TMT观察网_独特视角观察TMT行业

關于金融領域大模型，現在市面上的書不多，有一部算一部的，也不過寥寥幾本。

原因無他，就像遠古時期的人類剛剛才發現使用石斧那樣，一開始也是只知其用，但要說出背后的原理，甚至是像教科書般地記錄傳承下來，這就太難了。

如今，我們在AI時代也是如此，哪怕大模型已經來了，甚至不少人已經用上了大模型，但是真要從技術基礎、工作原理來為金融大模型著一本書的話，恐怕還是會難倒不少英雄漢。

就更不用說第一部大模型著作了，不僅僅是編寫難，更要經受無數金融人和大模型AI技術人才的諸多拷問，因為它承載的行業意義，是啟蒙書、是教科書般的存在。

不過現在看來，這部由中國科學技術出版社出版、馬上消費金融股份有限公司組編的著作——《金融大模型》，已經獲得了不少行業從業者的認可。

▲“開學季”大模型系列圖書受熱捧 

圖片來源：京東App截圖

無論你是懂大模型的、還是懂金融的，又或者像我一樣，知其然而不知其所以然的，只要耐心讀下去，你會發現大模型、金融大模型的想象力好像才顯露了冰山一角……

兩條啟蒙線

講清大模型和金融大模型

對于《金融大模型》的行業價值，中國工程院院士蔣昌俊在推薦序中，有一段總結很到位：

《金融大模型》一書，結合自身的“天鏡”大模型的研發和應用實踐，系統地介紹了金融大模型的技術基礎、工作原理和實踐探索，從理論到實踐，從技術到應用，從過去到未來，展示了金融大模型發展的生動實踐和光明前景，也為讀者朋友全方位認識和了解金融科技創新成果提供了重要窗口……

進一步簡化來看，書中主要有兩條接力遞進的系統主線：

一是從人工智能的歷史演進到大模型的“涌現”，再到金融大模型的應運而生，以及金融大模型的時代機遇。

在這條主線中，《金融大模型》從歷史視角和技術思維出發，明確了一個很深刻的思考：大模型是一門技術，而不是科學，科學是以發現本質規律為目標的，而技術是以解決某個問題為目標的。

這一下子就把AI，從“最初的問題是，機器能思考嗎？”的哲學高度，跳轉到了更加務實明確的大模型技術難度上。大模型由此迎來了更快的發展機遇和趨勢，產業生態聚沙成塔，金融大模型“百花齊放”，越來越多的應用場景出現了新的生命力和創新可能性。

可以說，《金融大模型》就是以技術為“奇點”，連接了AI和大模型、金融大模型的過去未來。

那么現在和未來是什么樣呢？第二條主線就從大模型的底層技術、標準體系構建和能力評估，一步步遞進到了金融大模型的底層技術邏輯、標準與評估體系構建、應用實例等領域。

暫且不說內容，單從寫作的角度看，這本書對于大模型和金融大模型發展走向的展示視角，立意高遠，所以在闡述時，才能對金融大模型分析，既系統詳盡，又主線分明，精準填補上了金融行業大模型理論研究的空白。

比如在講技術時，《金融大模型》不僅提到了人工智能的三大技術流派、金融大模型的底層技術等原理問題，而且還給出了更加具體的金融大模型技術搭建和評估等實操方法論，并以馬上消費的“天鏡”大模型為例進行技術解構。

又比如在談LLM的應用落地和挑戰時，無論是金融知識管理應用，還是客戶服務與互動中的應用，又或是未來發展等。這本書介紹的都非常之全面，展示出了金融大模型更多的長遠想象力，整體讀下來頗有一種眼界放開的既視感。

也難怪有人稱《金融大模型》的發布,為外界提供了一個深入了解金融大模型的窗口。通過這本書,整個金融業可以更好地把握住大模型的發展趨勢,為未來的金融科技創新做好準備……

一本金融大模型的技術教科書

應用參考指南

2024年政府工作報告提出，要加快發展新質生產力。

那么何為新質生產力？其實指的是在人類社會發展過程中，由掌握新技能的勞動者、不斷進化的新勞動工具、新勞動資料，以及新業務的創新驅動而形成的新型生產力。

而今，擺在時代眼前的創新生產工具，就是AI和大模型！所以“人工智能+”也被首次寫入了政府工作報告。

那么金融大模型如何搭建并優化？又有什么挑戰？自然就成了行業最關心的話題。

為此，《金融大模型》選擇從“道”與“術”的角度出發，先是以馬上消費發布的“天鏡”大模型為范例，提出了三縱三橫大模型技術布局，也就是數據智能、多模態智能和實時人機協作；持續學習、模型安全/合規/可信和組合式AI系統技術。

