FX168财经网_全球视野外汇黄金加密货币NFT资讯网

行业研究｜有连云等资深玩家助力AI+金融应用创新

场景深擎科技认为AI正助力金融机构在零售业务领域实现服务模式的"集约化"与"精细化"，显著提升经营效率与效果。 "集约化"服务模式，是针对数量庞大、需求分散且多样化的长尾客群，通过人工智能技术，采用集中化、规模化的经营策略，优化资源配置，提高运营管理效能。简而言之，使用人工智能技术，以较低成本，覆盖人工无精力覆盖的中长尾客群，并为客户提供70分的服务质量。而"精细化"服务模式，则基于客户的资产规模、交易特点、金融需求、家庭情况等画像信息，对客群进行深度细分。受限于服务产能的瓶颈，传统技术条件下，金融机构难以为细分客群提供精细化、差异化的服务。人工智能技术的运用，使得金融机构在理想状态下，能够为每位客户提供量身定制的个性化产品与服务。这包括基于客户的投资生命周期、交易周期、重要时点，提供个性化的内容服务，满足客户的个性化需求。某华南头部券商高管认为，大模型和生成式AI通常在金融行业有以下主要应用场景：（1）智能问答场景通过构建基于大模型技术的集中问答系统，用户可以通过单一通道提出问题并快速获得解答。这种系统不仅促进了员工对基础业务知识的掌握，也使得一线客户经理能够更高效地处理客户的常见问题，显著提升了工作效率。（2）投顾咨询场景由于投资顾问资源有限，传统的个股诊断分析服务往往只覆盖到大型分支机构的重要客户。利用大模型技术，结合规则化报告和专业材料，如研究报告和招股说明书，能有效提升投资顾问的工作效率，并扩大服务的覆盖范围，使更多客户能够享受到专业的个股诊断服务，帮助他们快速把握投资机会和风险，做出明智的投资决策。（3）个股诊断场景投资顾问在提炼市场动态和热点新闻以形成投资观点时，常常面临市场变化快速的挑战。利用大模型技术，可以辅助投资顾问快速捕捉市场热点，激发创意，将复杂信息转化为易于客户理解的形式，有效促进客户转化。同时，这种方法也有助于将专业投资顾问的能力扩展到一线客户经理，培养更多具备专业投资顾问技能的人才。（4）基金诊断场景投资顾问在进行基金诊断时，需要深入分析市场环境，这要求有扎实的投研能力。通过大模型技术，能为专业投顾提供全面的基金研究和诊断支持，帮助他们提升投研能力，优化基金组合管理。（5）账户诊断场景账户综合诊断是投资顾问的重要职责之一。利用大模型技术，我们希望为专业投顾提供全面的账户诊断能力，支持他们分析客户的投资组合，评估风险和收益，为客户提供客观、专业的诊断报告，从而提升投研能力。此外，生成式AI还可以在金融行业有以下典型应用场景：（1）欺诈检测和预防金融领域的数据如信用卡信息、个人记录和银行账户详情，使其成为网络攻击的主要目标。生成式AI与欺诈检测算法结合，可提高数据保护能力。传统的欺诈检测算法利用机器学习（ML）都是从历史数据中自我训练，难以及时跟上新兴欺诈手段。而生成式AI则可以通过创建合成的“异常”模式，优化检测算法，使其在防范欺诈者方面保持领先。这样不仅减少了监督需求，实现更高的自动化，还能更高效地识别网络攻击企图。（2）个性化金融服务和支持个性化服务和支持是企业提升竞争力的关键因素，据估计可带来高达10%的年收入增长。在金融领域，实现个性化服务面临挑战，因为需要处理大量客户数据，如交易历史、支出偏好和储蓄目标。生成式人工智能（GenAI）在此方面发挥重要作用，能快速利用这些数据生成定制建议和优惠，提升客户满意度，促进交叉销售，增强企业竞争力。此外，GenAI还通过智能虚拟助理和自动化表单提交提供高效自助服务，帮助金融机构降低成本，提高客户参与度，是优化服务效率和客户体验的关键工具。（3）风险评估和信用评分金融机构在贷款审批过程中必须对客户的信用状况和潜在风险进行评估，信用评分是这一流程的核心环节。传统信用评分依赖于历史数据和固定规则，但这种方法可能缺乏灵活性，难以适应信用风险的复杂性和变化性。此外，这些方法需要不断的监控和深入分析，十分耗时。生成式人工智能（GenAI）在此领域提供了一种新的解决方案。它通过创建与真实数据极为相似的合成数据，与实际数据结合，构建出更丰富的训练数据集，从而训练出更精准的预测分析工具。GenAI能够高效处理大量动态数据，减少了对人工操作的依赖，使得信用评分过程更加可靠和高效。（4）合规性和监管挑战监管合规在银行业务中至关重要，与风险评估和人为错误紧密相关。金融机构必须遵守一系列法规，涉及运营、保密、安全等，需要详尽的数据收集、分析和报告，这些过程耗时且易出错。生成式人工智能（GenAI）可以有效处理这些任务。GenAI能生成高质量的合成数据，增强合规控制和质量保证的准确性，确保合规报告快速、一致且零误差。此外，GenAI能够持续监控合规性，自动通知违规行为，及时采取措施。（5）市场与投资分析财务分析涉及处理市场趋势、公司报告、财务估计等大量数据。分析师需要不断监控这些数据，耗费大量时间和精力。生成式人工智能（GenAI）在此发挥重要作用。它能够快速浏览和分析海量历史数据，识别出人类可能忽略的模式和异常情况。GenAI自动化的分析过程不仅能生成深刻洞见，还能创建交易参数，如最佳买卖时机、止损点和头寸规模。这种数据驱动的方法为银行提供显著竞争优势，使其更深入地理解市场状况，制定更加精准有效的战略。