【刘曙峰：2030，一个时间的锚 | AI时代的人类意见】具体的是什么情况呢，跟随小编一起来看看！
Hi 2030：
你好！
站在2023年的年末寄出这样一封信，不仅是对过去金融科技发展的回望，更多的是我们对于数智未来的一次思考和展望。ChatGPT诞生已经一年，AI（人工智能）技术瞬息万变，理论上这封信可以借助大模型技术来创作完成，但我们仍然用键盘敲下每一个文字符号，可能也还是一件饶有趣味的事情。
这一年，大家都不约而同地讨论着相同的主题：大模型。而整个业界也自然达成了一个共识：人类社会正处在新智能时代的前夜。这里，我希望以一个金融科技从业者的身份，谈谈对智能技术的理解以及给产业特别是金融行业带来变革的思考。
1995年，我和几个志同道合的小伙伴一起创立了恒生电子，聚焦于为中国金融市场提供产品和服务。公司跨越了资本市场发展的多个周期，也参与和见证了中国金融科技起步、发展和每一次的创新变革。这其中，我深深感受到了信息技术“信息化-网络化-数智化”的“三浪”演进以及他们给金融行业带来的变化。
信息化时代，计算机和IT技术让人工操作电子化成为现实，金融行业出现电子报单、电子订单等业务，零售业务实现突破性发展。
第二浪是网络化时代。数字化转型全面展开，互联网和移动互联网解决了信息传输的问题，大幅降低信息差、提升用户体验，助力传统行业实现了“互联网+”的模式重塑。金融行业在这时开始走向普惠化、社交化、开放互联。
信息化的第三浪是“数智化”。这是一个以数据为核心生产要素，通过物联网、云计算、大数据、AI大模型解决信息感知、模型知识等问题，以科技代替脑力劳动，实现生产智能化、决策智能化、管理科学化的阶段。
当前，数字化转型已经基本形成了行业共识，面对这个课题，我们需要一个时间的锚。我想把这个锚放在2030年，不妨做一个假设，到2030年我们今天所有的工作，是否都可以被机器取代？资产配置、投资决策如果都由机器来做，会发生一个什么样的变化？
基于公司长期服务金融行业的经验洞察，2019年我们提出了“数智金融2030”业务构想，预计到2030年，金融行业将完成数智化升级。彼时，LightGPT还没有出现，行业对于全面智能化的认知还相对模糊。如今，得益于大模型的普及，相信我们中的大多数已经真切感受到了“第三浪”数智化的来临。在未来牵引和要素驱动下，我们可以看到金融行业存在着大量数智化的潜在机会和创新点，让我们可以提前预判行业将发生哪些新变化和新体验，引导我们进行下一阶段的创新。
大模型不仅是人工智能一次大的技术进步，是对传统AI模型“史诗级”的升级，并且也对未来的商业范式产生深远影响。聚焦到金融行业，金融科技的范式可能将从场景流量为王，逐渐地转变为以数据为核心要素、“数据+算法+算力”共同构建的新范式。从商业的视角，我们可能会看到下面的一些变化：
一是语控万物（NL2X）。目前机器已经可以听懂人话，其他各种形式的“语言”（多模态）也在不断获得进展。未来语言将成为一个新的入口，我们可以以对话的方式来取代各种复杂的交互，信息化时代的菜单，网络化时代的按钮应该都不再需要。
二是大才能强。一些创新、驱动力的建设进步很多时候是由大型的企业创源推动的。具体到大模型，则需要“大数据+大算力+大人工”。这些都需要有大型平台的支撑，同时要有充分竞争从而变化演化的环境，才能够产生“涌现”现象。“大才能强、强者恒强”的马太效应可能还会进一步加强。
三是连横合纵。目前来看，大模型的部署有两种形态，一种是连横的模式，因为大模型的通用性，各行各业都可以通过插件的方式，与基础模型的平台实现行业的应用。另外一种是合纵模式，在基础大模型的基础上训练一个专门针对行业的模型并进行部署。
但对于像金融这种有很强行业特性和数据敏感性的行业而言，由大模型供应方主导的“连横”模式可能很难实现深度应用。我们还是需要将目光更多地放到垂直领域生态建设、应用场景建设和模型能力的提升训练上来，建设“行业大模型”承接金融机构实际应用需求很有必要。当然，这里需要硬件厂商、云算力厂商、基础大模型供应商、数据供应方、金融机构等产业链上下游的共同协作。
在这样新的范式下，我们可以尽情畅想下，到了2030年，金融行业将会迎来哪些全新的业务场景体验，以及金融机构如何借助科技力量实现超越发展?大模型给金融机构和投资者都将带来哪些全新的发展机遇？
