PREFACE
序　言
AI重塑供應鏈金融科技
在技術(shù)發(fā)展的歷史長河中，每隔數(shù)十年就會涌現(xiàn)出足以重塑人類社會結(jié)構(gòu)的創(chuàng)新力量。人工智能（AI）的崛起，不僅是技術(shù)范式的迭代升級，更是人類文明的一次深刻轉(zhuǎn)型。大模型改變了人工智能，也即將改變世界。
人工智能的本質(zhì)在于，通過構(gòu)建模型來解決特定問題并提供專門服務。ChatGPT解決的主要問題是提升人工智能在開放域?qū)υ捴械谋憩F(xiàn)，但它在處理某些特定領(lǐng)域或某些需要高度專業(yè)化知識的任務時，仍然存在局限。
大語言模型（LLM，簡稱大模型）從三個層面重新定義了人工智能：第一，重新定義了人機交互；第二，重新定義了營銷和客服；第三，催生了AI原生應用。未來，大模型將成為應用開發(fā)的基石，各個行業(yè)都會有自己的專業(yè)大模型。這一趨勢預示著云計算領(lǐng)域也會迎來重大變革，用戶在選擇云服務商時，將越發(fā)重視模型的效能與配套技術(shù)框架的先進性，而不再僅關(guān)注計算資源和存儲成本。
在技術(shù)領(lǐng)域，競爭不可避免。維持競爭優(yōu)勢的關(guān)鍵在于不斷創(chuàng)新。整合或許可以讓應用更精準，但只有重做才能讓用戶體驗發(fā)生代際變革，我認為每一個產(chǎn)品都值得用AI重做一遍。以搜索為例，行業(yè)內(nèi)最新落地的搜索AI助手，可以讓用戶與它發(fā)生多輪對話，并使用語音交互，還能通過自然語言直接生成圖片，這意味著人工智能的發(fā)展已經(jīng)從辨別式走向生成式。當然，搜索的重塑只是用大模型重構(gòu)產(chǎn)品后受益的冰山一角，人工智能對商業(yè)世界的重塑遠不止于此。
AI的發(fā)展堪比微處理器、個人計算機、互聯(lián)網(wǎng)和手機的問世，它的影響將觸達人類社會的每一個角落。例如，部分企業(yè)已經(jīng)開始利用人工智能來創(chuàng)造新的產(chǎn)品和提供新的服務；部分行業(yè)將人工智能作為創(chuàng)造力工具來創(chuàng)造視覺藝術(shù)、音樂、詩歌等各類作品及編寫計算機代碼等；制造商通過添加具有深度學習能力的質(zhì)量控制軟件來提高質(zhì)量控制的速度和準確性；建筑公司、公用事業(yè)公司、農(nóng)場、礦業(yè)公司及其他在廣闊地理區(qū)域運營的實體使用人工智能軟件和計算機視覺來監(jiān)控和識別有問題的行為、危險的情形或商業(yè)機會；醫(yī)生、研究人員使用智能的決策支持系統(tǒng)（DSS）做出決策和判斷等�？傊�，人工智能的商用場景已遠遠超出現(xiàn)在能預估的范圍，大模型對世界的改變勢必會滲透到各行各業(yè)。
在金融領(lǐng)域，AI大模型憑借其在內(nèi)容生成、邏輯推理、快速迭代乃至輔助決策等方面的卓越能力，有望重塑金融機構(gòu)的基礎(chǔ)架構(gòu)及管理體系，大幅拓展金融數(shù)智化變革的空間。
