智能金融：ChatGPT等AI模型引领未来

（本文作者朱一峰，中央财经大学金融学院副教授）

 

一、ChatGPT及AI大模型介绍

2022年11月30日，OpenAl发布大语言模型ChatGPT，其上线5天用户数量过百万、2个月吸引活跃用户过亿的成绩，一度刷新纪录，成为史上增长最快的应用。

ChatGPT的爆火使人工智能（AI）再次闯入大众视野，并使其与人们的工作生活相结合。人工智能的概念最早可以追溯到20世纪50年代，当时计算机科学的先驱们开始探索机器模拟人类智能的可能性。1956年，在达特茅斯会议上，这个领域被正式命名为“人工智能”。早期的研究集中在逻辑推理和问题解决上，但很快人们意识到，要让机器真正智能，就必须让它能够理解和生成自然语言。

ChatGPT“无比强大”的能力主要得益于其依托的大型语言模型。最初，自然语言处理（NLP）相关研究主要通过编写语法规则和词典来进行句子分析。20世纪80年代，随着计算能力的提高和大量语料库的出现，统计方法逐渐占据主导地位，这一时期，许多基于统计的机器翻译、分词、词性标注等方法相继出现。随着深度学习技术的发展，人工神经网络和其他机器学习方法已经在自然语言处理领域取得了重要的进展。从循环神经网络（RNN）到长短时记忆网络（LSTM）的语言模型，到以Transformer为基础架构的大模型，语言模型性能不断提升，并逐步实现了文本情感分析、自然语言推断、对话问答、上下文学习和程序代码生成等能力。尤其是Transformer模型的诞生改写了语言模型构建方式，它通过自注意力机制实现了对长序列的有效处理，极大地提高了语言模型的性能，后续各大主流模型也都是在Transformer模型的基础上不断发展。

ChatGPT的横空出世，不仅标志着人工智能大模型时代的到来，更是揭开了通用人工智能（AGI）探索的新篇章。回顾ChatGPT的发展历程可知，美国人工智能实验室OpenAI自GPT-1开始，就将大型语言模型视为通往通用人工智能的必由之路。从GPT-1到GPT-4，OpenAI的GPT系列模型不断推陈出新，每代模型的参数规模都比前一代大一个数量级，GPT-4的模型参数已达1.8万亿。模型不仅在语言理解和推理能力上逐步提升，还特别针对交互提升了其对话能力，并在第4代模型增加了图像输入的形式。2024年5月14日OpenAI新发布了GPT-4o模型，其性能在GPT-4基础上再度升级。该模型跨文本、视觉和音频端到端训练，所有输入和输出都由同一个神经网络处理，提升响应速度的同时，也展现了未来大模型向多模态方向的发展趋势，进一步加快了向通用人工智能迈进的速度。

 

 

国际大模型发展如火如荼的同时，国内也在奋力追赶，发展迅速。国内大模型与GPT-4差距快速缩小，第一梯队的头部大模型例如ChatGLM4、百度文心一言4.0、讯飞星火V3.5整体表现已经接近GPT-4，在中文领域，国内部分模型表现已经可以比肩GPT-4。

 

 

ChatGPT能够成为新一代人工智能里程碑，离不开算力的支持。比如ChatGPT使用的GPT-3.5模型依靠微软云计算进行训练，总算力消耗约3640 PF-days（即按每秒一千万亿次计算，运行3640天）。由此带来一个问题，由于训练和运行模型均需要庞大的算力，资金消耗也加大了公司成本端压力。近年来，随着模型规模的不断扩大，训练成本也在不断增加。2017年Transformer模型训练成本约为930美元。到了2023年，OpenAI的GPT-4和Google的Gemini Ultra的训练成本预计分别约为7800万美元和1.91亿美元。

 

 

OpenAI作为大模型赛道目前的领跑者，其商业模式主要分为三部分：用户订阅、开发者付费和微软分成。首先，从2023年年初开始，OpenAI就推出了会员订阅服务，每月收取20美元，到去年7月付费用户已超200万。其次，开发者API接口收费是OpenAI最核心的收入，这种模式下开发者通过大模型满足自身垂直的应用场景，而OpenAI根据流量计费。第三部分来自于OpenAI与微软的合作分成，向企业端客户售卖Azure OpenAI云大模型。成功的商业模式探索为公司带来了可观的收入，2022年OpenAI还面临5.4亿美元的亏损，到2023年公司收入已超过16亿美元。

不过，为大众构筑起对人工智能美好前景的期待或许才是OpenAI成功的主要原因，相较之下，商业模式的选择屈居其次。AI领域仍存在无数挣扎在生死线上的AI模型公司，如何探索出属于自己的商业化道路是他们面临的重要难题。

