中國網財經11月14日訊(記者 朱玲)“未來金融機構的競爭力,很大程度上取決於你的數據庫有多大,算力有多強,在此基礎上訓練出的金融垂類模型有多優。” 日前,在2023金融街論壇年會“科技助力金融業高品質發展”平行論壇上,北京金控董事長範文仲如此表示。
範文仲認為,金融有兩個趨勢:一是數字的資産化,二是金融的智慧化。就金融的智慧化而言,當前金融行業的智慧化趨勢日益凸顯,智慧金融新範式的加快普及發展,助推實體經濟發展的轉變,提高了金融的服務效率,延伸了金融服務的半徑,拓展了金融服務的類別,降低了金融交易的成本,優化了風險管理方式,擴大了普惠金融的覆蓋面和受益面。
去年以來,由於ChatGPT普及和推廣,人工智慧再次掀起了巨大的浪潮,受到了各界廣泛的關注。範文仲表示,可以預見這種生成式的AI技術、大模型的建立將會對各個行業造成深遠的影響。
“傳統的金融機構還在靠分支機構獲客、靠員工提供投資和銀行服務。未來金融機構的競爭力,很大程度上取決於你的數據庫有多大,算力有多強,在此基礎上訓練出的金融垂類模型有多優。”
範文仲認為,可以預見未來金融的競爭將是以“數據+算力”競爭為基礎的大模型和演算法的競爭,以及客戶智慧服務能力的競爭。
但範文仲也指出,人工智慧大模型的發展需要突破兩大瓶頸:一是數據,二是算力。這兩個要素既耗費資源又耗費資金。“現在很多人都認為只有大公司才能做大模型,小公司沒有可能。但我們認為,只要發揮我們的體制機制優勢,推動實現技術創新和制度創新,完全可以實現小公司做大模型。”
從數據來看,範文仲指出,人工智慧大模型的訓練越來越依賴合格數據的提供,中小企業要發展人工智慧技術往往缺乏數量足夠大的多模態數據集,也無法保證數據來源的合法合規性,數據的可用度不高。
對此,他提出三條建議:一是依託數據要素市場建設,打造公共多模態的人工智慧訓練用大數據集。二是探索解決數據涉及的智慧財産權合規性問題。建議從法律法規層面進行研究,在智慧財産權部門的支援下先行先試,逐步出臺明確訓練用數據集合規性問題的規章制度。三是提高數據訓練集的可用度。建議政府規劃專項資金和引導政策,對數據清洗加工、人工標識和校準等相關産業進行扶持,構建産業生態。
從算力來看,範文仲指出,隨著數字經濟時代的全面開啟,算力作為基礎支撐,賦能作用日漸凸顯。然而,我國算力市場發展面臨以下挑戰:第一,高品質算力資源不足且較為分散,進一步支撐人工智慧大模型訓練存在一定難度,並且逐步成為當前新的“卡脖子”問題。 第二,現在基於算力需求多樣化、碎片化的特點,算力資源供需錯配。第三,算力基礎設施的建設,屬於重資産和資本密集型的行業,前期投入大,技術迭代快,建設門檻高,要建設運營需要巨大的時間成本和資金成本,遠遠超出了中小企業的承受範圍。
對此,範文仲建議:一是大力發展聚合計算的先進技術,科學組合不同類型的算力單元,實現計算密度、性能和效率的大幅提升。
二是打造統一的算力交易和調度平臺,智慧統籌調度城市以及周邊的各類算力,為中小企業訓練大模型提供價格低廉的普惠算力。 三是加大金融財政支援,進一步降低中小企業算力和數據的使用成本,涵養和培育持久的算力和數據流通生態。
(責任編輯:王擎宇)