人工智能在金融行业中的创新应用.pdf

人工智能在金融行业中的创新应用人工智能在金融行业中的创新应用杨青杨青度小满 技术委员会执行主席，数据智能部总经理2023.11.19CONTENTSCONTENTS1.1.人工智能与金融行业：正当其时，大有可为人工智能与金融行业：正当其时，大有可为2.2.开始的结束：厚积薄发，传统式人工智能驱动金融业务开始的结束：厚积薄发，传统式人工智能驱动金融业务3.3.开始的开始：另辟蹊径，生成式人工智能重塑金融业务开始的开始：另辟蹊径，生成式人工智能重塑金融业务4.4.未来展望：传统与新兴融合，人工与未来展望：传统与新兴融合，人工与AIAI协作协作CONTENTSCONTENTS1.1.人工智能与金融行业：正当其时，大有可为人工智能与金融行业：正当其时，大有可为2.开始的结束：厚积薄发，传统式人工智能驱动金融业务3.开始的开始：另辟蹊径，生成式人工智能重塑金融业务4.未来展望：传统与新兴融合，人工与AI协作4从业务支撑到创新驱动，技术助推金融进入数智化时代从业务支撑到创新驱动，技术助推金融进入数智化时代IT+IT+金融金融互联网金融互联网金融AI+AI+金融金融信息化信息化数字化数字化数智化数智化技术作为基础设施技术作为基础设施形成业务支撑形成业务支撑信贷系统线上保单管理理财信息化管理科技转向前台科技转向前台进入金融业务核心环节进入金融业务核心环节网上银行在线投保、查询、理赔在线理财咨询、投资规划技术与业务融合技术与业务融合技术创新驱动业务变革技术创新驱动业务变革智能承保、智能理赔智能投顾、智能投研智能获客、智能风控、智能运营驱动后台驱动后台驱动前台驱动前台驱动创新与变革驱动创新与变革201620045金融数智化时代，机遇与挑战并存金融数智化时代，机遇与挑战并存国家政策鼓励金融数字化和智能化的发展国家政策鼓励金融数字化和智能化的发展把握机遇把握机遇传统式人工智能厚积薄发，加速价值释放传统式人工智能厚积薄发，加速价值释放生成式人工智能另辟蹊径，打开创新空间生成式人工智能另辟蹊径，打开创新空间隐私保护和数据安全等合规挑战隐私保护和数据安全等合规挑战直面挑战直面挑战技术变革对人才和组织形成挑战技术变革对人才和组织形成挑战6 国务院国务院新一代人工智能发展规划新一代人工智能发展规划 创新智能金融产品和服务创新智能金融产品和服务,发展金融新业态发展金融新业态；鼓励金融行业应用智能客服、智能监控等技术和装备;建立金融风险智能预警与防控系统2017/72017/7 国务院国务院“十四五十四五”数字经济发展规划数字经济发展规划 加快金融领域数字化转型，合理推动人工智能、区块链、大数据在银行等领域的应用2022/12022/12022/12022/1 金融科技发展规划金融科技发展规划2022-20252022-2025年年 八个重点任务中。强调深化数字技术金融应用深化数字技术金融应用2023/22023/2 数字中国建设整体布局规划数字中国建设整体布局规划 做强做大数字经济，特别是推动产业数字化在金融等重点领域，加快数字技术创新应用在金融等重点领域，加快数字技术创新应用2022/92022/9 中国人民银行、市场监管总局、银保监会、证监会印发中国人民银行、市场监管总局、银保监会、证监会印发金融标准化金融标准化“十四五十四五”发展规划发展规划 强调发展数字金融产业发展数字金融产业、推动个人金融服务数字化转型构建安全高效的金融服务生态、提高数字化风提高数字化风控能力控能力机遇一：鼓励发展科技金融，以数智化增加金融的科技含量机遇一：鼓励发展科技金融，以数智化增加金融的科技含量2023/102023/10 20232023年中央金融工作会议年中央金融工作会议 把更多金融资源用于促进科技创新科技创新，做好科技金融科技金融、绿色金融、普惠金融、养老金融、数字金融五篇大文章，推动金融高质量发展。