GenAI正成为金融分析师在复杂数据中导航的得力助手。（6）文档处理/报告生成金融行业的工作大量涉及信息处理，尤其是在处理来自不同来源的文档和信息时，这些信息通常是异构的。例如，在分析各种财务报告时，决定是否向金融客户发放贷款需要综合考虑法律纠纷、财务报表、股权结构和公司章程等多种因素。因此，目前人工智能最直接有效的应用场景之一就是处理这些多源异构的报告生成任务，如果依赖人工处理这些报告，不仅成本更高，而且质量也较低。金融行业处理这些报告的主要目的是为了识别和评估风险。当报告的质量不佳时，往往意味着风险增加，而高风险又可能导致不良贷款率上升。因此，提高报告处理的质量对于金融行业来说是至关重要的。（7）市场推广降本增效在基金产品推广和风险声誉管理中，金融从业者常面临数据抓取难、资讯数量少、内容生产慢、沟通效能低等问题。有连云公募基金商用AI大模型通过多重训练和强大的数据中台，打通了资讯生产的实时链路，实现7*24小时自动化生成各类型文本和智能改写，并能跨模态生成基金短视频，超越传统作业效率。（8）一键辅助产品销售近年来，境内ETF市场迅速发展，数量和规模持续增长。Wind数据显示，截至目前，国内ETF总份额增加4700亿份，达到1.94万亿份；总规模增加3200亿元，为1.98万亿元；新发行54只新ETF基金，总数量超过800只。麒麟金融场景商用AI大模型为公募基金、券商、银行等领域提供解决方案。它实时获取和解析ETF产品数据，生成产品分析、研报摘要、观点等关键信息，提升信息检索效率和AI批量生成资讯的能力。强大的生态连接渗透到数据、交易、搜索、新闻、视频和财经等端口，一键辅助投资者教育和价值投资理念呈现，并生成多维BI可视化报表，帮助基金公司快速分析和决策。（9）轻松驾驭声誉风险管理在声誉风险管理中，金融机构需要建立全流程管理体系。麒麟大模型强有力的数据反馈能力协助基金公司及时获取风险信息，迅速形成解决方案，提供从生成、使用到数据决策的闭环支持，释放对人的依赖和流程压力，助推基金公司声誉管理和价值呈现。有连云麒麟金融场景商用AI大模型以AI速度解决基金公司多场景需求，轻松驾驭需求痛点，在销售、市场和声誉管理过程中提供更科学、可靠和专业的链路，助力增益、降本和增效。 2、金融行业应用Gen AI的典型案例（1）AlphaSense推出生成式AI助手-AlphaSense 助手 AlphaSense是金融市场情报和搜索领域的领先平台，此前其推出了AlphaSense助手，这是一款创新的生成式AI聊天工具，旨在改变金融从业者从数百万商业和财务文档中提取行业洞察的方式。此外，AlphaSense还推出了企业智能服务，将其AI驱动的搜索、摘要和聊天功能安全地集成到客户专有的组织知识和AlphaSense广泛的内容库中。 AlphaSense助手由AlphaSense专为市场情报定制的大型语言模型（ASLLM）支持，基于AlphaSense的行业领先内容库，提供一个会话式聊天界面，大大提升了商业和金融专业人士的研究效率。用户可以轻松咨询特定领域的投资机会或竞争对手分析，并立即获得准确答案。这些答案还具备内置的可审计性，方便用户追溯到原始资料，进行上下文和验证的检查。（2）FeatureSpace 推出 TallierLTM™金融垂直大模型作为全球领先的企业级防欺诈技术供应商，FeatureSpace 推出了世界首个大型交易模型（LTM）- TallierLTM™。 TallierLTM™ 采用自我监督的预训练方法，对各司法管辖区和市场细分领域的交易行为进行了深入分析，使其能够真实反映现实世界中的消费者交易行为。与行业标准模型在典型的 5:1 误报率下运行相比，TallierLTM™ 在欺诈检测准确性方面提升高达 71%。通过分析数十亿笔交易，TallierLTM™ 具备揭示隐藏的交易模式并预测消费者行为的能力，可以为数据科学家提供区分合法与犯罪活动的关键洞察。金融机构可以通过嵌入 API 与 TallierLTM™ 交互，将交易历史转换为机器可读的特征向量，创建成独特的 "行为条形码"，全面代表消费者的交易行为，同时还能保护个人隐私。（3）Visa推出基于生成式AI的欺诈解决方案 Visa 基于生成式AI技术，于今年5月份面向美国金融机构推出账户攻击情报（VAAI）评分工具，以识别和防范金融交易中的枚举攻击（enumeration attacks）。该工具能够实时检测可疑活动，并为金融机构提供风险评分，帮助客户精准判断何时需要阻止交易，从而防止潜在的欺诈行为。该AI工具通过学习持卡人的交易习惯，能在四毫秒内自动评估交易风险，区分正常消费与异常行为，快速识别可能的攻击性交易。其经过超过 150 亿笔交易数据的训练，通过比对历史枚举攻击模式生成风险评分，预测交易是否属于枚举攻击。与现有的风险评估模型相比，VAAI 工具在减少误报方面显著进步，误报率降低了 85%。（4）澜码科技尽调报告Agent案例国内某银行推出一项普惠贷款服务，旨在为中小企业提供便捷的贷款服务，以支持实体经济的发展和创新。但在发放普惠贷款的过程中，银行难以全面了解借款企业信息状况和还款能力，尤其是面对缺乏完善财务记录的中小企业和个体工商户时。因此银行客户经理往往要花费大量时间收集和分析各类资料，对申请企业进行尽职调查，并撰写尽调报告，包括客户情况分析、财务数据分析、尽调审核分析等等。