立足金融科技賦能證券公司高質(zhì)量發(fā)展的時代背景，以ChatGPT為代表的新一代人工智能技術(shù)將深刻沖擊證券行業(yè)現(xiàn)有的行業(yè)格局和發(fā)展態(tài)勢，引領(lǐng)新一輪數(shù)字化轉(zhuǎn)型進(jìn)程。本文系統(tǒng)研究了ChatGPT技術(shù)在證券公司的落地場景，通過深入剖析技術(shù)應(yīng)用過程中的痛點和堵點，提出了人工智能驅(qū)動下證券公司的轉(zhuǎn)型戰(zhàn)略和發(fā)展建議。

2022年11月30日，由Open AI公司開發(fā)的新一代人工智能聊天機器人ChatGPT（Chat Generative Pre-trained Transformer，對話生成式預(yù)訓(xùn)練變換模型）正式開放公眾使用。該產(chǎn)品甫經(jīng)推出便迅速引爆互聯(lián)網(wǎng)，一躍成為2023年的開年“現(xiàn)象級”“賽道級”產(chǎn)品。作為人類歷史上月活躍用戶數(shù)最快突破1億人的消費級應(yīng)用，ChatGPT將對現(xiàn)代科技的諸多細(xì)分領(lǐng)域產(chǎn)生顛覆性的影響?；诮鹑诳萍假x能證券公司高質(zhì)量發(fā)展的時代背景，以ChatGPT為代表的新一代人工智能技術(shù)將有望引領(lǐng)新一輪數(shù)字化轉(zhuǎn)型進(jìn)程，成為實現(xiàn)產(chǎn)業(yè)升級的有力抓手。

審慎認(rèn)知以ChatGPT為代表的新一代人工智能產(chǎn)品

ChatGPT的概念與核心特征

2018年，Open AI公司推出GPT-1.0大語言模型，利用“預(yù)訓(xùn)練+微調(diào)范式”實現(xiàn)了大規(guī)模無標(biāo)注語料庫的知識學(xué)習(xí)與泛化遷移任務(wù)。歷經(jīng)多年迭代，通過續(xù)躍進(jìn)式提升參數(shù)數(shù)量（1.17億至1750億）和訓(xùn)練數(shù)據(jù)量[5GB（吉字節(jié)）至45TB（太字節(jié)）]，在GPT-3.5代大語言模型基礎(chǔ)上加入人類反饋強化學(xué)習(xí)、指令學(xué)習(xí)、有監(jiān)督精調(diào)等技術(shù)，商用化的ChatGPT應(yīng)運而生。2023年3月15日，可以處理文本與圖像兩種輸入信息的多模態(tài)大語言模型GPT-4.0發(fā)布，進(jìn)一步擴展了其商業(yè)應(yīng)用的可能性。

作為GPT大語言模型家族的衍生分支，ChatGPT具有大訓(xùn)練、高算力、寬語料和人智化的主要特點。一方面，為實現(xiàn)自然語言閱讀、分析、推理能力，ChatGPT使用海量數(shù)據(jù)擬合模型參數(shù)：訓(xùn)練階段總算力消耗約為3640 PF-days（每秒一千萬億次計算，運行3640個整日），需要約1萬片圖形處理器（Graphics Processing Unit，簡稱GPU）和25.8萬片中央處理器（Central Processing Unit，簡稱CPU）方能支撐運行。另一方面，ChatGPT調(diào)用了規(guī)模龐大的語料庫，可以精準(zhǔn)地在多輪次連續(xù)會話過程中有效識別人類意圖，更可以質(zhì)疑不正確問題、主動承認(rèn)錯誤并優(yōu)化答案。在GPT-4.0時代，ChatGPT具有的圖像閱讀理解能力進(jìn)一步賦予其高級別的人智化特性，能夠更可靠且富有創(chuàng)造力地執(zhí)行長形式的邏輯推理和內(nèi)容創(chuàng)建工作，輔助用戶更好地生成、編輯、迭代創(chuàng)意和技術(shù)性任務(wù)。

