21世紀(jì)經(jīng)濟(jì)報(bào)道 實(shí)習(xí)生 張長(zhǎng)榮 記者 崔文靜 北京報(bào)道 在金融科技加速滲透的行業(yè)背景下，機(jī)構(gòu)競(jìng)爭(zhēng)的重心正悄然生變。
如今，從底層技術(shù)架構(gòu)的數(shù)字化重構(gòu)，到前端業(yè)務(wù)場(chǎng)景的智能化升級(jí)，金融科技已從“可選項(xiàng)”變?yōu)樾袠I(yè)“必答題”——大模型、云計(jì)算等技術(shù)的規(guī)模化應(yīng)用，不僅降低了中小機(jī)構(gòu)的技術(shù)準(zhǔn)入門(mén)檻，更讓行業(yè)整體的技術(shù)底座逐步趨同。
“未來(lái)大中小機(jī)構(gòu)在算法與算力上的差距必將逐步縮小，金融機(jī)構(gòu)的核心競(jìng)爭(zhēng)力也將隨之轉(zhuǎn)向數(shù)據(jù)。”恒生聚源總經(jīng)理吳震操判斷，對(duì)于規(guī)模相近、業(yè)務(wù)模式易同質(zhì)化的機(jī)構(gòu)，內(nèi)外部數(shù)據(jù)的挖掘利用能力將成為競(jìng)爭(zhēng)勝負(fù)手。
作為國(guó)內(nèi)領(lǐng)先的金融、產(chǎn)業(yè)數(shù)據(jù)資訊服務(wù)提供商，恒生聚源的行業(yè)判斷并非空穴來(lái)風(fēng)——其不僅擁有聚源金融數(shù)據(jù)庫(kù)、洞見(jiàn)智能投研、智能小梵、智眸風(fēng)險(xiǎn)預(yù)警系列等豐富產(chǎn)品線，更經(jīng)過(guò)25年市場(chǎng)耕耘，在金融市場(chǎng)需求理解、產(chǎn)品設(shè)計(jì)、客戶拓展及專(zhuān)業(yè)服務(wù)等領(lǐng)域，積累了扎實(shí)的實(shí)踐能力與深厚經(jīng)驗(yàn)。
基于對(duì)行業(yè)趨勢(shì)的洞察，恒生聚源在2023年推出面向金融投研場(chǎng)景的大模型產(chǎn)品“WarrenQ”，隨后，于今年發(fā)布AI友好型金融數(shù)據(jù)庫(kù)AIDB。AIDB通過(guò)統(tǒng)一數(shù)據(jù)范式、簡(jiǎn)化查詢(xún)邏輯及強(qiáng)化數(shù)據(jù)治理，可實(shí)現(xiàn)大模型對(duì)金融結(jié)構(gòu)化數(shù)據(jù)的精準(zhǔn)調(diào)取。
不過(guò)，恒生聚源的思考并未止步于數(shù)據(jù)基礎(chǔ)建設(shè)。在其看來(lái)，相較于技術(shù)本身，未來(lái)金融AI發(fā)展的真正突破口，在于將技術(shù)與業(yè)務(wù)深度融合的“場(chǎng)景化應(yīng)用”。
在這場(chǎng)大模型賦能金融行業(yè)的進(jìn)程中，恒生聚源希望承擔(dān)三大核心作用：立足數(shù)據(jù)公司本源，發(fā)揮數(shù)據(jù)要素企業(yè)的核心價(jià)值；以行業(yè)先行者身份，助力金融機(jī)構(gòu)大模型落地；聯(lián)合各方，共同探索商業(yè)模式創(chuàng)新。
而從長(zhǎng)遠(yuǎn)來(lái)看，恒生聚源的目標(biāo)不僅是成為技術(shù)服務(wù)提供者，更是AI時(shí)代金融行業(yè)的“智能信息服務(wù)伙伴”。為實(shí)現(xiàn)這一愿景，恒生聚源已展開(kāi)精準(zhǔn)布局，重點(diǎn)聚焦投研、財(cái)富管理、風(fēng)險(xiǎn)預(yù)警三個(gè)與金融機(jī)構(gòu)核心業(yè)務(wù)緊密相關(guān)的領(lǐng)域。
