近日,由非凡产研全球数智商业研究中心主办的「2024年度AIGC应用发展高峰论坛」在京成功举办,近千人参加盛会。瑞泊技术控股董事长乙壤月博士应邀参加论坛,并就金融行业大模型落地实践的若干问题发表了瑞泊见解,以下内容依据乙壤月博士发言的主要内容整理及修订:
一、能不能再给大家简要介绍一下介绍瑞泊公司所聚焦的技术和业务?答:当然可以。瑞泊是一家以大模型技术为核心的国家人工智能高科技企业,定位为「行业超脑」构建者,瑞泊是「北京市通用人工智能产业创新伙伴计划成员」大模型伙伴成员企业、国家级科研机构科技成果转移转化一等奖获得者,2024中关村论坛年会北京市人工智能行业大模型创新应用大赛一等奖获得者。瑞泊「行业超脑」,是以大模型技术为核心,综合应用数据、计算、RAG、专有模型等技术,打造不同行业的新一代综合解决方案,我们将这个综合解决方案称之为“熊掌”,目标就是为企业降本、增效、提质。而其中,金融超脑就是瑞泊着力打造的核心解决方案之一,目前正在服务国内各大、中型金融机构。自2022年底开始,大模型技术的热潮席卷全球,经过这两年发展,我们在服务过程中有个深刻体会——就是我们的客户不只是需要“鱼”,也需要“渔”,而瑞泊也把自己服务方式升级为“授人鱼也要授人以渔,鱼和熊掌也可兼得”。所以在今年的下半年,我们除了提供瑞泊本身既有的模型、应用等之外,还增加了为客户提供“大模型训练平台”、“大模型应用开发平台”以及配套的培训及顾问服务,并且建立了非常多的联合实验室,陪伴式地与我们的客户深度、长期合作。二、近期中国股市经历了一轮暴涨及很大的波动,请您谈一谈这些外部环境的变化对公司的业务有什么影响?答:股市最近确实很热闹,人气爆棚,争议也非常多,我们看到了很多券商的市值都获得了大幅度的增长。这样的气氛,对整个人工智能产业的业务肯定是积极的,但是没那么快,明显感受到的是客户近期的咨询增多了,预期增强了,对明年的资本性支出预算好像有不少计划要增加。简单说,市场对人工智能技术和大模型相关项目的投资热情有所增加,这就为包括我们瑞泊在内相关AI公司的业务扩展和技术研发提供了更充裕的资金支持,帮助我们快速推进新技术的落地与应用。然而,要看到的是,经过暴涨阶段的市场目前正在调整,到底是不是牛市的争论也很多。这就使我们更加关注企业的内在价值与长远发展,促使我们在资源分配上更加审慎和高效,集中力量突破核心技术,持续提升产品与服务的质量。瑞泊的客户在这个阶段可能更加关注能够带来直接效益和快速回报的解决方案。因此,我们也加强了与客户的深度合作,通过我们自主研发的技术,帮助他们提高效率、降低成本,确保他们在复杂的市场环境中仍然具备竞争力。市场的波动对于我们既带来了短期的挑战,也提供了长期发展的契机。我们更加注重技术的实际落地和与客户的深度合作,确保瑞泊的技术能在不确定性中为客户创造实实在在的价值。顺便说一句,我本人看好中国,相信我们的政府,我认为这次大概率会是一轮真正的牛市,很可能是慢牛、长牛。三、技术进步总归是要对客户需求有贡献的,大模型全行业兴起已有两年,金融的数字化程度相对偏高,过去一年客户的具体需求被AI满足程度是什么样的?还有哪些需求是没有被满足的?具体原因有哪些?金融客户对大模型的理解和接受程度目前是什么样的?答:大模型技术的迅速发展为金融行业带来了显著的变革,尤其是在投资分析、智能客服、数据分析和风险管理等方面的应用,大幅度提高了业务效率和服务质量。金融行业的数字化程度本身就比较高,大模型技术的引入更是加速了这一进程,特别是在应对复杂的金融问题时展现出了极大的潜力。例如,在智能投顾、自动化风险评估、合规监控和客户服务等方面,大模型已经展现了很高的实用性,为金融机构提供了更加智能化、精准化的服务。