二、ChatGPT等一众AI怎样赋能金融业

银行业的AI应用方兴未艾，银行业旺盛的数字化转型需求使国内外银行纷纷布局智能客服、智能数据助理、智能评级、智能风控等领域。

投资机构对ChatGPT的态度则较为谨慎。此前广受关注的智能投顾、AI×量化投资等AI×金融模式尚未得到广泛应用，不过，目前国内外学者已经发现ChatGPT不仅仅是工具，更具有指导量化交易的能力。今年3月，Sangheum和Cho的研究发现ChatGPT能够根据输入的推特新闻生成买入和卖出的股票代码，并获得正收益。他们还发现，这一结果似乎说明ChatGPT能够处理大量的非公司特定新闻，并据此生成公司特定交易信号。

在金融科技领域，继彭博社于2023年3月率先推出金融垂直大模型BloombergGPT后，国内外涌现了一批金融垂直大模型。与通用大模型相比，金融垂直大模型更能适应金融行业合规要求严、精度要求高、风险厌恶的特征。

三、AI×金融的未来与建议

从宏观层面看，AI×金融是金融机构未来几年战略布局的关键。被视为“新质生产力的重要引擎”的AI技术，未来将作为数字金融的底座和能力与中央强调的金融“五篇大文章”深度融合。

在金融监管领域，AI既是监管手段，也是监管目标。目前，金融领域的AI应用存在的问题主要有二，在技术层面，第一，作为合规要求严格的服务业，金融怎样降低AI输出“有毒内容”带来的风险。第二，有着严格保密要求的金融业，在AI时代怎样保护数据隐私。因此，全新的AI×金融模式，也需要全新的监控手段与之匹配。AI能够快速从多渠道获取大量多元化数据，从而有助于全方位形成监管合力，实现发展与监管的“同步化”。

从金融行业的细分领域看，以ChatGPT为首的一众AI大模型将会逐渐与各领域业务深度融合。在研究领域，ChatGPT的最新版本GPT-4o引入了数据文档在线分析功能，能够直接上传Excel进行分析。分析师不再需要手动输入Excel函数或自行编写代码，通过GPT-4o在线分析即可得到大量指标。在量化投资领域，ChatGPT将不仅仅作为解放生产力的工具，帮助量化从业者减少基础性工作耗费的时间精力，还能够通过大模型耦合以及大模型涌现等方式优化量化投资的逻辑。在未来，ChatGPT及各类AI大模型能够承担的分析辅助功能或将更加强大，如李闻一等(2024)提出ChatGPT+RPA能够实现两融业务担保资产的风控，可见ChatGPT在金融领域的应用还有更多拓宽、深入的空间。

参考文献：

[1]2024 AI Index Reporthttps://aiindex.stanford.edu/report/

[2]从GPT-1到ChatGPT及最新的GPT-4，GPT系列技术的发展过程https://blog.csdn.net/hawkman/article/details/130100177

[3]2023年狂赚16亿美元后，OpenAI还会继续火下去吗？ https://www.woshipm.com/ai/5975746.html

[4]朱光辉, 王喜文. ChatGPT的运行模式、关键技术及未来图景[J]. 新疆师范大学学报(哲学社会科学版), 2023, 44(04):113-122.

[5]让AI从“用起来”到“有价值”，火山引擎的金融大模型是怎么炼成的？https://mp.weixin.qq.com/s/BeRfr-y_pXuVb8j1cdyt0A

[6]【AI金融新纪元】系列报告(二)——AI+金融大模型的两条技术路线https://mp.weixin.qq.com/s/YJSPi9YUs9rm0OqZoKNEdA

[7]ChatGPT在金融中的应用https://mp.weixin.qq.com/s/CGEy7Da4hcwtDX_jsPdqFw

[8]人人都能成为金融分析师：AI助你轻松分析股价，快速掌握股市波动趋势https://mp.weixin.qq.com/s/uzmmjotxb1i4BzH2iKkdQg

[9]Cho, Sangheum, Can ChatGPT Generate Stock Tickers to Buy and Sell for Day Trading? (March 14, 2024), https://ssrn.com/abstract=4759311

[10]益言, 2023. 人工智能在金融领域的应用及监管进展[J].中国货币市场, 2023(12):71-76.

[11]李闻一, 黄怡凡, 钱磊, 2024. 基于ChatGPT+RPA的融资融券业务担保资产风险评价[J]. 会计之友, 2024(2):88-94.

 

（朱一峰为中央财经大学金融学院副教授；汤佳怡为中央财经大学金融学院研究生；赵霆钧为中央财经大学金融学院研究生）

本文仅代表作者观点。