在全球AI芯片游戏正在加热的节点上，国内大型模型的出现正在重写技术进化的基本逻辑。现在，访问使用量的数量迅速增加，并且已成为超过每日活跃用户超过3000万活跃用户的最快应用程序。如何深入和理性地看一下AI热潮？如何评估洞察力技术的真正潜力？

最近，一个以“如何改变AI规则？AGI的高门槛的沙龙正在消失？”成功举行。该沙龙由新旺银行和西南金融大学管理科学与工程学院共组织。新旺银行副校长Li ，王Jun，西南金融与经济学管理科学与工程学院计算机金融学院主任， Bank风险控制科学系主任Wei Hao，他透露其背后的技术秘密及其在银行业中。申请前景。

Wei Hao，Li ，Wang Jun，主持人Ren （从右到左）在现场广播中

开源与关闭的来源，我们应该继续竞争还是齐头并进？

当加深与微软的合作引发了“生态垄断”的争议时，当面对美国历史上最严格的AI芯片出口控制时，其开源策略出乎意料地打开了另一扇门。与传统的封闭AI模型不同，其开放性使企业可以以较低的成本使用更高级的大型模型，从而提高了多场景智能助手的能力。

在软件行业中，开源和封闭的源模型共存，并且每个都有成功的案例。 Li 以为例，并说，作为开源软件的代表，这两个大大促进了操作系统领域的开发。他还指出，作为封闭式模型的模型，苹果一直在高端手机应用程序中保持领先地位。尽管这些机构有不同的道路，但他们都取得了杰出的成就。

“从吸收全球贡献者的角度来看，我个人更喜欢开源模型，因为它可以收集更多人的智慧和力量，并共同促进技术进步和创新。将来，开源和封闭的来源可能会继续同时发展但是，开源的潜力值得期待。

Wang Jun认为，开源和封闭的来源是相互融合和竞争性的关系。开源技术开放旨在吸引许多开发人员参与并促进技术快速迭代，但是盈利能力和商业模式尚不确定。封闭的消息来源专注于建立自己的护城河和阈值，具有巨大的投资，独特的商业模式，但多样性较弱。两者都有自己的优势和缺点，因此他们可以互相学习并将它们整合到实践中，并在某些领域形成竞争状况。

从市场实体的角度来看，作为开源，低成本和高效的大型模型，它对市场中的领先技术公司产生了重大影响。 “对于此类封闭的大型模型公司，定价策略迫使他们重新检查其业务模型和技术优化方向。对于等芯片公司，该版本证明了顶级推理不一定取决于高端GPU ，这促使该公司考虑如何调整AI基础设施的投资逻辑和发展模型。” Wang Jun坦率地承认。

但是，值得注意的是，通用人工智能模型在解决数字风险控制问题方面面临挑战。 Wei Hao说：“尽管大型模型具有广泛的能力，例如理解问题，执行数学操作和生成代码，但在风险控制的垂直领域中，它们的性能并不令人满意。”原因是大型模型的培训主要依赖于公共互联网数据和代码，并且缺乏针对风险控制领域的专门数据语料库培训，因此其逻辑可能与风险控制的实际需求完全不一致。

在中小型银行中很难反击吗？如何构建智能技术应用功能？

根据千卫证券的研究报告，-V3的整个培训过程仅需少于280万个GPU（图形处理器）小时。相比之下，美国互联网巨头Meta平台公司（META）发布的-405B培训时间为3080 GPU小时。 -V3的培训成本约为557.6万美元，而美国开放人工智能研究中心发布的语言 GPT-4的培训成本为557.6万美元，用于聊天机器人。

至于传统的大型模型，本地部署的成本可能低于一百万元。根据工业和信息技术部的最新消息，所有三个基本电信公司已经与开源大型模型完全连接。目前，在金融领域，许多机构正在做出密集的安排，从银行，资金到证券。自2024年5月以来， Bank在系统研发方案中应用了大型模型，并分别建立了R＆D知识问答助理和代码重写助理，以缩短在R＆D期间访问技术信息的时间。

Li 认为，人工智能的出现带来了两个主要概念的变化。首先是，出现打破了对“用力创造奇迹”的痴迷，也就是说，不再盲目地追求极端的计算能力。过去，人们经常相信，只有通过堆叠巨大的计算能力，我们才能取得突破，但是事实证明，通过优化算法和模型，也可以在较低的计算能力下实现高效的性能。其次，它进一步加强了开源和封闭源之间的争议。大型模型的概念已经普及，但是其封闭源策略限制了技术的普及。开源模型的出现降低了技术阈值，并使更多机构能够应用大型模型。这种变化对银行业等金融机构产生了深远的影响。

“在未来，随着技术的持续发展和进一步降低成本，大型模型将不再是大型银行的独家奢侈品，而是可以广泛用于金融机构，例如中小型银行。为商业银行带来重视。李说。

在银行业数字风险控制领域，这种大规模模型技术具有广泛的应用前景。据魏霍（Wei Hao）称，该版本使技术人员非常兴奋，因为它可以与顶级推理模型的水平相媲美，并具有开源权重，宽松的许可以及本地化和可控制的用途。

Wei Hao谈到了实际使用的经验：“在处理非结构化数据时，大型模型可以增强语义理解和文本处理功能，从而使我们能够从更广泛的数据中获取信息。此外，一般智能建模的技术也是它可以从风险控制模型中学到，以提高客户评估准确性并做出更好的决策。”