新一代人工智能技術(shù)的宏觀影響

目前，ChatGPT已開放多種API（Application Programming Interface，應(yīng)用程序編程界面）接口，企業(yè)和個人開發(fā)者僅需單行指令便能將ChatGPT引入應(yīng)用當(dāng)中。由此，基于人工智能的云端生態(tài)系統(tǒng)已初步形成，并將在宏觀層面產(chǎn)生全方位、多維度的影響。具體地，一是開發(fā)層面的技術(shù)壟斷：算力與數(shù)據(jù)的作用將超越算法，成為左右ChatGPT產(chǎn)品開發(fā)的主要決定性因素，當(dāng)前僅有具備強大算力儲備與數(shù)據(jù)基礎(chǔ)的頭部互聯(lián)網(wǎng)企業(yè)、計算機硬件企業(yè)和大型資本公司才能承擔(dān)急速擴張的大數(shù)據(jù)訓(xùn)練需求和調(diào)試費用。二是應(yīng)用層面的先手制勝：ChatGPT與自身業(yè)務(wù)的融合是企業(yè)實現(xiàn)降本增效、解決服務(wù)同質(zhì)化問題的有力手段，開展ChatGPT落地應(yīng)用的時效性將決定企業(yè)在人工智能時代的先發(fā)優(yōu)勢。三是發(fā)展層面的通用化趨勢：ChatGPT突破了聊天機器人范疇，更適合定義為一項基于大語言模型框架并具備人機智能交互能力的寬域應(yīng)用技術(shù)或應(yīng)用范式；ChatGPT技術(shù)開啟了“通用人工智能”時代，未來將深刻重塑科技行業(yè)的發(fā)展邏輯與發(fā)展態(tài)勢，并在各個應(yīng)用維度帶來全新契機與挑戰(zhàn)。

ChatGPT技術(shù)在證券公司的落地應(yīng)用場景

實現(xiàn)業(yè)務(wù)流程“扁平化+貫通化”，打造“輕量型+科技型”中后臺

ChatGPT技術(shù)作為當(dāng)前人工智能領(lǐng)域的最新科技迭代成果，能夠有效推動證券公司中后臺業(yè)務(wù)流程的優(yōu)化與創(chuàng)新。利用自然語言處理能力帶來的先進(jìn)人機交互能力、文本與數(shù)字孿生創(chuàng)作能力、圖片與視（音）頻合成能力，ChatGPT技術(shù)的表層應(yīng)用即可高效助力常規(guī)性、程序性的語料整理和信息發(fā)布等行政工作，有力釋放管理人員工作潛力。進(jìn)一步地，通過將ChatGPT 技術(shù)以插件形式嵌入公司辦公自動化系統(tǒng)并打通業(yè)務(wù)流程相關(guān)的知識圖譜、云服務(wù)、大數(shù)據(jù)系統(tǒng)，行政命令的起草、修改、傳達(dá)，產(chǎn)品的合規(guī)與風(fēng)控管理，數(shù)據(jù)的傳輸、存儲、更新，均將以更加智能化的形式高效完成，全面賦能證券公司中后臺數(shù)字化轉(zhuǎn)型所急需的大數(shù)據(jù)治理、合規(guī)與審計管理、產(chǎn)品自動化風(fēng)控等子系統(tǒng)平臺建設(shè)。

在此基礎(chǔ)上，ChatGPT技術(shù)的深層次應(yīng)用在于能夠有力改善各子系統(tǒng)之間“煙囪林立”的現(xiàn)狀，處理業(yè)務(wù)與數(shù)據(jù)“孤島化”等問題。一方面，當(dāng)前證券公司中后臺各部門雖均已達(dá)成數(shù)字化轉(zhuǎn)型共識，但各自的發(fā)展戰(zhàn)略和執(zhí)行稟賦卻不盡相同；各子平臺建設(shè)成果呈現(xiàn)“長板長”“短板短”的現(xiàn)象。另一方面，證券公司中后臺子系統(tǒng)群的協(xié)作體制機制仍處于初級階段：“點狀建設(shè)”突出、“線面建設(shè)”不足；系統(tǒng)間通信能力、模塊間橫向數(shù)據(jù)共享、業(yè)務(wù)端到端閉環(huán)支持均有待完善。ChatGPT技術(shù)作為寬域化、通用化人工智能系統(tǒng)集大成者，可協(xié)助中后臺子系統(tǒng)完成從被賦能到整合、歸一的建設(shè)流程，實現(xiàn)員工使用自然語言“提需求”，系統(tǒng)自動 “調(diào)模塊”“通數(shù)據(jù)”“助協(xié)作”“成文稿”的閉環(huán)。從ChatGPT技術(shù)融入證券公司中后臺，到證券公司中后臺融入自有大語言模型綜合管理平臺，可有力剪除公司運維冗余、打通橫向主干流程、提升跨部門協(xié)作水平，最終實現(xiàn)證券公司中后臺智能化轉(zhuǎn)型，落實降本增效。

