FinGPT采用以数据为中心的方法ღ◈★★，强调了数据采集ღ◈★★、清理和预处理在开发开源FinLLM中的关键作用ღ◈★★。通过支持数据可访问性ღ◈★★，FinGPT渴望加强金融领域的研究ღ◈★★、合作和创新ღ◈★★，为开放金融实践铺平道路ღ◈★★。FinGPT的最后一个组成部分是应用层ღ◈★★，旨在展示FinGPT的实际适用性ღ◈★★。它为金融任务提供实践教程和演示应用程序ღ◈★★，包括机器人咨询服务ღ◈★★、量化交易和低代码开发ღ◈★★。

　　LLMS层处于核心位置ღ◈★★，它包含各种微调方法ღ◈★★，优先考虑轻量级适应ღ◈★★，以保持模型的更新和相关性ღ◈★★。数据处理层专注于NLP数据的实时处理ღ◈★★，以应对金融数据固有的高时间敏感性和低信噪比的挑战ღ◈★★。FinGPT管道的起点是数据源层ღ◈★★，它协调从各种在线资源中获取大量财务数据ღ◈★★。

　　恒生电子的LihgtGPT金融行业大模型ღ◈★★，是一个更专业ღ◈★★、更合规ღ◈★★、更轻量的模型ღ◈★★。LightGPT拥有更专业的金融语料积累处理和更高效稳定的大模型训练方式ღ◈★★。在金融专业问答ღ◈★★、逻辑推理ღ◈★★、超长文本处理能力等在内的金融大模型能力评测中均有不错表现ღ◈★★，能保证内容和指令的合规安全日本RAPPERDISSSUBS13ღ◈★★，可以为多种金融业务场景提供底层AI能力支持ღ◈★★。

　　其中ღ◈★★，光子系列产品是基于LightGPT能力ღ◈★★，致力于在合规审核ღ◈★★、投研算法ღ◈★★、客户服务和营销分析方面成为金融从业人员的智能助手ღ◈★★。

　　WarrenQ系列产品则是一款投研效率工具产品ღ◈★★，旨在提高研究员的工作效率和实现知识高效协同尊龙凯时人生就是搏尊龙凯时人生就是搏ღ◈★★。基于大模型叠加搜索和金融数据库日本RAPPERDISSSUBS13ღ◈★★，通过对话指令ღ◈★★，可轻松获得金融行情ღ◈★★、资讯和数据ღ◈★★，且每一句生成的对话均支持文本溯源ღ◈★★。ChatMiner可以帮助快速提取文档中的信息ღ◈★★，提供精准检索与定位ღ◈★★，精炼或拓展文本ღ◈★★。

　　恒生电子的LightGPT和WarrenQChat产品优势有三方面ღ◈★★。一是金融领域生成能力强ღ◈★★。基于2000亿中文tokens的加持ღ◈★★，超过80个中文金融任务的打磨ღ◈★★，可覆盖了金融绝大多数领域应用场景ღ◈★★，针对性强ღ◈★★，回答速度极快ღ◈★★，准确率较高ღ◈★★，并支持多种语言输入与输出ღ◈★★。二是合规性ღ◈★★、安全性高日本RAPPERDISSSUBS13ღ◈★★。充分学习中国的金融法律法规ღ◈★★，在输出时符合中国金融市场的监管要求ღ◈★★。三是轻量化ღ◈★★。支持私有化或云部署以及灵活API调用ღ◈★★，推理端仅需一机2卡部署ღ◈★★。金融机构可以打造机构专属大模型ღ◈★★，满足个性化需求ღ◈★★。

　　妙想金融大模型ღ◈★★，使用Decoder-only的Transformer网络结构ღ◈★★，支持32K的上下文长度ღ◈★★，满足各类金融场景下的需求ღ◈★★。通过自建的数据治理和数据实验流程ღ◈★★，结合效果预估算法ღ◈★★、高效预训练框架ღ◈★★、SFTღ◈★★、RLHF训练等技术ღ◈★★，妙想金融大模型建立起自主研发的技术壁垒ღ◈★★。目前ღ◈★★，妙想金融大模型已经可以分别适配不同的应用场景ღ◈★★，提高模型应用的效费比ღ◈★★。

　　妙想金融大模型优势有四点ღ◈★★。一是多场景赋能ღ◈★★，功能覆盖面广ღ◈★★。妙想金融大模型发力投研ღ◈★★、投顾等金融核心场景ღ◈★★，基于多种用户场景痛点ღ◈★★，对智能问答和智能投研场景进行了个性化的功能设计ღ◈★★，提供数百种场景解决方案ღ◈★★。二是高性能推理支撑场景需求ღ◈★★。妙想金融大模型通过量化ღ◈★★、模型算子优化等措施极大提高了速度ღ◈★★，结合Paged Attentionღ◈★★、C张量并行推理等技术优化推理框架的性能ღ◈★★，算力的利用率提高了数倍ღ◈★★。三是高品质金融数据供给ღ◈★★。东方财富拥有海量用户资源ღ◈★★，多元的金融业务场景ღ◈★★，已经构建了完备行业通用数据集ღ◈★★，并将持续丰富ღ◈★★。四是实时性较强ღ◈★★，并且能精准溯源ღ◈★★。可以进行当天股票分析并给出来源尊龙凯时人生就是搏ღ◈★★，同时可助力研究员倍速完成研报阅读ღ◈★★、挖掘研报信息ღ◈★★、总结梳理要点并精准溯源ღ◈★★。