但是，银行一线客户经理的业务分析水平参差不齐，导致了尽职调查和尽调报告质量不一，同时，系统中的报告模版也往往比较僵化，无法直接使用，一线客户经理就要花费大量时间在报告撰写上。澜码基于该需求，为客户构建了一款基于大语言模型的尽调报告Agent，可以自动给出分析结论、生成报告，辅助一线银行客户经理的工作，不仅能够节省一线客户经理80%报告撰写的时间，还可以全面审核客户资料，帮助人工发现一些不易发觉的点或遗漏，减少错误率。 3、国内代表性AI金融服务商深擎科技深擎科技成立于2018年，是一家专注于为企业提供人工智能技术赋能的公司，尤其在自然语言处理、个性化推荐和大语言模型等领域具有卓越的研发能力。核心创始团队来自IBM中国AI实验室，曾参与Watson研发，具备优秀的技术和工程实力。公司利用AI与大数据分析技术，为券商和银行提供内容科技与智能营销产品，助力客户获取、活跃和交易转化。深耕金融行业，掌握增长场景的深度KnowHow，并以AI Agent为基座，打造行业刚需的应用产品体系。产品已实现PMF，覆盖了80%的大中型券商和50%的大型银行。企业优势：技术实力强：深擎的核心技术团队源自IBM人工智能实验室，技术底蕴深厚。深擎自主研发的金融行业预训练模型（L1），效果准确率评测，超国内多个千亿模型，接近GPT4。大模型在2B场景落地过程中，最重要是准确率，在客户关心的重要技术指标上深擎处于行业领先地位，譬如：Function call多场景复杂接口的识别准确率达93%以上，多轮语义准确率和召回率分别达到95%和90%以上，AIGC内容合格率超95%。深入业务与场景：深擎在发展过程中，吸引了一批来自甲方客户的业务专家，因此能够把技术、产品与客户业务做有效整合。通过场景设计，深度融入客户核心业务，实现可量化的业务价值。譬如，有多款自研AIGC内容产品规模化上线运行，嵌入客户核心营销流程，实现内容生产效率超100倍提升。数据丰富且高质量：经过多年积累，深擎在证券行业沉淀了大量行业数据与标注数据。并且通过产品在业务场景上的闭环，能够源源不断获得更多行业数据。这些关键数据都是深擎模型训练与产品迭代的重要保障。客户案例多且合作深：深擎已与多家国内前十大券商合作大模型项目落地，案例数量在行业内处于领先地位。客户多，意味着产品的有效迭代就快，而非脱离市场的闭门造车。头部客户代表着行业内最新的发展共识，代表着新质生产力。项目案例多，意味着遇到的实际问题多，踩的坑多，解决问题的办法就多，也更加合理。此外，深擎与多家头部券商在大模型落地过程中有深度合作，通过产品、数据、业务形成闭环迭代，能够让客户真正把产品使用起来，并不断根据用户反馈、数据反馈，迭代AI产品。甜新科技甜新科技成立于2016年，总部位于上海，是一家以AIGC和5G视频通信技术、行业大模型为核心的人工智能创新型高科技企业。由红杉中国、金沙江创业投资、同创伟业等投资。公司的产品包括VCRM系列产品，是基于Al+视频的营销解决方案，助力企业营销转化。致力于在视频营销科技领域，为行业客户提供以深度融合Al+视频为基础的场景化服务解决方案。公司主要服务的方向包括零售电商、新消费品牌、银行、保险、消费金融、游戏等行业。企业优势：多种客户触达方式：平台可提供目前市场上主流客户触达方式，包含：AI交互视频、视频通知，AI语音外呼、视频短信、文本短信等客户触达方式，可根据不同的客户触达目标选择及组合。提高用户参与度：通过互动视频，用户可以与数字人内容互动，相比传统视频内容，这种形式能极大地提升用户的参与度和兴趣，从而增加用户停留时间和参与深度。提升品牌影响力：首先，通过一段3分钟原视频，即可快速生成和金融机构代言人真人一模一样的数字人分身，五官、动作、表情、声音完全模仿本人，通过数字分身与客户进行视频对话，基于自然语言处理及大模型技术，可实现多轮对话和智能互动。互动视频能够以其新颖的形式和丰富的用户体验增强品牌形象，通过用户与视频内容的互动，可以增加品牌的曝光度和记忆度。千人千面的客户服务：利用AI技术，基于用户的行为和偏好提供个性化的视频内容推荐，实现真正意义上的“以用户为中心”。这种个性化的体验可以有效提升用户满意度和忠诚度。效率提升：外呼营销平台能自动分析用户数据和互动结果，沉淀数据、为营销人员提供数据支持，帮助其快速调整营销策略，提高营销转化效果。基于AIGC的内容生产：外呼营销平台能可以根据客户的需求和偏好生成个性化的营销内容，如：使用不同的数字人形象，数字人复刻、声音复刻，同时，为了提高客户参与度和转化率可以快速生成大量营销内容，减少人工编辑时间和成本，满足金融行业的快速变化和更新需求。澜码科技澜码科技是一家基于大语言模型的企业级AI Agent平台公司，核心团队成员来自Google、IBM、腾讯、字节、阿里、依图等国内外知名互联网和AI公司。澜码科技率先填补了国内大模型中间层的空白，是国内探索大语言模型应用落地和AI Agent的先行者。基于底层大语言模型，澜码科技自主研发了能够连接人和系统的企业级Agent平台“AskXBOT”，助力企业构建基于专家知识的超级自动化，从而提升业务质量和效率。澜码科技已完成来自IDG资本、联新资本、Atom Capital参与的数千万A轮投资，并与多家上市公司和独角兽企业达成战略合作。