对于投资者（中小投资者、高净值用户、专业投资者等）而言，在选择合适金融产品、评估投资风险、合理理财规划、7*24服务支持、专属VIP式服务等方面都可以在大模型加持下获得更好的客户体验。而对于金融机构来说，大模型则可以帮助财富管理、资产管理、市场营销、运营管理、量化投资、风控管理等各类金融业务获得智能化重塑。
比如投资顾问。智能投顾虽然发展多年，但受限于数据容量、数据分析能力以及算力等因素，服务效果平平。大模型加持下的智能投顾，可以从选品、配置和持有等方面更好地发挥客户服务能力。如大模型可以帮助投资顾问根据投资人目标收益、风险承受度等实际情况，提供个性化的财富管理建议，并优化投资组合；还可以根据客户对话分析客户意图，自动检索话题相关金融产品及资讯信息，生成专业的观点和建议，给出适当话术和行动建议。
再如投资研究。投研是大模型金融应用的“皇冠”。对投研而言，如果把数据比作石油的话，大模型就是它的发动机。大模型可以打通投研工作场景，赋能“搜、读、算、写”全流程，帮助投研人员在获取和分析金融数据，结构化分析海量金融文本，情感倾向分析、快速生成专业报表和观点等各方面，大大提高工作效率。
还有一个新兴的领域，量化投资。近几年成长最快的资产部门是量化投资，短短几年，投资基金从零发展到千亿规模，表现最好的基金实际上是使用了机器深度学习带来的交易增强策略，其背后核心就是AI和超算力量。大模型在市场情绪分析上表现优于传统分析方法，大模型文本处理功能强大，可抓取某只/类股票的观点，从中发现有效的另类因子，还可以根据投资经理的策略逻辑编写量化策略代码，提高策略输入效率。
大模型还可以赋能金融机构的内部开发、数据生产。大模型刷新了软件研发的新范式，从长远来看，AIGC（生成式人工智能）代码生成，为研发体系提效可达50%甚至更高。
作为一家金融科技公司，恒生电子也是在积极思考和实践金融大模型的应用。其实一直以来，恒生都是资本市场AI应用领域的重要厂商之一。在布局大模型之前，我们的人工智能团队已经在深入研究NLP（自然语言处理）、OCR（光学字符识别）、知识图谱等技术，开发传统AI模型，为客服、运营、投研、合规风控等场景提供智能应用产品。
从传统人工智能或者小模型，转到现在的大模型，我们有强烈的危机感，也第一时间启动技术研发和创新场景研判。我们希望把自身在AI应用领域积累的数据和经验用于大模型训练中，为金融行业提供符合行业需求的大模型和应用产品。
目前，我们已经成功推出了基于2000亿中文tokens（字节）训练的金融行业大模型LightGPT，并创新性地打造了大模型“中控”平台光子，以及基于光子平台的一系列大模型应用产品，覆盖投顾、投研、运营、合规、营销、培训等众多场景，构建面向未来的智能产品矩阵。
在这轮数智化浪潮中，我们发现，技术不仅仅只是降本增效的工具，更逐步进入价值创造的领域，成为在新技术新周期的一个核心驱动力。技术的进步最终要落到实质性的场景应用，最终体现在以下三个方面：第一，要极大地改善用户体验，带来颠覆性的体验升级；第二，要数倍乃至数量级地提升效率；第三，不仅要有流量增长，更要有价值创造，给企业、给社会带来有质量的增长。
杰瑞·卡普兰在《人工智能时代》引言中提到：“这场新技术带来的海啸会在一个无与伦比的时代中掠过，这个时代自由、便捷、快乐。但是如果我们不紧紧握住方向盘，旅程必定将充满艰辛。”
在每一次信息化浪潮中都会催生出一些伟大的企业。第一浪中，IBM公司实现了从硬件厂商向服务型转型的大策略，微软成为了业界巨头；第二浪中，互联网企业谷歌、苹果是时代的引领者；今天的第三浪中，英伟达成为最快最早到达万亿美元市值的企业，OpenAI（美国开放式人工智能研究中心）等新兴AI创业公司更是受到资本热情追捧。
关于未来，以数智化转型实现第二次曲线增长，这既是企业的共识，也是社会的共识。在迈向2030年AI时代的过程中，我们又都站在了相对一致的起跑线上，新生的技术、新生的商业模式、新生的创新业务、新生的头部企业，都将不断涌现。
万物生长，适者生存。2030年，其实距离现在也不过7年而已，时间的车轮飞快，我想我们能做的就是感知变化、顺应变化，快速把握宝贵的时代机遇，去创造更智能、更普惠的数智金融时代，去体验技术给人类带来的美好改变。
刘曙峰
2023年12月
（作者系恒生电子董事长）
以上就是关于【刘曙峰：2030，一个时间的锚 | AI时代的人类意见】相关内容！