FX168财经网_全球视野外汇黄金加密货币NFT资讯网

一周复盘 | 荣科科技本周累计上涨1.07%，互联网服务板块上涨0.85%

投资者在投资者互动平台提问：请问公司的AI产品例如边缘计算盒在数字城市中,有智慧交通方面的应用么？。荣科科技（300290.SZ）7月22日在投资者互动平台表示，荣科科技的下属子公司，智维云主要致力于智慧城市的应用和服务。公司的边缘计算盒主要用于视频的智能监控和数据分析，可以用于医院，智慧城市等应用领域。智慧交通从行业领域上来说，隶属于智慧城市服务。荣科科技：公司以医疗信息化、智慧城市为主业目前暂未涉及税务数字化业务有投资者在投资者互动平台提问：董秘您好，请问荣科的业务中是否涉及税务数字化业务，谢谢。荣科科技（300290.SZ）7月22日在投资者互动平台表示，公司以医疗信息化、智慧城市为主业，目前暂未涉及税务数字化业务。【同行业公司股价表现——互联网服务】代码名称最新价周涨跌幅 10日涨跌幅月涨跌幅 300059 东方财富 10.52元 -1.68% 1.54% -0.38% 000938 紫光股份 22.74元 -7.56% 3.84% 1.74% 002232 启明信息 19.48元 41.67% 47.02% 47.80% 300418 昆仑万维 29.16元 -5.17% -1.19% -9.55% 300290 荣科科技 10.41元 1.07% 0.77% 11.82%

