本报（chinatimes.net.cn）记者张萌 卢梦雪 北京报道 王缅提到，当前不少金融服务机构已在探索基于通用大模型底座提供各类数据分析服务，而在证券垂直 领域，关键在于如何将高质量的领域知识准确地传递给用户，即提升信息"召回"的准确性。中金公司一 站式投研服务平台"中金点睛"致力于将中金研究过去多年的积累，以及300余位分析师针对不同行业构 建的研究框架与模型，系统性地转化为结构化信息。他表示，该平台不仅提供信息，更着眼于辅助投资 决策的逻辑与判断，高效助力投资者研究市场，进一步提升定价能力。 在全球资本市场风险管控领域，"中金公司已有30%以上的收入来自于国际业务，我们的体会是，一旦 中国金融企业走向境外，我们要时刻准备好面对很多复杂情况，有时候甚至是惊涛骇浪。" 王缅在会上 提到，在国际市场展业尤其是如衍生品等资本类业务时，风险管理能力某种程度上决定了业务发展的上 限。中金公司在衍生品定价与风险计量体系建设方面作出了积极实践：自主研发境内外一体化风险与资 本计量系统，通过采用国产GPU/CPU混合部署的云原生分布式架构，极大提升了计算效率，实现百万 量级的衍生品持仓风险资本计量从传统计量软件的4- ...

大模型对金融行业的重塑 - 大模型正系统性、多层次地重塑金融行业运营模式、服务生态与竞争格局，助力形成高效、智能、普惠且个性化的金融服务新生态 [1] - 大模型将从三大方向重塑行业价值创造模式：提升金融服务质效，推动业务模式转型；减少信息不对称、降低信息获取成本，提升金融市场有效性；推动金融服务下沉，赋能广大普惠客群 [1] - 大模型给证券行业和资本市场竞争格局带来深远影响，或呈现出“马太效应”和“乘数效应”并存的局面 [1] 中金公司AI战略愿景与规划 - 公司确立“乘AI之机，铸未来之势，立投行数智新极”的AI战略愿景 [1] - 2025年以“5+n战略”为引领，聚焦五大核心场景：中金点睛大模型、财富管理大模型、中金智阅、小金智能助手和中金小猿，并提炼通用能力支持其他业务团队开发轻量化应用 [3] - 未来五年计划通过深度整合人工智能与大数据技术实现从数字化转型向智能化转型的跨越式发展，系统推进数据、应用与算力三大体系协同建设 [12] 对外客户服务应用与成果 - “中金点睛大模型”是证券行业首批AI投研应用，提供AI搜索、找数据、智能纪要三大核心功能，覆盖超12万个高价值投研数据指标，已累计服务1600余家机构、超4.4万名客户 [4] - 中金智阅大模型应用于投行风控审核，实现语义错误90%、语法/拼写错误85%的高检出率，已审核超64万篇交易所文件，并服务于深交所、上交所等监管机构，赋能超过5000家上市公司 [4][5] - 在财富管理领域，全面升级并上线IC Copilot协呼版，打造AI诊股能力，并计划以数字人“小JINN”为载体开发AI APP智能助理 [5] 对内运营效率提升 - 以小金智能助手、中金智阅等工具优化办公协作、合规审核等流程，小金智能助理以通用问答、多语种翻译、会议助手等功能覆盖集团员工日常办公需求 [6] - 中金智阅可自动审核文档语义错误与敏感信息，已完成数万篇内部文档审核，大幅提高风控效率 [6] - 计划深化数字员工在合同生成、流程自动化等场景落地 [12] 技术平台与基础设施建设 - 构建“天算”与“九章智启”两大核心平台，其中“九章智启”大语言模型应用开发平台累计AI应用总量已突破1300项 [7] - 采用以自主可控为核心、外部合作为补充的战略路径，通过私有化部署的AI模型和AI训练平台确保对核心技术完全掌控 [7] - 在算力层面构建以国产芯片为核心的混合算力体系，通过“北京－深圳－云端”三元架构实现跨地域弹性调度，计划三年内将国产算力占比提升至70%以上 [12] 行业机遇与挑战 - 按中金研究部预测，大模型可为金融业带来3万亿元增量价值 [9] - 当前AI在金融领域应用的技术瓶颈集中在高质量数据积累和应用、模型选型和适配、配套技术落地以及应用经济性等核心层面 [9] - 具体挑战包括高质量合规数据获取难、模型可解释性与鲁棒性不足、系统适配与成本压力大 [9][10][11] 未来发展方向 - 未来3-5年AI或将从根本上改变证券行业商业模式与竞争格局，产品服务向智能化、一体化升级，风控从成本中心转为价值环节 [11] - 证券行业AI技术将向决策智能深化、多模态技术落地、智能体与数字员工普及等方向发展 [11] - 公司计划深化人机协同应用，为全员和客户配备专属AI助手，推动AI覆盖投行尽调、交易策略优化等更多核心业务环节，打造AI原生业务模式 [2]

