彭博专为金融领域打造
500亿参数的语言模型

彭博作为一家金融数据公司，在四十多年的时间里，收集和维护了大量的金融用语文档，开发人员从这个由海量英文金融文档组成的档案库中提取并创建了包含3630亿词例（token）的金融数据集。这批数据与另一个包含3450亿词例的公共数据集叠加，成为一个包含超7000亿词例的大型训练语料库。彭博团队运用一部分语料库的内容，训练纯解码器（decoder-only）因果语言模型，包含500亿个参数。通过基准测试发现，BloombergGPT模型在金融任务上的表现远远超过类似规模的开放模型，在通用场景任务中，也已达到甚至超过了平均水平。

基于大语言模型的人工智能已经在许多领域展示出令人兴奋的应用，但金融行业具有行业特殊性，含有大量金融术语，具有一定的复杂性，需要一个专攻金融专业的模型。
（一）彭博数据来源更为可靠。彭博的训练数据，相对于传统的网络爬取数据，不会有很多的重复和错误，数据来源相对更加可靠。
（二）BloombergGPT在金融领域任务中优势显著。通用的自然语言处理模型无法理解财经新闻背后的“市场情绪”，在金融领域任务处理中会遇到很多的挑战，BloombergGPT相对而言有明显的优势。BloombergGPT在如下测试中，表现不错。
1、测试对金融问题的理解和推理能力。
2、测试英语金融新闻和社交媒体标题的情感走向
3、测试对于金融新闻的句子进行情绪分类
4、测试英文新闻标题中是否包含特定信息，例如价格上涨或下跌。
5、从提交给美国证券交易委员会（SEC）的金融协议中收集金融数据，进行信用风险评估。

摩根士丹利利用GPT-4
服务理财顾问

3月15日，OpenAI召开发布会，正式推出GPT-4。OpenAI公司官方发布的6个使用案例中，就包括摩根士丹利通过GPT-4服务理财顾问的案例。

作为国际领先的财富管理机构，摩根士丹利维护海量内容库，包含投资策略、市场研究、分析师见解等，这些信息分布在多个内部网站上，主要以PDF的形式呈现，需要投顾阅读和消化大量的信息才能够找到特定问题的答案。

引入GPT-4之后，摩根士丹利能够更便捷的调用知识库信息，通过面向内部的聊天机器人，在财富管理内容中执行全面搜索，有效释放公司已积累的信息，更好的服务客户。这意味着公司的每个投资顾问都具备最综合的知识，能够向客户提供更优质的服务。

ChatGPT是否会取代
量化模型开发功能？

ChatGPT底层使用的模型和量化模型有一些共通之处，例如NLP模型（自然语言处理模型）、Transformer模型等。那么，ChatGPT是否会取代部分量化模型的开发功能?

在3月25日好买财富第十一届中国私募行业高峰论坛暨2022年度中国好私募颁奖盛典的量化圆桌环节，启林投资王鸿勇给了我们答案。王鸿勇在论坛上提到，ChatGPT的强大体现在两个方面，一个在于庞大的数据库，另一个是对于数据的掌控力。ChatGPT是数据达到一定的体量，算力增长到一定的体量，两者相结合，量变引发质变的过程。ChatGPT的崛起不在于理论创新或者模型结构本质的创新，它的结构几年前就有了。ChatGPT想要取代量化模型不是一个短期能够实现的事情。

时间线复盘
ChatGPT爆火之路

OpenAI刚成立时，它是一家非营利性研究组织，致力于推动人工智能发展，运用技术安全地造福全人类。随着时间发展，组织逐渐意识到人工智能的商业价值和对社会的潜在影响，决定向商业领域拓展。在2019年，OpenAI获得微软投资，重组成为一家营利性公司，并向私人投资者开放，自此，有了稳定资金来源的OpenAI全力开发GPT模型，经过几年技术沉淀，迎来ChatGPT的爆火之路。

近期，ChatGPT浪潮之下，A股市场也陷入狂热，ChatGPT概念股“狂飙”，并驱动新一轮算力需求爆发。但从人工智能投资主线的角度而言，万事万物还是要回到产业发展规律，当前相关板块可能刚处于“概念期”到“导入期”的演化之中，甚至可能还没到“成长期”，投资角度需要更加注意“到有鱼的地方钓鱼”和“人多的地方不要去”的微妙平衡。