7机遇二：数据、算力、算法共同推动机遇二：数据、算力、算法共同推动AIAI技术进步技术进步推动AI技术进步三三驾马车驾马车算力算力算法算法数据数据8数据规模更丰富、利用更深入，为数据规模更丰富、利用更深入，为AIAI技术进步提供充足燃料技术进步提供充足燃料 随着数字化转型的加速推进，中国的数据规模呈现出爆炸性增长的趋势中国的数据规模呈现出爆炸性增长的趋势。截至2022年，中国的大数据市场规模已达大数据市场规模已达56315631亿元亿元数据来源：赛迪2022-2023年中国大数据市场研究年度报告 截止2022年底，我国已成立48 家数据交易机构，年全全国一体化政务数据共享国一体化政务数据共享枢纽发布各类数据资源数据资源1.5 万类万类，累计支撑共享调用超过共享调用超过5000 亿次亿次 2023年10/25，国家数据局正式揭牌，标志着全国标志着全国“一一盘棋盘棋”宏观统筹数据发展和安全，对构建数据流通体系，宏观统筹数据发展和安全，对构建数据流通体系，激活数据生产力有重大意义激活数据生产力有重大意义微观层面微观层面，随着数字化转型不断深入，随着数字化转型不断深入加速金融加速金融场景下的场景下的数据生产和使用，数据生产和使用，数据飞轮加速转动数据飞轮加速转动宏观层面，宏观层面，市场数据规模不断增长，数据不断丰富，流通制度更加清晰市场数据规模不断增长，数据不断丰富，流通制度更加清晰理解，修正，匹配需求，精准offer，行为数据，自证数据，满意度，风险，使用，推荐，更多数据更多数据更多用户更多用户更好产品更好产品更更准确模型准确模型更多用户反馈更多用户反馈9算力稳定增长，为算力稳定增长，为AIAI技术进步提供坚实支撑技术进步提供坚实支撑2023/10工信部等六部门联合印发算力基础设施高质量发展行动计划政策支持下，中国算力将进入新一轮发展期政策支持下，中国算力将进入新一轮发展期 算力基础设施高质量发展，规划明确算力基础设施高质量发展，规划明确目标目标到到2025年，年，计算力方面，计算力方面，算力规模超过300 EFLOPS，智能算力占比达到35%，东西部算力平衡协调发展。运载力方面，运载力方面，国家枢纽节点数据中心集群间基本实现不高于理论时延1.5倍的直连网络传输，重点应用场所光传送网（OTN）覆盖率达到80%，骨干网、城域网全面支持IPv6，SRv6等创新技术使用占比达到40%。存储力方面，存储力方面，存储总量超过1800EB，先进存储容量占比达到30%以上，重点行业核心数据、重要数据灾备覆盖率达100%。应用赋能方面，应用赋能方面，打造一批算力新业务、新模式、新业态，工业、金融等领域算力渗透率显著提升，医疗、交通等领域应用实现规模化复制推广，能源、教育等领域应用范围进一步扩大。每个重点领域打造30个以上应用标杆。4个方面保障措施：加强统筹联动，加大金融支持，深化交流协作，个方面保障措施：加强统筹联动，加大金融支持，深化交流协作，强化平台强化平台支撑。支撑。我国算力总规模近五年年均增速近我国算力总规模近五年年均增速近30%30%。处理复杂任务的速度、大。处理复杂任务的速度、大规模规模并行计算的能力并行计算的能力、解决复杂问题的、解决复杂问题的能力均有提升能力均有提升数据来源：工信部、中国信通院我国算力持续稳定增长，加速我国算力持续稳定增长，加速AI能力提升与应用进能力提升与应用进程程10算法持续创新，为算法持续创新，为AIAI技术进步提供强劲动能技术进步提供强劲动能提升提升经营效率经营效率提升提升用户留存用户留存因果推断因果推断时序网络时序网络+1+2+30序列模型序列模型需求流失需求流失需求流失+1+2+3+1+2+3算法持续创新，为业务带来新可能算法持续创新，为业务带来新可能应用场景和业务需求加速算法创新应用场景和业务需求加速算法创新KS人工规则人工规则线性回归线性回归机器学习机器学习深度学习深度学习通过分析历史数据和风险案例，专家总结出一些规则和模式，用于识别和预测风险.通过建立线性回归模型，对风险进行量化评估和预测通过机器学习提高模型的性能和泛化能力，更加准确地识别和评估风险。