每經(jīng)記者 葉曉丹    每經(jīng)編輯 張海妮    

10月19日，恒生電子（600570.SH，股價29.92元，市值568.48億元）發(fā)布了金融大模型LightGPT最新的能力升級成果，以及基于LightGPT打造的多款光子系列大模型應(yīng)用產(chǎn)品，并宣布正式開放產(chǎn)品公測。

恒生電子董事長劉曙峰表示，當(dāng)前金融行業(yè)對于大模型技術(shù)的關(guān)注度和參與度很高，但在大模型實際落地過程中主要存在模型選擇難、算力供應(yīng)不足、應(yīng)用成熟度不足等問題，建議機(jī)構(gòu)可以通過選擇合適的金融大模型，采用大模型“私有化+MaaS服務(wù)”混合部署，基于場景驅(qū)動的金融垂直應(yīng)用開發(fā)和積累數(shù)據(jù)資產(chǎn)、構(gòu)建數(shù)據(jù)飛輪、提升應(yīng)用成熟度等工作，實現(xiàn)金融行業(yè)大模型更好的應(yīng)用落地。

恒生電子首席科學(xué)家、大模型產(chǎn)品總監(jiān)白碩介紹，此次升級的LightGPT，面向金融機(jī)構(gòu)實現(xiàn)LightGPT-7B的開源，推理和訓(xùn)練全面適配華為昇騰系列。

恒生電子推出金融大模型，背后經(jīng)歷了怎樣的轉(zhuǎn)向？落地應(yīng)用金融行業(yè)，金融大模型具備哪些共通性和特殊性？當(dāng)前大模型所需的AI算力，在國際半導(dǎo)體行業(yè)政策風(fēng)聲鶴唳之際，將面臨怎樣的連鎖反應(yīng)？

在此次發(fā)布會之際，《每日經(jīng)濟(jì)新聞》（以下簡稱NBD）記者專訪了恒生電子首席科學(xué)家、大模型產(chǎn)品總監(jiān)白碩。

白碩 圖片來源：受訪對象供圖

禁令之下國內(nèi)AI芯片危機(jī)互現(xiàn)

NBD：最近大家關(guān)注度比較高的是美國半導(dǎo)體禁令，新規(guī)可能會沖擊英偉達(dá)A800或者H800的銷售，對國內(nèi)AI芯片或帶來沖擊，怎么看這一禁令后續(xù)對大模型行業(yè)帶來的連鎖反應(yīng)？

白碩：我理解這可能會帶來幾方面影響：第一，由于禁令的生效，國內(nèi)大模型企業(yè)可能打算買的或者已經(jīng)在路上的AI芯片，都可能存在一定的風(fēng)險。買不到當(dāng)然就是“無米之炊”，大模型企業(yè)想推廣的一些場景可能面臨不方便推廣或者沒有那么順利的問題。

挑戰(zhàn)也帶來了另一方面的影響：一方面，國產(chǎn)相應(yīng)GPU可以快速頂上，達(dá)到同步、同功能、等效的替換。站在這個角度上，確實我們看到一些企業(yè)，譬如海光、華為的昇騰都在發(fā)力，我也期待他們會提供更加符合客戶要求的算力支持，我們也會一起幫助AI的應(yīng)用真正在行業(yè)落地。所以從這一方面來看，其實它是一個機(jī)會，推動國產(chǎn)GPU的技術(shù)進(jìn)步。

此外，未來還會不會有另外一種可能性，當(dāng)前國內(nèi)大模型已經(jīng)有的算力，可能處于一種分散的狀態(tài)，不一定能夠發(fā)揮它最大的效能，已經(jīng)有的算力掌握在少數(shù)單位或者少數(shù)機(jī)構(gòu)的手里，并不能非常充分地發(fā)揮它的作用。我們有沒有可能把算力集中起來，以行業(yè)的方式，統(tǒng)一提供服務(wù)？這也是我們在思考的一條路徑。

