El modelo de IA a gran escala lidera la transformación del sector financiero, acelerando la planificación estratégica de las instituciones financieras.
La inteligencia artificial está revolucionando la industria financiera
Con la aparición de ChatGPT, la atención de la industria financiera hacia la tecnología de inteligencia artificial ha aumentado drásticamente. Al principio, muchas instituciones se sentían ansiosas por esta nueva tecnología, temiendo quedarse atrás en la corriente de la época. Sin embargo, después de un tiempo de exploración y práctica, la actitud de la industria hacia los grandes modelos de IA ha tendido a ser más racional.
El CTO de Softcom Power Bank, Sun Hongjun, describió varias etapas de la actitud de la industria financiera hacia los grandes modelos: al principio del año había una ansiedad generalizada; en primavera comenzaron a formar equipos para explorar; en verano, encontraron dificultades en el proceso de implementación y se volvieron más racionales; actualmente están refiriéndose a casos de referencia y probando escenarios ya verificados.
Es notable que un número creciente de instituciones financieras comienza a prestar atención a la tecnología de modelos grandes desde una perspectiva estratégica. Según estadísticas incompletas, al menos 11 bancos que cotizan en A-shares han mencionado explícitamente en sus últimos informes semestrales que están explorando la aplicación de modelos grandes. A partir de las recientes tendencias, están llevando a cabo un pensamiento y una planificación más claros en términos de estrategia y diseño de alto nivel.
En términos de capacidad de cálculo, actualmente hay dos soluciones principales en la industria financiera: la primera es construir la capacidad de cálculo internamente, lo que tiene un costo más alto pero una fuerte seguridad, adecuado para grandes instituciones con recursos sólidos; la segunda es el despliegue híbrido, que utiliza servicios de nube pública garantizando la seguridad de los datos sensibles, con un costo relativamente bajo, adecuado para pequeñas y medianas instituciones.
Al mismo tiempo, muchas instituciones financieras también están fortaleciendo su trabajo de gobernanza de datos. Algunos de los principales bancos ya tienen prácticas consolidadas, y cada vez más instituciones medianas también comienzan a construir plataformas de datos y sistemas de gobernanza. Algunos bancos han resuelto problemas de datos a través de modelos grandes combinados con MLOps, logrando una gestión unificada y un procesamiento eficiente de datos heterogéneos de múltiples fuentes.
En términos de escenarios de aplicación, las instituciones financieras generalmente adoptan una estrategia de "primero interno y luego externo". Ya hay varios casos de implementación en escenarios internos como oficinas inteligentes y desarrollo inteligente. Sin embargo, los expertos de la industria consideran que estos aún no son las aplicaciones centrales de las instituciones financieras, y que los grandes modelos aún están a cierta distancia de profundizar en el nivel de negocio.
Cabe destacar que algunas instituciones financieras han comenzado a realizar cambios en el nivel de diseño superior. Varias de las principales instituciones han construido un marco de sistema jerárquico que incluye múltiples niveles, como la capa de infraestructura, la capa de modelos, la capa de servicios y la capa de aplicaciones, basado en grandes modelos. Estos marcos generalmente tienen dos características: primero, el gran modelo desempeña un papel central, invocando modelos tradicionales como habilidades; segundo, adoptan una estrategia de múltiples modelos, seleccionando internamente el efecto óptimo.
Sin embargo, la aplicación de grandes modelos también ha traído desafíos en términos de talento para la industria financiera. Actualmente, los profesionales que dominan la tecnología de grandes modelos son muy escasos, lo que dificulta satisfacer la creciente demanda. Algunas instituciones ya han comenzado a tomar medidas, mejorando las habilidades de los empleados existentes a través de cursos de formación, proyectos conjuntos y otros métodos. Al mismo tiempo, los desarrolladores que pueden utilizar grandes modelos tienen más probabilidades de destacar en este entorno.
En general, aunque la aplicación de la tecnología de modelos grandes en la industria financiera aún se encuentra en una etapa exploratoria, sin duda está impulsando una profunda transformación en el sector. En el futuro, a medida que la tecnología madure y aumente la reserva de talento, se espera que los modelos grandes desempeñen un papel importante en más escenarios clave de negocio.
Ver originales
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
16 me gusta
Recompensa
16
7
Compartir
Comentar
0/400
0xDreamChaser
· 07-27 18:09
Otro hmm hecho por AI
Ver originalesResponder0
UncleWhale
· 07-26 01:13
Viejos conocidos, solo falta que el banco venga a robarme en el mundo Cripto.
