引言
◎ 金融界对AI的态度：从技术到实际业务价值的迁移人工智能（AI）已经成为金融界的一个热门话题，引发了广泛的讨论和关注。从一开始的技术探索，到如今的实际业务应用，AI已经在金融领域取得了显著的进展。本文将深入探讨金融界对AI的态度及其演变，同时关注新一代AI大语言模型在多领域的应用前景，以及AI创业者在商业化过程中所面临的挑战和可行的技术解决方案本次活动主题为AI+金融，直播邀请了三位创业公司的高管参加，分别分享了他们对AI在金融领域中的经验和见解。活动旨在让参与者深入了解最前沿的科技变革和商业机遇。
· 公司领域与核心技术 ·
有连云是国内领先的金融AIGC服务提供商，专注于金融领域，主要使用自然语言处理、大数据和知识图谱等人工智能技术，帮助客户解决销售与市场方面的问题。这与一些其它专注在投研与风控领域的金融公司如万德、同花顺等有所不同。
公司的核心产品之一是云创，它主要用于内容创作，帮助客户解决时效性的问题。金融领域需要实时跟进市场动态，而云创能够通过人工智能快速生成与市场相关的内容，以满足客户需求。另一个产品是云连，它用于将生成的内容传播到各大金融平台，以帮助客户辅助销售和市场推广。最后一个核心产品是云数，它用于监测内容的效果，同时提供数据分析，帮助客户做出更好的商业决策。
· 时效性和准确度的重要性 ·
金融市场变化迅速，包括股票、基金等金融产品的价格都在瞬息万变。客户需要及时跟进市场动态，而人工创作无法满足这种时效性需求。另外，金融领域对内容的准确度要求也非常高，因为错误的信息可能导致严重后果。通用大模型在金融领域可能存在准确性不足的问题，所以有连云需要开发专有模型以适应金融领域的高准确度要求。
· 服务案例与合作客户 ·
有连云目前的合作客户包括金融行业的龙头公司，以基金为代表，还有半导体、新能源、生物医药等领域的上市公司。公司的产品已经为这些客户解决了在销售与市场方面的问题，帮助他们更好地满足客户需求和优化商业策略。这些合作客户也为有连云未来的发展方向提供了宝贵的指引，帮助公司更好的拓展金融市场。
· 公司介绍与核心产品 ·
魔数智擎（Magic Engine）是智能决策、机器学习领域的深耕者，起源于全球第一代数据挖掘软件开发商“Salford Systems”，由中国区核心团队2018年自主创新成立。魔数智擎打造一站式金融智能决策+AIGC大模型平台，核心目标是通过工具和平台降低模型使用门槛，解决金融机构面临的数据到建模再到模型落地的整套问题，为金融机构风险控制、精准营销与智慧运营提供赋能。
在金融领域，模型的落地和管理关键在于解决生产上线最后一公里的问题。从数据处理到建模再到模型落地管理，这一整套流程需要高度流畅且与业务高度契合，以确保模型的质量、可解释性、以及价值与业务需求相匹配。
同时，基于大模型开发的产品旨在提供高度仿效人类处理数据和语料的能力，从而提升模型质量。其广泛应用于精准营销和风险管理等领域，迅速生成适应业务需求的模型。此外，大模型产品还能加速数据分析人员的编码和脚本编写，提高效率，具备离线和私有化等特性，有助于金融体系的风险控制。整个产品体系形成了从数据源到建模再到模型管理的闭环，提供更出色的用户体验和业务应用。
魔数智擎目前的客户涵盖银行、保险、证券、医疗健康、汽车、能源等7大行业，其中服务金融机构近50家。完成国内银行界首个“将复杂机器学习模型应用于信用卡A卡进行实时生产决策”的项目；助力某国有行VIP客户流失率下降76.04%，增加理财产品销售额2.5亿；帮助某区域性银行实现2个人3个月打造10个模型，增加AUM11个亿......飞笛科技致力于通过数字化AIGC技术为金融机构提供服务，构建用户增长的大数据引擎。他们与金融领域的券商、基金和银行等建立了合作。服务围绕用户全生命周期信任管理展开，涵盖了获客、留存、促活和交易转化等方面。公司核心团队由资深财经媒体人、互联网产品经理、金融量化领域专家，共同组成。专注长期创造价值，为机构提供数字化财富管理+互联网内容营销最佳解决方案。同时也注重实时了解用户的核心需求，以提供满足用户期望的内容和服务。
- 帮助机构运营人员即时创作营销物料搭建AIGC平台：用户视角，价值创造
- 帮助机构投顾通过构建专业的理财方案+在线化的内容陪伴赢得投资者信任
圆桌论坛
· 金融界对AI的态度：从技术到实际业务价值的迁移·
主持人：这一波的大模型的浪潮，
在金融领域，主要客户对于AI的态度、新技术接受程度和使用以及对产品和服务的采购热情如何？
张岩@有连云：在金融领域，对于AI的态度相对较市场化，客户市场较为开放，他们更愿意接受新技术。然而，技术只是一种工具，关键问题在于AI技术是否能够真正解决实际需求和问题，而不仅仅是为了存在而存在。同时随着AI技术市场化程度的提升，需要采取有效的方式来加速业务发展。