企业优势： “模型中立”优势：目前大语言模型厂商在发布模型时仅定义了参数，未对模型的具体特性参数（FeatureList）进行定义，这就意味着企业用户在落地应用大语言模型时往往面临盲人摸象的困境，难以准确评估模型在特定应用场景中的适用性和效率，以及难以根据自身需求高性价比的选择、调整和优化模型，这需要基于经验和实际情况不断进行匹配和调试。作为模型中立厂商，澜码科技在过去一年多的大语言模型应用实践中，积累了大量实战场景下Agent原子能力的表现数据，因此更加了解在不同场景下的模型的表现和效果。专家知识是AI Agent 得以在企业落地的关键：专家知识的高度决定了AI Agent能够提供的价值高度，数据会帮助专家快速迭代专家知识，从而提高AI Agent的通用性。大语言模型缺乏企业特定领域知识，解决不了实际业务问题，如同一位名校毕业的高材生，由于缺乏实践经验而难以胜任具体的业务任务；此外，大语言模型对于自身能力边界的认知模糊，导致在面对超出自身能力范畴的问题时，仍试图依靠自身理解给出答案，结果往往南辕北辙，这就是常说的“模型幻觉”。因此，在企业级应用场景下，专家知识对大语言模型落地至关重要，可以说专家知识决定了AI Agent的天花板。在澜码AskXBOT平台，可以沉淀专家的知识和行业经验，构建企业知识库，促进知识共享与传承。基于此，Agent辅助知识治理，配合专家知识数字化沉淀；专家知识赋能Agent与工作流，形成良性闭环。针对办公，特别是金融、财务的办公场景的成熟技能的封装能力。和企业已有组织、权限、基础设施的集成。有连云有连云成立于2015年，是国内领先的金融AI应用服务商。旗下的“麒麟AI大模型”通过智能创作、推荐和推送，赋能金融机构及上市公司，帮助客户在市场推广、产品销售和声誉管理等场景中实现增益降本。公司专注于金融数字化转型的痛点，推进大模型的垂直应用，结合庞大的金融专业语料库，集成自然语言处理、OCR和多模态技术，实现各类事件指标的准确、实时、智能化获取，满足自定义和配置需求。企业优势强大的技术基础：有连云的“麒麟AI大模型”通过智能创作、推荐和推送，赋能金融机构及上市公司，帮助客户在市场推广、产品销售和声誉管理等场景中实现增益降本。精准的数据处理：麒麟大模型能够实时获取和解析ETF产品层面的数据，生成产品分析、研报摘要和观点，提升信息检索效率和AI批量生成资讯，解决基金公司在产品营销中的难点。广泛的生态连接：强大的生态连接可渗透到数据、交易、搜索、新闻、视频和财经等投资者聚集地，一键辅助投资者教育和价值投资理念呈现，并生成多维BI可视化报表，帮助基金公司快速分析和决策。全面的合规保障：在上市公司声誉管理和投资者关系管理领域，麒麟大模型通过智能创作、智能标签和可视化报表服务，保障资讯的真实合规，并实时跟踪推送状态，提供强有力的商业决策支持。行业认可：有连云已获得国家互联网信息办公室的3项深度合成算法备案，入选中国信通院《2023大模型和AIGC产业图谱》，并获得数字化软件产品能力DSSC优秀级认证，成为中国信通院《数字化软件产品及服务能力体系规范》编制单位，参与行业标准制订。金融行业落地Gen AI的关键能力尽管在金融行业落地Gen AI 会面临数据隐私和安全、技术和资源门槛、模型解释性和透明度，以及监管合规等挑战，但落地难度相较于传统AI项目，难度会更低，实施路径也更直接。甜新科技认为金融行业落地Gen AI需要跨越以下7个维度的关键能力： 1. 明确转型目标和战略：金融机构首先需要明确自身的数字化转型目标和战略，确定AI技术在其中的角色和定位。一个有效的Gen AI规模化落地战略，必须包含以下关键因素：高层领导层的愿景、一致性和承诺，以及业务单元级对交付结果的责任、清晰的应用场景和目标、全面的运营计划。 2. 选准应用场景：在明确转型目标后，金融机构需要选准AI技术的应用场景。这些场景应该是业务流程中的痛点或价值创造的潜在领域。例如，AI技术可以用于风险评估、信贷审批、智能投顾、客户服务等方面。 3. 数据和技术的积累：金融机构需要积累大量的数据和相关的技术能力。数据是AI技术的基础，而技术能力则决定了金融机构在AI领域的竞争力。这包括建设数据仓库、数据挖掘、机器学习、深度学习等技术能力。在部署大模型的时候，金融企业获机构需要与自身现有的系统、工作流程、企业应用程序和数据源集成。这是一个关键且复杂的任务。麦肯锡认为，有效的集成和模型维护将依赖于多个架构组件：上下文管理和缓存、策略管理、模型中心、提示库、MLOps平台、风险管理引擎、大型语言模型（LLM）运营等。（深擎科技采访供图）数据质量至关重要，尤其是在通用人工智能领域。面对海量且非结构化的数据集，确保输出答案的质量变得更加具有挑战性。领先的金融机构正借助优质人才和自动化技术，在数据生命周期的关键环节进行精准干预，以保证数据的高标准质量。同时，数据领域的领导者需要深入考虑新技术带来的安全风险，并随时准备根据法规的变化迅速采取行动。 4. 构建高效的组织架构：为了推动AI项目的顺利实施，金融机构需要构建高效的组织架构。这包括设立专门的AI团队、明确职责和分工、以及与业务部门的紧密合作。要优化组织架构之前，金融机构必须思考当前的架构为何难以无缝集成AI创新能力。