活动简介
随着金融行业的蓬勃发展，客户数量快速增长，金融行业涉及的业务领域不断拓展。在此背景下，AI技术在金融公司的各类交易、业务处理、客户服务等众多场景中将得到更加广泛深入的应用，比如量化交易、极速交易、精准推荐、人脸识别、视频质检、智能客服等等。大语言模型是自然语言处理的最高阶阶段，机器能够听懂人的命令、遵循人的价值观。能够生成自然语言的人工智能模型。类ChatGPT大语言模型的出现，也催生了金融行业对大语言模型应用的需求。然而无论从大语言模型的数据处理，模型优化还是到高算力需求，都给金融AI带来大语言模型落地带来巨大挑战，具体包括：
1、 金融企业落地大语言模型的前提条件是什么？有哪些典型适用场景？
2、 金融企业当前的大数据和AI平台建设，为适应大语言模型，要做好哪些准备？如何进行大语言模型数据处理和模型优化？
3、 金融企业实现大语言模型对底层核心算力架构如何设计？落地过程中会面临哪些具体挑战？
4、 如何实现GPU资源弹性扩展和自适应调整，以提高利用效率、满足不同应用场景的算力需求？
4月26日下午2点-4点，英伟达将基于twt社区平台面向大语言模型应用、关注GPU资源池的金融企业用户解读NVIDIA AI Enterprise3.1解决方案，并有金融行业AI专家在线与大家分享和探讨金融企业如何拥抱大语言模型趋势。欢迎金融行业用户会员报名参与本次活动。您可以下载资料参考学习，还可以在线提出问题、与用户专家和英伟达技术专家在线探讨。希望通过本次交流和探讨，我们可以共同推动金融行业迎接ChatGPT大语言模型时代的挑战和机遇。
支持企业：
分享嘉宾
王玉君 NVIDIA AI Enterprise 产品经理
从事7年IT行业，关注领域边缘计算，企业级AI应用。毕业于上海交通大学本科，获得上海高级金融学院MBA学位。
崔晓楠 英伟达 开发者发展经理
毕业于北京航空航天大学，软件工程硕士。2018年加入英伟达，负责开发者生态和行业解决方案的落地推广。
李工 某银行 异构算力专家
主要负责某银行异构算力资源池建设和运营，以及GPU在金融AI场景应用调研及POC验证，信创AI芯片的生态推广，擅长云计算、异构计算、虚拟化、Devops、AI芯片等领域。
行业趋势文章参考
迈入ChatGPT时代商业银行AI应用的发展趋势分析
文章简介：本文探讨了ChatGPT时代商业银行AI应用的发展趋势。首先介绍了商业银行中常用的AI技术，如自然语言处理、机器学习和数据挖掘等。分析了ChatGPT时代商业银行AI应用的趋势，包括基于大语言模型的数字秘书、知识库、营销助手、风险管理等场景。此外，还探讨了大语言模型应用面临的可靠性、算力资源瓶颈等问题及解决思路。最后，可以得出结论：商业银行需要充分利用AI技术，不断提升服务水平和效率，同时也需要重视AI技术应用中的稳定性问题及GPU资源池建设问题，以适应人工智能趋势变革的需求，提高企业核心竞争力和应对未来挑战的能力。
金融行业如何提高GPU资源利用效能加速AI智能化应用交流探讨
大语言模型是自然语言处理的最高阶阶段，机器能够听懂人的命令、遵循人的价值观。能够生成自然语言的人工智能模型。类ChatGPT大语言模型的出现，也催生了金融行业对大语言模型应用的需求。然而无论从大语言模型的数据处理，模型优化还是到高算力需求，都给金融AI带来大语言模型落地带来巨大挑战。社区近期组织了“迈入ChatGPT大语言模型时代，金融行业如何提高GPU资源利用效能加速AI智能化应用？”主题探讨，邀请金融行业AI专家与社区会员共同交流，希望能够为金融行业同行迎接ChatGPT大语言模型时代的挑战和机遇提供帮助。以下是此次活动的交流精华内容整理，供大家参考。