　　2023年12月6日ღ◈★★，同花顺开启了问财升级版的内测ღ◈★★，底层已经升级为Hithink GPT大语言模型ღ◈★★，结合海量金融领域数据和知识ღ◈★★，通过自然语言对话ღ◈★★，协助投资者进行标的选择ღ◈★★、标的诊断等全方位投顾服务ღ◈★★。基于超过3000万的月活流量ღ◈★★，以及B端产品iFind业务的快速增长ღ◈★★，同花顺大模型有丰富的落地场景ღ◈★★。

　　当前ღ◈★★，iFinD产品实现了基于语音交互与智能搜索服务ღ◈★★、机器阅读研报ღ◈★★、研报知识图谱自动生成等一整套智能化解决方案ღ◈★★，预计iFinD+大模型将结合基础功能补齐ღ◈★★，性价比优势有望引领中期份额突破ღ◈★★；同花顺AI开放平台目前可面向客户提供多项AI产品及服务ღ◈★★。

　　Ai FinD优势在于三个方面ღ◈★★。一是金融数据覆盖面广ღ◈★★。同花顺利用十几年的数据积累以及市场上公开的金融数据ღ◈★★，预训练金融语料达到万亿级tokensღ◈★★，每月可新增数千亿tokens优质预训练数据以及数十万条优质微调数据ღ◈★★，同时拥有一套自动化的流程ღ◈★★，用于数据获取ღ◈★★、清洗以及数据质量的验证ღ◈★★。二是模型训练创新优化ღ◈★★。构建了包括数据配比实验方案ღ◈★★、scaling law实验体系ღ◈★★、模型架构优化等科学高效的大模型训练体系ღ◈★★，能以更低的训练成本高效地完成HithinkGPT大模型家族的训练ღ◈★★。三是实时性较强ღ◈★★。AiFinD中先进大模型叠加iFinD平台自身拥有的金融数据库以及各类实时信息ღ◈★★，可以通过对话指令获取实时数据和信息ღ◈★★，并注明来源ღ◈★★，相较于其他大模型具有更强的实时性和线

　　在金融科技支持政策陆续出台ღ◈★★、海外金融垂类模型加速落地的背景下ღ◈★★，金融垂类模型将成为金融科技领域未来的发展重点ღ◈★★。一方面资本市场偏宽松政策环境ღ◈★★，叠加财富管理行业科技赋能趋势ღ◈★★，使得金融T行业面临确定性需求提升趋势日本RAPPERDISSSUBS13ღ◈★★，且AIGC的推广也将引领金融行业相关的产业革命;另一方面ღ◈★★，AIGC自身发展前景广阔ღ◈★★，产业投资正在持续涌入ღ◈★★。

　　伴随着金融大模型应用的不断深化和拓展ღ◈★★，当下金融大模型已经不局限于文本生成和虚拟客服等领域ღ◈★★，而是开始广泛应用于金融资讯发布ღ◈★★、产品介绍内容创作等尊龙凯时人生就是搏ღ◈★★。展望未来ღ◈★★，随着更多的金融大模型陆续落地ღ◈★★，将采用更加精细化处理行业细分场景ღ◈★★，同时孕育出新的应用场景ღ◈★★，为传统业务注入新活力ღ◈★★，也为金融领域带来新的业务机会ღ◈★★。这将全面提升金融服务的效能ღ◈★★，推动金融业务生态的全面重塑ღ◈★★，为金融行业持续的前进和革新铺平道路ღ◈★★。

　　声明ღ◈★★：证券时报力求信息真实ღ◈★★、准确ღ◈★★，文章提及内容仅供参考ღ◈★★，不构成实质性投资建议ღ◈★★，据此操作风险自担

　　下载“证券时报”官方APPღ◈★★，或关注官方微信公众号ღ◈★★，即可随时了解股市动态ღ◈★★，洞察政策信息ღ◈★★，把握财富机会ღ◈★★。

　　《新财富》杂志于2001年3月创刊ღ◈★★，专注资本市场深耕细作ღ◈★★，“新财富最佳分析师”“新财富金牌董秘”“新财富500富人”“新财富最佳投顾”“新财富最佳投行”等权威专业评选和《德隆系》《明天帝国》《收割者》等经典研究案例影响深远ღ◈★★。