通过多层非线性变换，深度学习可以从数据中学习到更加抽象和高级的特征表示，进一步提高风控的精度和性能以以大大数据风数据风控为例控为例处理时间长、无法自动更新，决策误判高决策精度相对提升，判断未知风险能力弱模型区分度大幅提升模型区分度显著提升（数据处理、特征处理能力更强）算法算法&业务业务互相驱动互相驱动持续创新持续创新因果因子因果因子混淆因子混淆因子结果变量结果变量变量全集变量全集剥离因果效应1120232023年年3 3月月openAI发布GPT420172017 2018201820212021202220222023202320182018年年1010月月谷歌发布BERT20212021年年5 5月月谷歌发LaMDA20222022年年2 2月月DeepMind推出编码引擎 AlphaCode20222022年年3 3月月Midjourney内测20222022年年4 4月月OpenAI 发布文生图模型DALL-E220222022年年5 5月月Google发LAMDA220222022年年1111月月openAI发布ChatGPT20232023年年2 2月月Meta开源Llama20232023年年3 3月月Google发布具多模态大模型PaLM-E20232023年年3 3月月百度发布文心一言20232023年年5 5月月Stability AI发布视频生成大模型20232023年年9 9月月腾讯发布混元大模型20182018年年6 6月月OpenAI发布GPT20232023年年2 2月月清华智谱发布ChatGLM模型20172017年年6 6月月Transformer架构发布至今至今20232023年年1010月月百度发布Comate编程助手20232023年年4 4月月百川智能发布百川大模型代码生成模型大模型架构具身大模型视觉大模型对话大模型图例趋势趋势1 1：模型技术升级与产品发布更迭速度加快趋势趋势2 2：模型模态逐步丰富价值价值提高生产效率提高生产效率提升决策精度提升决策精度推动产品创新推动产品创新赋能领域赋能领域toto 用户用户toto 企业内部企业内部研发研发办公办公生成式生成式AI技术爆发技术爆发金融金融+AI,赋能金融业务赋能金融业务机遇三：生成式人工智能迅速演进，打开金融创新空间机遇三：生成式人工智能迅速演进，打开金融创新空间运营运营服务服务营销营销风控风控12挑战：金融数智化时代，需坚持以合规为基础、以人为中心挑战：金融数智化时代，需坚持以合规为基础、以人为中心合规发展合规发展数据合规与数据合规与隐私保护隐私保护组织变革组织变革技术变革下的文化建设技术变革下的文化建设：人和机器如何协同共进，创造更大价值，员工要能适应技术发展趋势技术变革下的组织优化技术变革下的组织优化：Copilot,Agent智能体将不断涌现，也会将重溯整个组织形式人才重塑人才重塑技术变革下的技能匹配技术变革下的技能匹配：如何做好业务+AI人才培养与留存技术变革下的技术变革下的人机协作人机协作：如何更好的利用AI提升生产力，提升工作效率以人为本以人为本数据合规数据合规：如何适配快速变化的数据收集、处理和存储相关合规要求 隐私保护隐私保护：如何应对好金融行业严格监管要求下的数据泄露、数据滥用等数据隐私问题CONTENTSCONTENTS1.人工智能与金融行业：正当其时，大有可为2.2.开始的结束：厚积薄发，传统式人工智能驱动金融业务开始的结束：厚积薄发，传统式人工智能驱动金融业务3.开始的开始：另辟蹊径，生成式人工智能重塑金融业务4.未来展望：传统与新兴融合，人工与AI协作14业务发展业务发展AIAI技术进步技术进步目前金融已深度集成目前金融已深度集成AIAI，AIAI创新可对业务形成巨大驱动创新可对业务形成巨大驱动金金融融已已深深度度集集成成AIAIAI技术技术 金融业务金融业务+AI+AI+金融金融计算机视觉计算机视觉 智能语音智能语音自然语言处理自然语言处理机器学习机器学习知识图谱知识图谱身份核验身份核验客户服务客户服务营销获客营销获客投研投顾投研投顾合规风控合规风控驱动驱动15模式：模式：推广人员广撒网覆盖主流流量渠道，投放策略多基于经验，效果强依赖平台流量供给问题：问题：不确定性强，效率低成本高模式：模式：大量信审人员，依靠有限的结构化数据，基于规则与经验做出风险判断问题：问题：风险隐患大、效率低成本高模式：模式：运营人员只关注群体用户的关键指标，依靠经验和少量实验判断用户偏好，做出经营决策问题：问题：运营决策偏主观，重视群体忽视个体传传统统信信贷贷获客获客风控风控经营经营自然语言处理自然语言处理机器学习机器学习计算机视觉计算机视觉智能语音智能语音因果推断因果推断传统传统人工智能人工智能模型辅助运营，提升经营效果模型辅助运营，提升经营效果差异化定额个性化定价多样化还款方式.