如何讓AI成為你的超級(jí)助手？
21世紀(jì)：當(dāng)前通用大模型在輔助工作中容易出現(xiàn)幻覺(jué)，應(yīng)如何解決？個(gè)人投資者又該如何辨別信息？
吳震操：AI幻覺(jué)是大模型固有的現(xiàn)象。目前常見(jiàn)的應(yīng)對(duì)方式是讓大模型結(jié)合外部信息進(jìn)行結(jié)果優(yōu)化。行業(yè)常用的“檢索增強(qiáng)生成（RAG）”和“上下文工程”，通過(guò)檢索獲取外部知識(shí)，再結(jié)合大模型自身的推理能力生成內(nèi)容。這樣做一方面可以彌補(bǔ)大模型自身知識(shí)儲(chǔ)備的局限，另一方面也可能幫助用戶發(fā)現(xiàn)因自身知識(shí)或檢索能力有限而未能獲取的信息。
對(duì)于用戶來(lái)說(shuō)，在使用大模型時(shí)常需要判斷信息的真實(shí)性，建議采取以下措施：第一，多對(duì)比不同的大模型。不同模型的訓(xùn)練數(shù)據(jù)和算法不同，輸出的結(jié)論和分析角度也會(huì)有差異。
第二，對(duì)結(jié)果進(jìn)行溯源驗(yàn)證。目前主流商業(yè)大模型平臺(tái)通常會(huì)提供來(lái)源鏈接、參考文獻(xiàn)或相關(guān)圖表，用戶應(yīng)主動(dòng)核查來(lái)源的發(fā)布時(shí)間及可靠性，以評(píng)估信息的時(shí)效性和可信度。
第三，可借助智能體平臺(tái)自定義工具。目前不少智能體平臺(tái)開(kāi)放自定義功能，用戶可根據(jù)自己的投資習(xí)慣和分析方法搭建專(zhuān)屬智能體。
21世紀(jì)：面對(duì)機(jī)器逐漸替代部分基礎(chǔ)崗位的趨勢(shì)，我們應(yīng)如何建立“人機(jī)協(xié)同”的工作模式？需要掌握哪些關(guān)鍵技能才能與機(jī)器深度合作而非被替代？
吳震操：大模型處理基礎(chǔ)操作和日常重復(fù)性工作的能力會(huì)越來(lái)越強(qiáng)，這是技術(shù)發(fā)展的必然。但目前大模型仍有明顯局限，無(wú)法完全替代人類(lèi)。
首先，重大決策仍依賴(lài)人類(lèi)。決策不僅需要足夠多的背景知識(shí)、全局觀和行業(yè)經(jīng)驗(yàn)，更需要判斷力和堅(jiān)決的意志，而大模型僅依靠訓(xùn)練數(shù)據(jù)推理，缺乏真實(shí)場(chǎng)景經(jīng)驗(yàn)，目前無(wú)法承擔(dān)重大決策。其次，大模型尚不能替代人類(lèi)在精準(zhǔn)洞察和信息挖掘方面的作用，尤其是人際深度交流方面。大模型的信息來(lái)源局限于已有知識(shí)庫(kù)或網(wǎng)絡(luò)內(nèi)容，無(wú)法及時(shí)獲取第一手信息，也不具備第一時(shí)間對(duì)原始信息進(jìn)行進(jìn)一步探究、整合并影響決策的能力。
事實(shí)上，人類(lèi)與大模型并非對(duì)立，而是走向共存。這種共存不僅推動(dòng)大模型能力不斷進(jìn)化，也會(huì)促使人類(lèi)持續(xù)提升自身能力。因此，我們不必過(guò)度擔(dān)憂大模型的發(fā)展，而應(yīng)更主動(dòng)地將其作為協(xié)作伙伴，建立深度合作關(guān)系。
決勝未來(lái)，數(shù)據(jù)是關(guān)鍵勝負(fù)手
