华泰证券积极推动科技金融创新，共同深度参与产业链和行业格局的全新变革。
胜马财经获悉，7月8日，华泰证券于2023世界人工智能大会举办“AI大模型的金融数智化机遇”科技金融创新论坛。聚焦当下备受关注的AI大模型，论坛前瞻技术发展趋势，并就金融等产业的广泛应用场景，探讨技术的落地路径和面临的挑战。
华泰证券机构业务委员会主席梁红在致辞中表示，金融作为数据驱动型行业，已经成为AI大模型等最新技术率先落地的重要领域之一。华泰证券积极推动科技金融创新，在以大模型为代表的人工智能应用方面，也在探索与多元合作伙伴资源互补，共同深度参与产业链和行业格局的全新变革。
创新与局限：大模型如何实现飞跃
针对AI大模型创新性和局限性，日本工程院院士、欧盟科学院院士、日本工学会院士、电子科技大学讲席教授任福继和清华大学副教授、语音和智能实验室主任欧智坚两位学术专家分享了各自观点并提出了理论和技术层面可能的演进方向。
任福继认为以GPT-4为代表的大模型无疑会带来一场智能系统革命，但其在理论上其实并无多少创新，仍基于大数据驱动人工智能的研究范式，只是在模型规模达到一定程度后，涌现出了过去小模型所不具备的能力。
正如生物、经济社会等各种复杂系统，虽然个体遵循的规则相对简单，但构成一个整体时，新的属性或规则会突然在系统层面诞生，产生更为复杂的整体行为。
一些新的研究表明，对于某些任务和模型，存在一个复杂性阈值，一旦超过该阈值，模型的功能就会突飞猛进。当下的大模型仍然没有意识、缺乏情感认知，回避了智能的本质问题，未来有待基于理解和数据双驱动的人工智能研究新范式，实现真正的飞跃。
欧智坚指出GPT采用的“预训练+微调”的半监督学习方式，其本质是协同进行有监督和无监督学习，让有监督的目标成为无监督的“指路标”，实现有原则、有依据的无监督学习。
目前，随机编造是ChatGPT面临的一大问题，导致专用商用的“最后一公里”不可控。为了充分利用企业大量标注缺失的数据，提升模型的专业性，可以采用“基于隐变量建模”（隐变量指不可观测的随机变量，对应于缺失的标注）的半监督学习方式，并通过“检索+生成”双模型的“端到端训练”，让训练与测试在利用新知识上对齐。
上海人工智能实验室数字经济研究团队执行负责人、复旦大学客座教授杨燕青则从经济学角度分析了大模型从科研走向产业、经济和社会时所要面对的宏观政策和治理问题。
她认为，以大模型为核心的AI作为通用技术，将带来生产力的跃升；在替代一些工作的同时，也将赋能和创造新的就业岗位，总体而言，人类工作时间将减少，闲暇将增加。
在就业和收入分配领域未来需要宏观政策工具箱的应对。就大模型市场是否会出现垄断，她认为这取决于未来的垂直行业大模型是否会创造更高的价值。此外，大模型的可控、安全，以及和人类对齐也至关重要，而这需要全球科学家和政策制定者的共同努力。
机遇与竞争：把握AI 2.0的投资主线
在蓬勃发展的技术和“群雄逐鹿”的市场格局下，AI大模型具体将带来哪些产业机遇？在论坛上，华泰证券研究所发布了《AI 2.0：十年之后我们还能做什么》深度报告，华泰证券研究所科技行业首席分析师黄乐平对报告进行了解读，指出从4G周期经验看，AI大模型技术惠及的产业类型将由基础设施向终端、平台、应用依次发展，可能带来四大投资机会。
四位来自不同细分赛道的科技企业代表则结合各自的实践，探讨了中国企业在当下的市场格局中如何突围。
在数据层面，海天瑞声首席技术官黄宇凯认为由于中文互联网和中国数字化进程历史较短、相关企业机构数据共享有限、数据流通率较低、代码本身不使用中文编写等原因，高质量中文大模型数据工程化还有相当的提升空间，还有许多工作可以做，也是海天瑞声会重点发力的领域。
从算法来看，中科创达副总裁杨新辉认为大模型适合完成对精准要求不高的柔性任务，而原来的小模型适合相对单一的任务，未来这两种算法融合会产生许多应用型创新和对算法的需求，混合AI将是人工智能的全集。
中兴通讯人工智能平台首席架构师唐波指出国内的头部企业应该从零到一构筑自主的大模型能力，而有一定研发实力和需求场景，但缺乏算力储备的企业则可以使用开源模型做微调，在垂直领域争取差异化优势。
而就算力来说，登临科技联合创始人王震宇认为中国市场的AI应用场景比国外丰富，比如智慧交通、城市、安防、医疗、金融等，许多国内AI芯片公司开始提供这些场景下的算力，未来，在国家和企业各个层面共同推动下，相信国内AI落地会进一步加速。