提升风控决策精度，降低信贷风险提升风控决策精度，降低信贷风险征信数据解读大数据风控智能信审.提升获客决策精度，实现有效率的增长提升获客决策精度，实现有效率的增长精准客户定位个性化推荐智能营销策略智智能能信信贷贷全流程的决策优化全流程的决策优化全方位的降本增效全方位的降本增效以信贷为例以信贷为例，传统人工智能驱动，传统人工智能驱动信贷全价值链升级信贷全价值链升级16信贷风控：信贷风控：NLPNLP技术演进，提升文本解析和风控决策精度技术演进，提升文本解析和风控决策精度业务问题业务问题人工经验人工经验根据专家经验，利用简单规则或者关键词库，从文本中提取信息,难以充分提取用户难以充分提取用户相关文本数据中蕴含的信息，相关文本数据中蕴含的信息，风控效果差强人意风控效果差强人意人工文本关键词表借助自然语言处理技术迭代发展，实现风险区分能力大幅提升借助自然语言处理技术迭代发展，实现风险区分能力大幅提升分片式序列模型分片式序列模型26%26%BertBert微调微调18%18%注意力机制注意力机制15%15%词袋模型词袋模型12%12%预训练预训练29%29%KS应用于智能风控业务应用于智能风控业务业业务务场场景景文本信息解读风险文本信息解读风险信贷风控用户大量的风险信息信贷风控用户大量的风险信息以文本形式存在以文本形式存在，如客户征信、合同、社交媒体信息等,依赖精依赖精准高效的文本解读能力准高效的文本解读能力传传统统解解决决方方案案风险区分能力提升风险区分能力提升CaseCase：谁是坏人？：谁是坏人？花呗套现欠信用卡15万3年没还砍头息人在撸口子圈急用羊毛怎么回血 大狮缅甸腾龙四件套带鱼 买马面单 用户用户B B更有效的新词发现更有效的新词发现精准的语义表示精准的语义表示传统、可人工统计黑话、文本传统、可人工统计黑话、文本 用户用户A A17信贷风控：图机器学习，提升征信解读和风险区分能力信贷风控：图机器学习，提升征信解读和风险区分能力业务问题业务问题结合图机器学习，实现征信报告智能解读，显著提升风险区分能结合图机器学习，实现征信报告智能解读，显著提升风险区分能力力人工经验人工经验人工特征衍生人工特征衍生27%27%26%26%24%24%BaselineBaseline22%22%同数据集下效果同数据集下效果KSKS机器自动衍生机器自动衍生深度学习深度学习图机器学习图机器学习征信解读的五个发展阶段征信解读的五个发展阶段阶段阶段2 2：多个报告之间关系图多个报告之间关系图利用工作单位、居住地址信息，结合股权关系等外部数据，将不同征信报告关联成一张图阶段阶段3+3+动态图、时序图动态图、时序图动态预测节点之间的关系，图网络结构不断演进，节点与边的属性实时更新阶段阶段1 1：单报告内部关系图：单报告内部关系图以查询/借还款行为和机构为节点构图，捕捉同样行为在不同关系场景下的不同含义图模型效果超大规模特征，特征效果超银行评分卡图模型效果超大规模特征，特征效果超银行评分卡图算法进展和效果图算法进展和效果人工解读人工解读依赖解读征信的人员专业知识和经验风险挖掘风险挖掘能力不佳能力不佳难以捕获其他人对用户的风险影响难以处理用户风险随时间动态漂移的问题业业务务场场景景深度解读征信深度解读征信征信报告信息丰富，是信贷风控征信报告信息丰富，是信贷风控主要数据来源之一主要数据来源之一传传统统解解决决方方案案度小满智能化征信解读中台获度小满智能化征信解读中台获吴文俊人工智能科学技术奖吴文俊人工智能科学技术奖4040万万+25%