工商銀行首席技術官呂仲濤：大模型可預測工行未來30天存款余額走勢

每經記者｜張壽林    每經編輯｜馬子卿    

12月22日，在中國財富管理50人論壇2024年會（十一屆）上，工商銀行首席技術官呂仲濤指出，大模型應用落地方面，目前業界尚無標準方法論。

呂仲濤認為，企業可按照場景通用化、專業化的程度來結合自身實際，分別使用基礎大模型、行業大模型、企業大模型、任務大模型。他在介紹大模型場景運用時提到，利用構建全行資金營運調度助手，可對工商銀行未來30天的存款余額走勢及分行收支情況進行預測。

工商銀行首席技術官呂仲濤

圖片來源：主辦方

四層大模型專業屬性逐層增強

呂仲濤指出，企業可分別使用的前述基礎大模型、行業大模型、企業大模型、任務大模型等四層模型，在規模和算力投入上各有差異，專業屬性逐層增強。

基礎大模型基于互聯網通識數據，從零開始訓練構建，例如大家熟知的GPT-4o等，可直接用于文本摘要生成等通用場景，可類比于高中生，可塑性強，但無法解決特定行業的專有問題。

行業大模型基于基礎大模型，通過行業公共數據的二次訓練，無各企業的私域數據，行業普適性強，現階段像醫療、金融等數字化程度較高的行業，已在逐步開展行業大模型的開發，可以較好地解決行業普適性問題，它可類比于大學生經過金融、計算機等四年專業學習，具備較好的行業理論知識，但并不具備解決企業具體實戰經驗。

企業大模型在行業大模型基礎上，結合企業內部私域數據進行訓練，兼具行業普適性和企業自身特征，對于特別敏感的私域數據，一般不會加入這個模型，而是通過“外掛”知識庫的方式開展，同時做好合理的授權和敏感數據的實時更新。

任務大模型，是針對有些企業大模型無法較好解決的業務場景，通過采用少量數據進行微調，形成專屬領域的任務大模型。

大模型可預測分行未來30天收支情況

呂仲濤介紹，工商銀行體系化推動大模型企業級的技術能力建設，按照三大支柱、1+X的范式、兩權平臺、全域生態的建設思路，立足于全棧國產化技術，建成集算力、算法、數據、工具、能力、安全、應用、生態于一體的企業級千億金融大模型技術體系，協同賦能，打造人工智能+金融的新生態。

算力方面，工商銀行建成千卡規模信創AI算力云，具備了面對TB級數據三周內完成千億大模型全參穩定訓練的能力。

數據方面，工商銀行打造了一套適配大模型的金融支持工程，革新數據要素運營模式，建成從世界通識、行業通識、企業通識、領域及任務的五層知識架構，形成了采集、清洗、管理、應用標準工藝，實現全集團內外部全量支持的體系化管理，及時更新迭代和靈活應用。

在具體實踐中，呂仲濤說，工商銀行針對金融行業知識專業性高、任務執行嚴謹、權限隔離嚴格等特點，總結了適配金融行業的1+X工程化解決方案，其中“1”是指金融智能中樞，通過應用大模型的理解調度能力，實現在金融復雜場景下任務拆解、規劃、執行，成功率達到90%以上。“X”包含知識檢索、數據分析、文檔編寫、智能搜索等多項常用智能，金融知識問答滿意度90%，對話式指標查詢準確率95%以上。

呂仲濤進一步介紹了兩個運用場景。在金融市場業務領域，以金融市場數字員工“工小金”為交易的統一入口，工商銀行推出ChatDealing智能對話交易產品，將智能化深度融合于業務全過程，推動金融市場業務全鏈數字化，其中交互式對話交易助手ChatDealing基于All in Chat的理念，實現了支行、分行、總行多方交易員在同一交易對話框中，通過對話完成價格磋商，運用大模型適配用戶意圖，并智能識別交易話術，生成交易意向達成交易，重塑原有的先線下電話溝通，后線上審批報價的業務模式，實現對客交易效率提升3倍，現已上線即期結售匯、遠期結售匯、即期外匯、遠期外匯、外匯組合產品等業務產品，目前已覆蓋了80%對客詢價交易場景。

在資產負債領域，面向資產負債管理、資金管理崗業務人員提供資金運營調度的智能輔助決策能力，顯著提升資金管理人員對全行存量資產的負債產品、每日流動資金的管理效能。利用構建全行資金營運調度助手，實現了更加高效精準的資金預測，可對工商銀行未來30天的存款余額走勢及分行收支情況進行預測。

封面圖片來源：主辦方