Ver originalesResponder0
PerennialLeek
· 07-25 05:20
La primera en finanzas es increíble
Ver originalesResponder0
DefiPlaybook
· 07-25 05:10
Los contratos inteligentes son más confiables para aprovechar los beneficios.
Ver originalesResponder0
WalletWhisperer
· 07-25 05:09
señales alpha por todo este patrón... el ADN fintech mutando fr
Ver originalesResponder0
Layer3Dreamer
· 07-25 04:57
teóricamente hablando, esto es solo L2 de nuevo, pero con más VCs invirtiendo dinero en ello
El modelo de IA a gran escala lidera la transformación del sector financiero, acelerando la planificación estratégica de las instituciones financieras.
La inteligencia artificial está revolucionando la industria financiera
Con la aparición de ChatGPT, la atención de la industria financiera hacia la tecnología de inteligencia artificial ha aumentado drásticamente. Al principio, muchas instituciones se sentían ansiosas por esta nueva tecnología, temiendo quedarse atrás en la corriente de la época. Sin embargo, después de un tiempo de exploración y práctica, la actitud de la industria hacia los grandes modelos de IA ha tendido a ser más racional.
El CTO de Softcom Power Bank, Sun Hongjun, describió varias etapas de la actitud de la industria financiera hacia los grandes modelos: al principio del año había una ansiedad generalizada; en primavera comenzaron a formar equipos para explorar; en verano, encontraron dificultades en el proceso de implementación y se volvieron más racionales; actualmente están refiriéndose a casos de referencia y probando escenarios ya verificados.
Es notable que un número creciente de instituciones financieras comienza a prestar atención a la tecnología de modelos grandes desde una perspectiva estratégica. Según estadísticas incompletas, al menos 11 bancos que cotizan en A-shares han mencionado explícitamente en sus últimos informes semestrales que están explorando la aplicación de modelos grandes. A partir de las recientes tendencias, están llevando a cabo un pensamiento y una planificación más claros en términos de estrategia y diseño de alto nivel.
En términos de capacidad de cálculo, actualmente hay dos soluciones principales en la industria financiera: la primera es construir la capacidad de cálculo internamente, lo que tiene un costo más alto pero una fuerte seguridad, adecuado para grandes instituciones con recursos sólidos; la segunda es el despliegue híbrido, que utiliza servicios de nube pública garantizando la seguridad de los datos sensibles, con un costo relativamente bajo, adecuado para pequeñas y medianas instituciones.
Al mismo tiempo, muchas instituciones financieras también están fortaleciendo su trabajo de gobernanza de datos. Algunos de los principales bancos ya tienen prácticas consolidadas, y cada vez más instituciones medianas también comienzan a construir plataformas de datos y sistemas de gobernanza. Algunos bancos han resuelto problemas de datos a través de modelos grandes combinados con MLOps, logrando una gestión unificada y un procesamiento eficiente de datos heterogéneos de múltiples fuentes.
En términos de escenarios de aplicación, las instituciones financieras generalmente adoptan una estrategia de "primero interno y luego externo". Ya hay varios casos de implementación en escenarios internos como oficinas inteligentes y desarrollo inteligente. Sin embargo, los expertos de la industria consideran que estos aún no son las aplicaciones centrales de las instituciones financieras, y que los grandes modelos aún están a cierta distancia de profundizar en el nivel de negocio.
Cabe destacar que algunas instituciones financieras han comenzado a realizar cambios en el nivel de diseño superior. Varias de las principales instituciones han construido un marco de sistema jerárquico que incluye múltiples niveles, como la capa de infraestructura, la capa de modelos, la capa de servicios y la capa de aplicaciones, basado en grandes modelos. Estos marcos generalmente tienen dos características: primero, el gran modelo desempeña un papel central, invocando modelos tradicionales como habilidades; segundo, adoptan una estrategia de múltiples modelos, seleccionando internamente el efecto óptimo.
Sin embargo, la aplicación de grandes modelos también ha traído desafíos en términos de talento para la industria financiera. Actualmente, los profesionales que dominan la tecnología de grandes modelos son muy escasos, lo que dificulta satisfacer la creciente demanda. Algunas instituciones ya han comenzado a tomar medidas, mejorando las habilidades de los empleados existentes a través de cursos de formación, proyectos conjuntos y otros métodos. Al mismo tiempo, los desarrolladores que pueden utilizar grandes modelos tienen más probabilidades de destacar en este entorno.
En general, aunque la aplicación de la tecnología de modelos grandes en la industria financiera aún se encuentra en una etapa exploratoria, sin duda está impulsando una profunda transformación en el sector. En el futuro, a medida que la tecnología madure y aumente la reserva de talento, se espera que los modelos grandes desempeñen un papel importante en más escenarios clave de negocio.