21世紀(jì)：目前中小券商由于科技投入資金有限，往往依賴(lài)外部技術(shù)支持。如果多家機(jī)構(gòu)采用相同或相似的外部技術(shù)，這是否可能導(dǎo)致服務(wù)或策略上的同質(zhì)化？應(yīng)如何應(yīng)對(duì)可能出現(xiàn)的同質(zhì)化現(xiàn)象？
吳震操：這一問(wèn)題并非中小金融機(jī)構(gòu)獨(dú)有，大型金融機(jī)構(gòu)同樣面臨類(lèi)似的挑戰(zhàn)。當(dāng)前，大模型的馬太效應(yīng)日益顯著，未來(lái)市場(chǎng)上廣泛應(yīng)用的通用大模型可能會(huì)高度集中，推動(dòng)形成“算法平權(quán)”和“算力平權(quán)”兩大趨勢(shì)。不同規(guī)模的機(jī)構(gòu)在算法和算力方面的差距將逐漸縮小。
在這一背景下，機(jī)構(gòu)在投資決策、市場(chǎng)研判等核心業(yè)務(wù)上的差異，將越來(lái)越取決于其在“取數(shù)、用數(shù)、算數(shù)”環(huán)節(jié)的能力。金融機(jī)構(gòu)的核心競(jìng)爭(zhēng)力，正在轉(zhuǎn)向?qū)?shù)據(jù)的獲取與運(yùn)用能力。
因此，機(jī)構(gòu)應(yīng)重點(diǎn)從兩個(gè)方向發(fā)力：一是獲取更多更有價(jià)值的外部數(shù)據(jù)；二是深度挖掘和高效利用自身內(nèi)部數(shù)據(jù)。尤其對(duì)規(guī)模接近、業(yè)務(wù)模式趨同的機(jī)構(gòu)而言，數(shù)據(jù)的高效挖掘與利用能力將成為決定機(jī)構(gòu)競(jìng)爭(zhēng)勝負(fù)的關(guān)鍵。
高效運(yùn)用內(nèi)部數(shù)據(jù)，關(guān)鍵在于機(jī)構(gòu)內(nèi)部的數(shù)據(jù)治理能力。我們認(rèn)為，未來(lái)商業(yè)場(chǎng)景中的大多數(shù)數(shù)據(jù)，不應(yīng)僅服務(wù)于人類(lèi)或傳統(tǒng)業(yè)務(wù)系統(tǒng)，還應(yīng)主動(dòng)適配大模型的使用需求。
正是基于這一認(rèn)識(shí)，我們今年推出了“AI友好型數(shù)據(jù)庫(kù)”（AIDB）產(chǎn)品。AIDB通過(guò)一套系統(tǒng)化的數(shù)據(jù)治理方案和標(biāo)準(zhǔn)化市場(chǎng)數(shù)據(jù)指標(biāo)體系，幫助機(jī)構(gòu)優(yōu)化數(shù)據(jù)供給，充分釋放內(nèi)部數(shù)據(jù)價(jià)值。
21世紀(jì)：隨著大模型逐步落地，其規(guī)模化應(yīng)用的問(wèn)題也逐漸受到關(guān)注。AI智能體距離真正處理復(fù)雜、多步驟的金融投資決策流程還有多遠(yuǎn)？
吳震操：目前，隨著金融機(jī)構(gòu)將更多傳統(tǒng)業(yè)務(wù)流程交由大模型處理，“智能體+大模型”在金融場(chǎng)景的融合應(yīng)用已進(jìn)入關(guān)鍵實(shí)踐階段。
過(guò)去，受限于大模型的生成式特性，其難以獨(dú)立承擔(dān)復(fù)雜任務(wù)。行業(yè)普遍認(rèn)為，涉及復(fù)雜金融工程的任務(wù)很難直接通過(guò)大模型完成。但智能體的引入改變了這一狀況：它能夠調(diào)用現(xiàn)有的金融工程模型、機(jī)構(gòu)內(nèi)部細(xì)分模型，并適配內(nèi)部投資策略等，實(shí)現(xiàn)對(duì)既有專(zhuān)業(yè)工具的高效復(fù)用。在這一模式下，智能體、大模型與機(jī)構(gòu)現(xiàn)有的金融工程體系和業(yè)務(wù)系統(tǒng)實(shí)現(xiàn)了有機(jī)融合，不再孤立運(yùn)作。恒生聚源的金融智能體平臺(tái)把大模型能力、業(yè)務(wù)系統(tǒng)邏輯和金融數(shù)據(jù)編織在一起，進(jìn)一步提升投研和投顧的效率。
