“實現智能體大規模使用的關鍵在于四個方面：一是速度足夠快；二是準確率足夠高；三是能有效抑制幻覺；四是能靈活擴展到更廣泛的場景�！�1月11日，在新金融聯盟舉辦的“AI提升金融服務效能的場景創新與趨勢展望”內部研討會上，百融云創董事長張韶峰表示。
工商銀行首席技術官呂仲濤，興業銀行首席信息官、科技管理部總經理唐家才，上海銀行副行長、首席信息官胡德斌，民生銀行數據管理部總經理沈志勇也做了主題發言。國家金融監督管理總局相關負責人參加了交流。
會議由新金融聯盟秘書長吳雨珊主持，中國金融四十人論壇提供學術支持。來自商業銀行、金融科技公司的170余位代表通過線上線下參會。以下為張韶峰發言全文。
智能體AI引領金融業新一輪變革
文| 張韶峰
百融云創董事長 張韶峰
計算機從交互角度經歷了幾次革命：第一次是CUI，人們依靠輸入指令與計算機進行交互；之后是GUI，如微軟、蘋果的觸摸屏技術；現在是LUI，即對話式交互。
智能體AI是同時刺激供需兩側的技術革命
大模型能夠模擬很多行業的專家，基本在每個領域，AI都能達到專家水平的85%。雖然比不上人類的頂級專家，但它可以復制十萬個、百萬個、千萬個，這極大提升了供給。有些行業并非受限于需求，而是受限于供給，比如教育、醫療、金融等行業。
每一次交互變革都能極大刺激需求。自然語言交互是人類最自然的交互方式。喬布斯觀察小孩，發現小孩不會說話時就靠手勢交流，于是聯想到點擊操作，由此發明了Iphone。智能體AI就是自然語言交互，這對于金融行業極其重要。金融領域專業度相對較高，老百姓有時無法輸出最專業的表達，比如去銀行辦理業務，他們有時不知道如何表達，柜員也難以理解，導致效率低下。而解決這個問題的最佳方法就是使用通俗易懂的“大白話”。多個智能體可以讓供給側的多個專家共享一個“大腦”、一份“記憶”，這極大地刺激了需求。
我們觀察并將現有AI生態分為五層。第一層是通用大模型和通用算力，當前大部分金融機構處于這一AI基礎設施建設階段。向上一層，是為各個行業、領域、場景做優化，打造專屬芯片、專屬模型，國有行及少數領先銀行處于這個層面。第三層是構建工作流和智能體的構建層，這相當于智能體的構建工廠，能生產出很多機器人，極少數金融機構處于這個層面。智能體工廠往上，就是真正的智能體，一般都是垂直面向行業、領域、場景。最后一層，就是大量使用智能體，但不完全依賴智能體的AI Native的應用層。
目前，AI及大模型要在金融行業落地，主要面臨三方面挑戰。
第一，場景挖掘較難，需要找到更多大模型能直接發揮價值的應用場景。
第二，大模型可能會產生幻覺，如何規制它、抑制幻覺是個問題。
第三，大模型通常參數較大，最小幾十億，導致響應速度較慢。參數大還使得運營成本高，因為每一次推理都有成本，且與參數的平方成正比。這也導致大模型直接服務客戶的應用太少。但在任何一個行業，將內部效率的提升應用在客戶層面，并產生收入，才是解決問題的終極道理。
大模型的終極價值是直接面客
從AI的三要素——算力、算法、數據來看，美國的算力遙遙領先，百融云創幾乎測試過所有國產芯片，與美國相比仍有明顯差距；在算法上，中國落后的程度沒有算力那么大；在數據方面，中國原本一直遙遙領先，但近兩三年，由于一些原因，金融數據流動速度變慢。
去年8月我們參加美國的論壇，有公司表示只要能減人，就一定會使用大模型，因為他們的人工成本太高了。任何模型一定是在大規模使用后才能成熟，電力、汽車和計算機都是這樣。如果得不到大規模應用，那么長期來看，中國擅長的應用端是落后還是進步，將打上一個問號。
關于大模型能否面客。去年8月我們去紐約交流時，美國銀行就在力推智能體。我體驗了一下，當時還沒那么成熟，解決不了問題時就會轉人工，但銀行特別鼓勵客戶使用智能體。去年花旗銀行的三把手接受訪談時說，所有的技術剛開始都是用以提升內部效率，但如果最終解決不了對客問題，無法直接產生收入，那么這個技術的價值是有限的。
關于大模型是否需要審批。例如，地方網信辦要求金融行業大模型需取得金融監管總局的審批，但金融監管總局又沒有這個職能。我們有2000家客戶來自零售電商等領域，與金融行業沒有關系，也不適合以金融行業模型來申報。但網信辦認為我們的模型就是金融行業大模型，因為大部分收入來自金融行業。所以，當前中美AI競爭態勢下，面對美國的遏制，如何監管大模型是中國需要思考的問題。人工智能一定要在應用中迭代，讓社會、企業、個人逐步適應；一定要鼓勵發展，在實踐中不斷改進，不完美之處規制好即可。
我們認為智能體一定要真正促進金融交易，2017年我們開始做語音交互智能體，2023年產生了550億金融資產交易。2024年大概能產生800億金融資產交易，每天有8500萬條真實的對客對話。
智能體如何訓練“專業力”和“擬人度”？
我們認為，大模型和智能體是否專業體現在兩個方面。第一，能否真正替代人或部分替代人，可否達到85分的水平。第二，能否高度擬人。
我們專門訓練大模型進行大量金融行業考試。在CFA（國際特許金融分析師）考試中，我們的大模型比Open AI 的4o高了約5-6分，要知道，在這個領域即便超出2-3分都極其困難。在香港證券期貨從業考試中，我們的大模型得到95分，4o是85分，中國基金證券從業資格考試等其他考試也是如此。每一項考試我們都經過專門訓練，目的就是讓大模型能更好地服務客戶。
語音是人類最自然的交互方式，因此我們十分重視語音大模型能否模擬人類。如果AI對客時響應緩慢，用戶體驗會很差。要解決這個問題，就要提到我們的多模態大模型。人類聽到聲音不會轉成文本再去識別，而是直接處理多模態信息。那么，模型能否直接處理多模態信息？事實上，不僅可以，而且我們現在能做到40毫秒快速響應，同樣不會將接收的語音信息先轉成文本，而響應方式既可以是文本，也可以是語音。
另外，智能體是真人在數字世界里的鏡像，真人能做什么，它就能做什么。未來，利用智能體解決復雜問題尤其重要，我們在這個方面已有所實踐。在真人面客場景，當客戶找商家處理復雜問題時，若客服接線后無法完全解決，就需要轉接第二個甚至第三個客服。而智能體就不存在多次轉接的問題，遇到復雜問題，多個智能體可協作解決，它們共享一個“大腦”，共享一份“記憶”。
我們認為，實現智能體大規模使用的關鍵在于四個方面：一是速度足夠快；二是準確率足夠高；三是能有效抑制幻覺；四是能靈活擴展到更廣泛的場景。
本文首發于微信公眾號：新金融聯盟NFA。文章內容屬作者個人觀點，不代表和訊網立場。投資者據此操作，風險請自擔。
【免責聲明】本文僅代表作者本人觀點，與和訊網無關。和訊網站對文中陳述、觀點判斷保持中立，不對所包含內容的準確性、可靠性或完整性提供任何明示或暗示的保證。請讀者僅作參考，并請自行承擔全部責任。郵箱：news_center@staff.hexun.com
最新評論