實現(xiàn)業(yè)務(wù)條線“精準(zhǔn)化+差異化”，形成“全場景+全天候”的前臺運營體系

在前臺業(yè)務(wù)條線服務(wù)端，ChatGPT技術(shù)主要通過發(fā)揮自然語言理解、分析、連續(xù)會話功能，完成對當(dāng)前紛繁的智能客服系統(tǒng)、智能投顧系統(tǒng)、財富管理系統(tǒng)等服務(wù)平臺的升級與整合，實現(xiàn)客戶與客服人員體驗“雙提升”。在客戶角度，通過間斷或連續(xù)會話形式輸入投資場景、期望收益與風(fēng)險約束、資金運營周期和規(guī)劃，基于GPT技術(shù)的人工智能前臺會在考慮宏觀政策、市場供需、產(chǎn)品庫與項目庫等內(nèi)外部數(shù)據(jù)資源的基礎(chǔ)上展開產(chǎn)品適配、估值與收益分析、項目評估等工作，迅速初步響應(yīng)客戶“投什么”“怎么投”“如何融資”等一系列核心需求。在客服人員角度，ChatGPT技術(shù)不僅能夠通過自動識別客戶對話并檢測問題、生成摘要、草擬個性化回復(fù)來實現(xiàn)“千人千面”的精準(zhǔn)營銷，還可以協(xié)助建立客戶信息與業(yè)務(wù)關(guān)系的知識圖譜，在客戶觸達(dá)、調(diào)研、分流等核心模塊進(jìn)行集約化處置，實現(xiàn)客戶關(guān)系管理的精準(zhǔn)化、全面化。

在前臺業(yè)務(wù)條線生產(chǎn)端，ChatGPT技術(shù)在自然語言處理能力基礎(chǔ)上通過數(shù)據(jù)匯總比對、程序編寫修改、數(shù)理計算推導(dǎo)等邏輯功能，完成投研系統(tǒng)、資管系統(tǒng)、自營系統(tǒng)、投行系統(tǒng)等生產(chǎn)平臺的迭代與整合。在證券研究角度，通過對行業(yè)與公司層面的數(shù)據(jù)、指標(biāo)、分析框架進(jìn)行深度學(xué)習(xí)，重點依托結(jié)構(gòu)化與半結(jié)構(gòu)化的研究報告、研究主題、研究熱點等內(nèi)容進(jìn)行訓(xùn)練，ChatGPT技術(shù)可以全天候快速響應(yīng)研究人員在信息檢索、模型構(gòu)建、投資組合分析、報告生成等核心領(lǐng)域的現(xiàn)實需求。在投資管理角度，ChatGPT技術(shù)不僅能自動提取產(chǎn)品關(guān)鍵信息與關(guān)鍵指標(biāo)，通過對行業(yè)與公司同類型產(chǎn)品進(jìn)行深入比對，多口徑、全流程地助力合規(guī)與風(fēng)控管理；還可以結(jié)合服務(wù)條線用戶反饋數(shù)據(jù)，針對客戶畫像生成定向投放意見與建議，并進(jìn)一步生成產(chǎn)品可行性報告。在投資評價角度，ChatGPT技術(shù)可以完成行業(yè)評價體系與公司個性化評價體系的學(xué)習(xí)與應(yīng)用，按需從定性與定量方面生成結(jié)構(gòu)化或半結(jié)構(gòu)化的投行項目質(zhì)量報告、債券與基金產(chǎn)品評價報告、基金經(jīng)理評價報告等內(nèi)容，深化產(chǎn)品與人員的管理閉環(huán)。