NBD：目前國內(nèi)有多家金融機(jī)構(gòu)研發(fā)自己的大模型技術(shù)，但大模型的開發(fā)需要大量資金、算力和數(shù)據(jù)的支撐，也對研發(fā)企業(yè)的實力提出了挑戰(zhàn)，大模型技術(shù)未來是否會進(jìn)一步拉大頭部和中小金融機(jī)構(gòu)之間的技術(shù)差距？

白碩：如果從算力角度來看，不同規(guī)模金融機(jī)構(gòu)在算力方面投入的差距，可能很大程度上會使這個差距加劇，對算力投入成本的承受程度各不相同。但是，如果可以通過行業(yè)能力統(tǒng)一的方式來提供算力服務(wù)，大家或許都有機(jī)會。

另一方面，實際上大模型的預(yù)訓(xùn)練、精調(diào)和推理部署需要的算力有數(shù)量級的差別。實力雄厚的頭部企業(yè)研發(fā)投入充足，先發(fā)優(yōu)勢明顯，可以利用相對大的算力和自有數(shù)據(jù)對大模型進(jìn)行精調(diào)；而研發(fā)投入相對有限的中小機(jī)構(gòu)，可以采用跟隨策略，直接使用成熟模型，只進(jìn)行推理部署而不做精調(diào)。像恒生這樣的金融科技服務(wù)商，可以在打造成熟模型方面為市場提供相應(yīng)服務(wù)。

金融大模型應(yīng)用生態(tài)仍有很大發(fā)展空間

NBD：恒生電子劉曙峰董事長提到了金融大模型的三個難點，模型選擇難、算力訓(xùn)練難、質(zhì)量控制難。目前大模型還面臨哪些挑戰(zhàn)？在語料大數(shù)據(jù)上，如何做好成本和質(zhì)量上的平衡？此前，有數(shù)據(jù)行業(yè)人士提出一種方案：在相對垂直的領(lǐng)域，能不能通過提升語料的精度，優(yōu)化大模型運(yùn)行所需算力消耗？對此，您怎么看？

白碩：我覺得提升語料精度還不完全，這只是極小一部分。生態(tài)里有一些更合適的環(huán)節(jié)去承載精準(zhǔn)的數(shù)據(jù)，而大模型只需要跟它對接，對接好了，質(zhì)量自然就會提升。今天我們已經(jīng)看到了在大模型上，無論是實時行情的插件還是精準(zhǔn)規(guī)則的插件，都起到重要的作用。

還有一些數(shù)據(jù)是直接從應(yīng)用系統(tǒng)里調(diào)出來的，這也是非常精準(zhǔn)的，也是實時的。提升大模型整體表現(xiàn)，需要端到端地來看，讓合適的組件提供合適的服務(wù)，構(gòu)筑全面的生態(tài)。

NBD：它又給大模型應(yīng)用層帶來了很大的空間？

白碩：是的，可能很多通用領(lǐng)域的大模型供應(yīng)商不會這么想，他們想的是怎么把別人的插件變成自己附屬的一部分。但恒生這次推出的“光子”，定位金融應(yīng)用對接大模型的“中控”部位，串聯(lián)了通用工具鏈、金融插件工具、金融數(shù)據(jù)和金融業(yè)務(wù)場景，包括大模型也是它的一個組件，我們并不認(rèn)為大模型就是核心。（備注：“光子”系恒生電子于今年6月推出的金融智能助手）

說到這里，這件事情怎么做更好，腦洞可以開得更大一點。推動大模型本身的技術(shù)進(jìn)步和數(shù)據(jù)質(zhì)量的提升只是一個手段，其他的手段還包括把更優(yōu)質(zhì)的數(shù)據(jù)放到更合適的部位，加強(qiáng)大模型跟其他組件的對接能力，而不是讓大模型無所不能，這樣才能構(gòu)筑良好的大模型生態(tài)。

