| 
信创板块回调，信创50ETF和大数据产业ETF分别跌4.93%和3.97%。军工板块走弱，军工ETF和军工龙头ETF分别跌4.03%和3.99%。港股剧烈下挫，港股通科技30ETF跌3.88%。金融板块飘绿，港股非银ETF跌3.79%，香港证券ETF跌3.61%。
12月22日上午，由中国财富管理50人论坛学术指导、国民财富发展研究合作平台主办的“AI+金融”峰会暨中国财富管理50人论坛2024年会主题论坛顺利举行，峰会主题是“AI浪潮下的金融业应变”，工商银行首席技术官吕仲涛在会上发言。 吕仲涛认为，当前大模型技术广受关注，但大模型应用落地，目前业界尚无标准的方法论。企业可按照场景通用化、专业化程度，结合自身实际分别使用基础大模型、行业大模型、企业大模型、任务大模型。四层模型规模和算力投入各有差异，专业属性逐层增强。 随后，吕仲涛详细介绍了四层模型规模的差异： 基础大模型——基于互联网通识数据从零开始训练构建。可直接用于文本摘要生成等通用场景。可类比于高中生，基本能力有、可塑潜质强，但无法解决特定行业的专有问题。 行业大模型——基于基础大模型，通过行业公共数据二次训练，无各企业私域数据，行业普适性强。现阶段，医疗、金融等数字化程度较高的行业已发布行业专属大模型，可较好解决行业普适问题。可类比于大学生，经过金融、计算机等四年专业学习，具备较好的行业理论知识，但不具备解决企业问题的具体实战经验。 企业大模型——在行业大模型基础之上，在企业内部结合企业私域数据训练，兼具行业普适性和企业特性。对于特别敏感的企业私域数据，则不做训练。通过外挂知识库方式，做好合理授权和敏感数据的实时更新。 任务大模型——对于企业大模型无法较好解决的业务场景，采用少量数据微调形成。 吕仲涛还从算力、数据、智能体、安全和人才培养五个方面展望了金融行业人工智能+未来。 吕仲涛表示，大模型遵循的规模准则，只有充足的算力才能满足金融企业高质量AI应用的需要。大模型算力设施因功耗、网络传输效率等原因，目前正在从风能集群、液冷集群向超节点集群过渡，通过集群化方式快速提升集群算力水平并显著降低集群故障发生率。 “新型基础设施的机房、网络、云化等工作，相比于传统服务器均有更高的要求”吕仲涛指出：“金融机构应结合自身体量，推进算力基建规划、算力云化管控、算力集约运用等核心工作，夯实企业AI算力基石，高质量支撑企业AI应用创新。” 同时，吕仲涛提出，数据是AI动力引擎的核心资源，只有充分挖掘应用好数据资源，才能高质量推动数字化企业转型。 他表示，金融机构要抓住国家数据要素行动战略机遇，加快构建企业数据空间，联动城市数据空间、行业数据空间、跨境数据空间、个人数据空间等数据流动共享中枢，大幅拓展企业可使用的数据资源。 据其介绍，大模型的应用模式可分为直接使用、提示词、思维链、智能体和多智能体联合应用五个发展阶段。模型能力的释放，正在由挖掘内部潜能向应用外部工具转变。 “智能体技术构建了企业大模型数字生产力释放的决策编排和任务执行工程能力”吕仲涛认为：“企业下一步要想继续释放大模型潜能，必须建立完备的智能体工程能力，提高大模型对业务系统的探查能力和自主调度能力，实现配置化的AI原生应用构建，加快推进企业数字化进程。” 此外，金融机构也必须建立可靠的AI安全框架，聚焦基础设施供应链安全、基模合规可靠、数据内容可信、模型价值对齐、应用可控可用五大领域来建立全链路、全过程安全体系，夯实人工智能的安全基石，保障企业AI应用的可持续性。 吕仲涛还强调，人才是AI创新应用的第一资源，AI大模型业务应用成效是前期投入的集中映射股票杠杆怎么操作，金融机构应培养更多技术底座人才、原生应用人才以及融通创新人才，充分挖掘大模型内涵知识的潜力，打造更多突破性的场景。
|