金融界2024-07-28

解密去中心化AI云平台OORT .如何打造公平透明的开发环境？

更加包容，并通过每个人的积极参与建立对AI产品的信任。图1. 中心化AI ｜所有阶段都由完全由科技巨头控制，对于公众来说，这些阶段是完全不公开透明的。中心化AI（CeAI）如何运作首先，让我们探讨中心化AI的运作方式。像OpenAI和Google这样的公司使用他们自己的数据中心，以中心化的方式开发并运行其AI系统，整个流程不对外公开。用户不知道AI开发的各个阶段如何进行，也不知道数据是如何用于模型训练的。图2. 去中心化AI | 每个阶段都由社区贡献，全部流程公开透明去中心化AI（DeAI）如何运作相比之下，OORT利用区块链技术重新定义了AI开发的每个阶段，如图2所示。数据收集世界各地的任何人都可以使用个人电脑或智能手机分享数据，并获得奖励。数据预处理用户可以使用智能手机和电脑来帮助预处理数据，例如为AI项目进行数据标注。处理完成后，数据会被更新到OORT去中心化云平台，处理后的数据集的“哈希值”将被存储在区块链上。数据模型设计社区成员共同创建AI模型，任何人都可以使用并在此基础上进行创新，从而使创新变得更加容易和大众化。模型训练和微调 AI工程师能够以比AWS或Google Cloud等服务更低的成本，连接到未被充分利用的全球计算网络。更重要的是，训练过程中的时间戳和使用的数据集都会记录在我们的区块链上，从而增强了透明度和责任感。模型部署与依赖于AWS等大型服务器来部署AI模型不同，AI应用和软件开发者现在可以直接在他们的设备（如智能手机和电脑）上部署模型。这使其能够离线使用AI应用程序，确保个人数据安全且不会传输给第三方。通过利用家用设备，用户可以随时随地享受AI工具的灵活性和便利性。 OORT的产品 OORT旨在帮助开发者以透明、去中心化和值得信赖的方式构建AI。与其他封闭式开发的AI系统不同，OORT的产品鼓励社区的参与。这意味着，用户不再只是旁观者，而是可以积极参与到推动AI技术进步的过程中。我们旨在实现人工智能的民主化和多样化。截止到2024年6月，OORT已经服务全球超1万企业及个人客户，其中包括Dell，联想打印，Binance Smart Chain等。 OORT Datahub 为AI项目提供数据集，数据由来自全球的OORT社区提供并进行预处理。产品中集成的区块链技术确保每一步操作都有明确和永久的记录。 OORT Storage 集成希捷、腾讯云等全球存储服务器，提供堪比亚马逊AWS S3性能的去中心化对象存储解决方案，节省成本高达60%。 OORT Compute 整合并利用来自全球的GPU，为AI模型训练和推理提供更好的成本效益。预计2024年推出。 OORT的去中心化物理基础设施 (DePin) OORT的去中心化基础设施是其产品的底层基础。OORT的DePin网络主要由两个主要部分组成：提供存储和计算能力的分布在世界各地的物理设备节点，以及链接这些设备并通过协议来确保这些节点安全可靠运行的OORT主网 (Olympus协议)。 OORT的三类物理节点 OORT的DePin网络由三种类型的物理节点组成：超级节点：来自OORT合作伙伴的Seagate和腾讯云等公司的服务器。它们负责训练AI模型和存储大量数据等任务。归档节点：来自Filecoin和Arweave网络的节点，负责冷数据存储。它们主要用于备份AI数据集。边缘节点：用户拥有的个人设备，如专为OORT定制的“Deimos”边缘设备、笔记本电脑和PC。它们负责本地数据存储、数据预处理以及运行AI模型以快速做出决策。 Olympus协议（主网） Olympus协议是OORT开发的一种区块链公链协议，任何有兴趣的组织或个人都可以使用。该协议的技术细节和性能描述可以在黄皮书中找到。Olympus 使用一种叫做“诚实证明”（PoH）的受美国专利保护的共识算法，将OORT DePin网络中的来自全球的节点连接起来。这种算法确保所有节点诚实透明地完成其被分配的任务，并以分布式方式动态优化和使用网络资源。代币经济学 OORT有其协议网络原生的功能性代币。该代币用于用户产品支付、质押以获得奖励，并让社区成员能够参与项目决策。支付OORT产品：用户可以通过信用卡使用法定货币支付来使用OORT产品。然而，使用OORT代币支付购买将享有额外折扣。质押：目前用户有两种方式可以质押OORT代币可以将代币放入质押池中来获得质押奖励，其包括DeFi、OORT Earn和DEX流动性质押池等。可以通过绑定池（例如，OORT Boost）http://oortboost.xyz/将代币委托给节点提供者，节点提供者将其用于网络节点的抵押。您将从节点提供者那里获得一部分挖矿奖励。治理：OORT鼓励社区成员提出建议并做出对项目有益的决策，如产品费用设定或社区规则制定等。具体而言，如果用户想提出某项建议，需要存入特定数量的代币，提案通过后将返还这些代币；否则，该代币将分配给支持OORT网络的节点提供者。 OORT在去中心化AI领域的竞争优势在去中心化AI领域，各个赛道竞争激烈，如AI数据管理、AI模型训练和AI算法开发。是什么使OORT能够脱颖而出？ OORT为AI项目开发提供了一站式的民主化平台，任何AI开发者都可以在这里找到AI应用开发全周期所需的一切资源，并且专注于AI开发流程的低成本和透明度。 OORT的三个产品无缝协作，以实现最佳的AI开发成果和企业级性能体验。投资人与团队截至2024年1月，OORT获得总投资1000万美金，机构投资者有Taisu Ventures（即Emurgo - Cardano Venture Arm）、Red Beard Ventures（A16Z和Animoca Brands资助的基金）、Angelist、Trinity Venture Capital、Linkvc和Waterdrip Capital，以及来自JP Morgan、哥伦比亚大学、康奈尔大学，Ausum Ventures和ISKER Group等机构的个人投资者。OORT还获得了微软和谷歌的资助。 OORT总部位于美国，其核心成员来自世界知名的机构，如哥伦比亚大学、Qualcomm、AT&T、JP Morgan等。 40+渠道·生态·客户：BNB Chain-BNB Greenfield (币安)、DEII(戴尔)、Lenovo Image(联想图像)、Tencent(腾讯)、Alibaba Cloud（阿里）、Seagate(希捷)、Akamai（阿卡迈)、 Neo、IoTeX、Mind Network、Storj、Space and Time、Poolz Finance、OORT SWAP、iPolloverse、Grown、Crust、Sinso、PoP Planet、Parallell、Revolution NFT、Coresky NFT、Mises、Appsco、NumenCyber、SPEARHEAD、Layerr、Uverse、Y0 NFT、ThreeFold、IOV Labs、blue world、Crypto Legacy、Supermoon Camp、Walken、Clocr、Midas、 iCrypto World、Verida、404DAO、Midasreless、Supermoon Camp、1024bank、etc 、FilSwan、AFRICA2.0（非洲2.0）、Ivy League（常春藤盟校）、Together Labs、Finstreet等已登录交易所：Gate、Bitget、MEXC、KuCoin、BingX、Bitmart、Pionex、HiBT、SuperEx、Hotcoin、CoinEx、Pancake Swap、LiquidCrypto-Swap（DEX ）、oortswap（DEX）等！来源：金色财经

