7月28日消息，由中国信息通信研究院（以下简称中国信通院）组织的“行业大模型高质量发展论坛暨可信AI大模型标准宣贯会”在江苏南京召开。会议发起了行业大模型标准联合推进计划，启动了多个行业的大模型标准编制工作，其中，由中国信通院牵头、奇富科技作为主要参编单位、四十多家企业共同编制的国内首个金融行业大模型标准《面向行业的大规模预训练模型技术和应用评估方法第一部分：金融大模型》标准计划将于八月底正式发布。
作为国内布局金融行业大模型最早的公司，奇富科技在会上阐释了金融行业开发行业专属大模型的必要性，并展现了金融科技企业在行业大模型推进中的独特优势。
“从金融这个行业诞生以来，对技术的需求和推动，都远超人们的想象。”奇富科技大模型专家杨剑介绍到。
通用大模型能力有目共睹，而在高度数据化、专业复杂度较高的金融领域，需要依靠专业背景与行业洞察，优化与适配特定应用需求。杨剑介绍，作为中国典型的以人工智能技术驱动的金融科技服务平台，奇富科技通过7年以来的数据与场景积累，逐渐探明了金融领域大模型的各式应用方向：让大模型全面理解与运用金融专业术语，并产生具备专业属性的反馈，应用到金融行为前-中-后多个阶段。
在杨剑以《大模型在金融场景的落地路径》为主题的演讲中，提出了奇富科技率先走入金融大模型时代的根基所在。
图：杨剑在宣贯会现场带来演讲《大模型在金融场景的落地路径》
在杨剑看来，金融+大模型归根结底是“软硬结合”的金融科技探索与实践方向。“软”在于对金融业务层面的深入理解，“硬”则在于技术、数据、算力方面的积累。
在“软”层面，以奇富科技为代表的金融科技企业，探索金融大模型的优势在于深刻的业务场景洞察，以及高效清晰的反馈结果合规化操作。作为国内最为成熟的金融科技企业之一，奇富科技积累了足够丰富的业务洞察与场景分析，将金融业务流程拆分成一系列可智能化节点，以此打开更全面的大模型落地空间，渗透优化全业务细节。生成式AI的一大痛点便是内容真实性与内容合规，而奇富科技依靠一系列政策规范文档与条款，形成了丰富的信贷合规处置经验，并以此完成信息围栏的构建，让大模型安全可控。
而在“硬”层面，更多指向的是奇富科技作为一家科技公司的技术力。
据介绍，基于长久以来金融业务的持续开展，奇富科技在数据行为、语料、问答、金融图谱等方面积累了大规模数据，持续以此精进服务满意度过程中，也可将其转化为大模型训练的基础素材，与用户体验形成正反馈。而在技术积累方面，奇富科技一直具有优越背景，互联网&金融双重身份，AI视觉、语音文本互换，自然语言处理与神经网络算法都处于互联网公司第一梯队。算力基础直接关系到大模型的训练速度，这一方面，奇富科技则通过分布式训练优化推理性能，弹性调度，多样性混合部署等措施，保证大模型拥有适配金融行业需求的充沛算力。
通过技术不断加深对金融行业与用户需求的理解，并持续优化数据分析与处理能力、算法与AI技术、夯实算力储备，软与硬相互绑定，是奇富科技在大模型方向上，引领国内金融行业的先发条件，而在此基础上，逐渐为金融行业提供大模型标准的框架与细则。
据悉奇富科技的大模型奇富GPT已经迅速应用到获客、运营、风控、贷后服务等业务环节。杨剑展示了两个已经获得数据收效的落地应用。在营销层面，通过大模型构建对话金融业务场景，训练现有电销对话系统，帮助电销机器人精准理解真实用户需求，提高对答拟真度与服务专业度。“经过大模型陪练机器人的帮助，我们的电销系统通话时长提升了15.1%。”杨剑介绍，通话时长的拉升，意味着用户的对话体验有了明显改善。
杨剑提供的另一个落地应用展现在营销内容生成方面，大模型生成素材元素，并与人工创作素材整合变化，形成大批量广告素材，随后大模型对素材进行标注，并通过AI系统给与多维度评级，经过渠道投放后，最终收获数据效果最佳的素材。“大模型应用在营销素材方面后，我们的客户触达规模提升了21.4%。”杨剑介绍道。
此外，杨剑还介绍了奇富金融大模型的阶梯式落地方案：
第一阶段，金融行业大模型初步成型，能够深入理解与应用金融行业知识，投射到各个业务角落。
到了第二阶段，金融大模型能够对外输出，赋能各类金融机构，同时，分不同场景持续数据优化，服务于不同任务。
早在2017年，奇富科技就通过AI算法平台、算法库进行训练，最终提炼出了能够真正用于业务场景的各种模型，如智能营销模型、反欺诈模型、贷前额度模型、贷中调整模型，以及交易风险模型和智能机器人等等，这些模型覆盖了业务的全生命周期。而在大模型的驱动下，原先的分业务板块模型都将得到进一步优化，形成更高效、更用户友好的金融业务流程。
训练数据数量和质量，以及对金融业务的理解和洞见，是金融行业大模型的核心竞争力。在大模型时代，随着奇富科技金融大模型应用不断落地，金融行业运用技术推动业务升级的发展进程中，或将迎来的崭新范例。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