然后又對金融大模型的底層技術邏輯、全棧開發和標準與評估體系構建展開了詳細分析。當中，非常有創新價值的是，《金融大模型》依據人力資源領域的多維度評估思路，闡釋一種綜合性的評估方法，主要包括：通用能力、專業知識和場景應用三部分……

此外，對于當前大模型在應用場景里的一些挑戰，諸如大模型幻覺問題、數據隱私等，書中也進行了相關介紹，并給出了一些應對解決思路。

以大模型幻覺為例，可以把重點放到如何實現自動化提高訓練語料數據的質量上；在推理階段，則可以嘗試改進解碼策略、借助外部知識和度量不確定性的辦法來減少幻覺的產生……

當然，書中最亮眼的，還要屬對金融大模型應用圖譜的描繪。大類上涵蓋了金融知識管理、投資決策輔助、客戶服務與互動，以及金融合規與風險管理中的應用等四個方面。

至于細分的應用場景領域就更多了，以在投資決策輔助中的應用為例，其中就又包括了資產價值的預測；在新聞和社交媒體數據分析中的應用；在宏觀經濟趨勢的文本分析中的應用等等。

看到這，相信有不少人都已經感受到了《金融大模型》“教科書”般地實用參考價值。

不僅手把手地教大家怎么去理解金融大模型的技術邏輯，怎么搭建并落地應用金融大模型，同時，還幫助行業避坑金融大模型發展中技術缺陷。

對部分銀行金融機構們來說，幾乎就完全可以對照著來設計，或選擇搭建自己的金融大模型結構。

至于那些已經搭建完成的金融機構來說，也可以借助這些案例和實踐經驗，從中找到更多的應用方向靈感，為行業提供更加明確的實用參考價值。

或許正因如此，中國工程院院士蔣昌俊才會評價道，《金融大模型》一書的出版，是馬上消費技術沉淀、行業思考的重要成果，也是科技企業創新精神和社會責任的重要體現……

站在科技交叉點上

《金融大模型》看見未來

其實，如果只是對過去和現在大模型的映照，或許還不足以讓《金融大模型》這本書，獲得如此多行業大佬們的傾力支持。

畢竟對于早已身處AI時代的人們來說，未來怎樣才能更快、更好和更安全，這才是關鍵。

所以，從針對大模型安全與倫理等行業熱點話題，到大模型的未來發展，以及金融和大模型落地結合帶來的全新探索，《金融大模型》也提出了自己獨特的前沿觀察和未來思考。

比如對于大模型的未來發展，書中提到了幾點優化的方向：大模型的數據問題、評價問題、代碼能力和大模型的知識遷移等。

其中，數據質量算是最關鍵的問題了。畢竟，機器學習模式都是數據喂出來的，訓練數據的質量是模型質量的最大影響因子。但是據相關研究，如果按照當前大模型消耗數據的速度，高質量的公共領域語言數據，例如書籍、新聞報道等，將在2026年左右耗盡。

那么如何破解呢？《金融大模型》試著給出了相關的“解題”思路，比如提高數據的使用效率、利用高質量的小數據訓練出同等質量的模型。又比如合成數據，即自己創造出供自己繼續訓練的數據，同時還有獲取特定行業文本數據和突破語言模型的限制等等。

此外，立足于未來視角，書中還大膽暢想了一下，金融和大模型的結合所能帶來的未來改變：通過數據信息來輔助決策制定、助力人機協作進化，以及與區塊鏈結合等安全技術方面。

尤其是和區塊鏈的結合，“大模型可以通過幫助分析區塊鏈交易數據，識別出可能的洗錢模式，例如頻繁的小額交易就是一種常見的洗錢手段；通過識別與已知的洗錢地址有關的交易，在一定程度上也可以幫助檢測區塊鏈的洗錢交易……”

可以說，這些前沿觀察和思考不僅為學界提供了新的啟發，拓展了新的研究思路，而且還為政府和企業在大模型生態建設方面描繪出了一張新的發展藍圖，讓各方對于未來的金融科技發展方向和目標都更加明確，也為整個社會的科技創新和經濟發展提供了強大的動力。

畢竟，以大模型為代表的人工智能背后，是新質生產力的創新，不僅將重新定義金融服務的內涵和外延，還將帶來金融制造的新模式和新業態。也正是在這樣的大背景下，作為全國首部金融領域的大模型著作，馬上消費推出的《金融大模型》才顯得如此地寶貴和稀缺……