在當下聲勢浩大的AI浪潮中，國內(nèi)金融領(lǐng)域大模型次第涌現(xiàn)。大模型通過學習金融行業(yè)特有的概念、術(shù)語和邏輯關(guān)系，在知識密集型場景中，提供自然語言理解和生成、知識檢索與問答、信息總結(jié)摘要等能力。在全鏈路數(shù)字化應用中，大模型扮演了重要角色：在客戶關(guān)懷方面，它可以提升用戶體驗；在風險管理與信貸評估方面，它可以進行欺詐檢測和風險評估；在精準營銷與客戶洞察方面，它可以設計個性化營銷策略；在投資咨詢與資產(chǎn)管理方面，它可以提供復雜的財務模型分析和投資策略優(yōu)化，生成研究報告；在運營優(yōu)化和自動化方面，它可以處理交易結(jié)算、合規(guī)審查、文檔管理等工作，提升運營效率并降低成本。同時，通過風控多代理體系，大模型可以縮短風險決策周期，提升風控人效。在多模態(tài)數(shù)字化應用方面，它可以基于企業(yè)外呼、客服、推薦、運營等多模態(tài)業(yè)務場景，將豐富的多模態(tài)技術(shù)和靈活的AI服務進行結(jié)合，快速實現(xiàn)業(yè)務目標。AI正成為新質(zhì)生產(chǎn)力，推動金融機構(gòu)的服務模式不斷出新。
AI大模型和金融正史無前例地相互需要著。但在具體實踐層面，二者的結(jié)合，依然有很多問題需要解決。從理論到可商用，看似不遠，實則有很多待跨越的障礙，大模型如何高效地轉(zhuǎn)化出商業(yè)價值，則是更復雜的問題。從市場來看，大模型在生成類場景中落地應用較多，但在涉及決策的金融場景中落地應用較少。也就是說，大模型距離深度融入金融業(yè)務的各個端點，進而重塑金融行業(yè)的生產(chǎn)關(guān)系，還有很長的路要走。
與此同時，頭部廠商對于金融大模型似乎越來越形成一種共識，即大模型不僅僅要為企業(yè)降低成本、提升效率，最終要演進為超級智能體，重構(gòu)企業(yè)的業(yè)務流程。也就是說，金融大模型的發(fā)展需要向產(chǎn)業(yè)縱深處探尋，在保留開放生態(tài)和生長空間的同時，專精于推動現(xiàn)有金融場景和應用的更迭和升級，制造新的體驗。總而言之，以金融機構(gòu)的真實需求為導向做精細化開發(fā)，也是金融大模型的核心議題。
金融領(lǐng)域有多元化的業(yè)務場景和廣泛的數(shù)字化轉(zhuǎn)型升級需求，是大模型極佳的垂直落地場景，但同時我們也需要關(guān)注以下問題。
一是算力。金融機構(gòu)如何面對算力資源持續(xù)緊俏硬件快速更新?lián)Q代及資源兼容優(yōu)化配置等復雜局面，如何有效地規(guī)劃并適應這種動態(tài)變化的算力格局，是首要問題。
二是開源模型與商業(yè)化模型。數(shù)字化轉(zhuǎn)型要求金融機構(gòu)具備高度的靈活性，不斷審視并適時調(diào)整策略，綜合考量成本、性能、靈活性與支持服務等因素，做出最符合自身實際情況的決策。
三是模型規(guī)模。大模型具有更強大的學習能力和更優(yōu)秀的泛化效果，但它對算力資源消耗巨大。針對不同的業(yè)務場景，如何選取與之匹配的模型規(guī)模，成為金融機構(gòu)的另一大課題。
四是通用大模型和專屬大模型。金融機構(gòu)必須基于自身的業(yè)務特性、戰(zhàn)略導向及資源條件，審慎考慮是采用廣泛適用的通用模型，還是投資開發(fā)更加契合自身需求的定制化模型。
五是大模型安全風險。一方面是模型本身的安全防護，另一方面是模型應用過程中的安全問題，包括但不限于大數(shù)據(jù)處理引發(fā)的隱私泄露風險、生成內(nèi)容可能蘊含的偏見與不公等。確保安全是金融機構(gòu)在推進大模型應用過程中不可忽視的重要環(huán)節(jié)。