證券公司應(yīng)用ChatGPT技術(shù)過程中存在的痛點和堵點

參與成本與應(yīng)用收益的矛盾

中國證券業(yè)協(xié)會發(fā)布的證券公司2022年度經(jīng)營數(shù)據(jù)顯示，全行業(yè)140家證券公司受多重超預(yù)期因素沖擊導(dǎo)致經(jīng)營業(yè)績短期承壓，行業(yè)營業(yè)收入和凈利潤較2021年分別下滑21.02%與25.11%。與之相對的，2023年作為新一代人工智能技術(shù)發(fā)展初期，芯片端CPU和GPU采購成本、算力端云計算體系搭建成本、算法端商用自然語言處理技術(shù)部署成本高昂。國盛證券研究顯示：以當(dāng)前最具成本效益的英偉達(dá)A100服務(wù)器為算力基礎(chǔ)，按2500萬日度搜索量計算，ChatGPT初始算力投入約為8億美元、單次訓(xùn)練投入高達(dá)140萬美元。以技術(shù)儲備和算力儲備而言，我國單一證券公司無論體量大小均無法獨立承建“證券+GPT”系統(tǒng)。何如在控制成本情況下深度跟進(jìn)ChatGPT技術(shù)并迅速實現(xiàn)落地化應(yīng)用，不僅是當(dāng)前證券公司實現(xiàn)差異化競爭的有力抓手，也是我國證券行業(yè)亟需思考的重要問題。

數(shù)據(jù)治理與智能失權(quán)的矛盾

數(shù)據(jù)是證券行業(yè)最重要的護(hù)城河，同時也是人工智能的主要燃料與驅(qū)動力來源。一方面，行業(yè)數(shù)據(jù)、私有數(shù)據(jù)以及在此基礎(chǔ)上衍生的研究服務(wù)和投資決策是證券公司的核心競爭力；證券公司為維持自身行業(yè)優(yōu)勢，核心數(shù)據(jù)的保密與保護(hù)是當(dāng)下的必然選擇。另一方面，以大語言模型治理大數(shù)據(jù)平臺，數(shù)據(jù)深度開放是維持?jǐn)?shù)據(jù)治理體量、質(zhì)量和價值的關(guān)鍵步驟。在ChatGPT技術(shù)沖擊下，證券公司不僅面臨數(shù)據(jù)開放與否的抉擇，還面臨由引入第三方人工智能服務(wù)而產(chǎn)生的數(shù)據(jù)外溢等問題。鑒于行業(yè)的高價值特征，2022年捕獲的數(shù)據(jù)泄露事件中金融領(lǐng)域占比高達(dá)36%，金融細(xì)分領(lǐng)域中證券行業(yè)占比達(dá)11%。在人工智能時代，盡管大語言模型可以有效打破“數(shù)據(jù)孤島”困境，然而數(shù)據(jù)邊界的逐漸模糊和逐漸融合對證券公司數(shù)據(jù)治理提出了全新考驗。此外，隨著大語言模型參數(shù)數(shù)目和訓(xùn)練數(shù)據(jù)體量的提升，投資者未來可以通過自然語言形式利用第三方模型獲取廉價而有效的服務(wù)，證券公司專業(yè)性的可維持度同樣經(jīng)受重大威脅，數(shù)據(jù)失權(quán)問題不容小覷。