成功落地AI的金融机构，并不是鼓励落地相关计划，而是通过为现有团队配备所需的资源，并积极拥抱通用人工智能所需的技能、人才和流程来实现相关目标。 5. 注重人才培养和合作：金融机构需要培养一批既懂金融业务又懂AI技术的复合型人才。还需要定期评估自己的人才招聘策略，以适应不断变化的优先事项。清晰的职业发展和晋升机会——以及有意义和价值的工作——对普通的技术从业者来说非常重要。此外，与AI领域的领先企业或研究机构合作，可以加快技术进步和创新。 6. 强化合规和安全风险管理：金融机构在实施人工智能技术时，必须确保其操作的合规性和安全性。这不仅包括遵守相关的法律法规，还涉及到保护客户隐私、预防欺诈和洗钱等风险。在引入大型模型和生成式人工智能之前，金融机构通常需要对其风险管理和模型治理框架进行重新设计，并根据需要开发新的控制机制。模型的可解释性和决策的公正性是关键问题，必须在推广任何生成式AI应用之前得到全面而深入的解决。通过这种方式，金融机构可以在确保技术优势的同时，维护其业务的合规性和安全性。 7. 持续优化和创新： AI技术是不断发展的，金融机构需要在实践中持续优化和创新。这包括收集反馈、改进算法、探索新的应用场景等。金融行业落地Gen AI的挑战尽管大模型和Gen AI能为金融行业带来巨大价值，但囿于要被高度监管的属性，金融行业在落地大模型和生成式AI要面临比其他行业更严峻的诸多挑战。以下是最关键的三大问题： 1、确保数据质量和安全性对于金融企业而言，获取高质量、具有代表性的数据分析来训练人工智能模型是实现技术优势的关键所在。AI模型的性能和准确性在很大程度上取决于训练数据的质量，因此，金融机构必须实施严格的数据治理流程，以确保数据的准确性和可靠性。许多银行拥有一个庞大而复杂的数据架构，这些架构往往跨越了数十年，涉及多种大型机系统。将这些分散的数据整合并准备用于人工智能项目是一项艰巨的任务，需要投入大量的资源和努力。同时，金融企业还必须严格遵守数据保护法规，确保敏感的客户数据得到妥善的匿名化处理和安全保护。这不仅涉及到技术层面的挑战，也考验着企业在数据隐私和合规性方面的责任和担当。 2、符合金融法规金融领域对人工智能系统的应用必须严格遵守一系列法规，且涉及信贷审批、交易监控等多个业务环节。合规性要求金融机构必须对相关信息记录详尽并始终维护模型的透明度，这无疑增加了管理的难度和成本。同时，金融机构还需定期对AI系统进行性能监控，确保没有偏差，并妥善处理可能出现的意外结果。此外，AI技术在金融领域的应用涉及到对海量数据的处理和分析，这不仅要求金融机构拥有强大的存储和计算资源，也带来了对基础设施的挑战。尽管云计算提供了灵活的解决方案，但数据安全和地区法规的限制常常成为其广泛应用的障碍。同时，将先进的AI工具与金融机构现有的IT系统无缝集成，也是一个需要克服的技术难题。 3、道德考量和偏见人工智能在金融领域的整合引发了重要的道德考量，特别是在偏见和公正性方面。人工智能系统可能会无意中延续甚至加剧训练数据中存在的偏见。例如，如果历史贷款数据对某些特定人群存在偏见，那么基于这些数据训练的人工智能模型可能会继续使这些群体处于不利地位。此外，快速变化的监管环境对金融机构提出了更高要求。随着法律和道德对AI的期望不断演变，金融机构需要不断适应新的监管政策，并保持系统的灵活性以应对这些变化。人工智能在金融领域的未来尽管生成式人工智能是目前各行各业的流行词，但如何将该技术付诸实践的最佳方式仍然尚未确定。澜码科技CEO周健指出，目前金融行业面临的主要挑战是大型模型的准确度尚未达到令人满意的标准，以及还未找到将特定场景与相应的技术进行有效匹配的路径。整个行业面临的核心难题在于如何精心选择或开发出适合的大模型和解决方案，然后确保它们在特定应用场景中的表现能够超越人类，这也是最具挑战性的部分。此外，在认知层面，一个普遍的误区是人们常常被所谓的“理想路径”所误导，认为大语言模型能够应对所有任务。然而，在实际操作中，可能由于业务人员对专业知识掌握不够精确导致无法完成相应任务。在这种情况下，我们需要通过更高效的人机交互方式，使业务人员能够明确地表达他们的需求，以便在业务流程中实现端到端的有效支持。另一个常见的误区是，人们期望用户去适应技术，而不是让技术去适应用户。如果整个行业能够在技术适应用户交互方式和需求理解方面做出创新和改进，就可能充分发挥大型模型的潜力。但目前，这一领域的探索还相对较少。金融行业落地大模型和生成式AI不仅需要技术上的升级，还需要进行企业文化的转型，以接纳创新，这将是一个漫长且充满挑战的过程。参考资料： https://www.mckinsey.com/industries/financial-services/our-insights/scaling-gen-ai-in-banking-choosing-the-best-operating-model https://www.datacamp.com/blog/ai-in-finance https://usa.visa.com/about-visa/newsroom/press-releases.releaseId.20661.html 作者：qiuping 来源：非凡产研以上内容与数据，与界面有连云频道立场无关，不构成投资建议。据此操作，风险自担。

