21世紀(jì)經(jīng)濟(jì)報道 實習(xí)生 張長榮 記者 崔文靜 北京報道在金融科技加速滲透的行業(yè)背景下，機(jī)構(gòu)競爭的重心正悄然生變。

如今，從底層技術(shù)架構(gòu)的數(shù)字化重構(gòu)，到前端業(yè)務(wù)場景的智能化升級，金融科技已從“可選項”變?yōu)樾袠I(yè)“必答題”——大模型、云計算等技術(shù)的規(guī)?；瘧?yīng)用，不僅降低了中小機(jī)構(gòu)的技術(shù)準(zhǔn)入門檻，更讓行業(yè)整體的技術(shù)底座逐步趨同。

“未來大中小機(jī)構(gòu)在算法與算力上的差距必將逐步縮小，金融機(jī)構(gòu)的核心競爭力也將隨之轉(zhuǎn)向數(shù)據(jù)?！焙闵墼纯偨?jīng)理吳震操判斷，對于規(guī)模相近、業(yè)務(wù)模式易同質(zhì)化的機(jī)構(gòu)，內(nèi)外部數(shù)據(jù)的挖掘利用能力將成為競爭勝負(fù)手。

作為國內(nèi)領(lǐng)先的金融、產(chǎn)業(yè)數(shù)據(jù)資訊服務(wù)提供商，恒生聚源的行業(yè)判斷并非空穴來風(fēng)——其不僅擁有聚源金融數(shù)據(jù)庫、洞見智能投研、智能小梵、智眸風(fēng)險預(yù)警系列等豐富產(chǎn)品線，更經(jīng)過25年市場耕耘，在金融市場需求理解、產(chǎn)品設(shè)計、客戶拓展及專業(yè)服務(wù)等領(lǐng)域，積累了扎實的實踐能力與深厚經(jīng)驗。

基于對行業(yè)趨勢的洞察，恒生聚源在2023年推出面向金融投研場景的大模型產(chǎn)品“WarrenQ”，隨后，于今年發(fā)布AI友好型金融數(shù)據(jù)庫AIDB。AIDB通過統(tǒng)一數(shù)據(jù)范式、簡化查詢邏輯及強(qiáng)化數(shù)據(jù)治理，可實現(xiàn)大模型對金融結(jié)構(gòu)化數(shù)據(jù)的精準(zhǔn)調(diào)取。

不過，恒生聚源的思考并未止步于數(shù)據(jù)基礎(chǔ)建設(shè)。在其看來，相較于技術(shù)本身，未來金融AI發(fā)展的真正突破口，在于將技術(shù)與業(yè)務(wù)深度融合的“場景化應(yīng)用”。

在這場大模型賦能金融行業(yè)的進(jìn)程中，恒生聚源希望承擔(dān)三大核心作用：立足數(shù)據(jù)公司本源，發(fā)揮數(shù)據(jù)要素企業(yè)的核心價值；以行業(yè)先行者身份，助力金融機(jī)構(gòu)大模型落地；聯(lián)合各方，共同探索商業(yè)模式創(chuàng)新。

而從長遠(yuǎn)來看，恒生聚源的目標(biāo)不僅是成為技術(shù)服務(wù)提供者，更是AI時代金融行業(yè)的“智能信息服務(wù)伙伴”。為實現(xiàn)這一愿景，恒生聚源已展開精準(zhǔn)布局，重點聚焦投研、財富管理、風(fēng)險預(yù)警三個與金融機(jī)構(gòu)核心業(yè)務(wù)緊密相關(guān)的領(lǐng)域。

21世紀(jì)：當(dāng)前通用大模型在輔助工作中容易出現(xiàn)幻覺，應(yīng)如何解決？個人投資者又該如何辨別信息？

吳震操：AI幻覺是大模型固有的現(xiàn)象。目前常見的應(yīng)對方式是讓大模型結(jié)合外部信息進(jìn)行結(jié)果優(yōu)化。行業(yè)常用的“檢索增強(qiáng)生成（RAG）”和“上下文工程”，通過檢索獲取外部知識，再結(jié)合大模型自身的推理能力生成內(nèi)容。這樣做一方面可以彌補(bǔ)大模型自身知識儲備的局限，另一方面也可能幫助用戶發(fā)現(xiàn)因自身知識或檢索能力有限而未能獲取的信息。

