La implementación de modelos grandes en la industria financiera: un regreso racional de la estrategia a la práctica
Tras el lanzamiento de ChatGPT, la industria financiera ha desatado rápidamente una ola de entusiasmo por los grandes modelos. Desde la ansiedad inicial hasta el regreso a la razón en la actualidad, el conocimiento y la aplicación de los grandes modelos por parte de las instituciones financieras están profundizándose gradualmente.
A principios de año, muchas instituciones financieras tenían prisa por seguir adelante y formaron equipos para explorar la aplicación de modelos grandes. A medida que ha pasado el tiempo, todos han comenzado a darse cuenta de las dificultades para implementar esto, y la actitud se ha vuelto más racional. Actualmente, varios bancos han dejado en claro en sus informes semestrales que están explorando la aplicación de modelos grandes y están planificando desde un nivel estratégico.
Las instituciones financieras han mejorado notablemente su comprensión de los grandes modelos. Pasaron de simplemente querer construir sus propios modelos a centrarse más en el valor de aplicación. Las grandes instituciones tienden a introducir grandes modelos básicos para construir sus propios modelos empresariales, mientras que las pequeñas y medianas instituciones optan más por utilizar directamente varios servicios de grandes modelos.
En el proceso de implementación, la potencia de cálculo y los datos son dos factores clave. Algunas grandes instituciones eligen construir su propia potencia de cálculo, mientras que las instituciones más pequeñas suelen optar por un enfoque de despliegue híbrido. Al mismo tiempo, cada vez más instituciones comienzan a fortalecer la gobernanza de datos y a construir una plataforma de datos.
En términos de escenarios de aplicación, las instituciones financieras generalmente adoptan la estrategia de "primero interno y luego externo", priorizando las pruebas piloto en escenarios internos. Actualmente, ya hay varios casos de implementación en escenarios no centrales como asistentes de código y oficinas inteligentes. Se espera que antes de fin de año aparezca un grupo de proyectos de aplicaciones de modelos grandes en escenarios de negocios centrales.
Desde el diseño de alto nivel, muchas instituciones están reconstruyendo todo el sistema de inteligencia basado en modelos grandes, estableciendo un marco que incluye múltiples niveles como infraestructura, modelos, servicios y aplicaciones. Este marco generalmente utiliza modelos grandes como el núcleo, al mismo tiempo que mantiene los modelos pequeños tradicionales y emplea una estrategia de múltiples modelos.
La aplicación de grandes modelos también plantea desafíos de talento para la industria financiera. Por un lado, algunos puestos se enfrentan a la posibilidad de ser reemplazados, y por otro lado, hay una grave escasez de talento relacionado con grandes modelos. Las instituciones financieras están formando talento a través de reclutamiento universitario y capacitación, y la estructura del personal también se ajustará en consecuencia.
En general, la aplicación de grandes modelos en la industria financiera está volviendo a la racionalidad, alejándose del entusiasmo ciego inicial, y comenzando a reflexionar sobre cómo integrar estrechamente los grandes modelos con los negocios para lograr una verdadera creación de valor. Este proceso aún enfrenta numerosos desafíos, que requieren un esfuerzo conjunto de instituciones financieras, empresas de tecnología y otras partes.
Ver originales
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
14 me gusta
Recompensa
14
8
Compartir
Comentar
0/400
AirdropFreedom
· 07-08 10:32
Solo se trata de calentar la popularidad, tarde o temprano se enfriará.
Ver originalesResponder0
LiquidityWhisperer
· 07-07 08:20
Solo es para ganar un poco de popularidad.
Ver originalesResponder0
ser_we_are_early
· 07-06 14:59
Después de la especulación, finalmente se ha calmado.
Ver originalesResponder0
CompoundPersonality
· 07-06 08:56
tontos, otra vez en la tierra toman a la gente por tonta
Ver originalesResponder0
DataOnlooker
· 07-06 08:53
El dinero siempre corre más rápido al final.
Ver originalesResponder0
PumpingCroissant
· 07-06 08:53
El gran modelo se está calentando tanto, solo es para tomar por tonto a los tontos.
Aplicación de grandes modelos en el sector financiero: de la planificación estratégica a la implementación racional
La implementación de modelos grandes en la industria financiera: un regreso racional de la estrategia a la práctica
Tras el lanzamiento de ChatGPT, la industria financiera ha desatado rápidamente una ola de entusiasmo por los grandes modelos. Desde la ansiedad inicial hasta el regreso a la razón en la actualidad, el conocimiento y la aplicación de los grandes modelos por parte de las instituciones financieras están profundizándose gradualmente.
A principios de año, muchas instituciones financieras tenían prisa por seguir adelante y formaron equipos para explorar la aplicación de modelos grandes. A medida que ha pasado el tiempo, todos han comenzado a darse cuenta de las dificultades para implementar esto, y la actitud se ha vuelto más racional. Actualmente, varios bancos han dejado en claro en sus informes semestrales que están explorando la aplicación de modelos grandes y están planificando desde un nivel estratégico.
Las instituciones financieras han mejorado notablemente su comprensión de los grandes modelos. Pasaron de simplemente querer construir sus propios modelos a centrarse más en el valor de aplicación. Las grandes instituciones tienden a introducir grandes modelos básicos para construir sus propios modelos empresariales, mientras que las pequeñas y medianas instituciones optan más por utilizar directamente varios servicios de grandes modelos.
En el proceso de implementación, la potencia de cálculo y los datos son dos factores clave. Algunas grandes instituciones eligen construir su propia potencia de cálculo, mientras que las instituciones más pequeñas suelen optar por un enfoque de despliegue híbrido. Al mismo tiempo, cada vez más instituciones comienzan a fortalecer la gobernanza de datos y a construir una plataforma de datos.
En términos de escenarios de aplicación, las instituciones financieras generalmente adoptan la estrategia de "primero interno y luego externo", priorizando las pruebas piloto en escenarios internos. Actualmente, ya hay varios casos de implementación en escenarios no centrales como asistentes de código y oficinas inteligentes. Se espera que antes de fin de año aparezca un grupo de proyectos de aplicaciones de modelos grandes en escenarios de negocios centrales.
Desde el diseño de alto nivel, muchas instituciones están reconstruyendo todo el sistema de inteligencia basado en modelos grandes, estableciendo un marco que incluye múltiples niveles como infraestructura, modelos, servicios y aplicaciones. Este marco generalmente utiliza modelos grandes como el núcleo, al mismo tiempo que mantiene los modelos pequeños tradicionales y emplea una estrategia de múltiples modelos.
La aplicación de grandes modelos también plantea desafíos de talento para la industria financiera. Por un lado, algunos puestos se enfrentan a la posibilidad de ser reemplazados, y por otro lado, hay una grave escasez de talento relacionado con grandes modelos. Las instituciones financieras están formando talento a través de reclutamiento universitario y capacitación, y la estructura del personal también se ajustará en consecuencia.
En general, la aplicación de grandes modelos en la industria financiera está volviendo a la racionalidad, alejándose del entusiasmo ciego inicial, y comenzando a reflexionar sobre cómo integrar estrechamente los grandes modelos con los negocios para lograr una verdadera creación de valor. Este proceso aún enfrenta numerosos desafíos, que requieren un esfuerzo conjunto de instituciones financieras, empresas de tecnología y otras partes.