有连云2024-07-23

未来3个月山寨币表现如何？

CC 会议上，Maple 宣布对其“以零售为重点”的产品 Syrup 增加 50% 的积分存款，只需将资产重新存入现有的 Maple 池子中——主要是其回报率最高的高收益担保贷款池。积分奖励来自提案 MIP-009 中批准的 23% 代币通胀，预计将持续下去。可能在今年当 MPL 转换为代币时，接收者能够将其积分转换为未知数量的 SYRUP。其他板块 BNB 观点：看跌理由：生态疲软，在美国开展部分业务不足以支撑上涨势态预测时间段： 2024 年 7 月 19 日至 2024 年 10 月 19 日预测时币价： 593.54 美元预测至今币价表现：下跌 1% BNB因为 Binance US 获得法院授权批准投资美国国债的消息而上涨，并且自 6 月以来 BNB Chain 链上指标不断下降，缺少使其生态系统持续发展的动力。 7 月 19 日，负责 SEC 诉币安案的法院批准管理 Binance US 的 BAM 管理实体将托管在 BitGo 的企业资产和客户法定资金投资于 1 个月期的美国国债，但前提是没有第三方（包括其他币安实体）参与投资，并且 Binance US 维持足够的储备来兑现法定提款。虽然通过交易所账户赚取收益的潜力可能会吸引用户使用 Binance US，然后他们可能会被诱惑购买 BNB，但考虑到 Coinbase 已经提供 USDC 收益计划，尚不清楚这一功能是否会吸引加密交易者。 MNT 观点：中立理由：虽然竞争优势明显，但L2赛道整体压力巨大预测时间段： 2024 年 7 月 18 日至 2024 年 10 月 18 日预测时币价： 0.85 美元预测至今币价表现：上涨 2.85% 我对MNT的后续表现保持中立，虽然 Mantle 有能力与其他 L2 竞争，但行业普遍面临着供应增加带来的估值阻力，Mantle 将需要稀释其代币以实施激励计划。在 2024 年，MNT 一直是表现最佳的 L2 代币，其表现比 MATIC、ARB 和 OP 等主要竞争对手高出 100% 以上，并且成为分析时年初至今与 ETH 表现基本持平的少数加密货币之一。与其他 L2 不同，Mantle Network 的独特之处在于它使用 MNT 作为 gas 支付、相对高于竞争对手的流动性和巨额的 25 亿美元流动资金。尽管 MNT 具有优势，但 L2普遍的都面临着来自持续代币解锁和新代币创建的巨大压力。此外，自 6 月以来 Mantle 生态系统活动减少，随着用户退出生态系统，代币可能会出现反身性，而 Mantle 国库 90% 是 MNT，这意味着当将代币作为激励空投发放时时，会产生抛售压力。 ENS 观点：看跌理由：代币炒作过高，实际应用未增长预测时间段： 2024 年 7 月 11 日至 2024 年 10 月 11 日预测时币价： 26.07 美元预测至今币价表现：下跌 3.72% 我认为 ENS 的估值比以往任何时候都要高，而且其缺乏增长将很快推动价格与基本面保持一致。在做出分析时，ENS 较 5 月份的底部上涨了 90% ，原因可能是 ETH 现货 ETF 可能会获得 SEC 批准。尽管代币价格飙升，但在此期间实际 ENS 使用量急剧下降；7 月 1 日的每周费用跌至仅 19.2 万美元，为 2021 年 7 月以来的最低水平。将 ENS 作为以太坊上高 beta 收益的猜测已将其代币价格推高至费用的 243 倍，创下有记录以来的最高水平，但不幸的是，维持价格上涨所需的增长未能实现。如果 ENS 的定价与去年 8 月的倍数相同，则代币的交易价格应该为 3.46 美元，比历史低点低 50% ，比分析低 85% 。来源：金色财经

金色财经2024-07-23

日本央行加息声音浮现日币或扭转贬值格局

心今年上半年美国经济走势不稳，但最近的零售销售和工业生产数据鼓舞了该机构。高盛现在预计美国第二季度GDP同比增长2.3%。如果美国第二季度GDP好于预期，将会刺激美元指数走强，为美元兑日币的回调带来支撑。美元兑日币分析来源：Mitrade 美元兑日币走势技术面上，美元兑日币上周先跌后反弹，本周初则继续回落，短线走势有所转弱。日K线图中，美元兑日币跌破了上行通道的下轨线，日线图中5日及10日均线掉头向下，KD指标中，双线进行50下方，并且双线维持向下运行，显示市场主动卖盘力量正在增强。美元兑日币短线空头气氛转浓，后市可能会呈现震荡下行，下方支撑位在154.50一线位置。美元兑日币上行的初步阻力位于157.50，进一步阻力位159.00，关键阻力位于160.00；美元兑日币下行的初步支撑位于154.50，进一步支撑位于153.50，更关键支撑位153.00。原文链接