25%信贷风险降低信贷风险降低风险变量风险变量贷款记录贷款记录（准）贷记卡记录（准）贷记卡记录组织、额度等过去60个月还款记录身份信息地址信息工作信息组织、额度等过去60个月还款记录记录1记录2记录1记录2个人信息个人信息个人个人信贷信贷记录记录提示信息账户信息逾期信息摘要摘要信息信息记录1记录2记录3查询查询信息信息18业务问题业务问题计算机视觉支持信贷风控审批流程提效降本计算机视觉支持信贷风控审批流程提效降本非结构化非结构化结构化结构化分析与处理分析与处理解析与识别解析与识别还原与转换还原与转换提取与理解提取与理解校验与标准校验与标准内容解析内容解析版面还原版面还原内容审核内容审核信息提取信息提取图像图像/视频识别视频识别技术创新技术创新文档智能文档智能PDFOFFICE图片视频字段内容图像质量图像风险内容恢复图像分类篡改检测质量评估风险类型EXCEL抽取PDF内容解析图片识别视频OCR元素提取 布局分析表格检测表格重建实体识别关系提取文档分类图像标签识别与理解识别与理解分析与决策分析与决策内容阅读内容阅读融合图像、位置、布局等多源信息，建立不同level的提取模型，提升复杂场景下关键信息识别理解能力，平均准确率达到95%+多模态特征表示多模态特征表示基于多模态文档预训练+场景微调，只需数10张样本，即可完成模型训练，提升小样本的建模能力文档预训练模型文档预训练模型基于ELA误差等级分析，借助视觉Transformer，挖掘像素级篡改特征，构建文档、证件篡改检测模型，准确率达96%风险识别风险识别标准化结果映射字段规范化校验内容加工与比对内容纠错与审核应用于信审秒批应用于信审秒批，相对审核效率 7 70+0+%相对审核人力成本 千万千万信贷信贷审批提审批提效效信贷风险管理需要大量用户信息收集工作，流程流程长，需要大量的人工投入长，需要大量的人工投入企业财报企业财报交易流水交易流水店面门头店面门头报销票据报销票据用户数据种类繁多用户数据种类繁多易出错易出错效率低效率低成本高成本高业业务务场场景景信贷风控：信贷风控：CVCV技术升级，支持信贷审批提效降本技术升级，支持信贷审批提效降本19信贷经营：应用因果推断技术，实现个体额度最优信贷经营：应用因果推断技术，实现个体额度最优业务问题业务问题什么是关联关系？什么是因果关系？什么是关联关系？什么是因果关系？以以往往解解决决方方案案机器学习机器学习-关联建模关联建模传统机器学习关联建模传统机器学习关联建模，虽可以找到关联关系，但无法用于决策无法用于决策业业务务场场景景经营决策优化经营决策优化信贷经营信贷经营场景存在大量复杂决策场景和复杂数据，决策归因、优化难决策归因、优化难 什么是导致决策最优的决策因子？做什么经营动作可以支持策略最优？运动越少 胆固醇越低？(反事实)表象：观察整体表象：观察整体洞察：观察局部洞察：观察局部不同年龄组下，运动越少胆固醇越高观察局部(额度近似用户)，调整额度越高，其逾期率有上升趋势辛普森悖论辛普森悖论：总体数据的统计相关性，可能与部分数据的统计相关性相反相关性相反需求需求找到控制胆固醇变高方法找到降低风险策略我们观测到的变量本身之间未必有直接的因果关系，背后是由一些因果因素产生出来。那那真正可以影响真正可以影响结果的因果关系结果的因果关系是什么？什么是是什么？什么是影响决策的真正影响决策的真正有效变量？有效变量？额度越高 风险越低？(反事实)生活中的一个例子业务中的一个例子20额度策略额度策略解决方案：基于因果推断技术，实现额度策略优化解决方案：基于因果推断技术，实现额度策略优化之前的给额框架之前的给额框架额度复购模型额度借款模型额度风险模型最优额度 分别学习因果关系分别学习因果关系：通过因果学习算法，构建原因与结果间的稳定关系 目标最优化目标最优化：结合目标需求，搜索客户个体维度决策最优的额度，直接给出最优额度因果推断技术演进因果推断技术演进工业代表算法 Xlearner对照组实验组对照组实验组?=?0?