但是,据我们观察,目前大模型在一些特定的、精细化的金融应用场景中,确实还存在很多未被完全满足的需求。比如,在复杂的金融衍生品交易和高度定制化的量化投资策略设计中,大模型的表现还不够精准。这是因为这些场景通常需要深入的专业知识和非常细化的数据支持,而大模型具备强大的能力,但在应对特定领域的高复杂性需求时,我们还有很多提升的空间,毕竟人工智能时代才刚刚开启。此外,数据隐私和合规性问题也是当前大模型应用中的一个重要挑战。金融行业对数据的隐私保护和安全性要求极高,而大模型的训练通常需要大量的数据集成与处理,这就带来了数据隐私保护与模型效能之间的矛盾。为了解决这一问题,瑞泊正在结合专有模型、RAG(检索增强生成)技术以及隐私计算等先进方法,以确保在提高模型精确度的同时,能够有效保护数据安全。总体来说,金融客户对大模型的接受度是逐步提升的。尤其是大型金融机构,已经将大模型应用到智能投顾、风险控制等多个业务场景,并取得了显著的效果。尽管一些传统金融机构在应用大模型方面仍然比较保守,主要原因在于技术的复杂性、前期投入成本较高,以及对传统业务模式的依赖性较强,但他们也逐渐认识到大模型技术的潜力。随着市场对数字化转型的需求增加,我们相信这些机构最终会加快对大模型的应用步伐,将其视为未来发展中的核心竞争力。在未来的发展中,我们还需要更多地关注大模型在深度定制化和精细化场景中的表现,这就需要不断优化和扩展大模型的能力,使其在特定领域具备更强的应对能力。同时,通过加强与客户的合作,深入理解他们的需求,将大模型的技术与客户的实际业务需求相结合,为客户提供更具针对性、适应性的解决方案。我们相信,随着技术的不断突破和市场的逐步接受,大模型在金融行业中的应用前景会更加广阔。四、行业内不同的人对Copilot和 Agent都有不同的理解,在瑞泊的作业场景里的定义和应用分别是什么样的?是如何演变到目前的产品形态的?创业圈和投资圈有一个基本共识“嵌入工作流、累计数据集、让产品、业务更丝滑”,金融客户对数据安全的要求也比较高,普遍要求私有化部署,瑞泊是如何应对的?答:这个问题涉及到对Copilot和Agent技术的定义、演变,以及如何在满足数据安全需求的前提下,将这些技术嵌入到工作流中。首先,Copilot和Agent是两个具有不同功能和定位的概念。譬如在瑞泊的业务场景中,Copilot相当于一个高级的智能助手,主要作用是辅助用户完成各类复杂的任务,并在需要时提供实时的决策支持。它能够帮助用户快速处理大量的数据、生成详细的分析报告、提出风控建议等。简单来说,Copilot是人类用户的得力助手,可以大幅度提升决策的效率和准确性。例如,在金融交易中,Copilot可以通过对市场数据的实时分析,为交易员提供参考信息,帮助他们做出更快、更有效的决策。Agent则更像是一个具有自主行动能力的智能执行者,它不仅仅是一个辅助工具,还可以直接在获得授权的情况下为用户执行任务。比如,在客户服务领域,Agent能够识别用户的需求,并自动完成一些服务请求;在自动化交易中,它可以根据预设的策略执行交易操作,甚至能够自主地进行风险评估和决策。在产品的演变过程中,Agent的能力得到了不断扩展,从最早的辅助型工具演变为具备高度自主性的智能系统,这一发展极大地提高了AI在实际业务中的适用性。瑞泊的目标是在产品中实现智能技术与业务流程的深度融合。通过嵌入客户的核心业务流程,例如投资分析、风险管理、交易决策、合规监控等,我们的AI产品能够成为客户日常操作的一部分,从而提供更加个性化和高效的服务。此外,考虑到金融客户对数据安全的高要求,我们为客户提供了全面的私有化部署方案,确保所有数据都在客户自有的服务器或专属云环境中进行处理和存储。