模型黑箱與監(jiān)督監(jiān)管的矛盾

人工智能黑箱問題意指人類在知識、技術(shù)限制下僅能獲取模型運算結(jié)果，然而無法逐步精確識別模型算法決策過程的弊端。證券公司應(yīng)用ChatGPT技術(shù)，結(jié)果產(chǎn)出過程的不可解釋性，首先催生了主體責(zé)任缺失問題。面臨由人工智能造成的金融事故，是證券公司還是人工智能技術(shù)提供方承擔(dān)責(zé)任，需要進(jìn)行復(fù)雜的界定。黑箱問題不僅無法令監(jiān)管機構(gòu)通過程序代碼界定雙方行為，反而給予了雙方淡化、稀釋責(zé)任的緩沖空間。其次，ChatGPT技術(shù)的大訓(xùn)練、寬語料特征令投資者的個人信息保護(hù)成為行業(yè)痛點。投資者問詢過程也是數(shù)據(jù)生產(chǎn)過程，問詢內(nèi)容經(jīng)過模型訓(xùn)練又反過來為客戶本身乃至投研、資管、自營等部門的決策提供參考。然而，模型輸出結(jié)果不僅無法確定是否來自其他隱私數(shù)據(jù)，也無法說明數(shù)據(jù)處理過程，給投資者信息保護(hù)帶來了技術(shù)困境。最后，由模型黑箱問題衍生的模型歧視與模型偏見同樣值得引起關(guān)注。數(shù)據(jù)的觀點、立場、意識形態(tài)會隱性影響GPT模型的輸出結(jié)果，而千億級參數(shù)規(guī)模下模型的“合規(guī)性”管理是技術(shù)難題。更具體地，當(dāng)前不同人工智能技術(shù)提供方對同一證券相關(guān)問題不僅會產(chǎn)出不同回答，而且并無證券合規(guī)性角度的具體考量。數(shù)據(jù)與模型的“爭議性”引發(fā)了輸出結(jié)果的“正義性”界定難題，亟須證券行業(yè)厘清風(fēng)控口徑、監(jiān)管口徑與價值標(biāo)準(zhǔn)。

應(yīng)用能力與技術(shù)局限的矛盾

證券公司應(yīng)用ChatGPT技術(shù)仍存在著兩方面局限。一是技術(shù)本身的局限性，即目前新一代人工智能產(chǎn)品人智化特征尚不完善，推理與邏輯能力仍須進(jìn)一步迭代。語言功能及其背后的語料關(guān)聯(lián)性建模方法是ChatGPT技術(shù)的核心，然而在對基礎(chǔ)數(shù)據(jù)進(jìn)行雜糅整合過程中，ChatGPT技術(shù)尚未能做到批判性吸收，提供的觀點更偏向于中庸化與常規(guī)化。在邏輯運算方面，面對復(fù)雜經(jīng)濟(jì)、金融問題的推導(dǎo)、推理問題，模型輸出的回答盡管語句通暢但具有誤導(dǎo)性，用戶體驗尚待改進(jìn)。二是我國目前尚無具有自主知識產(chǎn)權(quán)的成熟商用化類ChatGPT產(chǎn)品。在算力角度，我國仍須獨立自主研發(fā)芯片以實現(xiàn)產(chǎn)品訓(xùn)練需求；在算法角度，百度文心一言、科大訊飛AI（人工智能）學(xué)習(xí)機、京東ChatJD以及騰訊混元助手均在研發(fā)與測試當(dāng)中，實現(xiàn)證券API應(yīng)用接口還需時日，但當(dāng)在不遠(yuǎn)。

ChatGPT沖擊下證券公司的對策建議

凝聚行業(yè)共識，統(tǒng)籌發(fā)展戰(zhàn)略

一是盡快籌建證券行業(yè)GPT發(fā)展研究中心，統(tǒng)籌體制機制，全面部署“證券+GPT”戰(zhàn)略。通過深入研判大語言模型的發(fā)展脈絡(luò)與發(fā)展趨勢，組織制定行業(yè)共建頂層規(guī)劃，自上而下地明確證券行業(yè)應(yīng)用大語言模型的目標(biāo)和愿景。二是按照參與角色厘清行業(yè)、企業(yè)、部門的分工與責(zé)任，根據(jù)時間節(jié)點制定“證券+GPT”實施路線圖。建議從論證期、啟動期、建設(shè)期、應(yīng)用期、創(chuàng)新期等階段進(jìn)行劃分，細(xì)化每期重點工作計劃與工作任務(wù)、完善工作流程。三是要強化組織保障，建立長效機制。將“證券+GPT”建設(shè)工作納入證券公司數(shù)字化轉(zhuǎn)型評價機制并賦予應(yīng)有權(quán)重，推進(jìn)新一代人工智能技術(shù)在證券公司長期應(yīng)用并迭代。證券公司業(yè)務(wù)和管理部門、第三方人工智能服務(wù)供應(yīng)商、證券行業(yè)管理機構(gòu)要進(jìn)一步加強聯(lián)動，增進(jìn)協(xié)作對接與信息共享，形成共建合力。