业务拓展计划 - 公司计划在2024年向国内外招募10名业务合伙人 [2] - 合伙人将负责自动驾驶相关课程研发、论文辅导业务开发以及硬件研发 [2] 重点技术方向 - 公司重点关注大模型/多模态大模型、扩散模型、VLA、端到端自动驾驶、具身交互等技术 [3] - 其他关键方向包括联合预测、SLAM、3D目标检测、世界模型、闭环仿真3DGS以及大模型部署与量化感知推理 [3] 人才招聘要求 - 合伙人岗位要求应聘者来自QS200以内高校，并拥有硕士及以上学历 [4] - 拥有顶级学术会议成果的候选人将获得优先考虑 [4] 合伙人待遇与激励 - 合伙人将获得自动驾驶领域的资源共享，包括求职、读博及出国留学推荐等支持 [5] - 公司提供丰厚的现金激励以及创业项目合作与推荐机会 [5]

业务拓展计划 - 公司计划在2024年向国内外招募10名业务合伙人 [2] - 合伙人将负责自动驾驶相关课程研发、论文辅导业务开发以及硬件研发 [2] 重点技术方向 - 公司重点关注大模型/多模态大模型、扩散模型、VLA、端到端自动驾驶、具身交互、联合预测等技术 [3] - 其他关键方向包括SLAM、3D目标检测、世界模型、闭环仿真3DGS、大模型部署与量化感知推理 [3] 人才招聘要求 - 合伙人岗位要求应聘者来自QS200以内高校，并拥有硕士及以上学历 [4] - 在顶级学术会议发表过论文的候选人将获得优先考虑 [4] 合伙人待遇 - 提供自动驾驶领域的资源共享，包括求职、读博、出国留学推荐等 [5] - 合伙人将获得丰厚的现金激励 [5] - 提供创业项目合作与推荐机会 [5]

核心观点 - 数据与AI双引擎融合驱动是智能时代演进方向 数据驱动AI发展 AI推动数据进化[1] - 大模型发展面临数据墙困境 无标签语料贡献减弱 大规模数据训练性价比显著降低[1] - 数据产业正经历从劳动密集型向技术密集型和知识密集型重大转型[2] 数据质量提升方法 - 通过语法复杂度指标和累积分布采样筛选高质量语料 从100亿token财经语料中筛选20%高质量数据训练 领域问答任务准确率提升1.7%[1] - 数据质量分析需从体验质量入手 考虑人类体验和机器体验[2] - 高质量数据集应满足VALID²要求 包括鲜活度 真实性 大样本 完整性 多样性 高知识密度[2] 行业实践案例 - 动捕数据 自动驾驶标注 思维链数据集等高质量数据服务千行百业[2] - 语料数据在方法论 基础设施和行业生态三方面进行体系化重构探索[2] 学术研究进展 - 大模型数据科学需从专家经验阶段发展到量化科学直至自进化阶段[1] - 需要从海量杂乱数据中提取决定模型能力的关键成分[1] - 精炼数据和合成数据都需要质量优先原则[2]

行业发展趋势 - 大模型推动人工智能从弱人工智能阶段向强人工智能阶段演进 处理通用复杂任务 [1] - 2024年中国大模型开发平台市场规模达16.9亿元人民币 [1] - 2024年中国人工智能算力市场规模约190亿美元 2025年将达259亿美元 同比增长36.32% 2028年将达552亿美元 [1] - 智能芯片作为算力基础设施核心 迎来前所未有的发展机遇 [1] 公司技术实力 - 专注于人工智能芯片产品研发与技术创新 掌握智能芯片及基础系统软件研发和产品化核心技术 [2] - 研制多款领先智能处理器及芯片产品 包括终端场景1A/1H/1M系列 云端思元100/270/290/370芯片 边缘思元220芯片 [2] - 智能芯片可高效支持大模型训练及推理 视觉处理 语音处理 自然语言处理和推荐系统等多模态人工智能任务 [2] - 支持主流开源大模型训练推理 包括DeepSeek系列 LLaMA系列 GPT系列 BLOOM系列 GLM系列及多模态Stable Diffusion [2] 业务体系构成 - 智能计算集群系统业务整合自研板卡/智能整机与服务器设备 网络设备 存储设备 配备集群管理软件组成数据中心集群 [3] - 集群核心算力来源为自研云端智能芯片 聚焦人工智能技术在数据中心应用 [3] - 为人工智能应用部署技术能力较弱客户提供软硬件整体解决方案 实现科学配置管理集群软硬件 提升运行效率 [3] 产业生态建设 - 在智能芯片及相关领域开展体系化知识产权布局 [2] - 与产业链上下游环节构建稳固合作关系 共同推进人工智能产业发展 [2]

