DoNews9月8日消息，9月8日，在上海舉辦的外灘大會上，螞蟻集團正式發布金融大模型。據了解，螞蟻金融大模型基于螞蟻自研基礎大模型，針對金融產業深度定制，底層算力集群達到萬卡規模。
(資料圖片僅供參考)
該大模型聚焦真實的金融場景需求，在“認知、生成、專業知識、專業邏輯、合規性”五大維度28類金融專屬任務中表現突出，在“研判觀點提取”“金融意圖理解”“金融事件推理”等眾多領域達到行業專家水平。目前，螞蟻金融大模型已在螞蟻集團的財富、保險平臺上全面測試。
當天，螞蟻集團同時發布了基于金融大模型能力的兩款產品：智能金融助理“支小寶2.0”，服務金融產業專家的智能業務助手“支小助”，展示了螞蟻從基礎大模型到行業大模型以及產業應用的全棧布局和進展。
其中，“支小寶2.0”已內測近半年，將在完成相關備案工作后上線。“支小助”正在與螞蟻平臺合作機構內測共建，為理財顧問、保險代理、投研、金融營銷、保險理賠等金融從業專家打造全鏈條的AI業務助手。
本次發布會上，螞蟻也開放了金融專屬任務評測集“Fin-Eval”，該測試集從五大維度28個分類評估了金融大模型能力，填補了高質量綜合性評測集的行業空缺。
注入千億量級Token金融知識，重在規模化產業應用
螞蟻集團副總裁、金融大模型負責人王曉航介紹，基于金融場景中的大量實踐，螞蟻金融大模型形成了“大模型+知識+服務”驅動的架構，這套架構已經在螞蟻內部金融智能化場景上內測。
知識力方面，據介紹，螞蟻金融大模型在萬億量級Token的通用語料基礎上，注入千億量級Token金融知識，并從300+真實產業場景中提取了共60萬+高質量指令數據，形成了金融專屬任務性能優化的優勢數據資產。
專業力方面，得益于螞蟻長達十年的積累，平臺上有完備的數字化金融工具矩陣，螞蟻金融大模型可通過理解用戶語言，精準調用螞蟻體系內的這些專業工具，給用戶提供相應專業服務，理財側包括理財選品、產品評測、行情解讀、資產配置等6大類服務，保險側包括產品解讀、家庭配置、智能核保、智能理賠等10多個智能服務。
針對內容生成的安全可控問題，螞蟻金融大模型采用意圖識別與事實性校驗相結合的方式，有效提升了生成內容的合規性、安全性和真實性。
為了系統化評估AI在金融領域的表現，螞蟻從真實金融場景定義了金融AI任務評測集“ Fin-Eval”。Fin-Eval代表真實產業場景需求，是目前覆蓋最廣、專業性最深的金融智能領域評測集，由“認知、生成、領域知識、金融邏輯、安全合規”五大維度共28個分類組成。在本次外灘大會上，螞蟻集團也正式對外開放Fin-Eval，希望促進行業技術共同進步。
王曉航判斷，大模型正在為金融產業帶來體驗變革：更自然的交互，更豐富的供給，更有效的表達，更貼身的服務定制，更高效的服務。“金融業務鏈條上每一個關鍵職能，都值得用大模型技術重做一次。”
據了解，8月底，螞蟻金融大模型已通過證券從業資格、保險從業資格、執業醫師資格、執業藥師資格等專業試題測試。
目前，螞蟻金融大模型已率先在理財和保險領域進行應用測試。未來，螞蟻集團與金融機構合作的所有數字金融業務將全線接入這一大模型，助力合作機構數字化升級、智能化轉型。
發布兩大產品：2C的“支小寶2.0”和2B的“支小助1.0”
當天，螞蟻集團也發布了首個基于金融大模型的應用產品—智能金融助理“支小寶2.0”，以及面向金融行業專家的智能業務助手 “支小助1.0”，展示了螞蟻在大模型領域從技術到行業應用的全棧布局和進展。
據介紹，“支小寶2.0”在語言力、知識力、專業力、安全力四方面性能突出，可為用戶提供高質量的行情分析、持倉診斷、資產配置和投教陪伴等專業服務。
“支小寶2.0”具備高精度的意圖理解，個性化的溝通風格：金融意圖識別準確率達到95%，金融事件分析推理能力不遜于真人行業專家，能夠進行多回合的高質量對話。
智能業務助手“支小助”的1.0版本，則包含了“服務專家版”、“投研專家版”、“理賠專家版”、“保險研究專家版”等六個版本，全方位服務不同金融場景的從業人員，可在投研分析、信息提取、專業創作、商機洞察、金融工具使用等環節提供深度智能服務。
以“投研支小助”為例，實測數據顯示，支小助每日可輔助每位投研分析師高質量地完成超過100+篇研報和資訊的金融邏輯和觀點提取，40+金融事件的推理和歸因，分析效率倍增。
同時，支小助可基本替代基礎的金融工程代碼編寫，帶來量化研究效率的大幅提升。在“服務支小助”的輔助下，理財顧問和保險代理人的有效管戶半徑人均可擴大70%以上。
據了解，支小寶2.0已經內測近半年，待完成備案工作即可上線。支小助則正與螞蟻平臺的合作機構內測共建，待成熟后向螞蟻平臺上的合作機構正式開放。
據介紹，8日發布的螞蟻金融大模型基于螞蟻基礎大模型，針對金融產業深度定制。螞蟻基礎大模型平臺具備萬卡異構集群，其中千卡規模訓練MFU可達到40%，集群有效訓練時長占比90%以上，RLHF訓練在同等模型效果下訓練吞吐性能相較于業界方案提升3.59倍，推理性能相較于業界方案提升約2倍，處于業界先進水平，為大模型產業化應用提供有力支撐。