近期，由上海资产管理协会（AMAOS）和智能投研技术联盟（ITL）主办的“大语言模型与资产管理论坛——基于类ChatGPT 的大语言模型技术及其应用视角”在上海举办，本次论坛汇集了来自相关技术领域及资产管理领域的著名专家、学者和高管，集中探讨了基于类ChatGPT技术的大语言模型在资产管理领域的应用，研究它对行业的影响，探讨了潜在的挑战和机遇，提出了监管重点和方向。盈米基金副总裁薛逢源受邀参与了此次论坛，并在主旨演讲分享了“类ChatGPT的大语言模型在投顾场景的应用”。

盈米基金是一家深度运用互联网技术、深度耕耘泛资管行业的创新型金融科技公司，是证监会批准的首批三家“公募基金投顾试点”资质的独立第三方销售机构之一。截至2022年7月，盈米基金的基金投顾服务资产规模突破300亿。行业领先的优异成绩离不开盈米基金对“买方投顾”价值的坚持，也离不开投顾业务与金融科技深度融合应用的探索。

探索大语言模型，打造“千人千时千面”的投顾服务

“现阶段类ChatGPT技术的大语言模型有非常多的子能力没有被剥离出来，但是我们看到的技术进步令人兴奋”，薛逢源介绍道：“盈米基金在大规模语言模型的探索和应用比较早，我们在用户洞察、投研投教内容生产与运营、合规管理等方面通过标签化、标准化、数据化的底层能力的打造和模型建设，不断迭代升级我们‘智能投顾’的服务能力。”

一套大规模语言模型的应用需解决两个问题：如何「理解」与怎么「回答」，这离不开大数据的学习和模型打造。在盈米的投顾服务当中，通过客户标签系统的建设能够帮助机构更好的认识和理解投资者多样化、个性化的投资需求。基于数据资产建立的客户标签系统，可以将客户数据转换为业务标签，实现了数据的可见、可懂、可用、可运营。通过对用户数据的分析和处理，盈米基金建立了庞大的客户标签库，其中包括投资偏好、风险承受能力、投资成熟度、交易行为、生命周期等多个维度，为客户理解与洞察奠定了坚实的基础。

在「理解」的基础上，如何做出高效高质量的「回答」，这考验着机构投研和投教的内容生产能力。盈米基金基于自身强大的金融数据能力和业务实践，打造“基金投顾服务内容平台”。研发采用了多种新型技术对企业自有数据和外部数据进行治理和分析，包括通过运用深度学习技术，训练多个模型对内容进行分类处理；运用自然语言处理技术对内容进行实体提取，对内容中的知识进行快速关联；创新性地提出了多种人机交互技术，方便内容创作者在海量内容中进行素材和创意的管理；运用图数据库技术和知识图谱技术，通过深度学习给各类内容自动打上不同的标签，这种标签体系可以与用户数据标签相结合，进一步提高推荐精度和效果，不断提高用户个性化、高质量的内容体验和内容生产效率。在投研和投教内容生产方面，原本需要花1个小时整理的市场数据模块，只需要1s即可完成。

在场景应用上，盈米基金也针对投资、投教、投顾的差异化场景，自研推出了“基金助手”“财报助手”等数据产品，覆盖百万公域用户，深受投资者喜爱。薛逢源表示：“盈米基金已经建设了比较成熟的金融数据平台，在这样一套大数据底层建设的基础上融合人工智能对话技术的优势，通过训练，就能为投资者打造‘千人千时千面’的投顾服务，为投资者提供个性化的投资建议与决策支持。”

毫无疑问，类ChatGPT技术的大语言模型在具体金融服务场景中，能够极大的释放生产力，提高服务效率与服务水平。但是技术的成熟和运用的成熟之间，还有很长一段实践的路要走。

“大语言模型的应用是件‘想说爱你不容易’的事”，薛逢源在主旨演讲介绍道：“现阶段，很多人对ChatGPT或者说大语言模型技术了解的不够深刻，使用者不懂得如何通过‘正确的提问’去获取信息，虽然技术的进步已经让我们可以做非常多的实践，但是现阶段用户提问的质量差别较大，会直接影响模型和搜索的结果。未来的实践中，很可能会诞生一些新的职业，比如Prompt提问工程师。”