+?1?012.2.DebiasedDebiased LearningLearning框架框架工业代表算法 DoubleMLTreatmentOutcomeConfoundersFeatures3.3.表示学习表示学习框架框架DXM自研算法 Mono-CFR1.1.Meta-LearnersMeta-Learners框架框架创新解决方案创新解决方案15%15%金额逾期率金额逾期率业务收益业务收益信贷经营：应用因果推断技术，实现个体额度最优信贷经营：应用因果推断技术，实现个体额度最优额度变化后，用户的风额度变化后，用户的风险会变化险会变化无法衡量额度变化后的无法衡量额度变化后的风险迁移情况风险迁移情况风险风险评级评级偿债偿债能力能力资产资产评级评级宏观宏观调整调整根据用户画像计算额度CONTENTSCONTENTS1.人工智能与金融行业：正当其时，大有可为2.开始的结束：厚积薄发，传统式人工智能驱动金融业务3.3.开始的开始：另辟蹊径，生成式人工智能重塑金融业务开始的开始：另辟蹊径，生成式人工智能重塑金融业务4.未来展望：传统与新兴融合，人工与AI协作22生成式生成式AIAI以以CopilotCopilot方式，从点到面重塑金融价值链方式，从点到面重塑金融价值链理解理解|生成生成|逻辑逻辑|记忆记忆个性生成个性生成交互增强交互增强预测模拟预测模拟强自动化强自动化大模型核心能力大模型核心能力重塑服务重塑服务从降本增效到价值创造从降本增效到价值创造重塑运营重塑运营端到端的运营新范式端到端的运营新范式重塑风控重塑风控智能化全面风控智能化全面风控重塑营销重塑营销一体化营销工作坊一体化营销工作坊重塑办公重塑办公员工的生产力工具员工的生产力工具重塑研发重塑研发助力研发提质提效助力研发提质提效 客情摘要 客服助手 传播洞察 智能投放 NL2SQL 投研投顾 智能信审 风险模拟 智能搜索 知识助手 代码生成 单测生成23借8万吧，借个 四、五个月四、五个月，这个价格能 便宜点便宜点 儿不？这样吧，如果您借满如果您借满6 6个个月呢，利息可以给您打月呢，利息可以给您打个个9 9折折；如果提前还，您还按原来的价格，您看可以吗？获客：根据用户特征生成个性化素材获客：根据用户特征生成个性化素材转化：结合用户需求提供差异化产品转化：结合用户需求提供差异化产品用户画像用户画像&行为特征行为特征差异化产品方案差异化产品方案个性化营销素材个性化营销素材用户用户征信报告征信报告&行为数据行为数据&需求表达需求表达征信报告行为数据需求表达素材平台素材平台需求平台需求平台流量平台流量平台金融金融APPAPP定制方案1 定制方案2地理位置预期职业预期职业营销：个性化素材结合差异化产品，重塑开放获客新模式营销：个性化素材结合差异化产品，重塑开放获客新模式24服务：提质降本，营销服务一体化服务：提质降本，营销服务一体化营销服务一体化营销服务一体化智能智能客服客服服务成本降低服务成本降低人力密集人力密集技术密集技术密集创新技术应用将释放大量人力，降低服务成本服务质量和服务能力提升服务质量和服务能力提升大模型辅助坐席提供服务，提升坐席整体的水平，持续提升服务承载能力和平均服务质量人工坐席人工坐席模型辅助人工模型辅助人工模型直接对客模型直接对客服务过程中洞察潜在需求，匹配和推荐对应金融产品，生成式AI串联起了原本分散的业务环节，实现营销服务一体化成为可能生成式生成式AIAI服务服务营销营销成本中心成本中心利润中心利润中心可以将人力投入到更有价值的业务上，提升服务的同时，实现利润目标。内部提效25%隐形增员空间巨大服务能力有效25运营：数据驱动的业务运营新范式运营：数据驱动的业务运营新范式这个新客户非常重要，项目可以承受一定程度的亏损，但是要保证公司整体利润底线不受影响，那么报价最低是多少？本季度目标利润率是10%。根据最近三个月的财务数据统计，总营收为2.1亿元，毛利3360万，实际利润率为16%；我们的投标价格底线最低下降至3849万时，不会影响公司整体毛利率目标。