對于用戶來說，在使用大模型時常需要判斷信息的真實性，建議采取以下措施：第一，多對比不同的大模型。不同模型的訓(xùn)練數(shù)據(jù)和算法不同，輸出的結(jié)論和分析角度也會有差異。

第二，對結(jié)果進(jìn)行溯源驗證。目前主流商業(yè)大模型平臺通常會提供來源鏈接、參考文獻(xiàn)或相關(guān)圖表，用戶應(yīng)主動核查來源的發(fā)布時間及可靠性，以評估信息的時效性和可信度。

第三，可借助智能體平臺自定義工具。目前不少智能體平臺開放自定義功能，用戶可根據(jù)自己的投資習(xí)慣和分析方法搭建專屬智能體。

21世紀(jì)：面對機(jī)器逐漸替代部分基礎(chǔ)崗位的趨勢，我們應(yīng)如何建立“人機(jī)協(xié)同”的工作模式？需要掌握哪些關(guān)鍵技能才能與機(jī)器深度合作而非被替代？

吳震操：大模型處理基礎(chǔ)操作和日常重復(fù)性工作的能力會越來越強(qiáng)，這是技術(shù)發(fā)展的必然。但目前大模型仍有明顯局限，無法完全替代人類。

首先，重大決策仍依賴人類。決策不僅需要足夠多的背景知識、全局觀和行業(yè)經(jīng)驗，更需要判斷力和堅決的意志，而大模型僅依靠訓(xùn)練數(shù)據(jù)推理，缺乏真實場景經(jīng)驗，目前無法承擔(dān)重大決策。其次，大模型尚不能替代人類在精準(zhǔn)洞察和信息挖掘方面的作用，尤其是人際深度交流方面。大模型的信息來源局限于已有知識庫或網(wǎng)絡(luò)內(nèi)容，無法及時獲取第一手信息，也不具備第一時間對原始信息進(jìn)行進(jìn)一步探究、整合并影響決策的能力。

事實上，人類與大模型并非對立，而是走向共存。這種共存不僅推動大模型能力不斷進(jìn)化，也會促使人類持續(xù)提升自身能力。因此，我們不必過度擔(dān)憂大模型的發(fā)展，而應(yīng)更主動地將其作為協(xié)作伙伴，建立深度合作關(guān)系。

21世紀(jì)：目前中小券商由于科技投入資金有限，往往依賴外部技術(shù)支持。如果多家機(jī)構(gòu)采用相同或相似的外部技術(shù)，這是否可能導(dǎo)致服務(wù)或策略上的同質(zhì)化？應(yīng)如何應(yīng)對可能出現(xiàn)的同質(zhì)化現(xiàn)象？

吳震操：這一問題并非中小金融機(jī)構(gòu)獨有，大型金融機(jī)構(gòu)同樣面臨類似的挑戰(zhàn)。當(dāng)前，大模型的馬太效應(yīng)日益顯著，未來市場上廣泛應(yīng)用的通用大模型可能會高度集中，推動形成“算法平權(quán)”和“算力平權(quán)”兩大趨勢。不同規(guī)模的機(jī)構(gòu)在算法和算力方面的差距將逐漸縮小。

在這一背景下，機(jī)構(gòu)在投資決策、市場研判等核心業(yè)務(wù)上的差異，將越來越取決于其在“取數(shù)、用數(shù)、算數(shù)”環(huán)節(jié)的能力。金融機(jī)構(gòu)的核心競爭力，正在轉(zhuǎn)向?qū)?shù)據(jù)的獲取與運(yùn)用能力。

因此，機(jī)構(gòu)應(yīng)重點從兩個方向發(fā)力：一是獲取更多更有價值的外部數(shù)據(jù)；二是深度挖掘和高效利用自身內(nèi)部數(shù)據(jù)。尤其對規(guī)模接近、業(yè)務(wù)模式趨同的機(jī)構(gòu)而言，數(shù)據(jù)的高效挖掘與利用能力將成為決定機(jī)構(gòu)競爭勝負(fù)的關(guān)鍵。

高效運(yùn)用內(nèi)部數(shù)據(jù)，關(guān)鍵在于機(jī)構(gòu)內(nèi)部的數(shù)據(jù)治理能力。我們認(rèn)為，未來商業(yè)場景中的大多數(shù)數(shù)據(jù)，不應(yīng)僅服務(wù)于人類或傳統(tǒng)業(yè)務(wù)系統(tǒng)，還應(yīng)主動適配大模型的使用需求。