金色财经2024-07-27

摩根大通推出内部聊天机器人作为人工智能研究分析师

摩根大通已开始推出一款生成式人工智能（AI）产品，并告知员工其自身版本的 OpenAI 的 ChatGPT 可以完成研究分析师的工作。产品具体情况报道称，这家美国最大的银行已让其资产和财富管理部门的员工使用一个名为 LLM Suite 的大型语言模型，该模型帮助他们进行写作、创意生成和文件总结，该报道援引了英国《金融时报》看到的一份内部备忘录。推广进度报道还援引知情人士的话说，摩根大通在今年早些时候开始向银行的部分地区引入 LLM Suite，现在约有 50000 名员工可以使用它。竞争对手情况其竞争对手美国投资银行摩根士丹利去年 9 月与 OpenAI 合作推出了一款由 GenAI 驱动的聊天机器人，为财务顾问提供快速访问摩根士丹利所有智力资本的途径。来源：今日美股网

今日美股网2024-07-27

天风证券：给予上海钢联买入评级

例，领军大宗商品行业数据应用。　　加速AI产品创新，不断提升数据服务能力　　2023年12月，公司发布了“钢联宗师”大宗商品行业垂直大语言模型1.0版，并在“钢联宗师”的能力上，基于大宗商品行业的贸易、分析咨询和内容生成三个场景，成功开发了大宗商品行业首个垂类大语言模型的应用　　“小钢”数字智能助手。“小钢”助手具备价格和数据查询、行业百科问答、资讯整理和内容汇总、知识内容生成、报告解读和分析预测等多种能力，通过人机对话的方式跟用户进行交互，简化了传统的信息获取、内容分析和知识生成的繁琐和低效的步骤，辅助行业用户更高效地完成日常的工作。“小钢”数字智能助手预计将在2024年7月底正式面向钢联用户开放，并计划在8—10月份持续迭代，我们认为，公司积极拥抱AI技术，其数据服务能力不断提升。　　盈利预测与投资建议：我们预测公司2024-2026年归母净利润为2.86、3.59、4.52亿元（考虑宏观环境影响，2024-2025年预测相应下调18~19%），对应当前市值PE分别为20、16、13倍，维持“买入”评级。　　风险提示：AI产品落地不及预期；数据要素产业推进速度不及预期；宏观环境风险。证券之星数据中心根据近三年发布的研报数据计算，国联证券黄楷研究员团队对该股研究较为深入，近三年预测准确度均值为77.13%，其预测2024年度归属净利润为盈利2.89亿，根据现价换算的预测PE为19.79。最新盈利预测明细如下：该股最近90天内共有5家机构给出评级，买入评级5家；过去90天内机构目标均价为28.11。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2024-07-26

