1.中小券商受制于自身规模所限,自建机房GPU算力资源非常有限
2.券商还存在合规方面的限制,对于从公网获取saas服务以及数据往来有诸多合规问题
3.结合券商自身业务特点
综合以上3点,想请教一下中小规模券商如何才能较好地拥抱大模型应用?
中小规模券商要拥抱大模型应用,可以采取以下几个步骤:
需要注意的是,拥抱大模型应用需要投入较大的资源和技术支持。对于中小规模券商来说,可以考虑与专业的技术团队或合作伙伴合作,共同推进大模型应用的落地和实施。
收起我个人认为,未来大模型应用会呈现两个发展方向 1、实例强大的自建大模型设备机房,自训练或者采购数据训练,但是这个成本会很高 2、大的云厂商,类似现在提供云RDS数据库一样,提供通用或者私有的大模型应用,接入企业数据,进行训练。;关于合规性,现在私有云容器化是金融业的趋势,所以大模型上云提供服务,不存在合规性的大面上的问题。只有少数的问题需要解决。例如加强安全防护措施,和设置敏感规则等。
所以我认为中小券商大模型应用选择一个可靠的云服务商 ,利用云服务商提供的大模型进行应用。
国家也有一个大数据计算中心,但是每次使用要么需要申请,要么需要缴纳资金。个人感觉不是很方便,毕竟管理权不在券商机构自己手中。
这个不是一家机构的问题,目前是行业内普遍存在的问题,目前很多家大厂的大模型,对国产npu的支持的并不好,而在信创的大背景下,大机构也很难投入去买足够的gpu算力去支撑大模型的训练。
所以大模型的落地之路,目前国内并不太好走。大部分机构应该会妥协,本地只进行推导,训练依赖大模型厂商,不过这样效果肯定大打折扣
目前可能的一个方向,由国家牵头成立一些模型训练的中心,提供共享的gpu算力,这样一定程度上可以满足合规性的要求。
不过这仅仅是一个设想,道阻且长
针对中小规模券商如何拥抱大模型应用,可以从以下几个方面进行思考:
中小规模券商可以考虑与其他券商合作,共享GPU算力资源,以降低自建机房GPU算力资源的成本。此外,还可以通过与其他券商合作,共享数据资源,以提高数据处理和分析的效率。
中小规模券商在选择大模型AI服务提供商时,需要考虑其是否符合合规要求。可以选择那些已经通过相关监管机构认证的服务提供商,以确保数据安全和合规性。
中小规模券商在选择大模型AI应用时,需要结合自身业务特点,选择适合自己的应用。例如,可以选择一些针对股票市场的大模型AI应用,如股票预测、交易策略优化等,以提高交易效率和盈利能力。
中小规模券商可以加强技术人才培养,提高自身的技术实力。可以通过招聘优秀的技术人才,或者通过培训现有员工来提高技术水平,以更好地应对大模型AI应用的挑战。
总之,中小规模券商要想较好地拥抱大模型应用,需要与其他券商合作共享资源,选择符合合规要求的大模型AI服务提供商,选择适合自身业务特点的大模型AI应用,以及加强技术人才培养。