实际营收实际营收(万元万元)实际毛利实际毛利(万元万元)实际利润率实际利润率21000210003360336016%16%Q3Q3实际实际实际营收实际营收(万元万元)实际毛利实际毛利(万元万元)实际利润率实际利润率28000280002800280010%10%基于项目中标的基于项目中标的Q3Q3预测预测一切业务产生数据，一切决策依赖数据一切业务产生数据，一切决策依赖数据数据分析数据分析数据架构数据架构大模型原生架构大模型原生架构AI方法+AI能力集成大模型能力集成大模型能力BI方法+AI能力架构增强架构增强数据获取数据获取全模态数据自动获取全模态数据自动获取发生即获取主动收集数据主动收集数据主动按需收集业务数据数据增强数据增强自然语言即可分析降低分析门槛降低分析门槛自动决策自动决策基于数据自动优化运营分析增强分析增强基于大模型基于大模型的的BIBI新范式新范式传统传统BIBI26研发：研发：基础代码自动生成，业务代码人人可写基础代码自动生成，业务代码人人可写代码采纳率超代码采纳率超40%40%，体感研发效率提升近，体感研发效率提升近20%20%覆盖Python、java、sql、javascript、go、html、c+、css等多种编程语言更好的开发体验更好的开发体验更精益的组织结构更精益的组织结构更快的迭代速度更快的迭代速度规划规划编写编写测试测试维护维护理解需求做开发计划代码生成和补齐，识别错误并自动修复生成测试用例和测试数据，提升测试质量结合系统日志、用户反馈来帮助诊断问题单点提效单点提效 全流程重塑全流程重塑帮助思考帮助思考帮助编码帮助编码帮助修改帮助修改27办公：无处不在、无缝衔接的办公助手办公：无处不在、无缝衔接的办公助手多层次、全方位的能力辅助多层次、全方位的能力辅助通用能力通用能力业务能力业务能力决策能力决策能力私人顾问：个人决策助手，基于个人可获取信息，帮助决策，提升价值全面辅助：实时、全面和准确地辅助解决业务、政策、资讯等等复杂问题操作提效：大模型驱动的知识抽取与信息处理等工作，提升基础操作性工作的效率助力机构间业务合作助力提升内外部协同效率助力提升内外部协同效率优化部门内资源配置提升公司内协作效率金融监管治理有几个要素，以及每个的含义和重要性？金融监管治理涉及的四个核心要素是：独立性、问责制、透明度、操守。首先，首先，独立性指的是监管机构具有一定的自主权，使其能够免受政治层面和被监管实体的干扰，以确保公平、有效地进行金融监管。监管机构的独立性不仅要求专业性技能，以便在复杂情况下迅速做出反应，还要求其能够使自身免受政治干预，增加监管行为的透明度和稳定性，由此提高政策制定的可信度。其次，其次，问责制是监管治理的重要环节，然后，然后，透明度也是极为重要的，最后，最后，操守是指监管机构和监管人员需要坚守的行为与规范。金融监管治理的四个要素相互影响、相互促进，共同构建了金融监管的基础环境。要统一提升，需要多元化的改革与整合，构建高效、公正的金融监管环境。真实问答场景真实问答场景度小满度小满 -ChatManChatMan办公助手办公助手用户满足率从用户满足率从 20%20%提升至提升至 86%86%28风控：提升感知和决策能力，智能风控更主动更实时风控：提升感知和决策能力，智能风控更主动更实时实时风险控制实时风险控制主动风险控制主动风险控制智能风控智能风控传统风险决策引擎传统风险决策引擎金融大模型金融大模型风控大数据风控大数据+集成大模型的风控决策引擎集成大模型的风控决策引擎机器学习|图计算|知识图谱|因果推断|.生物识别|NLP|图像识别|语音识别|.风险信息理解洞察风险信息理解洞察理解客户多层次需求理解客户多层次需求决策增强决策增强生意资质|业务凭证|借款信息|.提额|降息|灵活还款|.深度自然语言交互深度自然语言交互引导客户补充资质材料引导客户补充资质材料感知增强感知增强风控大模型风控大模型客户实时数据客户实时数据风险策略风险策略CONTENTSCONTENTS1.人工智能与金融行业：正当其时，大有可为2.开始的结束：厚积薄发，传统式人工智能驱动金融业务3.开始的开始：另辟蹊径，生成式人工智能重塑金融业务4.4.