GPU 革命：Aethir 如何重塑 AI 和游戏基础设施

用程序，否则他们很可能正在构建自己的 AI 产品，这意味着他们有自己的计算基础设施需求。因此，随着推理空间的增长，它将变得更加分散。目前，大多数用于训练的基础设施都来自少数大公司。虽然有些公司正在开发这些大型语言模型的新竞争对手，但推理方面的 AI 应用程序的爆炸式增长将导致计算市场更加分散。这意味着我们将看到来自具有竞争力的价格和对初创企业和小型企业友好合同的渠道的大量需求。这可能是我看到的最迫在眉睫的转折点。 Aethir 生态系统中的另一款产品是 A-phone。您能否向我们详细介绍一下这款产品以及其目标受众是谁？ A-Phone 直接在我们的基础设施上构建和扩展。它使用我们的云游戏技术以低延迟的方式将实时渲染传输到设备。这非常酷，因为它完全与访问有关。例如，您可以拥有一部 150 美元的智能手机，下载 Aethir 应用程序，然后打开它以访问相当于 1,500 美元的设备。本地设备的所有硬件限制都消失了，因为您拥有支持该应用程序的云功能。您可以在 Aethir 手机上打开几乎无限的应用程序，而且不会耗尽您的电池。所有计算、处理和存储都在云端完成，基本上为您提供了一部超级手机，您可以随时调用它来运行所需的任何应用程序。无论是游戏还是带有视频会议的教育平台，它都非常酷。它消除了硬件对人们访问内容、工具或实用程序的障碍，尤其是对于占互联网用户绝大多数的移动用户而言。您认为迄今为止 Aethir 成功的关键是什么：您的技术解决方案，还是您的业务发展努力？我认为，作为一家公司，我们重点关注两个方面。首先是我之前提到的企业元素。这意味着在早期做出一些非常艰难的决定。正如我所说，聚合消费级 GPU 要容易得多。聚合这些我们已经知道很难找到和访问的企业级 GPU 要困难得多。我们早期走的是一条更艰难的道路，这使我们在运营初期面临风险。但正因为如此，我们做了艰苦的工作，现在情况更好了。没有多少公司有决心在早期做如此冒险的事情，这对我们来说意义重大。其次，我们一直非常专注于实际业务——实际利用率、实际合同、实际收入。从一开始，这种关注对我们来说就非常重要。这就是我们选择企业路径的原因。我们希望充分利用 Web3 技术，提供改变行业的解决方案，不仅仅是 Web3 解决方案，而是 AI 和游戏领域一流的行业解决方案。我们的业务开发团队在说服合作伙伴加入我们的生态系统方面发挥了至关重要的作用，尤其是在早期。在技术方面，我们使连接计算资源的过程变得无缝。目前，有比我们所能接受的更多的供应希望进入我们的生态系统。在未来，我们的目标是成为一个真正无需许可、完全去中心化的生态系统，我们会实现这一目标。但一开始，我们必须务实。打开计算的闸门，让大量的 GPU 耗尽你的代币，这不是一个好的商业举措。我们将自己视为一个供应主导的组织。我们总是试图让供应多于需求。我们不想拒绝需求，但我们也不希望供需之间出现巨大的差距。我们希望明智而稳步地发展供需关系。我们不只是为了吹嘘我们的数字而加入无限量的 GPU；这不是正确的做法。我们计划在未来几周内发布一些重大公告，以表明我们对透明度的承诺。这对人们来说真的很有趣，并且表明 Aethir 是一家人们想要参与的公司。您能向我们介绍一下 Aethir 代币吗？它如何融入生态系统以及如何产生价值？这实际上是一个更大的版本的主题，你们很快就会看到。我现在不能再谈论这个话题了，但我可以说的是，由于需要处理代币，很多项目以前很难与大型 Web2 实体合作。这是该领域的一个持续挑战，我们有一个非常令人兴奋和新颖的解决方案。我认为人们看到它时会非常乐观。因此，它将使我们能够为代币带来大量交易量。我们最大的客户是 Web2 客户，我认为这不会改变。我们需要确保我们从事这项业务，并允许该价值累积到 Aethir 代币及其支持的生态系统中。这是我们的承诺，我认为下周您将看到一些关于如何实现这一点的非常有趣的东西。来源：金色财经

金色财经2024-07-26

分析师在第二季度财报后重新调整了谷歌母公司股票的目标价

中带来了超出预期的结果，但在GCP上的AI产品化效果仍难以辨别。他将目标价上调4美元至每股204美元。 Alphabet股票在盘前交易中下跌4.1%，预计开盘价为每股176.09美元，这一变化仍使得该股今年以来上涨近25%。来源：今日美股网

