共计 1813 个字符，预计需要花费 5 分钟才能阅读完成。
近日，由中国金融电子化团体有限公司、南京市建邺区人民政府主办的“2023 中国金融业数字化转型倒退大会暨第十三届中国城市商业银行信息化倒退翻新座谈会”在南京隆重举办。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 智创将来”为主题，围绕金融科技倒退热点畛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翻新，分享金融科技利用教训与趋势，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泛滥嘉宾缺席盛会。
大会上，周晓凌学生深入分析了大模型时代 AI 行业产生的粗浅改革，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，人工智能根底软件作为推动 AI 利用落地的 AI 产业基石，将理论升高大模型利用门槛，助力金融企业在大模型时代的 AI 中台建设。
大模型催生行业改革，“大 + 小”定义 AI 新范式
周晓凌在演讲中示意，大模型浪潮驱动 AI 行业产生粗浅变动，AI 软件正在经验从 software 转向 thought-ware 的要害阶段。大模型时代，AI 建模流程产生重构，编程形式从原来的面向业务转向面向思维，业务人员不再须要多重角色的接力，通过了解自然语言的形式即可实现编程。同时，大模型将从利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局部角色将被代替，其工作内容转向思维链、指令调优、提醒调优、以及人类反馈等。
AI 软件从 software 转向 thought-ware
面对金融行业广泛关怀的“是否须要训练银行的根底大模型？”这一问题，周晓凌指出，生成大模型须要各种因素的分工协作，包含算力、根底软件和数据，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次要力量，每家银行将都有能力领有本行的白盒根底大模型。
同时也应看到，大模型尽管以后体现优异，但也存在其局限性，例如 Chat-GPT 在评级预测方面体现良好，但在程序和间接举荐工作方面体现欠佳，须要进一步摸索和改良。因而，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 根底软件作为构建模型生态的基础设施力量，将持续施展关键性的建设作用。
助力 AI 中台建设 AI 根底软件重构产业 AI Infra 层能力
在经验过晚期的摸索阶段后，金融机构为突破烟囱式的能力割裂场面，在健全 AI 工程化的同时，须要一直加强跨平台的能力交融，AI 中台的价值更加凸显。通过“AI 开发、AI 服务、AI 资产、AI 经营到业务赋能”的“4+1”策略加持，将 AI 中台打造成一个性能全面、灵便麻利的技术能力输入核心，助力金融行业构建对立、平安、高效、互通的 AI 能力体系，能力为疾速变动的业务需要提供撑持，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 中台个别由以下模块形成：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 根底软件和 AI 服务能力。以业余建模平台为代表的 AI 根底软件集成了面向机器学习开发、深度学习预训练和微调，主动机器学习能力等，通过 ModelOps 对开发出的模型、算法进行治理，造成生命周期、资产标准化治理、平安治理以及流程审计。在 AI 服务能力环节，将自主开发的白盒模型、预训练模型、黑盒模型等公布成服务向上提供能力，能够更好的赋能业务。AI 中台建设起来后，通过搭建 AI 的价值评估体系和构建众研生态欠缺 AI 中台的 AI 经营性能，将进一步提速 AI 中台的运行效率。
金融行业 – AI 中台的架构
“四库”技术是积淀 AI 资产、掂量 AI 中台经营效率的要害能力。通过业务场景，将算法和模型、特色数据以及 AI 场景的业务价值指标构建起来，积攒业务价值和场景模板，能够无效量化 AI 中台利用价值，促成 AI 能力在企业中的利用。
九章云极 DataCanvas 助力金融企业构建大模型时代的 AI 中台
凭借在主动机器学习、深度学习、因果学习等畛域当先的技术劣势和丰盛的利用教训，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治理中领有欠缺的 AI 根底软件工具链，并以“大 + 小”的模型训练新范式，升高金融行业模型利用的门槛，解决 AI 落地痛点。随着大模型浪潮风起，AI 根底软件将成为大模型计算算力效率最次要的贡献者，推动政府和企业 AI 规模化利用，最终赋能千行百业。
