AI已经发展至引爆点,众多领域都在采用AI来创造能够改变日常体验的开创性成果,比如金融服务领域。
人工智能技术与金融业务深度融合,衍生出新业态、新场景,深刻影响金融业的发展模式据麦肯锡估计,AI技术每年可为全球银行业创造高达1万亿美元的额外价值。

近日,德意志银行宣布与NVIDIA建立为期多年的创新合作关系,致力于加快人工智能(AI)和机器学习(ML)在金融服务领域的应用,包括智能虚拟形象、语音AI、欺诈检测等。
通过结合德意志银行的金融专业知识与NVIDIA在AI和加速计算领域的领先优势,双方将加快开发各种符合监管要求的AI服务。此次合作将通过使用人工智能和机器学习来简化并加速云迁移决策等方式,推动德意志银行的云转型。
据悉,德意志银行和NVIDIA的合作将首先重于三个潜在的实施项目,志在后续数年内将合作范围扩大到一百多个项目。目前双方已就此展开了探索。
通过NVIDIA AI Enterprise软件,德意志银行的AI开发者、数据科学家和IT专业人士将能够在任何地点构建和运行AI工作流,包括在其托管的本地数据中心内和该银行的公有云提供商——Google Cloud上运行NVIDIA AI工作流。。
德意志银行的相关举措有望加快其为全球客户提供服务、开发全新数据驱动型产品和服务、提高效率以及招募科技人才的速度。
聚焦三大应用领域
在AI与金融的加速融合下,催生出了智能营销、智能识别、智能理财、智能风控、智能客服等多种提升金融价值的场景。AI对于金融服务的影响是多方面的,德意志银行和NVIDIA三个应用场景进行了探索。
新一代风险管理——价格厘定、风险评估和模型回测都需要在大规模传统CPU服务器网格农场上进行密集计算。加速计算能够实时提供更加准确的结果,助力为客户创造更高的价值,同时将总成本降低多达80%。
许多通常在深夜处理的银行功能,例如风险评估,现可借助加速计算实时运行。交易员通过在更加节能的网格农场上更快地运行更多场景,实现风险管理方式的飞跃。
借助逼真虚拟助手和数字人,重新定义个性化客户服务——德意志银行正在使用NVIDIA Omniverse Enterprise (用于构建和运行元宇宙应用的开放式计算平台)探索如何增进与员工、面试候选人和客户的互动,利用3D虚拟形象,提升24小时全天候实时体验品质。
德意志银行在一个早期的潜在实施项目中创建了一个3D虚拟形象,其能够为浏览内部系统的员工进行导航,并为其回答人力资源相关问题。未来用例将探索如何为银行客户提供沉浸式元宇宙体验。
从非结构化数据中挖掘洞察——长期以来,从非结构化数据中提取关键信息的难度颇高,但现有大型语言模型在金融文本上的表现并不理想。
2017年出现的Transformer是一种能够基于数据来理解上下文,并由此理解意义的神经网络,它能够改变这种情况。预训练模型在文本生成、翻译,甚至软件编程等方面的性能都十分出彩,已成为新一代AI的基础。
德意志银行和NVIDIA正在测试一组被称为“金融Transformer”(Financial Transformer,简称Finformers)的大型语言模型。 这些系统将能够发出交易方风险预警信号,更快速地检索数据,并发现数据质量问题。
这个创新合作项目是德意志银行当前技术转型的一个重要组成部分。德意志银行将通过这一合作,加速扩大内部AI卓越中心,为人工智能和机器学习服务的实验和开发以及专业技能的发展提供支持。该中心还将开发、促进和推动可解释、负责任的AI,增进对金融服务应用中模型预测结果的理解以及对AI和加速计算领域的探索。
结语
随着人工智能技术的不断发展,在金融行业,人工智能的应用经历了标准能力应用探索、细分业务领域垂直深化阶段后,已进入全面应用和持续创新的新阶段,人工智能将用于更广更多元化的产品形态和功能。
展望未来,德意志银行和NVIDIA合力推进AI在金融服务领域的应用,进一步加快AI和机器学习卓越中心的发展,实现金融服务管理和交付方式现代化的服务,推动金融业的创新。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。