Meta AI团队重组计划 - 科技巨头Meta正计划对其人工智能工作团队进行全面重组 这是公司在过去六个月内的第四次AI领域全面改革 旨在调整战略布局以应对行业竞争 [2] - 重组核心动作是将超级智能实验室拆分为四个功能明确的小组 包括TBD实验室 产品团队 基础设施团队和FAIR实验室 [2] 重组后团队职能分工 - TBD实验室聚焦高优先级 待明确落地场景的前沿AI技术探索 可能围绕生成式AI和大模型优化等短期突破目标展开 承担快速试错和验证技术可行性的角色 [2] - 产品团队负责推动AI技术在Meta核心产品矩阵中的落地应用 包括Facebook内容推荐算法 Instagram图像生成功能 WhatsApp智能交互服务等 并反向推动技术团队调整研发方向 [3] - 基础设施团队作为AI业务的技术底座 负责搭建和维护支撑大模型训练与AI应用运行的底层架构 包括算力集群 数据存储与安全体系 算法训练平台等 [3] - FAIR实验室专注于长期基础性AI研究 如通用人工智能(AGI)突破 AI伦理与安全机制构建等 重组后将保持独立研究属性 同时与其他小组建立更紧密协作 [3] 重组动因分析 - 重组旨在应对全球AI行业快速变化 竞争对手如OpenAI 谷歌 微软在生成式AI和大模型应用领域动作频繁 公司需提升研发效率与落地速度 [4] - 过去六个月内三次改革后 超级智能实验室内部存在职责交叉和沟通成本较高问题 拆分后各小组可聚焦核心任务 释放团队战斗力 [4]

自动驾驶技术交流平台 - 公司是国内领先的自动驾驶技术交流平台 专注于自动驾驶产业 学术与职场成长等领域 [1] - 平台提供技术交流群 涵盖大模型 端到端 VLA BEV感知 多模态感知等前沿技术方向 [1] - 交流范围包括感知 规划控制 仿真测试 硬件配置等自动驾驶全产业链环节 [1] - 平台面向企业 高校研究人员开放 需提供公司/学校 昵称和研究方向信息加入 [1]

端到端自动驾驶技术发展 - 端到端自动驾驶分为一段式端到端和二段式端到端两大技术方向 [1] - 二段式端到端以PLUTO为代表，专注于模型实现自车规划 [1] - 一段式端到端包括UniAD（基于感知）、OccWorld（基于世界模型）、DiffusionDrive（基于扩散模型）等不同流派 [1] - 基于VLM的方法推动自动驾驶VLA方向，开启大模型时代下的端到端研究 [1] - 传统BEV感知、车道线、Occupancy等研究方向在顶会中逐渐减少 [1] 学术界与工业界研究方向差异 - 工业界仍在优化传统感知、规划方案 [1] - 学术界转向大模型与VLA方向，为新兴研究领域 [1] - 新领域对初学者门槛较高，仅少数科研强者可独立产出 [1] - 论文研究方向建议优先考虑大模型、VLA领域 [1] VLA科研论文辅导课题 - 课程目标包括系统掌握VLA理论体系、提升动手能力、论文写作与投稿方法 [6] - 招生对象涵盖本硕博学生、留学申请者、自动驾驶从业者等 [7] - 课程收获包括经典与前沿论文分析、创新点挖掘、实验方法、写作投稿技巧 [8] - 硬件要求最低4张4090显卡，建议8张或租赁云服务器 [11] - 基础要求包括Python、PyTorch、Linux开发能力 [11] 课程结构与支持 - 12周在线科研+2周论文指导+10周维护期 [10] - 提供导师定制idea、baseline代码、数据集支持 [10][14][15] - 采用"2+1"多师制，含主导师与班主任全程跟踪 [13] - 学习阶段包括基础测试、个性化教学、学术回顾等 [13] - 产出包括论文初稿、结业证书、推荐信（优秀学员） [13] 学习资源与安排 - 提供开源代码库（UniAD、DiffusionDrive、OpenDriveVLA等） [14] - 必读论文涵盖VLA模型综述、Senna、SimLingo等前沿研究 [16] - 数据集采用nuScenes、Waymo、Argoverse等公开资源 [15] - 学习要求包括课前阅读、按时作业、全勤参与、学术诚信 [13]

直播主题 - 探讨大模型在财务、客服、营销三大场景中驱动业务提效的策略 [1][3] - 聚焦场景探索、技术落地和未来展望三大方向 [1][4] 直播嘉宾 - 主持人郑岩为华为云AI应用首席架构师 [3] - 嘉宾杨浩为蚂蚁集团高级技术专家 [3] - 嘉宾吴昊宇为明略科技高级技术总监 [3] 直播内容 - 实战场景剖析：精准评估落地价值并量化"价值锚点" [4] - 技术落地秘籍：包括模型选型、评测设计和RAG应用深度优化 [4] - 未来展望：探讨AI Native智能体特质及组织"超能力"布局 [4] 直播信息 - 直播时间为5月9日20:00-21:30 [2] - 可通过扫描海报二维码或预约InfoQ视频号观看直播 [6] - 观众可在文末留言提问，讲师将在直播中解答 [7]