投资慧眼2024-07-23

民生证券：给予伟星新材买入评级

房时代复购率逻辑较强的建材品种；②深耕零售，推进“同心圆”“大系统”战略，家居客单值、品牌力加速提升。我们预测公司2024-2026年归母净利为14.5、15.9、17.8亿元，现价对应PE为16、14、13倍，维持“推荐”评级。　　风险提示：原材料价格波动、竞争加剧的风险；新业务拓展不及预期。证券之星数据中心根据近三年发布的研报数据计算，东吴证券房大磊研究员团队对该股研究较为深入，近三年预测准确度均值高达86.21%，其预测2024年度归属净利润为盈利14.88亿，根据现价换算的预测PE为15.57。最新盈利预测明细如下：该股最近90天内共有21家机构给出评级，买入评级17家，增持评级4家；过去90天内机构目标均价为20.54。以上内容由证券之星根据公开信息整理，由算法生成（网信算备310104345710301240019号），与本站立场无关，如数据存在问题请联系我们。本文为数据整理，不对您构成任何投资建议，投资有风险，请谨慎决策。

证券之星2024-07-23

山寨季即将来临？为什么我仍然看好加密货币

始人可以为其项目的成功做出巨大贡献。零售业喜欢投资拥有强大领袖的项目。从长远来看，大多数有邪教领袖的项目都不会表现良好 - 但在牛市结束之前，你可以通过押注这些项目赚取巨额资金。创新产品没有必要进行新的 Uniswap 分叉。实现这一目标的最好机会是押注那些不断突破界限的创新项目，而不是仅仅复制粘贴竞争对手的项目。这并不意味着他们必须构建一些全新的东西。但理想情况下，你希望押注的项目是，其产品比竞争对手好 10 倍，而且发货速度也快得多。我想到的一个好例子就是Pendle。 Pendle 是第一个支持空投点交易的收益交易协议，它通过首次实现这一功能获得了巨大的收益。事实上，其团队不断宣布与流行协议的整合，帮助 Pendle 保持了最大的收益交易协议地位。与 web2 和/或 web3 巨头的合作散户投资者喜欢看到他们的项目宣布与其他大型 web3 项目或非常受欢迎的 web2 公司合作。 Polygon、Solana 和 Terra Luna 通过这样做吸引了大量关注。在牛市期间，合作伙伴关系公告可能会引发一些大规模的代币上涨。代币实用性良好且代币排放量低 SOL、MATIC、FTM 和 LUNA 均用于支付 gas 费和保护区块链网络，而 SPELL 则采用收益分享模式。像 UNI 这样的简单治理代币在 2021 年牛市的前半段也表现良好。不过，我相信这一周期中表现优异的大多数代币不会是简单的治理代币，而且还会具有一些额外的效用。以下是一些潜在代币用例的示例：费用折扣收入分成支付网络费用回购和销毁机制增加协议用户的奖励访问独家产品（例如访问 web3 启动板） Memecoin 显然是这个规则的一个例外，即使没有任何实用性，它们也能表现得很好。但除了 memecoin 之外，我一般不会购买没有任何实用性的货币。检查归属时间表也很重要。你不会想购买流通量在未来 365 天内增加 300% 以上的代币。重大代币解锁可能会显著影响代币的价格，今年已经发生过多次。您可以使用Token Unlocks之类的工具来监控即将解锁的代币以及 100 多种代币的归属时间表。代币总供应量的很大一部分已经流通，这是一件好事。即将出现的主要催化剂以下是一些可以对代币价格产生积极影响的催化剂的例子：重大协议升级代币经济学升级大型 CEX 上的代币上市新产品的发布筹款公告重大合作伙伴关系公告催化剂可以显著提高代币的价格表现，这就是为什么我通常只投资那些在不久的将来具有巨大催化剂的项目。我经常问自己一个问题：为什么有人会购买与我相同但价格更高的代币？如果我找不到至少一个很好的理由，我就不会再购买该代币。坚定的信念才是真正能让你致富的赌注。我这个周期的计划是持有最多 10 枚符合上述标准的硬币。如果你知道自己在做什么，过度分散投资是不值得的。空投：它们还值得耕种吗？最近几次大肆宣传的空投让很多人感到失望。 LayerZero 就是一个最近的例子。随着空投农业在过去几年中越来越受欢迎，许多空投机会现在被高度稀释，尤其是由于工业农民的出现。因此，如今大多数空投都是线性分布的，不再基于层级系统（如 Jito），以避免奖励工业农民。空投的线性分布是坏事吗？问题在于，鲸鱼是从线性分布的空投中获益最多的人，这对于资本较少的用户来说并不是好事。现在通过空投将 1000 美元变成 50000 美元几乎是不可能的。但我相信你仍然可以通过正确的方式赚到一些钱。我在无代币协议中寻找的主要标准如下：强大的社区——X 上的项目社区越活跃，其代币的估值就越高已从风险投资公司筹集资金——其团队筹集的资金越多，该协议代币在发布时的估值就可能越高与其他无代币项目相比，TVL/总募集资金比率较低- 该比率越低越好，因为高比率可能表明某个空投机会被过度耕种 Polymarket 是一个具有出色 TVL / 总筹集资金比率的协议的绝佳示例。理想情况下，人们之所以使用协议的空投，是因为他们认为这些协议确实有用，而不是仅仅为了空投耕种目的。每一次牛市都会创造新一代的百万富翁。但数据显示，90% 以上的人最终因为贪婪而将大部分利润返还给市场。这就是为什么你需要一个现实的退出计划。对于长期仓位，我主要根据基本触发因素来获利。每当我开始看到多个在之前的周期中表明顶部的顶部信号时，我就会开始使用反向美元成本平均策略进行销售。反向美元成本平均法与美元成本平均法相反，它涉及在固定的时间间隔内出售相同数量的代币。我关注的一些好的顶级信号： Jim Cramer 一直在大力推销加密货币 Coinbase 成为 App Store 上排名第一的应用程序您的朋友和家人开始谈论加密货币一些名人开始发行自己的货币人们在你的 X 时间线上炫耀劳力士和豪车无用项目筹集数千万美元资金财经 YouTuber 开始频繁谈论加密货币谷歌“加密货币”搜索流量猛增，创下新高提供 5 位数 APY 奖励的庞氏农场正在吸引数十亿美元的 TVL 到目前为止，我们看到的唯一顶级信号是名人推出 memecoin。这让我觉得我们还处于早期阶段。当 BTC 或您的山寨币达到特定价格水平时获利也是一种有效的策略。但我认为，确定合适的价格水平并确定何时卖出才是明智之举要困难得多。结束语我总是尽量保持现实，因此我的想法如下：在这个牛市中取得成功可能比在过去的周期中取得成功要困难得多。原因之一是加密代币的数量猛增。来源：金色财经