这样的方式不仅保证了数据安全,也使客户在使用AI技术时更加放心。嵌入工作流是实现AI价值的关键。通过与客户的业务系统深度整合,瑞泊的产品能够嵌入到金融机构的日常运营中,而不仅仅是作为一个独立工具存在。为了使产品更符合用户的需求,我们也在不断改进用户体验和系统交互方式,使产品在业务流程中的应用更加自然、流畅,让AI真正成为客户业务的延伸,减少人为干预带来的摩擦和操作难度。此外,为了确保产品能够持续为客户提供最大化的价值,瑞泊还积极与客户合作,建立联合实验室和共同研发项目,以深入理解他们的业务痛点,并针对性地进行产品优化和技术迭代。通过这种方式,我们的Copilot和Agent不仅能够适应不断变化的市场需求,还能够在实践中不断提升其功能和性能,更好地服务客户。五、关于大模型的“模糊涌现”和金融行业的“低容错”之间存在矛盾,能不能请您简述一下目前是什么状态,以及未来的解决这个问题思路是什么样的?能否再谈一谈金融机构在应用大模型方面的阻力会是来自哪些方面?答:大模型的“模糊涌现”特性,就是在训练过程中学到一些人类未明确设计的模式或行为,这在某些行业可能是创新的表现,但在金融行业中则存在较大的风险。金融行业的特点决定了其对错误的容忍度非常低,尤其是在涉及资金交易、风险管理等方面,任何细小的失误都可能导致严重的经济损失和声誉危机。因此,大模型的这种不确定性与金融行业的高精度要求之间存在天然的矛盾。为了应对这一问题,瑞泊在大模型的基础上增加了多层次的保障机制,包括叠加传统的规则引擎和风控系统,通过多重验证来确保模型的输出在关键业务场景中的可靠性和可控性。通过这种方式,即便大模型在某些场景中出现了模糊的行为,传统的规则系统也能够作为保险来规避风险。此外,我们还在模型的可解释性上下了很大功夫,确保每一个模型的输出都有清晰的解释路径,并且能够追溯决策过程的来源,从而帮助客户理解模型的决策逻辑,增加其对AI系统的信任度。在实际业务中,瑞泊还采用了人机协同的方式来降低风险。AI模型负责提供建议和初步决策支持,而最终的关键决策则由人类专家来把关,这样既能充分发挥AI在处理大量数据和复杂计算上的优势,又能避免因模型不确定性带来的潜在风险。此外,我们还会根据客户反馈对模型进行不断优化,通过数据的持续更新和模型迭代来提升其稳定性和适用性,逐步减少模糊涌现行为的发生。您提到金融机构在应用大模型方面的阻力,我认为主要来自于数据隐私与合规、模型的高精度和可解释性需求,以及前期投入的高成本。金融机构特别是传统银行等机构,在数据安全方面有着极高的要求,因此在选择新技术时往往比较谨慎。模型的部署不仅涉及高昂的基础设施投资,还需要专业的技术人员来进行操作和维护,这对于一些缺乏AI相关技术储备的机构来说,是一个较大的挑战。此外,金融行业的保守文化和对已有规则体系的依赖性,也使得这些机构在采用新技术时步伐较为缓慢。不过,我认为随着大模型技术的不断发展和成熟,金融行业对AI的接受程度也在逐步提高。特别是当越来越多的案例证明了AI在提高效率、降低成本、增强市场竞争力方面的优势后,越来越多的金融机构开始主动拥抱这项技术。为了推动这一进程,瑞泊也在积极提供教育和培训,这就是我们所说我的也要为客户提供“渔”,帮助金融机构的员工更好地理解和掌握大模型的运作原理和应用方法。六、请用三句话对瑞泊在金融行业大模型领域的实践进行一下总结答:我的这三句话是:大模型技术在金融行业正在实现从概念验证到实际应用的飞跃。瑞泊坚持通过不断优化和与客户深度合作,确保技术解决方案既符合数据安全标准,又具备高精度和实用性。授人鱼也要授人以渔,鱼和熊掌也可兼得。谢谢!— END —