大模型热潮来袭，AI 基础软件深度赋能金融行业数智化升级

 近日，由中国金融电子化集团有限公司、南京市建邺区人民政府主办的“2023 中国金融业数字化转型发展大会暨第十三届中国城市商业银行信息化发展创新座谈会”在南京盛大举办。九章云极 DataCanvas 公司副总裁周晓凌受邀出席会议，并发表“大模型时代的银行 AI 中台建设思路”的精彩演讲。

 九章云极 DataCanvas 公司副总裁周晓凌发表演讲

本次大会以“数驱转型 智创未来”为主题，围绕金融科技发展热点领域及城市商业银行信息技术重点工作，探讨数字化转型与价值创新，分享金融科技应用经验与趋势，中国人民银行领导、南京市人民政府领导、全国城市商业银行主管科技行长、金融科技领域资深专家学者等众多嘉宾出席盛会。

大会上，周晓凌先生深入分析了大模型时代 AI 行业发生的深刻变革，并重点分享了金融行业 AI 中台的建设思路。他指出，大模型正在重构行业格局，人工智能基础软件作为推动 AI 应用落地的 AI 产业基石，将实际降低大模型应用门槛，助力金融企业在大模型时代的 AI 中台建设。

大模型催生行业变革，“大+小”定义 AI 新范式

周晓凌在演讲中表示，大模型浪潮驱动 AI 行业产生深刻变化，AI 软件正在经历从 software 转向 thought-ware 的关键阶段。大模型时代，AI 建模流程发生重构，编程方式从原来的面向业务转向面向思维，业务人员不再需要多重角色的接力，通过理解自然语言的方式即可完成编程。同时，大模型将从应用态重塑不同行业的分工协作，传统的程序员、数据分析师等一个或者部分角色将被替代，其工作内容转向思维链、指令调优、提示调优、以及人类反馈等。

AI 软件从 software 转向 thought-ware

面对金融行业普遍关心的“是否需要训练银行的基础大模型？”这一问题，周晓凌指出，生成大模型需要各种要素的分工协作，包括算力、基础软件和数据，在金融行业的赋能过程中，银行业的数据会成为模型差异化的主要力量，每家银行将都有能力拥有本行的白盒基础大模型。

同时也应看到，大模型虽然当前表现优异，但也存在其局限性，例如 Chat-GPT 在评级预测方面表现良好，但在顺序和直接推荐任务方面表现欠佳，需要进一步探索和改进。因此，周晓凌提出，“大模型+小模型”是目前构建人工智能的正确思路，AI 基础软件作为构建模型生态的基础设施力量，将继续发挥关键性的建设作用。

助力 AI 中台建设  AI 基础软件重构产业 AI Infra 层能力 

在经历过早期的探索阶段后，金融机构为打破烟囱式的能力割裂局面，在健全 AI 工程化的同时，需要不断增强跨平台的能力融合，AI 中台的价值更加凸显。通过“AI 开发、AI 服务、AI 资产、AI 运营到业务赋能”的“4+1”策略加持，将 AI 中台打造成一个功能全面、灵活敏捷的技术能力输出中心，助力金融行业构建统一、安全、高效、互通的 AI 能力体系，才能为快速变化的业务需求提供支撑，全面赋能金融行业 AI 能力的建设。

作为金融行业 AI 基础设施的重要组成部分，AI 中台一般由以下模块构成：以行内云化资源基座作为面向 AI 的算力和数据基座，在此基础上构建 AI 基础软件和 AI 服务能力。以专业建模平台为代表的 AI 基础软件集成了面向机器学习开发、深度学习预训练和微调，自动机器学习能力等，通过 ModelOps 对开发出的模型、算法进行管理，形成生命周期、资产标准化管理、安全管理以及流程审计。在 AI 服务能力环节，将自主开发的白盒模型、预训练模型、黑盒模型等发布成服务向上提供能力，可以更好的赋能业务。AI 中台建设起来后，通过搭建 AI 的价值评价体系和构建众研生态完善 AI 中台的 AI 运营功能，将进一步提速 AI 中台的运转效率。

金融行业–AI 中台的架构

“四库”技术是沉淀 AI 资产、衡量 AI 中台运营效率的关键能力。通过业务场景，将算法和模型、特征数据以及 AI 场景的业务价值指标构建起来，积累业务价值和场景模板，可以有效量化 AI 中台应用价值，促进 AI 能力在企业中的应用。

九章云极 DataCanvas 助力金融企业构建大模型时代的 AI 中台

凭借在自动机器学习、深度学习、因果学习等领域领先的技术优势和丰富的应用经验，九章云极 DataCanvas 公司在模型开发到模型运维的模型全生命周期管理中拥有完善的 AI 基础软件工具链，并以“大+小”的模型训练新范式，降低金融行业模型应用的门槛，解决 AI 落地痛点。随着大模型浪潮风起，AI 基础软件将成为大模型计算算力效率最主要的贡献者，推动政府和企业 AI 规模化应用，最终赋能千行百业。