正是基于這一認(rèn)識，我們今年推出了“AI友好型數(shù)據(jù)庫”（AIDB）產(chǎn)品。AIDB通過一套系統(tǒng)化的數(shù)據(jù)治理方案和標(biāo)準(zhǔn)化市場數(shù)據(jù)指標(biāo)體系，幫助機(jī)構(gòu)優(yōu)化數(shù)據(jù)供給，充分釋放內(nèi)部數(shù)據(jù)價值。

21世紀(jì)：隨著大模型逐步落地，其規(guī)?；瘧?yīng)用的問題也逐漸受到關(guān)注。AI智能體距離真正處理復(fù)雜、多步驟的金融投資決策流程還有多遠(yuǎn)？

吳震操：目前，隨著金融機(jī)構(gòu)將更多傳統(tǒng)業(yè)務(wù)流程交由大模型處理，“智能體+大模型”在金融場景的融合應(yīng)用已進(jìn)入關(guān)鍵實踐階段。

過去，受限于大模型的生成式特性，其難以獨立承擔(dān)復(fù)雜任務(wù)。行業(yè)普遍認(rèn)為，涉及復(fù)雜金融工程的任務(wù)很難直接通過大模型完成。但智能體的引入改變了這一狀況：它能夠調(diào)用現(xiàn)有的金融工程模型、機(jī)構(gòu)內(nèi)部細(xì)分模型，并適配內(nèi)部投資策略等，實現(xiàn)對既有專業(yè)工具的高效復(fù)用。在這一模式下，智能體、大模型與機(jī)構(gòu)現(xiàn)有的金融工程體系和業(yè)務(wù)系統(tǒng)實現(xiàn)了有機(jī)融合，不再孤立運(yùn)作。恒生聚源的金融智能體平臺把大模型能力、業(yè)務(wù)系統(tǒng)邏輯和金融數(shù)據(jù)編織在一起，進(jìn)一步提升投研和投顧的效率。

展望未來，大模型本身推理能力的提升也會朝著與金融工程模型融合方向不斷演進(jìn)。大模型技術(shù)能力的進(jìn)一步提升，將推動金融工程模型持續(xù)迭代和效能升級。

21世紀(jì)：中國金融科技公司在人工智能應(yīng)用方面有哪些優(yōu)勢？還可以從哪些方面提升？

吳震操：當(dāng)前國內(nèi)在很多細(xì)分的工程場景下，例如圖計算、聯(lián)邦學(xué)習(xí)等技術(shù)已處于全球領(lǐng)先水平。在此基礎(chǔ)上，我認(rèn)為未來金融AI發(fā)展的突破口在于“場景化應(yīng)用”。

推動場景化應(yīng)用，可以依托資本市場與股權(quán)投資市場機(jī)制，建立科研成果向企業(yè)轉(zhuǎn)化的有效通道。目前許多優(yōu)秀成果仍在實驗室階段，若要實現(xiàn)價值轉(zhuǎn)化，必須與實際金融場景深度融合，落地到具體業(yè)務(wù)環(huán)節(jié)中。

在此過程中，需打通科研力量、行業(yè)需求與資本之間的協(xié)同鏈路，明確各方角色與作用，共同推動優(yōu)質(zhì)科研成果從實驗室走向企業(yè)實踐、在行業(yè)領(lǐng)域落地生根。

除此以外，還可以擴(kuò)大與海外金融機(jī)構(gòu)及金融科技企業(yè)的交流合作。受益于風(fēng)險資本的持續(xù)支持與推動，目前海外金融AI領(lǐng)域的場景落地實踐已非常豐富。建議密切關(guān)注海外動態(tài)，與海外金融機(jī)構(gòu)、金融科技企業(yè)開展常態(tài)化溝通。

21世紀(jì)：未來3-5年大模型發(fā)展會有哪些變化？恒生聚源希望發(fā)揮什么作用？

吳震操：我們預(yù)計未來三到五年大模型發(fā)展將逐步顯現(xiàn)三大變化：首先操作層面將實現(xiàn)關(guān)鍵突破，逐步替代大量繁瑣工作；其次人機(jī)交互模式將發(fā)生深刻變革，人類可通過日常自然語言直接與業(yè)務(wù)系統(tǒng)交互；此外，行業(yè)IT建設(shè)將顯著變化，“大模型+智能體”能讓過去需大量IT人員的開發(fā)實現(xiàn)低/無代碼化，這類工具普及后可助力業(yè)務(wù)人員自主操作、盤活資源，大幅釋放業(yè)務(wù)團(tuán)隊能力與生產(chǎn)力。