強化數(shù)據(jù)治理，厘清數(shù)據(jù)邊界

預(yù)訓(xùn)練數(shù)據(jù)的治理與維護(hù)是“證券+GPT”體系建設(shè)的核心抓手，也是維持證券行業(yè)競爭優(yōu)勢、避免智能失權(quán)的首要途徑。在證券公司層面，要建立大語言模型預(yù)訓(xùn)練數(shù)據(jù)質(zhì)量管理體系，進(jìn)一步釋放數(shù)據(jù)價值。在當(dāng)前數(shù)據(jù)治理平臺基礎(chǔ)上，針對大語言模型訓(xùn)練需求，加強數(shù)據(jù)分類、分層、過濾工作，提升數(shù)據(jù)的標(biāo)準(zhǔn)化和體系化。針對證券公司金融數(shù)據(jù)的多源異構(gòu)特性，在生成、采集、歸類、存儲階段細(xì)化標(biāo)簽標(biāo)注工作，提升模型訓(xùn)練效率。針對數(shù)據(jù)權(quán)限與數(shù)據(jù)脫敏機制，加強大語言模型預(yù)訓(xùn)練數(shù)據(jù)安全管理規(guī)范。秉持“內(nèi)源開放、外源脫敏、信息隔離”原則，在未來自建大語言模型上充分開放數(shù)據(jù)進(jìn)行參數(shù)訓(xùn)練、在外部人工智能API接口上嚴(yán)控核心數(shù)據(jù)外溢、在公司內(nèi)部應(yīng)用層面充分厘清接口權(quán)限，有效維護(hù)數(shù)據(jù)的“護(hù)城河”功能。

在行業(yè)層面，要探索建立“證券+GPT”預(yù)訓(xùn)練數(shù)據(jù)交易市場，豐富數(shù)據(jù)體量和數(shù)據(jù)維度。當(dāng)前，超千億級參數(shù)擬合所需要的幾十甚至上百TB高質(zhì)量數(shù)據(jù)的收集、清洗等預(yù)處理過程成本高昂、時效性較差。業(yè)內(nèi)各證券公司應(yīng)在完善自身數(shù)據(jù)質(zhì)量與安全管理基礎(chǔ)上，通過探索數(shù)據(jù)交易的質(zhì)量標(biāo)準(zhǔn)、價值界定和交易規(guī)則來建設(shè)“證券+GPT”預(yù)訓(xùn)練數(shù)據(jù)交易市場，進(jìn)一步強化數(shù)據(jù)價值發(fā)現(xiàn)，力求避免數(shù)據(jù)重復(fù)治理，形成數(shù)據(jù)資產(chǎn)充分整合、聚力共建的行業(yè)格局。

布局梯度建設(shè)，突破成本約束

在參與成本制約下部署“證券+GPT”戰(zhàn)略需落實梯度化原則。證券公司應(yīng)首先開展開源復(fù)現(xiàn)工作，充分利用GitHub等開源社區(qū)的現(xiàn)有工程代碼來低成本體驗、學(xué)習(xí)、跟進(jìn)大語言模型技術(shù)，充分開展數(shù)據(jù)安全的驗證工作，積累底層經(jīng)驗。以完整基于PyTorch的Colossal-AI方案為例，通過優(yōu)化顯存管理技術(shù)可以提供單機單卡、多機單卡、1750億參數(shù)等多個版本的大語言模型；其最小演示訓(xùn)練流程僅需消耗1.62GB顯存，可顯著降低復(fù)現(xiàn)成本。在此基礎(chǔ)上，證券公司應(yīng)深度參與國內(nèi)大語言模型服務(wù)供應(yīng)商“證券API”接口的共建工作，充分把握以行業(yè)脫敏數(shù)據(jù)為模型訓(xùn)練底層、以自有數(shù)據(jù)為模型本地化精調(diào)中層原則，盡快開展“證券+GPT”落地應(yīng)用，搶占差異化服務(wù)先機。最后，在未來硬件成本充分降低的背景下證券公司應(yīng)獨立搭建“證券+GPT”大語言模型，真正實現(xiàn)知識產(chǎn)權(quán)自主化、數(shù)據(jù)本地化、服務(wù)差異化。