Wei Hao指出，R1具有深厚的思维能力可以通过思维链训练模式来提高意图和语义理解。这种能力不仅限于中文，而且在处理长篇小说和复杂意图时表现良好。

作为一个具有很高信息水平的行业，银行业在其计算机系统上发生了许多重大变化。从计算机系统的应用到更换手动操作，再到移动互联网的出现，银行不断重建其业务流程。如今，随着人工智能的快速发展，银行面临第四轮信息系统演变的挑战和机会。因此，在大型模型时代，银行应该如何建立自己的智能技术应用程序功能？

Li 认为，大型模型时代的出现要求银行从完全应用人工智能的角度考虑如何重塑银行的业务管理和流程。银行需要首先考虑如何构建应用程序，然后考虑如何组织数据，改善数据质量，标签标签并应用离线数据。总体而言，商业银行需要从战略层面进行思考，并考虑许多因素，例如计算能力，数据，算法和应用程序。

据他说，自建立以来， Bank已在反欺诈和信用风险控制领域完全应用人工智能技术，实现了高效且大规模的贷款处理。但是，随着大型模型的出现，银行开始考虑探索和尝试更多领域。目前， Bank已在客户服务领域应用大型模型，成功替换了一些手动客户服务，并试图在营销，贷款后管理等领域应用大型模型。

除银行领域外，Wang Jun还预测，在制造，气候风险预测，计算机，教育，媒体和娱乐领域，与大型模型相关的智能应用程序将显着改善。 Wang Jun指出：“在制造业中，大型模型可以监视零件或电池的可靠性并预测其寿命；就气候风险预测，人工智能算法而言，人工智能算法解释了未来的天气条件，并为高速公路等提供了预警和路线优化。在计算机领域中，大型模型可以在教育领域中完成代码，可以根据学生的学习习惯和行为来建立个性化的大型模型。娱乐，大型模型可用于内容生成，模型构建和场景构造，例如动画制作，游戏设计和短视频制作，也可以将其合成为电子商务建议的数字人物。

人工智能会抓住工作还是做金碗？银行将来需要什么样的AI才能？

根据中国银行业协会发布的“ 2024年中国银行开发报告”，金融和人工智能自然而然。 AI Big 可以完全利用银行业的大量数据，银行业有权应用AI大型模型技术。丰富的场景。当前的AI模型正在促进我国银行业服务，营销，产品和其他领域的全面创新，从而促进了“未来银行业”的加速。

随着银行对大型模型的广泛使用，对科学和技术人员的技能提出了更高的要求。 Li 认为，在互联网应用程序行业中，互联网思维有助于主要的互联网制造商的成功。随着人工智能时代的出现，对人才的需求已变成了人工智能思维的复合财务和技术人才。

新旺银行（ Bank）近年来强调了互联网思维，并将注意未来的人工智能思维。人工智能思维纳入业务产品设计，客户营销，日常业务活动以及整体业务管理系统的建设中。因此，银行将评估员工是否具有这种能力，基础或潜力来发展未来银行发展所需的人才。

“人工智能技术的持续发展为银行业带来了挑战，但它也提供了新的机会。面对变化，从业人员需要保持冷静，不断学习，跟上时代的变化，并找到自己的变化并找到自己的自己在社会和企业职位上。” Li 鼓励“技术人员需要调整自己并应用人工智能技术来提高其能力。商业人员不必过多担心被替换，因为人工智能技术的应用阈值已降低，即使是不了解计算机的人也可以使用人工智能工具来构建IT流程，并且应用程序可以发出自己的应用程序价值。因此，只要您有勇气学习和跟上技术变化，银行业从业者就不会被消除，但将能够更好地适应时代的技术进步。”

从风险控制业务的角度来看，Wei Hao指出，动手实践是掌握人工智能的关键。在风险控制领域，人工智能技术的应用需要更高的人才要求。它不仅需要对技术原则有深入的了解，而且还需要对模型的优势，能力边界和风险有充分的了解，以确保正确应用技术。因此，风险控制人员需要具有深厚的技术技能和广泛的知识。

王朱还表示，大学还致力于在AI+专业领域培养复合人才。 “我们优化了课程设置，并包括数据分析，数据挖掘，机器学习，深度学习和多模式数据等课程，以便学生可以在本科级别访问与AI相关的知识。培训项目和实验添加了课程，鼓励学生鼓励学生来鼓励学生们鼓励学生参加金融技术竞赛和其他竞赛，以将知识转变为实际能力，我们希望加强与行业的行业 - 大学研究合作，并通过共同的实验室，专家讲座和其他形式可以更深入地了解行业的需求和业务将激发他们学习和培养满足行业需求的人才的动力。”

在谈到银行业AI技术的下一个发展趋势时，Li 表示，随着AI和Big 的开发，商业银行迎来了新的一轮重塑。这不仅涉及系统升级，而且还将深刻地改变银行的业务流程，产品形式，决策机制，人员投资组合和工作环境。 “尽管金融风险管理的性质尚未改变，但服务方法，产品表格和运营机制将经历巨大的变化。这一过程可能是逐渐的，预计商业银行的出现将在三到五个中完全更新年。”

Sina 应用程序可用大量信息和准确的解释