Mô hình lớn kích thích sự chuyển đổi trong ngành tài chính Khám phá các tình huống ứng dụng và thách thức về nhân tài

robot
Đang tạo bản tóm tắt

Khám Phá Chuyển Đổi Ngành Tài Chính Dưới Ứng Dụng Mô Hình Lớn

Kể từ khi ChatGPT ra đời, ngành tài chính ngay lập tức cảm thấy lo lắng mạnh mẽ. Ngành này, đầy niềm tin vào công nghệ, sợ rằng sẽ bị bỏ lại trong dòng chảy phát triển nhanh chóng của thời đại. Cảm giác lo âu này thậm chí đã lan đến những ngôi chùa yên tĩnh. Một chuyên gia trong ngành tiết lộ rằng, trong chuyến công tác vào tháng 5 tại Đại Lý, cô ấy đã gặp những người làm trong ngành tài chính thảo luận về mô hình lớn ngay trong chùa.

Tuy nhiên, sự lo lắng này đang dần trở lại với lý trí, và suy nghĩ cũng trở nên rõ ràng hơn. CTO của Ngân hàng Softcom đã mô tả vài giai đoạn thái độ của ngành tài chính đối với mô hình lớn: tháng 2-3, lo lắng phổ biến; tháng 4-5, bắt đầu thành lập đội ngũ; vài tháng sau đó, gặp khó khăn trong quá trình triển khai, trở nên lý trí hơn; bây giờ, bắt đầu chú ý đến các tiêu chuẩn, thử nghiệm các tình huống đã được xác minh.

Một xu hướng mới là nhiều tổ chức tài chính đã coi trọng mô hình lớn từ góc độ chiến lược. Theo thống kê không đầy đủ, ít nhất có 11 ngân hàng trong số các công ty niêm yết A-shares đã rõ ràng đề cập đến việc khám phá ứng dụng mô hình lớn trong báo cáo nửa năm gần nhất. Từ các hành động gần đây, họ đang có những suy nghĩ và quy hoạch đường đi rõ ràng hơn ở cấp độ chiến lược và thiết kế cấp cao.

Từ sự nhiệt tình cao độ đến sự trở về lý trí

Vào đầu năm, khi ChatGPT vừa mới xuất hiện, khách hàng tài chính vẫn còn hiểu biết rất hạn chế về mô hình lớn, mặc dù họ rất hào hứng nhưng không rõ cụ thể nên sử dụng như thế nào. Một số ngân hàng lớn đã nhanh chóng hành động, bắt đầu thực hiện các chương trình quảng cáo "hưởng ứng". Đồng thời, các bộ phận công nghệ của một số tổ chức tài chính hàng đầu tích cực thảo luận với các công ty lớn về việc xây dựng mô hình lớn. Họ đều hy vọng tự xây dựng mô hình lớn, hỏi về việc chế tạo tập dữ liệu, mua máy chủ, phương pháp đào tạo và các vấn đề khác.

Sau tháng 5, tình hình dần dần thay đổi. Do thiếu hụt tài nguyên tính toán và chi phí cao, nhiều tổ chức tài chính bắt đầu chuyển từ việc chỉ mong muốn tự xây dựng sang việc chú trọng hơn đến giá trị ứng dụng. Hiện tại, mỗi tổ chức tài chính đều quan tâm đến tình hình và hiệu quả của việc các tổ chức khác sử dụng mô hình lớn.

Cụ thể, các tổ chức tài chính lớn có thể đưa vào các mô hình lớn cơ sở hàng đầu trong ngành, tự xây dựng mô hình lớn doanh nghiệp, đồng thời áp dụng phương pháp tinh chỉnh để hình thành mô hình lớn nhiệm vụ trong lĩnh vực chuyên môn, nhanh chóng nâng cấp năng lực kinh doanh. Các tổ chức tài chính nhỏ và vừa có thể theo nhu cầu đưa vào các API đám mây công cộng hoặc dịch vụ triển khai riêng tư của các mô hình lớn, trực tiếp đáp ứng nhu cầu nâng cấp.

Do yêu cầu cao về tính tuân thủ, an toàn và độ tin cậy của dữ liệu trong ngành tài chính, một số người cho rằng tiến độ triển khai mô hình lớn trong ngành này thực tế hơi chậm so với kỳ vọng đầu năm. Một số tổ chức tài chính đã bắt đầu tìm kiếm giải pháp, chẳng hạn như về khả năng tính toán, có vài hướng đi:

  1. Xây dựng sức mạnh tính toán trực tiếp, chi phí cao nhưng độ an toàn tốt, phù hợp với các tổ chức tài chính lớn mong muốn tự xây dựng mô hình ngành hoặc doanh nghiệp.

  2. Triển khai hỗn hợp sức mạnh tính toán, trong trường hợp dữ liệu nhạy cảm không rời khỏi miền, chấp nhận gọi giao diện dịch vụ mô hình lớn từ đám mây công cộng, đồng thời xử lý dịch vụ dữ liệu địa phương thông qua triển khai tư nhân. Cách này có chi phí tương đối thấp, phù hợp với các tổ chức tài chính vừa và nhỏ sử dụng theo nhu cầu.

Để giải quyết vấn đề các tổ chức nhỏ và vừa khó khăn trong việc có được hoặc chi trả cho thẻ GPU, các cơ quan liên quan đang khám phá việc xây dựng cơ sở hạ tầng mô hình lớn dành cho ngành chứng khoán, tập trung tài nguyên tính toán và mô hình lớn đa năng, để các tổ chức tài chính nhỏ và vừa cũng có thể sử dụng dịch vụ mô hình lớn.

