BB视讯

以下文章起源于网易财经智库 ，作者网易财经智库

由中国企业鼎新与发展钻研会、网易财经、网易财经智库结合主办的2023网易经济学家年会夏季论坛于6月19日在上海进行，本届论坛的主题是《智造复苏 惟事辐新》，清华大学经济治理学院提供学术支持。BB视讯信息新动力数字金融钻研院副院长薛春雨参加了以“被ChatGPT带飞的AIGC”为主题的圆桌会商，给出了他的远见卓识。

2023开年以来，AIGC的战争已经达到白热化，头部公司纷纷入局，热钱投资蜂拥而入。在圆桌论坛“被 ChatGPT 带飞的 AIGC”中，BB视讯信息新动力数字金融钻研院副院长薛春雨颁发了自己对AIGC的根基见解。

他暗示，AIGC是人为智能技术的一个阶段性发展，在前些年像机械进建、深度进建也给行业带来了好多变动。但AIGC这次发作有它肯定的特点，各人能看到好多以前人去做检索、梳理、分析、统计的事件，其实AIGC根基上都能全数代替，也就是它更像人了。这也是为什么AIGC比力火的沉要成分。

从ToC的视角来看，各人用ChatGPT返回的器材其实没有绝对的正确，天生之后你能够去批改，或者认可或者不认可，都能够。但是在具体的细分行业，尤其是跟工业结合的时辰，有些器材必要精准化。好比说我们跟银行打交路比力多，用户存取钱，是几多就是几多，利钱是几多就是几多，直接用AIGC有可能是对的，也有可能是有问题的，这个就不太相宜。不论是金融还是细分行业，若何跟产业结合落地，这方面应该是后续产业上中下游都必要深度思虑的问题。只有这样能力把AIGC的价值开释出来，真正驱动社会的出产力提升。这应该是我们将来要沉点关注的方向。

针对AIGC，银行业面对三个挑战

天生式人为智能AIGC带来的机缘和挑战？薛春雨以为，从机缘的角度来说，其实各人知路AIGC是天生式的，不论是之前的纯文本，此刻是多模态的天生，在这个层面来说，不论是哪一个行业，它天生的器材好多是通用的，但它细分的天生内容是有差此外。那就这个层面来说，机缘就是哪些企业或幼我可能尽快把天生的器材转化为自己的出产力。若是你能抓住这个机遇，可能你在这一轮的竞争中就会当先，对分歧的行业城市有这个机缘。

由于我们聚焦金融行业，这个行业有一些特殊的要求，银行的数据安全就是国度安全，所以就不成能直接用GPT，数据存在泄露风险，这不切合信创布景的要求。金融科技企业或者银行客户都面对一个极度大的挑战，数据、算力、算法三个层面是大模型最关键的，数据首先不能出去，要训练私有领域的模型，数据量相对幼一些，这个量对于大模型来说训练的时辰数量不到肯定水平，训练的成效又受影响，这个方面又对技术或者模型深度方面有一些思考，这是第一个大的挑战。

第二个是算力，在金融行业，好比银行，先做自己内部的模型注定要私有化部署。好比说一个8卡A100的机械根基上此刻市价100万左右，甚至更高，关键是还没货，这是个问题。刚起头是钻研，一台、甚至用A800的卡都能够，但是规；，这个企业或者银行要50幼我，或者是更多人来用，那就不是一台。好比说我们原来跟商汤这些企业也聊过，必要10台这种机械，可能就是1000万，加上其他的器材，这个成本一些中幼银行就要思考投入和产出的问题。这是第二个挑战。

第三个是算法，像百度做AI的时辰有好多高技术人员去做算法，持续投入。但是在一个银行，拿它私有的数据去训练，训练完之后，还要做标注，做各类监督进建，做微调。这些器材让银行的科技人员，尤其是中幼银行的科技人员险些没有这方面的人力资源。若何在这些细分领域，好比银行领域怎么把基础的大模型，行业的大模型都产生现实成效，这的确是必要功夫深度探求。建议有些是做基础层面的，有些是做行业的，有些是做客户利用层面的，必要上中下游的企业共同，形成最佳实际，而后再去产业赋能。这个可能是将来要走的路。

