7月18日，微软在其全球合作伙伴大会上披露了其企业AI软件工具Microsoft 365 Copilot的价目表，统一定价为每月30美元。当天，微软和英伟达的总市值一夜之间暴涨了1750亿美元（约合人民币12633亿元）。当日新增的市值就超过了462家标普成份股公司的市值，也超过了耐克、富国银行、迪士尼、摩根士丹利和英特尔等公司的当前市值。
在未有Copilot之前，ChatGPT还只是具有通识的聊天机器人，而之后是全能助理。7月9日，OpenAI 宣布ChatGPT插件Code Interpreter 向所有 ChatGPT Plus 用户提供服务。宾夕法尼亚大学沃顿商学院的教授 Ethan Mollick在经过几个月试用评价道：
我在读博士时花了几周时间才掌握的东西，AI 在几秒钟内就完成了，而且通常比我预期的人类分析员的错误要少。但对我来说，同样清楚的是，人类不会被 Code Interpreter 所取代。相反，AI 做的是我们一直希望自动化能做的事情 —— 把我们从工作中最恼人、重复的部分中解放出来，这样我们就可以专注于关键的事情。通过简化分析过程，我可以做更多、更深入、更满意的工作。我的时间变得更有价值，而不是更少，因为我可以专注于重要的事情，而不是死记硬背。
插件Code Interpreter 允许现有的最先进的 AI GPT-4 上传和下载信息，并在一个连续的工作空间为你编写和执行程序。代码可以完成数据分析、图表生成、执行数学运算，甚至是生成视频、分析股票市场等等。在教授 Ethan Mollick看来这极大解放他的生产力。
微软对 Copilot 的定义：一种应用程序或组件，利用自然语言处理技术或大型语言模型，来帮助人们完成复杂任务。
在美剧《亿万》(Billions)中演员戴米恩·路易斯(Damian Lewis)饰演的亿万富豪鲍比·阿克塞尔罗德(Bobby Axelrod)掌管着一个对冲基金。在第一季中有一段情节，该对冲基金的一个雇员被检察官调查，被询问鲍比如何运营公司以及如何利用非法内幕消息获利。该雇员说道，无数的信息涌向他，包括公开信息、非公开信息，那些信息渠道可能是一块看球的球队老板、寻求资金的非洲领导人、心怀怨恨的公司高管、公司内外分析师等等；他就像一个航空母舰，战斗机、驱逐舰、潜艇都围绕着他，为之服务。
在整个投资决策过程中，有各种职责参与其中，分析师、量化模型、交易员、风控、结算清算等等角色，最好是每个职责都有一个团队为之服务，必然能提高效率。内幕消息自然是违法的，抛开不提，如此多的信息在鲍比脑子里，他必须权衡并决策, 这听上去就像职业球员能记住场上几乎所有人的位置一样。如果有一个Copilot加持能方便按他特有的信息处理方式分析各个渠道获得的信息，自然不会拒绝。因为可以降低他和团队间的沟通成本，提升效率。
在未有ChatGPT之前，基于自然语言处理（NLP）技术，也能实现意图识别，如彭博终端（金融投资领域的专业信息终端）可以实现信息提取、功能调用等；以及支付宝的搜索框，可连接到相关功能。这些并不会让人觉得智能。
好些大厂以低于成本价发布智能音箱就是为了抢占交互接口，期望其成为智能设备连接器。英剧《黑镜》系列科幻片中有一部《圣诞特别篇:白色圣诞》，描述了一个未来智能音箱助理产品，一个白色的小音箱，其中的软件系统复制了使用者意识副本。这个高度定制化、人性化的智能助理承担智能管家职责，并负责链接各种智能设备，帮助主人安排好工作、生活中各项事务。当时智能音箱产品定位是个人的操作系统，是无论在什么地点、用什么设备，用户都能用语音进行操作。但当时的NLP技术并不支持。
ChatGPT横跨出世之后，具备了通识和多轮对话能力。微软办公软件在Code Interpreter 加持下可以帮助人们完成复杂任务。ChatGPT 极大提升了人们与计算机的交流效率，与计算机直接交互不再只是专业人士和程序员的专属。
业界提出了模型即服务Mass（Model as Service ）概念，在未有ChatGPT之前Sass软件即服务(Software as a Service)已提了好些年。在信息化比较领先的金融领域，对分析师、量化模型、交易员、风控、结算清算等等角色通常都有对应的职责工作操作台。在投资领域，是富信息的场景，专业的交易员，恨不得满墙的屏幕，将所有相关的信息都放在一起。在特定领域场景下，指令、代码、API直接操控，必然比通过ChatGPT的交互更高效。而对于2C领域，自然语言交互才是最合适的途径。
也是在7月18日，Meta 发布开源达模型LLaMA2，最大700亿的参数，性能接近GPT3.5并允许商用，各种优化版本层出不穷。领域ChatGPT应用模型基础已具备。
数据来源：HuggingFace
程序开发实现特定功能并不会给人智能的感觉。领导要个报表，提需求、取数据、处理数据、展示，光做报表就养活了很多IT人员。Code Interpreter才能给人以智能的体感。当内外部数据打通，领域API完善，领域ChatGPT方案将成为可能。
ChatGPT的幻觉问题也需要靠领域模型、API方案解决。内外部数据打通，领域API完善，短短几个字，一直是这些多年各领域IT建设持续的工作。 如在投资领域，彭博（Bloomberg）是具备内外部数据打通，领域API完善的。但对于银行、保险、证券的财富管理领域，相信没有哪家大型机构能号称能做到。
在金融量化领域关于数据有句名言：Garbage in，Garbage out。这句话对ChatGPT大模型优化同样适用。很难想象，国内那些大模型创业团队，一般10来人投进做数据处理，为PreTrain、Finetuning等环节准备数据。就能在数据上获得更高质量的数据？特别是各领域中结构化数据。就笔者所知，2010年那时，彭博（Bloomberg）类似的海外金融数据供应商在国内都有千人以上团队处理数据，国内的万得（Wind）也应该有人数众多的数据处理团队。
当大模型领域应用提上日程，数据建设依旧是重点，而且是需要持续投入。
袁峻峰，《人工智能为金融投资带来了什么》作者，复旦大学金融学硕士，FRM金融风险管理师，目前就职于国内某大型券商，本文仅代表个人观点。
笔者关注于金融投资数字化、智能化，以及ChatGPT、数字货币、WEB3等带来的金融领域变革等，欢迎探讨，欢迎转载。公众号：FIN AI 探索，笔者微信：ia_fin_yuan
关注本公众号，并转发公众号任何一篇文章到朋友圈，并打赏或微信8元邮费，公众号私信地址，送书《人工智能为金融投资带来了什么》，每人限一本。本文的部分观点摘自该书。
网友评论