展望未來(lái)，大模型本身推理能力的提升也會(huì)朝著與金融工程模型融合方向不斷演進(jìn)。大模型技術(shù)能力的進(jìn)一步提升，將推動(dòng)金融工程模型持續(xù)迭代和效能升級(jí)。
中國(guó)金融科技的優(yōu)勢(shì)與提升方向
21世紀(jì)：中國(guó)金融科技公司在人工智能應(yīng)用方面有哪些優(yōu)勢(shì)？還可以從哪些方面提升？
吳震操：當(dāng)前國(guó)內(nèi)在很多細(xì)分的工程場(chǎng)景下，例如圖計(jì)算、聯(lián)邦學(xué)習(xí)等技術(shù)已處于全球領(lǐng)先水平。在此基礎(chǔ)上，我認(rèn)為未來(lái)金融AI發(fā)展的突破口在于“場(chǎng)景化應(yīng)用”。
推動(dòng)場(chǎng)景化應(yīng)用，可以依托資本市場(chǎng)與股權(quán)投資市場(chǎng)機(jī)制，建立科研成果向企業(yè)轉(zhuǎn)化的有效通道。目前許多優(yōu)秀成果仍在實(shí)驗(yàn)室階段，若要實(shí)現(xiàn)價(jià)值轉(zhuǎn)化，必須與實(shí)際金融場(chǎng)景深度融合，落地到具體業(yè)務(wù)環(huán)節(jié)中。
在此過(guò)程中，需打通科研力量、行業(yè)需求與資本之間的協(xié)同鏈路，明確各方角色與作用，共同推動(dòng)優(yōu)質(zhì)科研成果從實(shí)驗(yàn)室走向企業(yè)實(shí)踐、在行業(yè)領(lǐng)域落地生根。
除此以外，還可以擴(kuò)大與海外金融機(jī)構(gòu)及金融科技企業(yè)的交流合作。受益于風(fēng)險(xiǎn)資本的持續(xù)支持與推動(dòng)，目前海外金融AI領(lǐng)域的場(chǎng)景落地實(shí)踐已非常豐富。建議密切關(guān)注海外動(dòng)態(tài)，與海外金融機(jī)構(gòu)、金融科技企業(yè)開(kāi)展常態(tài)化溝通。
聚焦三大領(lǐng)域，成為AI時(shí)代的“智能信息服務(wù)伙伴”
21世紀(jì)：未來(lái)3-5年大模型發(fā)展會(huì)有哪些變化？恒生聚源希望發(fā)揮什么作用？
吳震操：我們預(yù)計(jì)未來(lái)三到五年大模型發(fā)展將逐步顯現(xiàn)三大變化：首先操作層面將實(shí)現(xiàn)關(guān)鍵突破，逐步替代大量繁瑣工作；其次人機(jī)交互模式將發(fā)生深刻變革，人類(lèi)可通過(guò)日常自然語(yǔ)言直接與業(yè)務(wù)系統(tǒng)交互；此外，行業(yè)IT建設(shè)將顯著變化，“大模型+智能體”能讓過(guò)去需大量IT人員的開(kāi)發(fā)實(shí)現(xiàn)低/無(wú)代碼化，這類(lèi)工具普及后可助力業(yè)務(wù)人員自主操作、盤(pán)活資源，大幅釋放業(yè)務(wù)團(tuán)隊(duì)能力與生產(chǎn)力。
與此同時(shí)，大模型發(fā)展也面臨新的挑戰(zhàn)，例如“幻覺(jué)”問(wèn)題、數(shù)據(jù)安全與倫理風(fēng)險(xiǎn)等。金融作為“國(guó)之重器”，在大模型應(yīng)用過(guò)程中，必須強(qiáng)化審核與監(jiān)管機(jī)制，我們亦期望與監(jiān)管部門(mén)共同探索合規(guī)路徑。