面對上述金融大模型的落地困境，業(yè)內(nèi)的明顯趨勢是，越來越多的機構(gòu)相互合作，通過生態(tài)共建來實現(xiàn)共贏。而對于大部分中小金融機構(gòu)以及金融科技公司來說，未來更理想的路徑或許是：引入第三方廠商領(lǐng)先的基礎(chǔ)大模型，在自身樣本基礎(chǔ)上微調(diào)，構(gòu)建出自己的專業(yè)大模型，快速賦能業(yè)務流程，實現(xiàn)彎道超車。
預計隨著底層大模型從增量階段轉(zhuǎn)入存量階段，拼質(zhì)量、拼落地會成為競爭焦點，注重模型推理能力的企業(yè)的競爭優(yōu)勢會進一步顯現(xiàn)�？偟膩砜矗�未來金融大模型的發(fā)展將對目前的行業(yè)范式產(chǎn)生深遠影響。
聯(lián)易融科技集團（以下簡稱聯(lián)易融）作為領(lǐng)先的供應鏈金融科技解決方案提供商，正積極擁抱大模型帶來的新一輪科技發(fā)展機遇，通過在通用大模型基礎(chǔ)上的再優(yōu)化和升級，成功打造了供應鏈金融垂直領(lǐng)域的專屬大模型。以合同智能解析為例，聯(lián)易融通過自研的LDP算法，解決了開源模型在處理復雜文檔場景時的局限性。該算法運用視覺模型的高效圖像處理、語言模型的深度文本理解以及信息交互模塊的數(shù)據(jù)整合功能，形成一個綜合解決方案，能夠處理各種類型的文檔，并適應不同的業(yè)務需求和應用場景。
近日，聯(lián)易融自研的供應鏈金融輕量級一站式AI平臺蜂羽AI審單平臺榮獲國際財經(jīng)媒體《亞洲銀行家》最佳AI技術(shù)獎項。聯(lián)易融蜂羽AI審單平臺以大模型技術(shù)為基石，能對數(shù)據(jù)、算法和模型等組件進行自由組合，高效、便捷地進行模型開發(fā)與服務部署；同時沉淀了多種針對供應鏈金融領(lǐng)域的場景化智能解決方案，包括智能中登、貿(mào)易背景智能核查、跨境單證智能審核等，助力金融機構(gòu)快速構(gòu)建高精度AI應用。以聯(lián)易融與渣打銀行的合作為例，通過蜂羽AI審單平臺，渣打銀行在貿(mào)易金融、支付管理等業(yè)務中，在審單運營的關(guān)鍵步驟上，降低了時間成本，提升了運營彈性和業(yè)務韌性。同時，蜂羽AI審單平臺上的大模型技術(shù)能夠深度應用于供應鏈金融業(yè)務中，實現(xiàn)智能化風險評估，助力渣打銀行在運營交付等日常工作中降本增效。
本書旨在深入挖掘并總結(jié)聯(lián)易融創(chuàng)新的實戰(zhàn)經(jīng)驗和深刻洞見，為讀者描繪一幅未來金融的宏偉藍圖，幫助金融從業(yè)者、企業(yè)家、科技開發(fā)者和學者理解AI大模型在供應鏈金融中的工作原理，激發(fā)行業(yè)更多創(chuàng)新思維的碰撞和交流，從而共同創(chuàng)新AI與供應鏈金融的融合。當然，聯(lián)易融在供應鏈金融大模型領(lǐng)域的實踐和思考仍處于持續(xù)發(fā)展和完善的階段，受過往經(jīng)驗所限，本書還有許多不完善之處，歡迎各位同行批評指正。

宋群
聯(lián)易融創(chuàng)始人、董事長兼首席執(zhí)行官

PREFACE
前　言
供應鏈金融新紀元