金色财经2024-07-23

8月加密货币牛市来临10大原因　最值得购买的加密货币有哪些？

Xs）上的交易成本较高，一定程度上阻碍零售投资者参与，导致价格波动较大。 Pepe Unchained的Layer-2链解决了这一问题。低交易费用和高额质押奖励可能会使其在聪明的交易者和零售投资者中极受欢迎，这在其预售中已经得到了证明。目前，Pepe Unchained的质押池提供了超过400%的回报率，远高于行业标准的5-7%。访问 Pepe Unchained 结论：加密货币市场的多重利好因素正在积聚，形成一股强大的推动力量。无论是机构投资者的涌入、监管环境的改善，还是技术创新和全球经济的不确定性，都在为即将到来的牛市奠定基础。投资者应密切关注这些动态，抓住潜在的投资机会，迎接加密货币市场的新一轮繁荣。

Business2Community2024-07-23

比特币迈向7万美元牛市观点详解　目前最佳加密货币ICO预售

Xs）上的交易成本较高，一定程度上阻碍零售投资者参与，导致价格波动较大。 Pepe Unchained的Layer-2链解决了这一问题。低交易费用和高额质押奖励可能会使其在聪明的交易者和零售投资者中极受欢迎，这在其预售中已经得到了证明。目前，Pepe Unchained的质押池提供了超过400%的回报率，远高于行业标准的5-7%。访问 Pepe Unchained 结论：对于投资者而言，应该保持理性和谨慎。虽然加密货币具备巨大的增值潜力，但其市场风险同样不容忽视。市场前景仍然充满机遇与挑战。投资者应该在充分了解市场风险的基础上，抓住潜在的投资机会，以获得更好的投资回报。

Business2Community2024-07-23

特朗普贸易让投资者抢购垃圾债和工业债券

望收益的保险公司采取新策略。私人信贷在零售客户募资方面面临压力。多家机构提供债务支持相关交易。德国债券市场对非德公司开放。人事变动艾略特投资管理公司、美国银行、德意志银行、Siebert Williams Shank & Co.、Chorus Capital Management Ltd.、蒙特利尔银行、Aptior Capital 等公司有人事变动。来源：今日美股网

今日美股网2024-07-23

下半年美股市场：变化与挑战

临严苛检验。美联储降息预期美国6月零售月率环比持平好于预期，但经济仍有放缓风险。美联储官员暗示降息，市场预期9月降息并全年降息近65个基点。专家认为若PCE数据好，美联储将讨论政策转向，但仍取决于经济数据，预计下半年经济可持续增长不衰退。科技板块利空科技股低迷致纳指和标普500指数单周跌幅大，科技板块重挫，芯片公司回调，通信和非必需消费品板块下跌，政治因素和财报季受关注被认为是抛售原因。资金流向与机构观点上周美股基金净流入创新高，小盘基金也表现出色，银行乐观业绩提振风险偏好。嘉信理财认为波动因技术面、政治不确定性等，未来PCE和科技巨头财报关键，科技板块不确定性致波动风险未释放完。来源：今日美股网

今日美股网2024-07-23

拜登退出大选，美元和亚洲股市下跌：市场综述

港CPI、台湾失业率和出口订单、墨西哥零售销售、以色列总理访美、欧盟外长会议、新加坡CPI、印度预算、土耳其利率决定、欧元区消费者信心、Alphabet和特斯拉等公司财报、马来西亚和南非CPI、欧元区采购经理人指数、英国采购经理人指数、加拿大利率决定、IBM和德意志银行财报、欧洲央行副行长讲话、香港贸易数据、韩国GDP、美国GDP和初请失业金人数等。市场主要变动股市方面，标普500期货上涨0.3%，日本东证指数下跌0.8%，澳大利亚S&P/ASX 200指数下跌0.7%，欧元斯托克50期货下跌1.1%。货币方面，彭博美元现货指数下跌0.2%，欧元兑美元上涨0.1%至1.0894，日元兑美元几乎不变，离岸人民币兑美元几乎不变。加密货币方面，比特币上涨0.7%至68229.85美元，以太币上涨1.1%至3537.95美元。债券方面，10年期美债收益率下降2个基点至4.22%，澳大利亚10年期国债收益率上升3个基点至4.32%。商品方面，西德克萨斯中质原油上涨0.5%至每桶80.55美元，现货黄金上涨0.3%至每盎司2409.20美元。来源：今日美股网

今日美股网2024-07-23

24小时热点