许靖@魔数智擎：金融领域在人工智能方面经历了两个下沉阶段。首先是从2015年开始，头部金融机构认识到人工智能的价值，然后，近年来这种认识又下沉到了中小金融机构，受到市场宣传和头部成功案例的影响。但这个变化也带来了新的挑战。金融机构要求人工智能解决业务问题，不再容忍试错。另一方面，人工智能方案不仅仅是技术，更需要产生实际业务价值。因此，人工智能公司需要更务实，与客户结合，创造持续的业务价值链。
丘慧慧@飞笛科技：这一轮金融领域的大模型浪潮中，主要客户对AI的态度、新技术接受和使用以及对产品和服务的采购热情都有显著变化。与上一轮相比，这一轮更强调业务压力和需求，尤其是存量客户的活跃度下降。金融机构感受到巨大的压力，迫切需要解决业务问题。同时，公司更加注重与业务部门和技术部门的协同合作，确保产品和服务的可持续性，以满足不断变化的市场需求。整体而言，这一轮浪潮注重业务的实际价值和可持续性，而不仅仅是技术本身。
· 新一代AI大语言模型的多领域应用前景 ·
主持人：在过去，人工智能和机器学习主要服务于金融领域的信用评估等方面。现在，新一代的AI大语言模型已经具备处理更多非结构化数据的能力，也可以在更多领域提供赋能机会。那么大语言模型在哪些领域最有可能可以推出新的产品和服务？
张岩@有连云：大模型是一种方法论，可以在不同领域应用，包括金融、气象、电力、医药等。在金融领域，大语言模型能够快速落地，提高客服效率，有广泛的应用。基于大模型的方法论具有强大的延展能力，未来可能在客服、风控、反洗钱等领域有更多应用机会。不同部门的金融机构也可以在不同程度上应用这一方法论。
丘慧慧@飞笛科技：大模型的出现引发了公司内外部的讨论和探索，特别是在垂类模型领域。公司关注两个层面，一个是存量提效，如何整合和应用大模型提高数据处理效率和质量；二是关注潜在的增量和创新应用，飞笛针对买方视角的金融信息服务，飞笛的优势在场景实施的颗粒度、垂直数据积累上，如何借助大模型的技术手段，产生新应用，比如用户体验更好的交互形式，更有利用户”降噪“的信息形态，需要与外部技术生态伙伴一起共同打磨，我们提供微调必要数据和条件，以适应不同场景。那么合作机制就成为关键问题，需要协同合作的技术、数据和业务公司之间达成共识。从我们最近的实践看，生态伙伴之间在开放程度和场景边界上存在分歧，这可能影响了技术和数据方面的合作。
许靖@魔数智擎：新一代的AI大语言模型在多个领域都具备广泛的应用机会。通过将大模型应用于不同领域的特定数据，可以实现高准确率的预测和解决方案。例如，华为的盘古系列大模型在气象和制造业等领域展现出潜力，而电力领域也可以通过大模型预测用电情况。另一方面，结合特定数据构建垂直领域的大模型，例如基于银行流水数据的流水大模型，可应用于反洗钱和反欺诈等领域。未来，大模型在多模态数据和传统数据的应用将带来更多新的发展机会。
· AI创业者面临的商业化挑战与技术解决之道 ·
主持人：AI在落地应用并商业化的过程中，创业者们面临了哪些挑战，以及如何通过技术和产品来解决这些挑战？
丘慧慧@飞笛科技：因为在ToB市场中，客户常常要求公司提供一些与长期愿景不一致的短期变现机会，创业公司需要解决的核心问题是如何使客户投资回报（ROI）与公司的愿景达成一致。特别是在当前竞争激烈的市场中，以用户为中心的设计和确保可预期的产品效果，以及适当取舍一些高成本的项目，才能实现长期盈利和发展的平衡。
许靖@魔数智擎：无论是金融还是其他ToB企业都有一个共性挑战就是需要考虑如何提供价值并确保盈利。企业可以选择在人力外包、产品提供、咨询和生态建设等不同服务形态中定位，这决定了企业在市场中的竞争地位和长期发展。以产品为核心并朝生态方向发展可以使企业在TOB和AIGC领域更为成功。
张岩@有连云：在面对商业化过程中的挑战，第一要坚持做长期有价值的事情，避免投入过多时间和资源在短期和低价值的项目上。其次将产品和技术与客户需求结合起来，以及持续升级和迭代产品也是非常必要的。特别是对于达到长期可持续发展的目标，要坚持盈利为导向的原则。
· 未来金融界对人工智能的应用展望 ·
主持人：在未来一到三年内，金融领域如何看待人工智能技术的落地应用和创新？
张岩@有连云：金融领域将持续看好人工智能技术的落地应用和创新，但同时注重在多方合作下实现发展。就目前来讲，包括科技巨头和金融企业等各种生态力量都会参与创新，但这些创新都伴随着一定的风险。因此，人工智能的发展方向更应该倾向于专注于解决用户刚需和痛点，持续进行技术研发和产品升级，而不太涉足风险较大的领域。
丘慧慧@飞笛科技：未来一到三年内，相比技术创新，我更关注金融领域由于人工智能技术发展的推动带来的商业模式创新，对一个牌照行业来说，商业模式的改革对这个行业更为必要和重要，以实现从交易为中心到以用户为中心的数字化转型。同时，我注意到，金融机构近期确实在持续探索平台化和生态化的概念实施，希望能够提供更好的客户服务和整合资源。
许靖@魔数智擎：尽管AIGC在金融领域的发展很迅速，但金融行业本身相对保守，创新到实际落地需要经历一系列验证和论证过程。当前主要创新方向仍在成熟的领域，如数据分析、风险管理、营销和反欺诈等，在较大的颠覆性创新方面，可能会较为缓慢。
