8月22日，由LSEG主办的线下闭门会议“金融科技与AI：大语言模型驱动的数据革命”在北京成功举办。本次活动由集团负责战略客户业务总监傅罗莎主持，邀请到多位AI领域重量级专家以及LSEG在AI方向的重要合作伙伴参会，共同探讨AI大语言模型在金融科技领域的应用现状、技术前沿以及未来发展趋势。
Sneha Manohar：增强数据资产，挖掘更有价值的市场洞察
LSEG亚太区战略客户区域负责人Sneha Manohar指出，生成式AI正加速金融市场转型，LSEG与客户的交流已超越单纯提供数据，而是转向如何通过AI帮助客户更好地理解数据，实现Alpha收益，改善决策和优化工作流程。在银行领域LSEG构建了基于AI的预警和洞察机制，对于量化、开发人员我们提供基于LSEG基金数据库Lipper的AI洞察，并通过单一的API接口使用户更容易地访问300多个金融模型。最近我们还推出了面向终端客户的超个性化体验方案，通过集成市场情绪数据为客户提供及时的市场洞察。
未来，LSEG也将继续为客户提供行业领先的解决方案，为数据和技术投资，让客户实现更有韧性的持续的发展，助力塑造一个健康的金融市场。
Sanju Jose、张彬：LSEG创新——人工智能推动价值创造与效率提升
LSEG创新咨询部负责人Sanju Jose通过一系列经验和案例和参会者分享了如何更好地使用人工智能技术来为创造成果与价值。将新的技术与数据更好的结合至关重要，这也正是LSEG为客户创造价值之处。
Sanju提到LSEG在AI实践方面的五个要点，即探索用户意图、模块化开发、可解释、数据信任和合作，并分享了生成式AI的关注要点。针对基于数据找到有效打开AI的方法这一关键点，Sanju从数据治理和数据匹配两个角度展开阐释，并通过6种客户应用案例展示了LSEG的AI创新实践，包括发现投资机会、优化投资组合、投研助手、智能数据检索、智能预警和经济数据影响分析。
随后，LSEG机器学习和数据科学家张彬为大家现场详细演示了投研助手和Portfolio Optimizer（优化投资组合）两个重要的AI应用案例。投研助手能够基于用户指定的时间范围、资料来源和资产名称，从海量信息中筛选出相关分析，还能分析跨语言资料。Portfolio Optimizer能够帮助用户通过上传自身信息或输入新的投资想法，自动计算并生成投资组合配置比例。用户可以通过自然语言输入调整条件，如预测某类资产的表现，从而优化投资组合配置，让非量化背景的投资者轻松构建投资组合。
诸赞松：大模型无法打败的是时间
LSEG全球战略客户技术总监诸赞松提到，LSEG全球80%的客户已经在规划或开展生成式AI项目，主要应用场景包括文本生成、金融资产选择、资产分配优化和投资风险管理等。其中，获取高质量文本数据及其语料是当前面临的关键挑战。
LSEG存储了约60,000TB的上市与非上市公司数据，为客户提供海量金融数据、高级的金融计算和分析能力和实时市场信息，从而为大模型提供优质的数据支持和分析能力，显著提升模型效果。诸赞松强调：“大模型无法打败的是时间。”LSEG强大的实时数据和纳秒级低延迟解决方案可以帮助客户赢得时间优势，进而实现投资价值的最大化。
目前，LSEG Workspace正通过引入Copilot的设计理念，推动生成式AI在金融行业的应用，同时发展AI Agent和多模态技术。AI Agent将能够将大模型和业务流程进行深度融合，提高操作效率，而多模态技术则将视觉、语言等单通道连接起来，提供更强大的多模态数据分析和决策支持能力。
圆桌讨论：AI时代的金融创新实践、挑战与未来展望
圆桌讨论部分由LSEG北亚太区客户战略总监赵玉成主持，工银科技有限公司资深产品经理和数据服务条线负责人马文星、蚂蚁集团蚂蚁财富首席架构师赖永兴、LSEG北亚太区解决方案咨询方案顾问总监彭嘉曼出席并分享各自领域的AI发展战略及创新成果，并对AI行业应用的关键挑战和未来前景进行了讨论。以下为嘉宾精彩观点回顾：
工银科技：马文星
马文星
工银科技有限公司
资深经理
数据服务条线负责人
工商银行持续研究和探索生成式AI反欺诈工作，在身份验证等方面使用生成式AI对抗生成式AI，获得领先行业的成果，在某支付开户环境，对假活体拦截准确率高达99.69%。
马文星提到“大模型本质上是统计模型”，AI在金融行业的应用中面临数据和算力两方面的挑战，在数据管理以及算法优化方面亟待加强。我司工银e数产品在数据融合和AI建模方面为同业提供领先的解决方案，期待未来AI模型能够处理更复杂的场景，帮助大家解放生产力。
蚂蚁集团：赖永兴
赖永兴
蚂蚁集团
蚂蚁财富首席架构师
蚂蚁基于深耕金融AI十余年的领域knowhow，在2023年初确立了“1+2”金融AI战略，即一个金融行业大模型，以及面向金融消费者的金融管家、面向金融从业者的AI业务助手。目前，基于大模型的AI能力在知识问答、医疗凭证识别、核赔核保等多个场景中超越了人类专家。大模型规模化落地金融领域需要解决严谨性、专业性和安全性等三个核心挑战。其中严谨性尤为重要，解决严谨性问题的核心在于实现金融数据的精确计算和表达，并保障观点和论据的一致性。赖永兴认为AI在金融行业应用的未来在于交付可靠的专业价值，让广大金融消费者享受AI专业且普惠的服务。
LSEG：彭嘉曼
彭嘉曼
LSEG
北亚太区解决方案
咨询方案顾问总监
彭嘉曼强调了数据在金融AI中的核心作用，包括信息检索提取、信息汇总和代码编程等应用。面对时效性和准确性的挑战，彭嘉曼总结了LSEG的优势显示在提供高品质的实时数据，以及有有透明度的解决方案。对于AI在金融行业应用的未来，彭嘉曼强调了算力、数据质量、数据安全性和找到合适场景的重要性。
*如您希望获取嘉宾发言PPT，欢迎文末留言获取。
我们的产品：机器可读新闻
利用我们全面的新闻数据流解决方案，将非结构化数据转化为可操作的见解，并管理风险。从超低延迟交付的领先新闻分析分数，到可应用于人工智能和自然语言处理（NLP）功能的深入历史新闻档案和数据推送服务，我们的解决方案可以优化您的程序化工作流。
欢迎点击 “阅读原文”，了解有关 机器可读新闻 的更多资讯！