AIGC给银行业带来的设想空间巨大

AIGC在数字化金融领域有哪些优势，利用场景有哪些，将来发展到什么田地？

薛春雨以为，金融行业数字化在各个领域里走得相对靠前，这个能够理解为它是从前的传统优势。此刻来说，还是之前一向在信息化水平走得比力靠前，堆集的数据也是比力多。这个数据蕴含自己内部建设的各类系统的堆集数据，客户的买卖数据，甚至好多银行还从名义去买一些征信或者其他数据来做风控等。数据这方面相对其他的传统行衣反说，堆集还是要多。固然相对大模型要的那么大的数据量它还幼，但是相对其他行业还是多的。

金融行业自身对人为智能的诉求是比力多的。人为智能在金融行业已经利用好多年了，智能客服是最典型的。以前人为客服，那个时辰回覆得还能够，但是比力占用人力资源；银行为了降低成本，慢慢人为智能来了，弄个智能客服，相信各人好多人跟智能客服沟通的时辰发现差点儿啥意思。AIGC技术发展起来之后，在人机交互和语义理解方面有大幅度提升，像智能客服再深度去用AIGC成效比以前好好多，这是极度明确的点。

像智能投顾、智能推荐这些场景，借助AIGC能够提高成效。这是面向银行服务的指标客户直接的使用。

对于金融领域银行内部也有一个提升，银行自己内部也有一些自己的办公诉求，银行要对发展趋向，甚至监管机构的政策有一些相识，形成一些资料，这些齐全能够急剧地借鉴AIGC天生初版，把之前花很长功夫做的事件能够急剧解决。

还有一个典型的场景，固然此刻各人到银行的柜台比力少，但是此刻银行好多业务复杂度比前些年高好多。并且此刻好多柜员不是银行的正式员工，都是一时工的模式。当然这个不是那种一时工，他只是借过往来培训完就直接上岗。有些业务出格复杂的时辰，像以前的确不知路怎么做，就会找主管或问一堆人能力解决问题，若是遇到这个问题能够跟AIGC进行交互，提醒我这个业务应该怎么去做，能够急剧通知你123456步怎么做，从哪个系统怎么操作，顿时提高效能。这个也是很直接的贡献。

还有一个点，银行业好多信息系统，信息系统的建设注定就必要码代码了，这边也有好多IT公司的。系统代码开发、代码天生对于AIGC来说代码语法比人的天然语说话法还要单一，它相对比力固定。对它来说能够凭据你的输入直接天生对应的代码，提高开发效能。好比说以前100幼我开发10个月能力把这个项目开发完，用这个技术，固然不愿定全数能解决，但至少能够援手我们一部门，100幼我造成8个月、7个月，那就降低20%、30%的成本，这个也是极度大的贡献。

这些器材其实站在我们提供商的角度来说，若是这种实战经验，我们此刻在做像低代码上的钻研，这块利用到银行客户能够急剧产生成效，在银行衣凤面还是极度现实的贡献。但是长远的各人对AIGC这块，设想空间出格大的事件，还为时尚早，必要持续的堆集。

提高自身创新力，别被AI代替掉

对于AIGC将对将来的行业或者专业领域带来哪些影响的问题？

薛春雨以为，其实AIGC的性质，是基于人类现有的知识，或者一些数据，把它进行拆分之后，而后再分成更幼的工作去向理，最后给你做个梳理整合。但是它理解你的语义，这个是它比力强的处所。同样从两个层面来说，此刻已经有的这些器材，它极度善于把它急剧整合成一个你想要的器材。但是对于此刻自身没有的，或者必要创新的器材，至少在此刻AIGC在这方面做得还稍幽微一些。

从这个层面来说，若是各人做的是那种单一的检索、梳理、分析及整合的工作，这类的职业可能受到的冲击会极度大。反而是那种像作曲家、创作者，齐满是幼我深度创新的工作，这种职业是不能被代替的。但是此刻通过AIGC天生一些新的图像，还是基于此刻的器材去合成的，说不好听的是高级的PS，他不具备艺术层面的创新。这个就是将来在行业幼我定位上，这方面必要关注，还是要把自身的特点，自身创新力肯定要提升，不然会被AI逐步代替。