未来展望：传统与新兴融合，人工与未来展望：传统与新兴融合，人工与AIAI协作协作30金融金融AgentAgent传统传统AIAI和生成式和生成式AIAI优势互补、融合发展，出现金融优势互补、融合发展，出现金融AgentAgent任务规划任务规划分析任务，并生成解决方案任务执行任务执行调用各类插件能力执行任务检查反馈检查反馈检查完成情况，并收集反馈修正迭代修正迭代分析总结，进行微调迭代生成式生成式AIAIEmbedded传统传统AIAICopilot31人工与人工与AI AgentAI Agent社会化协作，重构金融行业生产关系社会化协作，重构金融行业生产关系人工与人工与AI AgentAI Agent社会化协作社会化协作人工设定目标和监督过程，人工人工设定目标和监督过程，人工+AI+AI共同执行、评估和迭代共同执行、评估和迭代金融任务拆解金融任务拆解金融任务金融任务子任务1子任务2子任务3.匹配对应角色匹配对应角色子任务1子任务4子任务7子任务2子任务5子任务8.子任务3子任务6协作与互动协作与互动.人工智能迎来了新的发展机遇，金融智能化正当其时人工智能迎来了新的发展机遇，金融智能化正当其时传统人工智能仍存在巨大红利，能够持续驱动金融业务增长传统人工智能仍存在巨大红利，能够持续驱动金融业务增长生成式人工智能将从点到面赋能和重塑金融行业，创造巨大价值增量生成式人工智能将从点到面赋能和重塑金融行业，创造巨大价值增量人与机器的协作关系正经历深刻变革，人与机器的协作关系正经历深刻变革，AI将重构金融业乃至全社会的生产关系将重构金融业乃至全社会的生产关系总结与展望总结与展望度小满轩辕大模型度小满轩辕大模型34轩辕大模型：轩辕大模型：定位于最好的中文金融域大模型定位于最好的中文金融域大模型模型微调：分阶段微调使能力定向增强模型微调：分阶段微调使能力定向增强混合微调混合微调指令微调指令微调数据配比：解决通用到金融的遗忘问题数据配比：解决通用到金融的遗忘问题通用数据通用数据-领域领域数据平衡数据平衡训练数据动态配比训练数据动态配比知识图谱：增强大模型的事理逻辑能力知识图谱：增强大模型的事理逻辑能力知识增强知识增强金融事理图谱节点400万+推理增强推理增强思维链100万+数据质量：金融大模型能力强弱的关键数据质量：金融大模型能力强弱的关键动态数据处理动态数据处理PipelinePipeline百百T T级级 T T级级训练数据训练数据建设最好的金融行业大模型，金融域任务超越领先通用模型建设最好的金融行业大模型，金融域任务超越领先通用模型5月9月11月度小满开源了国内首个首个千亿级金融大模型轩辕轩辕度小满开源轩辕轩辕70B70B大模型开源了轩辕70B-chat模型及8-bit和4-bit量化模型35轩辕大模型：轩辕大模型：定位于最好的中文金融域大模型定位于最好的中文金融域大模型使用百万级经人工构建和校验的高质量指令数据进行指令微调和对齐外挂实时更新的业务知识库，实现低成本干预，同时降低幻觉影响面向金融应用场景，定向增强摘要、逻辑、计算等金融场景核心能力增量预训练和指令微调阶段，加入大量金融数据，提升金融理解能力金融增强金融增强通用能力通用能力C-EvalC-Eval和CMMLUCMMLU两大权威榜单两大权威榜单，轩辕70B均名列所有开源模型第一第一金融能力金融能力轩辕70B已经通过注会考试、银行/证券/保险/基金/期货从业资格、理财规划师、经济师等金融领域权威考试场景能力场景能力轩辕70B在度小满自有金融业务场景测试中表现领先，特别金融知识问答、NL2SQL等场景表现优异知识增强知识增强应用增强应用增强对话增强对话增强轩辕轩辕70B70B大模型金融能力领先，通用能力强大大模型金融能力领先，通用能力强大36轩辕金融大模型将持续开源，与行业伙伴共同成长轩辕金融大模型将持续开源，与行业伙伴共同成长轩辕-千亿轩辕-千亿轩辕-70B轩辕-70B轩辕-70B-chat轩辕-70B-chat轩辕-13B轩辕-13B即将开源即将开源5月9月11月12月12月轩辕系列大模型，技术认知和实践经验总结大语言模型原理与工程实践大语言模型原理与工程实践即将出版即将出版