L'intelligence artificielle déclenche une vague de réformes dans le secteur financier
Avec l'émergence de ChatGPT, l'attention de l'industrie financière pour la technologie d'intelligence artificielle a considérablement augmenté. Au début, de nombreuses institutions étaient anxieuses face à cette nouvelle technologie, craignant de prendre du retard par rapport aux tendances de l'époque. Cependant, après une période d'exploration et de pratique, l'attitude du secteur envers les grands modèles d'IA tend à devenir plus rationnelle.
Le CTO de Softwin, Sun Hongjun, a décrit plusieurs phases de l'attitude de l'industrie financière envers les grands modèles : au début de l'année, une anxiété généralisée ; au printemps, le début de la constitution d'équipes pour explorer ; en été, des difficultés rencontrées lors de la mise en œuvre, devenant plus rationnels ; actuellement, il s'agit de se référer à des cas de référence et d'essayer des scénarios déjà validés.
Il convient de noter que de plus en plus d'institutions financières commencent à accorder une importance stratégique à la technologie des grands modèles. Selon des statistiques incomplètes, au moins 11 banques cotées en bourse A ont clairement mentionné dans leur dernier rapport semestriel qu'elles explorent l'application des grands modèles. D'après les tendances récentes, elles effectuent une réflexion et une planification plus claires au niveau stratégique et de la conception de haut niveau.
En termes de puissance de calcul, le secteur financier dispose actuellement de deux solutions principales : la première consiste à construire directement sa propre puissance de calcul, ce qui est coûteux mais offre une grande sécurité, adaptée aux grandes institutions disposant de ressources importantes ; la seconde est le déploiement hybride, qui utilise des services de cloud public tout en garantissant la sécurité des données sensibles, ce qui est relativement moins coûteux et convient aux petites et moyennes institutions.
En même temps, de nombreuses institutions financières renforcent également leur travail de gouvernance des données. Certaines grandes banques ont déjà des pratiques matures, et de plus en plus d'institutions de taille intermédiaire commencent à construire des plateformes de données et des systèmes de gouvernance. Certaines banques ont également résolu des problèmes de données en combinant de grands modèles avec des méthodes MLOps, réalisant ainsi une gestion unifiée et un traitement efficace des données hétérogènes provenant de multiples sources.
Dans le domaine des applications, les institutions financières adoptent généralement la stratégie "d'abord en interne, puis en externe". Des cas concrets existent déjà pour des scénarios internes tels que les bureaux intelligents et le développement intelligent. Cependant, les professionnels du secteur estiment que tout cela n'est pas encore l'application centrale des institutions financières, et que les grands modèles doivent encore progresser pour s'intégrer en profondeur dans les opérations commerciales.
Il convient de noter que certaines institutions financières ont déjà commencé à opérer des changements au niveau de la conception globale. Plusieurs grandes institutions ont construit un cadre système hiérarchique comprenant plusieurs niveaux tels que le niveau d'infrastructure, le niveau de modèle, le niveau de service et le niveau d'application, basé sur de grands modèles. Ces cadres présentent généralement deux caractéristiques : d'une part, le grand modèle joue un rôle central, appelant des modèles traditionnels comme compétences ; d'autre part, une stratégie de modèles multiples est adoptée, permettant de comparer en interne pour sélectionner le meilleur effet.
Cependant, l'application des grands modèles pose également des défis en matière de talents pour le secteur financier. Actuellement, il y a une pénurie de talents maîtrisant la technologie des grands modèles dans l'industrie, ce qui rend difficile la satisfaction de la demande croissante. Certaines institutions ont déjà commencé à agir en offrant des cours de formation, des projets conjoints et d'autres moyens pour améliorer les compétences de leurs employés existants. Par ailleurs, les développeurs capables d'utiliser des grands modèles sont également plus susceptibles de se démarquer dans cet environnement.
Dans l'ensemble, bien que l'application de la technologie des grands modèles dans le secteur financier soit encore à un stade exploratoire, elle est sans aucun doute en train de provoquer une profonde transformation de l'industrie. À l'avenir, avec la maturation supplémentaire de la technologie et l'augmentation du réservoir de talents, les grands modèles devraient jouer un rôle important dans davantage de scénarios d'affaires clés.
Voir l'original
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
16 J'aime
Récompense
16
7
Partager
Commentaire
0/400
0xDreamChaser
· 07-27 18:09
Encore un AI de mmm
Voir l'originalRépondre0
UncleWhale
· 07-26 01:13
Un vieil ami, il ne manque plus que la banque pour me plumer dans l'univers de la cryptomonnaie.
Voir l'originalRépondre0
PerennialLeek
· 07-25 05:20
Le meilleur dans le bluff financier
Voir l'originalRépondre0
DefiPlaybook
· 07-25 05:10
Les smart contracts pour profiter des dividendes sont plus fiables que cela.
