四川
12月22日，在中国财富管理50人论坛2024年会（十一届）上，工商银行首席技术官吕仲涛指出，大模型应用落地方面，目前业界尚无标准方法论。
吕仲涛认为，企业可按照场景通用化、专业化的程度来结合自身实际，分别使用基础大模型、行业大模型、企业大模型、任务大模型。他在介绍大模型场景运用时提到，利用构建全行资金营运调度助手，可对工商银行未来30天的存款余额走势及分行收支情况进行预测。
工商银行首席技术官吕仲涛
图片来源：主办方
四层大模型专业属性逐层增强
吕仲涛指出，企业可分别使用的前述基础大模型、行业大模型、企业大模型、任务大模型等四层模型，在规模和算力投入上各有差异，专业属性逐层增强。
基础大模型基于互联网通识数据，从零开始训练构建，例如大家熟知的GPT-4o等，可直接用于文本摘要生成等通用场景，可类比于高中生，可塑性强，但无法解决特定行业的专有问题。
行业大模型基于基础大模型，通过行业公共数据的二次训练，无各企业的私域数据，行业普适性强，现阶段像医疗、金融等数字化程度较高的行业，已在逐步开展行业大模型的开发，可以较好地解决行业普适性问题，它可类比于大学生经过金融、计算机等四年专业学习，具备较好的行业理论知识，但并不具备解决企业具体实战经验。
企业大模型在行业大模型基础上，结合企业内部私域数据进行训练，兼具行业普适性和企业自身特征，对于特别敏感的私域数据，一般不会加入这个模型，而是通过“外挂”知识库的方式开展，同时做好合理的授权和敏感数据的实时更新。
任务大模型，是针对有些企业大模型无法较好解决的业务场景，通过采用少量数据进行微调，形成专属领域的任务大模型。
大模型可预测分行未来30天收支情况
吕仲涛介绍，工商银行体系化推动大模型企业级的技术能力建设，按照三大支柱、1+X的范式、两权平台、全域生态的建设思路，立足于全栈国产化技术，建成集算力、算法、数据、工具、能力、安全、应用、生态于一体的企业级千亿金融大模型技术体系，协同赋能，打造人工智能+金融的新生态。
算力方面，工商银行建成千卡规模信创AI算力云，具备了面对TB级数据三周内完成千亿大模型全参稳定训练的能力。
数据方面，工商银行打造了一套适配大模型的金融支持工程，革新数据要素运营模式，建成从世界通识、行业通识、企业通识、领域及任务的五层知识架构，形成了采集、清洗、管理、应用标准工艺，实现全集团内外部全量支持的体系化管理，及时更新迭代和灵活应用。
在具体实践中，吕仲涛说，工商银行针对金融行业知识专业性高、任务执行严谨、权限隔离严格等特点，总结了适配金融行业的1+X工程化解决方案，其中“1”是指金融智能中枢，通过应用大模型的理解调度能力，实现在金融复杂场景下任务拆解、规划、执行，成功率达到90%以上。“X”包含知识检索、数据分析、文档编写、智能搜索等多项常用智能，金融知识问答满意度90%，对话式指标查询准确率95%以上。
吕仲涛进一步介绍了两个运用场景。在金融市场业务领域，以金融市场数字员工“工小金”为交易的统一入口，工商银行推出ChatDealing智能对话交易产品，将智能化深度融合于业务全过程，推动金融市场业务全链数字化，其中交互式对话交易助手ChatDealing基于All in Chat的理念，实现了支行、分行、总行多方交易员在同一交易对话框中，通过对话完成价格磋商，运用大模型适配用户意图，并智能识别交易话术，生成交易意向达成交易，重塑原有的先线下电话沟通，后线上审批报价的业务模式，实现对客交易效率提升3倍，现已上线即期结售汇、远期结售汇、即期外汇、远期外汇、外汇组合产品等业务产品，目前已覆盖了80%对客询价交易场景。
在资产负债领域，面向资产负债管理、资金管理岗业务人员提供资金运营调度的智能辅助决策能力，显著提升资金管理人员对全行存量资产的负债产品、每日流动资金的管理效能。利用构建全行资金营运调度助手，实现了更加高效精准的资金预测，可对工商银行未来30天的存款余额走势及分行收支情况进行预测。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