強(qiáng)烈的危機(jī)感，推動我們從“小模型”轉(zhuǎn)向“大模型”

NBD：恒生推出的金融大模型LightGPT“私有化+MaaS服務(wù)”混合部署，提到了私有化數(shù)據(jù)私有化部署，共有數(shù)據(jù)公有云模式，私有云、混合云、公有云多種部署方式并存，這是基于金融行業(yè)的特色化布局？

白碩：不僅是金融行業(yè)，所有需要強(qiáng)監(jiān)管、所有要求“家里有數(shù)”的機(jī)構(gòu)都是一個道理，數(shù)據(jù)放出去，價值就不是你的了，只有在你手里，才是你的價值。如果這樣的數(shù)據(jù)不和大模型結(jié)合，可能挖掘不出比較深的價值。所以，“家里”的數(shù)據(jù)和大模型的語言能力，加上通用的能力完整地結(jié)合，并不是把所有的能力壓在一端，這個生態(tài)本身就是廣義的。

站在大模型的角度，所有的插件都是工具；站在我們的角度，這些都是我們大模型生態(tài)的一部分。

NBD：恒生在這個時點推出金融大模型，基于哪些方面的考慮？

白碩：首先，一直以來恒生不僅是資本市場傳統(tǒng)的IT系統(tǒng)供應(yīng)商、金融數(shù)據(jù)提供商，也是資本市場重要的AI應(yīng)用供應(yīng)商。如智能客服、智能文檔、智能投研等智能應(yīng)用，類似這樣的工作已經(jīng)開展多年了，不是有大模型之后才入場的，我們原來就是這樣的技術(shù)廠商。

總體來說，恒生和恒生旗下金融數(shù)據(jù)服務(wù)子公司恒生聚源都是這個戰(zhàn)場上很長時間的一個玩家。即使人工智能在金融應(yīng)用方面，也是一個很長時間的玩家。所以，我們知道這里面的行業(yè)痛點，也知道大模型技術(shù)出來以后，對我們意味著什么。

首先是在我們內(nèi)部發(fā)生了一個轉(zhuǎn)向：從以前依靠小模型轉(zhuǎn)到依靠大模型，這個是最根本的。

傳統(tǒng)模型或者說“小模型”，采用的是AI模型框架，為這個模型提供專用的數(shù)據(jù)，甚至是標(biāo)注數(shù)據(jù)，訓(xùn)練出來是一個個“煙囪”。這些參數(shù)別的系統(tǒng)不能用，這些系統(tǒng)想要獲得AI的能力，還得再去做獨(dú)立的數(shù)據(jù)采集、數(shù)據(jù)標(biāo)注和深度學(xué)習(xí)，這些是傳統(tǒng)行業(yè)的特征。

而AI大模型是大規(guī)模預(yù)訓(xùn)練的，也就是說是大數(shù)據(jù)一次性灌到參數(shù)里，再經(jīng)過一些精調(diào)，它可以同時適用于多個應(yīng)用領(lǐng)域和多項AI任務(wù)。這些應(yīng)用領(lǐng)域不需要再做大規(guī)模數(shù)據(jù)標(biāo)注，只需要在任務(wù)精調(diào)環(huán)節(jié)做少量的數(shù)據(jù)標(biāo)注，這是一個特別大的變化。

從傳統(tǒng)人工智能或者小模型，轉(zhuǎn)到現(xiàn)在的大模型，某種意義上相當(dāng)于否定自己，我們有強(qiáng)烈的危機(jī)感，所以整個團(tuán)隊內(nèi)部的轉(zhuǎn)向是一個非常痛苦的過程。同時，這也意味著驅(qū)動我們轉(zhuǎn)型的動力非常足，干勁也非常高，團(tuán)隊的共識也非常凝聚。

封面圖片來源：受訪對象供圖