與此同時，大模型發(fā)展也面臨新的挑戰(zhàn)，例如“幻覺”問題、數(shù)據(jù)安全與倫理風(fēng)險等。金融作為“國之重器”，在大模型應(yīng)用過程中，必須強(qiáng)化審核與監(jiān)管機(jī)制，我們亦期望與監(jiān)管部門共同探索合規(guī)路徑。

在大模型賦能金融行業(yè)的進(jìn)程中，恒生聚源希望承擔(dān)三大核心作用：

其一，立足數(shù)據(jù)公司本源，發(fā)揮數(shù)據(jù)要素企業(yè)的核心價值。聚焦金融數(shù)據(jù)的流通與賦能，助力金融行業(yè)充分激活數(shù)據(jù)價值。

其二，以行業(yè)先行者身份，助力金融機(jī)構(gòu)大模型落地。恒生聚源作為金融行業(yè)大模型早期實踐者，近年已完成大模型訓(xùn)練、產(chǎn)品品牌構(gòu)建，積累了豐富經(jīng)驗與教訓(xùn)。我們期望將這些經(jīng)驗轉(zhuǎn)化為行業(yè)資源，助力金融機(jī)構(gòu)在數(shù)字化轉(zhuǎn)型中高效推進(jìn)大模型落地應(yīng)用。

其三，聯(lián)合各方，共同探索商業(yè)模式創(chuàng)新。當(dāng)前行業(yè)對大模型的認(rèn)知多停留在“降本提效”，我們更愿聯(lián)合金融機(jī)構(gòu)、監(jiān)管部門等共同探索其對金融機(jī)構(gòu)商業(yè)模式、客戶服務(wù)渠道與方式的變革價值，最終共創(chuàng)全新商業(yè)模式——這也是恒生聚源面向行業(yè)長遠(yuǎn)發(fā)展的目標(biāo)。

21世紀(jì)：恒生聚源成為“智能信息服務(wù)伙伴”的具體路徑是什么？哪些領(lǐng)域會優(yōu)先突破？

吳震操：在數(shù)據(jù)要素市場化的大背景下，恒生聚源明確“數(shù)商”定位，形成“金融、科技、AI”三大核心標(biāo)簽。我們期望能夠落地更多應(yīng)用到投資研究、財富管理及風(fēng)險預(yù)警等具體業(yè)務(wù)場景中，真正融入客戶的業(yè)務(wù)流程、提供信息支持與參考，未來將主要聚焦三個領(lǐng)域：

一是投資研究領(lǐng)域。過往數(shù)據(jù)廠商多僅對知識初步加工，核心原因是投研與投資策略高度多樣化——不同從業(yè)者有獨特風(fēng)格，難以標(biāo)準(zhǔn)化，因此行業(yè)多提供半加工的中端形態(tài)數(shù)據(jù)。而人工智能時代，借助大模型可深化知識加工，還能依據(jù)機(jī)構(gòu)及投研人員的個性化偏好，協(xié)助提取所需信息、生成符合其風(fēng)格的深度研究數(shù)據(jù)與階段性成果。因此，我們認(rèn)為，未來5至10年將是研究類數(shù)據(jù)的蓬勃發(fā)展期。

二是財富管理領(lǐng)域。我們不僅擁有傳統(tǒng)金融工程基礎(chǔ)設(shè)施，還積累了海量高質(zhì)量數(shù)據(jù)。我們期望在人工智能時代從兩方面提供支持：一是為用戶優(yōu)化資產(chǎn)配置、提升投資能力提供信息支持；二是賦能投資顧問，為實現(xiàn)財產(chǎn)增值提供研究支撐。

三是風(fēng)險預(yù)警領(lǐng)域。風(fēng)險與流動性、投資、交易活動緊密相關(guān)。未來，我們將依托AI技術(shù)進(jìn)一步助力金融機(jī)構(gòu)提升風(fēng)險預(yù)判、評估能力。