Voir l'originalRépondre0
WalletWhisperer
· 07-25 05:09
signaux alpha partout dans ce modèle... l'ADN fintech se mutent fr
Voir l'originalRépondre0
Layer3Dreamer
· 07-25 04:57
théoriquement parlant, c'est juste L2 encore une fois mais avec plus de VCs qui y investissent de l'argent
Les grands modèles d'IA mènent la transformation du secteur financier, l'Institution Financière accélère son déploiement stratégique.
L'intelligence artificielle déclenche une vague de réformes dans le secteur financier
Avec l'émergence de ChatGPT, l'attention de l'industrie financière pour la technologie d'intelligence artificielle a considérablement augmenté. Au début, de nombreuses institutions étaient anxieuses face à cette nouvelle technologie, craignant de prendre du retard par rapport aux tendances de l'époque. Cependant, après une période d'exploration et de pratique, l'attitude du secteur envers les grands modèles d'IA tend à devenir plus rationnelle.
Le CTO de Softwin, Sun Hongjun, a décrit plusieurs phases de l'attitude de l'industrie financière envers les grands modèles : au début de l'année, une anxiété généralisée ; au printemps, le début de la constitution d'équipes pour explorer ; en été, des difficultés rencontrées lors de la mise en œuvre, devenant plus rationnels ; actuellement, il s'agit de se référer à des cas de référence et d'essayer des scénarios déjà validés.
Il convient de noter que de plus en plus d'institutions financières commencent à accorder une importance stratégique à la technologie des grands modèles. Selon des statistiques incomplètes, au moins 11 banques cotées en bourse A ont clairement mentionné dans leur dernier rapport semestriel qu'elles explorent l'application des grands modèles. D'après les tendances récentes, elles effectuent une réflexion et une planification plus claires au niveau stratégique et de la conception de haut niveau.
En termes de puissance de calcul, le secteur financier dispose actuellement de deux solutions principales : la première consiste à construire directement sa propre puissance de calcul, ce qui est coûteux mais offre une grande sécurité, adaptée aux grandes institutions disposant de ressources importantes ; la seconde est le déploiement hybride, qui utilise des services de cloud public tout en garantissant la sécurité des données sensibles, ce qui est relativement moins coûteux et convient aux petites et moyennes institutions.
En même temps, de nombreuses institutions financières renforcent également leur travail de gouvernance des données. Certaines grandes banques ont déjà des pratiques matures, et de plus en plus d'institutions de taille intermédiaire commencent à construire des plateformes de données et des systèmes de gouvernance. Certaines banques ont également résolu des problèmes de données en combinant de grands modèles avec des méthodes MLOps, réalisant ainsi une gestion unifiée et un traitement efficace des données hétérogènes provenant de multiples sources.
Dans le domaine des applications, les institutions financières adoptent généralement la stratégie "d'abord en interne, puis en externe". Des cas concrets existent déjà pour des scénarios internes tels que les bureaux intelligents et le développement intelligent. Cependant, les professionnels du secteur estiment que tout cela n'est pas encore l'application centrale des institutions financières, et que les grands modèles doivent encore progresser pour s'intégrer en profondeur dans les opérations commerciales.
Il convient de noter que certaines institutions financières ont déjà commencé à opérer des changements au niveau de la conception globale. Plusieurs grandes institutions ont construit un cadre système hiérarchique comprenant plusieurs niveaux tels que le niveau d'infrastructure, le niveau de modèle, le niveau de service et le niveau d'application, basé sur de grands modèles. Ces cadres présentent généralement deux caractéristiques : d'une part, le grand modèle joue un rôle central, appelant des modèles traditionnels comme compétences ; d'autre part, une stratégie de modèles multiples est adoptée, permettant de comparer en interne pour sélectionner le meilleur effet.
Cependant, l'application des grands modèles pose également des défis en matière de talents pour le secteur financier. Actuellement, il y a une pénurie de talents maîtrisant la technologie des grands modèles dans l'industrie, ce qui rend difficile la satisfaction de la demande croissante. Certaines institutions ont déjà commencé à agir en offrant des cours de formation, des projets conjoints et d'autres moyens pour améliorer les compétences de leurs employés existants. Par ailleurs, les développeurs capables d'utiliser des grands modèles sont également plus susceptibles de se démarquer dans cet environnement.
Dans l'ensemble, bien que l'application de la technologie des grands modèles dans le secteur financier soit encore à un stade exploratoire, elle est sans aucun doute en train de provoquer une profonde transformation de l'industrie. À l'avenir, avec la maturation supplémentaire de la technologie et l'augmentation du réservoir de talents, les grands modèles devraient jouer un rôle important dans davantage de scénarios d'affaires clés.