今年以来，金融科技行业讨论最多的话题就是如何着力提升产业链供应链韧性，这既是构建新发展格局的重要基础，也是产业格局重构的必然选择。
“当提出‘韧性’的时候，很多是泛泛而谈。为了进一步理解，首先需要从词汇的概念上予以甄别。”国家金融与发展实验室副主任杨涛认为，产业链供应链韧性的内涵包括可靠性、响应能力、协同性与敏捷性四个方面，与之相应，金融可以作为“润滑剂”，用于改善产业链韧性。
从金融科技的发展脉络来看，企业及其所在的产业链与各类金融组织、科技企业实现了快速融合，而伴随着新技术的演进，一个重大变化是，这种融合从外部融合转变为供应链金融到产业链金融这样的内生性融合。
(相关资料图)
产业链供应链的发展需要物流、资金流、商流、信息流等数据信息的全面打通。无论是大制造还是大消费领域，在研发、生产、流通、分销及服务等多个环节，金融机构与科技企业都可以利用包括AIGC 、GPT在内的AI技术，优化产业链与供应链的全链路，深度挖掘行业数据价值，发掘更多业务场景，在降本增效的同时，全面提升产业链供应链的价值创造力。
大模型能做什么
大模型在前沿技术领域的崛起，开启了AI新时代。
什么是大模型？简单来说，其是指具有大量参数和复杂结构的机器学习模型，相比传统的逻辑回归、决策树、KNN等机器学习模型，大模型的参数可以达到百亿级别，能够处理大规模的数据和复杂问题。
《金融时报》记者注意到，今年以来，不少科技企业纷纷布局人工智能大模型，市场热度居高不下，技术的迭代速度越来越快。
“前沿技术多点突破，大模型训练、推理等高算力芯片持续迭代升级，多元异构计算技术加速普及，有力支撑了人工智能、区块链、元宇宙等新兴应用发展。”工业和信息化部新闻发言人、总工程师赵志国在近日国新办举行的2023年上半年工业和信息化发展情况新闻发布会上表示，工信部正在着力推动大模型算法、框架等基础性原创性技术突破，提升产业基础高级化水平。
大模型如何发挥其价值？科技企业正在探索推动大模型的产业化应用。
“大模型价值的实现，一定是在真实的产业场景中。可以确定的是，人工智能大模型的应用，将会为供应链金融领域带来巨大变革。” 在供应链金融的产品和场景层面，京东集团副总裁、京东科技金融科技事业部总裁李波表示，人工智能大模型通过不断深入产业实践，实现迭代升级，从而具备对于产业链自身特点的深度理解，基于逻辑推理能力，可以帮助金融机构在给定的限制条件下，为特定客户群体自动匹配最适合的金融产品，甚至还可以依据不同产业链或场景的运行特点开发出创新的供应链金融产品，更有针对性，也更具有普惠性。
除此之外，大模型可以突破视频、图片等多模态内容的局限，深度理解并解析各种非结构化数据，实现业务场景监控视频与业务流、资金流的匹配以及仓储监控和商品的全生命周期跟踪等，这些都可以为供应链金融的风险评估或贷后管理提供更多维且有效的数据。
“可以看到，供应链金融创新的一些难点事实上仍然没有真正突破，新技术的运用往往只是在边际上带来改良。”杨涛表示，伴随着新技术、人工智能大模型、大数据一系列的演进以及随着生态环境、基础设施的优化，有望看到从供应链金融到更为广义的产业链金融发生更多有益变化。
强化算力基础设施建设
随着大模型计算和存储密度的不断提升、网络带宽的不断增大，虚拟化的资源占用也随之提升。建好大模型、用好大模型，性能强劲的数字基础设施是前提。在业内人士看来，大模型的训练与应用对数字基础设施提出了更高的要求。可以说，数据存储等基础设施是大模型发展的“底座”，作用十分重要。
从生态体系看，目前，以云服务为主要代表的算力服务不断普及，涵盖应用、软硬件产品和设施等的产业生态也在不断完善。
中国信息通信研究院云计算与大数据研究所所长何宝宏表示，“云”正在变成基础设施，强大、便捷的算力服务，首先要考虑稳定性；其次要惠及更多的人、行业和应用，标准化、便利性的云基础设施有非常大的发展空间。
算力是驱动大模型发展的底层动力，围绕算力服务的基础设施建设也得到了政策层面的重视和支持。赵志国在上述新闻发布会上透露，工信部将出台指导算力基础设施高质量发展的政策文件，加大高性能智算供给，加强先进存储产品部署，开展算力网络优化行动，加快构建云边端协同、算存运融合的一体化、多层次的算力基础设施体系。
基础设施是大模型产业化应用的支撑。只有实现从技术创新到产业应用，才能把大模型的价值激发出来。事实上，将大模型能力迁移到产业领域并非易事。高质量的行业知识作为稀缺要素，决定了大模型的“智商”。《金融时报》记者注意到，针对这一问题，科技企业也在不断探索基于自身场景、技术优势的可行模式。
从京东于8月上线的言犀AI开发计算平台来看，该平台沉淀了京东在零售、物流、健康、金融等行业多年积累的知识，通过算法工具集成到平台，并部署了京东技术团队开发的100多种训练和推理优化工具，结合低代码应用平台，可为客户提供从数据建设到模型应用的一站式服务。不到一周时间，用户即可完成从数据准备、模型训练到模型部署的全流程，同时，通过平台加速工具，能够帮助用户节约90%的推理成本。
（文章来源：金融时报）
标签：
相关新闻