今日美股网2024-07-26

谷歌2024Q2业绩电话会议高管解读财报

老虎证券2024-07-25

慧辰股份：根据中登公司定期下发的股东名册，截至2024年7月19日，公司股票持有人数为3,114

办互联网信息服务算法备案。当前，公司的AI产品研发及日常业务运营将对AI算力产生持续性需求，且公司所服务的客户也将逐渐形成相应需求。在数据分析、数据挖掘、数据运营等领域，公司拥有大量的商业场景，包括通信、ICT、快消品、汽车、金融、烟草、旅游等领域的头部客户及公共服务领域的专业客户，与数字技术方面（（机器学习深度学习、人工智能、自然语言处理、模式识别、数据可视化、知识图谱、物联网等）的结合）有很好的结合，随着人工智能技术的发展，模型训练的需要，公司深耕的商业领域的模型算法具备一定智能标注能力。公司将持续关注和寻求与国内外大模型公司在相关领域的合作机会，根据商业场景变化及时对相关业务进行评估，请投资者关注业务发展可能存在不确定性的风险。公司将按照相关证券法律法规披露具体业务进展，请以公司指定信披媒体发布的信息为准。感谢投资者朋友对公司发展的关注与支持！投资者：请问去年和中科院战略合作推进如何？和中科院合资公司中科智算业务开展进展怎么样？算力落地了多少？未来规划如何？慧辰股份董秘：尊敬的投资者，您好！公司2023年与中科信控达成战略合作，双方共建“集群算力调度与交易平台”。目前，融合算力服务管理平台软件产品已经开发成型，7月26日将联合对外发布。当前，公司的AI产品研发及日常业务运营将对AI算力产生持续性需求，且公司所服务的客户也将逐渐形成相应需求。2023年12月，公司取得互联网数据中心业务（IDC）资质，为聚焦AI技术产品开发及算力相关业务，加强公司基于AI技术的业务服务能力，公司全资子公司北京慧辰视界数据科技有限公司更名为北京中科智能算力科技有限公司，将提供AI中台软件、行业AI应用相关的系列技术服务等。公司将逐步部署相应的算力基础设施，支撑客户在算法模型、人工智能领域业务的探索。公司长期服务商业及公共服务领域，积累广泛的行业Know-how，围绕场景需求，积极探索“人工智能+”在相关场景中的业务落地，积极与包括中科信控在内的合作伙伴在算力（软件及硬件）、AI算法模型等方面进行布局推进业务开拓。相关业务尚在推进中，请投资者关注业务发展可能存在不确定性的风险。公司将按照相关证券法律法规披露具体业务进展，请以公司指定信披媒体发布的信息为准。感谢投资者朋友对公司发展的关注与支持！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2024-07-24

7月24日财经早餐：“哈里斯”交易升温！特斯拉、谷歌绩后跳水！

产；称重点仍是全公司削减成本，加速开发AI产品和服务。盘后震荡转跌！AI助攻谷歌二季度云收入首超百亿美元，但广告放缓二季度谷歌(GOOG.US)营收和EPS盈利均超预期，备受关注的增长引擎云业务斩获首个季度收入超100亿美元和季度营业利润超10亿美元。广告收入基本稳定，云计算收入尤为强劲但YouTube广告收入在来自TikTok的竞争减弱后仍不及预期，押注AI投资的资本支出为131.86亿美元，超过一季度的120亿美元，令人担心积压利润率。 UPS二季度盈利不及预期，下调全年营收指引，股价创上市以来最大跌幅货运需求疲软和航运业定价疲软导致了所谓的全球货运衰退。UPS(UPS.US)第二季度利润和收入低于预期，且将2024年的收入指引下调至约930亿美元，之前的预测为最多945亿美元。美股盘中，公司股价一度暴跌超13%，收跌12%。 Meta发布最大开源AI模型Llama 3.1，云伙伴们助阵 Meta(META.US)发布三款Llama 3.1模型，其中Llama 3.1 405B包含4050亿个参数，这是Meta迄今为止最大的模型，将对标OpenAI和谷歌公司的大模型。同时，Meta和英伟达实现强强联手，英伟达AI Foundry将为全球企业提供Llama 3.1模型的定制服务。分析认为对于开源AI来说，Meta Llama 3.1在GSM8K、Hellaswag等多项测试中均优于GPT-4o。可口可乐Q2营收同比增长2.9%超预期，净利润下滑28.8%，上调全年指引可口可乐(KO.US)二季度Non-GAAP营收同比增长2.9%至123.1亿美元，高于市场预期。每股收益同比增长7.7%至0.84美元，超过市场预期。调整后净利润为24.1亿美元；毛利率为61.1%。同时，可口可乐上调全年指引：预计全年可比每股收益增长6％，此前预期增长5%。全年资本支出预期为22亿美元。今日要闻前瞻美国、欧元区7月制造业、服务业、综合PMI初值加拿大央行利率决议美联储理事鲍曼讲话美国6月新屋销售 IBM财报（投资慧眼编辑：Penny Pan) 原文链接

投资慧眼2024-07-24

行业研究｜有连云等资深玩家助力AI+金融应用创新

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

24小时热点