“我之前有时候正经技术活儿一点没干，时间全在拉通部门、整理数据上。”外人都觉得张天是光鲜亮丽的AI科学家，只有他自己不这么认为。

近些年AI的兴起让中国的金融期货交易开启了数字化转型的进程。从事中国金融期货交易工作的张天负责的就是数据、算法方面的技术研究工作。然而，在不断精进的过程中，他也感受到了一些力不从心。

(资料图片)

“金融行业和AI是天然的结合，但一线的糟心事鲜有人知：上线一个AI应用有时候比造光刻机都费劲儿。感觉像是西西弗斯推石头，每次业务遇到一个新问题，就需从头开发新应用，导致效率奇低且算力等资源消耗比较大。”近日，张力在接受采访时坦言。

换句话说，金融行业IT的AI改造，很多时候根本不是技术问题，而是需要一个好用的工具，去归纳、整理、提升开发效率、减少无故损耗。

缺乏中台导致资源浪费

金融行业急需称手的工具

AI的发展并非一蹴而就，金融行业的智能化、数字化一日千里。在满足业务越来越多元化需求时，各类项目的琐碎度、复杂性大大超出了行业的预期。

在张天看来，譬如开发效率低，各类算法、框架被反复重新建设，烟囱式架构琳琅满目；各类AI成果、资产分散各地，管理整合困难，复用率极低；缺乏有效的AI资源监控管理手段，各类资源被过度占用或未能合理使用，造成资源浪费。“所以，一个聪明好用的技术中台，需要能帮助数据处理人员解决‘烟囱式’系统架构问题，去降低AI业务场景的开发门槛。”

但走这一步也有不少前提。"金融级"是安全、可靠和可信的代名词。一方面是，技术与业务结合非常紧密，每一个失误都可能产生核爆级的影响；另外，金融行业系统建设周期长，尤其是测试周期很长，对新技术的采用更为谨慎。

首先是实打实地解决问题。张天所在的创新实验室隶本质上是公司的IT部门，技术人的价值就是为业务问题找到能快速实现且运行稳定的解决方案。换句话说，他不太在意这个技术是时髦的还是老掉牙的，只要能安全可靠地解决问题，就是好技术。

其次，能经得起海量数据考验。金融领域数据量大，势头猛，尤其是平台要能保证海量数据前提下，依然能平稳、高效运行。

再者，新平台能够适配国内金融期货场景。创新实验室最重要的职责是协助交易所各业务场景的智能化，其中涉及交易、结算、风控、检查各项业务，为风险控制市场提供技术基础，在外部工具平台选择上，需要既能贴合金融场景，又能让技术人员用起来得心应手。

摸排清楚业务核心痛点、是确定好外部帮手的重要条件。张天认为，这个帮手总结来看主要有两大硬核特点。首先是一站式的AI开发服务平台，可以为开发者、企业用户提供从数据标注、模型训练、部署等全套开发服务；其次还可以支持用户结合自己的产业数据做精调训练，从而帮助用户快速创建和部署AI应用，提升工作效率。“对比各项技术后，选择了AI大模型平台，通过行业大模型赋能现有金融业务场景。”

以数据分析为例，金融市场日益繁杂，相关信息能迅速传播、发酵，影响市场情绪。金融领域是互联网以外数据量最庞大的领域之一，公司每天都要进行巨量的舆情信息分析。

换句话说，外面找来的帮手需要经得住现有场景中的海量数据和调用冲击。“在实际使用中，我们每天收到超过2000万条舆情数据，每天调用次数达数亿次，平台整体调用成功率超过了99%。”而如果使用传统的方式处理这些数据量，需要构建统一的代码框架，通用的代码运行环境，部署维护反向代理工具等工作，将花费大量的人力和时间成本。

“现在一键调取即可，且运行至今都比较稳定，我们的技术人员从很多繁琐的工作中解脱出来，工作效率提高了不少。”张天提到。

行业大模型赋能金融业

提质增效是核心指标

张天所在的技术团队另一个高频需求是模型的搭建。与AI初创企业不同，他们拥有不俗的IT能力，所以更注重底层设备和模型服务能力。”

“比如，在目前使用的平台里面有150多种通用算法和算子能力，我们可以在工作流中直接训练模型，并将其放入模型仓库，形成从模型训练到发布再到服务的闭环，能够有效降低搭建成本和人力投入。”张天随即打开电脑实时操作了一番，工作流一旦搭建完成，如果仅需更改数据，可以简单使用拖拽操作来调整所需的算法；而且还有多种开发方式，包括可视化建模、任务式建模和传统的notebook建模。

将算法进行算子化后，开发基础算子的精力投入和编码工作量大幅降低，从而加速了模型的开发过程，降低了模型开发成本，提高了开发效率。“之前团队需要花费一个月的工作，如今只需要2-3天就能完成，我们的咖啡可以少喝几杯了。”他调侃道。

眼下，数字化转型于金融机构已经成为必然趋势，而非可选择的选项。这是一场不仅涉及技术变革，更关乎认知转变的革命。

今年年初开始，各类大模型产品相继发布，阿里巴巴、百度、科大讯飞等科技公司加码通用大模型的同时，还有企业助力行业选择了行业大模型，比如，腾讯就将大模型领域布局的第一张牌选择了金融行业场景中。

上月底，国内首个金融行业大模型标准编制完成；在海外，以彭博、摩根士丹利为代表的金融巨头也在积极发力大模型开发与应用。对此，上海银行党委委员胡德斌认为，通过数字化能力能够改变传统管理流程和信息传递模式，以数据实时发现问题、精准研究问题、快速解决问题，实现过程管理和结果管理双轮驱动，从而推动高质量发展。

“首先是底层工具能力得扎实，其次是开发响应及时，能快速交付。”张天总结道，金融行业的技术人员既是开发者又是用户，所以一个趁手的工具很重要。

“从算子能力到平台能力、从解决方案到模型服务，大模型技术的涌现使得AI平台成为金融机构探索的全新方向，通过共享智能化能力降低AI业务场景的开发门槛。很多厂商已经跑出了第一步，我们也会持续关注和应用，希望能够为用户带来更多的价值。”张天说。