健全應(yīng)用監(jiān)管，落實信息保護(hù)

一方面，要提高大語言模型的可解釋性與透明度，厘清責(zé)任主體。在“證券+GPT”服務(wù)面世之前引入代碼詳細(xì)注釋、偏差檢測測試、代碼與試運行結(jié)果備案等機制，便于監(jiān)管部門、證券公司和客戶能更加清晰地記錄、理解模型決策過程，提前發(fā)現(xiàn)安全隱患。鑒于人工智能侵權(quán)責(zé)任認(rèn)定的相關(guān)法律法規(guī)尚不健全，在采用供應(yīng)商以API接口形式提供生成式人工智能服務(wù)前，證券公司應(yīng)與之簽訂詳盡的責(zé)任認(rèn)定書，明確雙方責(zé)任條款。另一方面，要切實加強模型安全，嚴(yán)格落實投資者信息保護(hù)。在預(yù)訓(xùn)練數(shù)據(jù)中應(yīng)采用脫敏、加密、差分隱私等技術(shù)手段，確保投資者信息“去標(biāo)志化”。與之相對的，在服務(wù)提供過程中應(yīng)加強攻擊行為的鑒別與對抗，防止會話數(shù)據(jù)引發(fā)模型參數(shù)偏置與漂移，切實維持模型安全性與數(shù)據(jù)純凈度。通過全面引入合規(guī)與風(fēng)控機制，不定期、隨機抽查模型輸出結(jié)果，建立模型價值觀偏離度指標(biāo)評價體系，形成預(yù)警機制并建立溯源機制，杜絕模型歧視與模型偏見等問題。

注重人才培養(yǎng)，推進(jìn)人機耦合

一是推進(jìn)“算法+證券”跨領(lǐng)域人才引進(jìn)和培養(yǎng)，提升證券公司自主研發(fā)能力。ChatGPT技術(shù)作為“通用人工智能”開端，證券公司僅需通過單一或組合調(diào)度相關(guān)API接口便可有效提升數(shù)字化轉(zhuǎn)型效果。盡管ChatGPT技術(shù)可以全面助力證券公司降本增效，然而從業(yè)人員更應(yīng)清醒地看到新技術(shù)革命對傳統(tǒng)行業(yè)的顛覆性影響。因此，證券公司一方面應(yīng)通過設(shè)立證券大語言模型實驗室等研究機構(gòu)、組織或承辦證券大語言模型論壇、開展或參與證券大語言模型技術(shù)培訓(xùn)等形式加強“算法+證券”復(fù)合人才的培養(yǎng)工作；另一方面應(yīng)著力引進(jìn)算法和數(shù)據(jù)科學(xué)等領(lǐng)域的高端管理人才與技術(shù)人才，有力維持公司與行業(yè)的競爭力。

二是布局Prompt（提示）工程師人才體系建設(shè)，激發(fā)人機耦合潛力。Prompt工程師通過將需求分解、提煉為有限數(shù)量的提示詞來引導(dǎo)生成式人工智能更好地回答問題。不論是客戶應(yīng)用模型會話功能咨詢投融資建議等證券公司的服務(wù)端業(yè)務(wù)，還是員工應(yīng)用模型邏輯功能開展研究、投資等核心生產(chǎn)端任務(wù)，均需要獲取穩(wěn)定、有效的回答。證券公司應(yīng)布局建設(shè)熟知客戶需求、掌握公司知識圖譜，了解業(yè)務(wù)流程，明確公司合規(guī)風(fēng)控體系的專業(yè)Prompt工程師體系，提升人機自然語言對話“含金量”，深化人機耦合。

（張?zhí)靷悶橹刑┳C券股份有限公司博士后科研工作站與清華大學(xué)五道口金融學(xué)院聯(lián)合培養(yǎng)博士后，金濤為清華大學(xué)五道口金融學(xué)院副教授、清華大學(xué)恒隆房地產(chǎn)研究中心貨幣與財政政策研究室主任。本文編輯/孫世選）