隨著全球經(jīng)濟的蓬勃發(fā)展和國際貿(mào)易的日益繁榮，供應鏈金融作為一種創(chuàng)新的金融模式迅速嶄露頭角。供應鏈金融通過將金融服務與供應鏈管理相結(jié)合，為企業(yè)提供了更加靈活和高效的資金支持，助力供應鏈各參與方實現(xiàn)共同繁榮。然而，傳統(tǒng)的供應鏈金融模式面臨一些挑戰(zhàn)和限制，例如每筆交易規(guī)模較小、存在大量復雜的非結(jié)構(gòu)化數(shù)據(jù)、溝通成本高等。此外，新的應用場景不斷涌現(xiàn)，平臺和系統(tǒng)的開發(fā)卻缺乏足夠的靈活性。因此，供應鏈金融行業(yè)急需新的技術(shù)手段來提升效率和靈活性。
在這個充滿機遇和挑戰(zhàn)的背景下，人工智能技術(shù)的迅猛發(fā)展給供應鏈金融帶來了新的可能性�；�于金融科技、供應鏈金融場景、大模型技術(shù)理念，也結(jié)合實踐與洞察，我們引入了供應鏈金融GPT（Generative Pre-trained Transformer，生成式預訓練Transformer）概念，旨在通過機器智能和數(shù)據(jù)驅(qū)動的方式，進一步提升供應鏈金融的效率、透明度和可靠性。
本書旨在探索供應鏈金融GPT的發(fā)展歷程、應用場景以及它對供應鏈金融領(lǐng)域的影響，同時深入GPT的技術(shù)原理、關(guān)鍵功能和落地實踐，重點關(guān)注其在資金管理、供應商融資、庫存融資和供應鏈可追溯性等方面的作用。我們將對供應鏈金融的場景和案例進行介紹和分析，并基于此進一步探討如何構(gòu)建供應鏈金融大模型，包括數(shù)據(jù)和技術(shù)基礎(chǔ)設施、合作伙伴和生態(tài)系統(tǒng)建設、變革管理和組織文化等。此外，我們還將探討供應鏈金融GPT的價值與收益，包括降低成本、管理風險和提升創(chuàng)新競爭力。
然而，我們意識到供應鏈金融GPT的實施將面臨一系列的挑戰(zhàn)，如數(shù)據(jù)隱私和安全性、技術(shù)可行性和集成性、法律和監(jiān)管風險等，這些問題需要認真思考和解決。
隨著技術(shù)的不斷創(chuàng)新和演進，數(shù)據(jù)共享和合作平臺的構(gòu)建、區(qū)塊鏈和智能合約的整合、AI和機器學習的進一步應用將為供應鏈金融AI大模型帶來更多的機遇。我們相信，供應鏈金融AI大模型將持續(xù)演化，為企業(yè)提供更智能、高效和可持續(xù)的供應鏈金融解決方案。
在撰寫本書的過程中，我們深入研究了供應鏈金融AI大模型的理論基礎(chǔ)、技術(shù)特點和實際應用案例，并進行了廣泛的討論和交流，以確保內(nèi)容準確、全面和具有實踐價值。但技術(shù)日新月異，我們希望通過本書激發(fā)讀者的更多思考和創(chuàng)新，推動供應鏈金融GPT的進一步實踐和應用。我們相信，供應鏈金融大模型將成為未來供應鏈金融領(lǐng)域的重要驅(qū)動力，助力企業(yè)和社會的可持續(xù)發(fā)展。讓我們一起探索供應鏈金融大模型的未來，開啟一個更加智能、高效和可信賴的供應鏈金融時代！
特別鳴謝對本書創(chuàng)作給予支持的人員：徐美瑩、蔣宛辰、馬琰芳、周驛、侯澤赟、葉會杰、荊飛瑤、張正、張軍濤、李詩昀、馬旋、蘇強、李綺霞、周詩倩、許佳、朱浩、姚夏冰等同事。

沈旸
聯(lián)易融副總裁、聯(lián)易融國際CTO