在大模型賦能金融行業(yè)的進(jìn)程中，恒生聚源希望承擔(dān)三大核心作用：
其一，立足數(shù)據(jù)公司本源，發(fā)揮數(shù)據(jù)要素企業(yè)的核心價(jià)值。聚焦金融數(shù)據(jù)的流通與賦能，助力金融行業(yè)充分激活數(shù)據(jù)價(jià)值。
其二，以行業(yè)先行者身份，助力金融機(jī)構(gòu)大模型落地。恒生聚源作為金融行業(yè)大模型早期實(shí)踐者，近年已完成大模型訓(xùn)練、產(chǎn)品品牌構(gòu)建，積累了豐富經(jīng)驗(yàn)與教訓(xùn)。我們期望將這些經(jīng)驗(yàn)轉(zhuǎn)化為行業(yè)資源，助力金融機(jī)構(gòu)在數(shù)字化轉(zhuǎn)型中高效推進(jìn)大模型落地應(yīng)用。
其三，聯(lián)合各方，共同探索商業(yè)模式創(chuàng)新。當(dāng)前行業(yè)對(duì)大模型的認(rèn)知多停留在“降本提效”，我們更愿聯(lián)合金融機(jī)構(gòu)、監(jiān)管部門(mén)等共同探索其對(duì)金融機(jī)構(gòu)商業(yè)模式、客戶服務(wù)渠道與方式的變革價(jià)值，最終共創(chuàng)全新商業(yè)模式——這也是恒生聚源面向行業(yè)長(zhǎng)遠(yuǎn)發(fā)展的目標(biāo)。
21世紀(jì)：恒生聚源成為“智能信息服務(wù)伙伴”的具體路徑是什么？哪些領(lǐng)域會(huì)優(yōu)先突破？
吳震操：在數(shù)據(jù)要素市場(chǎng)化的大背景下，恒生聚源明確“數(shù)商”定位，形成“金融、科技、AI”三大核心標(biāo)簽。我們期望能夠落地更多應(yīng)用到投資研究、財(cái)富管理及風(fēng)險(xiǎn)預(yù)警等具體業(yè)務(wù)場(chǎng)景中，真正融入客戶的業(yè)務(wù)流程、提供信息支持與參考，未來(lái)將主要聚焦三個(gè)領(lǐng)域：
一是投資研究領(lǐng)域。過(guò)往數(shù)據(jù)廠商多僅對(duì)知識(shí)初步加工，核心原因是投研與投資策略高度多樣化——不同從業(yè)者有獨(dú)特風(fēng)格，難以標(biāo)準(zhǔn)化，因此行業(yè)多提供半加工的中端形態(tài)數(shù)據(jù)。而人工智能時(shí)代，借助大模型可深化知識(shí)加工，還能依據(jù)機(jī)構(gòu)及投研人員的個(gè)性化偏好，協(xié)助提取所需信息、生成符合其風(fēng)格的深度研究數(shù)據(jù)與階段性成果。因此，我們認(rèn)為，未來(lái)5至10年將是研究類(lèi)數(shù)據(jù)的蓬勃發(fā)展期。
二是財(cái)富管理領(lǐng)域。我們不僅擁有傳統(tǒng)金融工程基礎(chǔ)設(shè)施，還積累了海量高質(zhì)量數(shù)據(jù)。我們期望在人工智能時(shí)代從兩方面提供支持：一是為用戶優(yōu)化資產(chǎn)配置、提升投資能力提供信息支持；二是賦能投資顧問(wèn)，為實(shí)現(xiàn)財(cái)產(chǎn)增值提供研究支撐。
三是風(fēng)險(xiǎn)預(yù)警領(lǐng)域。風(fēng)險(xiǎn)與流動(dòng)性、投資、交易活動(dòng)緊密相關(guān)。未來(lái)，我們將依托AI技術(shù)進(jìn)一步助力金融機(jī)構(gòu)提升風(fēng)險(xiǎn)預(yù)判、評(píng)估能力。