Trong lĩnh vực quản trị dữ liệu, ngày càng nhiều các tổ chức tài chính vừa và nhỏ cũng bắt đầu xây dựng nền tảng dữ liệu và hệ thống quản trị dữ liệu. Một số ngân hàng đang giải quyết vấn đề dữ liệu thông qua cách tiếp cận mô hình lớn + MLOps, đạt được quản lý thống nhất và xử lý hiệu quả dữ liệu đa nguồn và dị thể.

Bắt đầu từ bối cảnh bên ngoài

Trong hơn nửa năm qua, các nhà cung cấp dịch vụ mô hình lớn và các tổ chức tài chính đều đang tìm kiếm các tình huống áp dụng, bao gồm văn phòng thông minh, phát triển thông minh, tiếp thị thông minh, dịch vụ khách hàng thông minh, nghiên cứu đầu tư thông minh, kiểm soát rủi ro thông minh, phân tích nhu cầu, v.v.

Mỗi tổ chức tài chính đều có những ý tưởng phong phú về mô hình lớn. Nhưng khi thực hiện, thường áp dụng chiến lược trước nội bộ rồi đến bên ngoài. Bởi vì công nghệ mô hình lớn hiện tại vẫn chưa trưởng thành, trong khi ngành tài chính đòi hỏi rất cao về quản lý, an toàn và độ tin cậy.

Hiện tại, các bối cảnh như trợ lý mã và văn phòng thông minh đã được triển khai tại nhiều tổ chức tài chính. Tuy nhiên, các chuyên gia trong ngành cho rằng, những bối cảnh rộng rãi này thực sự vẫn chưa phải là ứng dụng cốt lõi của các tổ chức tài chính, và mô hình lớn vẫn còn một khoảng cách nhất định để đi sâu vào các khía cạnh kinh doanh của ngành tài chính.

Một số thay đổi ở cấp độ thiết kế tổng thể đang được tiến hành. Hệ thống thông minh và kỹ thuật số trong tương lai sẽ được xây dựng trên nền tảng của các mô hình lớn, điều này yêu cầu ngành tài chính cần tái cấu trúc hệ thống trong quá trình thúc đẩy các mô hình lớn, đồng thời cũng phải hợp tác giữa các mô hình lớn và các mô hình nhỏ truyền thống.

Hiện đã có nhiều tổ chức tài chính hàng đầu xây dựng hệ thống phân lớp bao gồm các lớp hạ tầng, lớp mô hình, lớp dịch vụ mô hình lớn và lớp ứng dụng dựa trên mô hình lớn. Những khung hệ thống này thường có hai đặc điểm lớn: một là mô hình lớn phát huy năng lực trung tâm, sử dụng mô hình truyền thống như một kỹ năng gọi; hai là lớp mô hình lớn áp dụng chiến lược đa mô hình, trong đó tiến hành thi đấu nội bộ để chọn ra hiệu quả tối ưu.

Khoảng cách nhân tài vẫn còn rất lớn

Việc ứng dụng các mô hình lớn đã bắt đầu mang lại một số thách thức và biến đổi cho cơ cấu nhân sự trong ngành tài chính. Một số vị trí đang phải đối mặt với nguy cơ bị thay thế, nhưng cũng có ngân hàng hy vọng rằng các mô hình lớn có thể mang lại những cơ hội mới, nâng cao chất lượng dịch vụ của nhân viên và hiệu suất làm việc, đồng thời giải phóng một phần nhân viên để thực hiện những công việc có giá trị cao hơn.

Quan trọng hơn, nguồn cung nhân tài mô hình lớn khó khăn để đáp ứng nhu cầu tăng vọt. Các tổ chức tài chính đang đối mặt với thách thức thiếu nhân tài khi áp dụng khả năng mô hình lớn cho quy trình kinh doanh cốt lõi. Nhu cầu nhân tài áp dụng trực tiếp mô hình lớn tương đối đơn giản, nhưng nếu muốn xây dựng mô hình lớn cho ngành hoặc doanh nghiệp, thì cần một đội ngũ công nghệ mô hình lớn chuyên nghiệp.

Một số tổ chức đã thực hiện hành động, như thiết kế các khóa đào tạo chung, thành lập các nhóm dự án liên ngành, nhằm nâng cao năng lực của nhân viên doanh nghiệp. Trong quá trình này, cơ cấu nhân sự của các tổ chức tài chính cũng sẽ có sự điều chỉnh và biến đổi, những nhà phát triển mô hình lớn sẽ dễ dàng được giữ lại hơn.

Xem bản gốc
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
  • Phần thưởng
  • 4
  • Chia sẻ
Bình luận
0/400
OnChainDetectivevip
· 07-18 23:40
Cơ sở hạ tầng không theo kịp công nghệ
Xem bản gốcTrả lời0
AllInAlicevip
· 07-18 15:36
Chiên hơi quá một chút.
Xem bản gốcTrả lời0
metaverse_hermitvip
· 07-17 07:15
Công nghệ cuối cùng sẽ định hình lại ngành tài chính
Xem bản gốcTrả lời0
HodlOrRegretvip
· 07-17 07:08
Sự tuân thủ là cửa ải đầu tiên
Xem bản gốcTrả lời0
Giao dịch tiền điện tử mọi lúc mọi nơi
qrCode
Quét để tải xuống ứng dụng Gate
Cộng đồng
Tiếng Việt
  • 简体中文
  • English
  • Tiếng Việt
  • 繁體中文
  • Español
  • Русский
  • Français (Afrique)
  • Português (Portugal)
  • Bahasa Indonesia
  • 日本語
  • بالعربية
  • Українська
  • Português (Brasil)