
AI如何更好地在金融服務領域獲得廣泛應用?據5月28日相關報道:螞蟻國際平臺科技負責人黎粵表示,針對外匯(FX)設計的人工智慧(AI)模型將在跨境支付結算和全球資金管理服務領域產生深遠影響。


可按小時進行預測
總部位於新加坡的螞蟻國際,其開發的TST AI模型專注於金融場景下的數值預測,而非生成文字內容。“我們相信,為AI外匯服務的TST基礎模型未來有望拓展至金融服務、數字支付,乃至更廣泛意義的經濟活動場景。”據黎粵透露,螞蟻國際的TST AI FX需求模型目前準確率超90%,可按小時、每日和每週的頻次預測現金流及外匯敞口。這一能力可以顯著提升交易量預測精度,進而有效降低銀行對沖操作和風險溢價的成本。
實際上,在企業跨境資金管理方面,新技術的引進一直存在缺口,這使黎粵負責的平臺科技部門迅速崛起。此前,該部門僅僅聚焦於螞蟻國際全球業務的自身資金管理;但由於龐大的資金流體量和全球調撥的需求,該部門開始加速開發各類新技術降低自身資金管理的風險與時間成本。因為外部客戶特別是銀行和大型跨國企業對此展示出了濃厚興趣,這讓該部門迅速走向業務前臺,成為螞蟻國際目前增長最快的場景金融板塊支柱。2024年全年,螞蟻國際資金處理量超過1萬億美元;貫穿全球70多個市場的線下數字支付,200個市場的線上電商支付,120萬個全球中小企業的全球賬戶運營。
黎粵(Kelvin Li)認為,在金融服務領域,大多數公司應用大型語言模型(LLMs)以降低風險,但這些通用模型尚未觸及交易、定價和交易處理等金融服務的核心部分。

據悉,螞蟻國際開發的TST AI模型已開始服務銀行、航空公司、線上旅行、電商平臺等多元場景。今年5月初,英國巴克萊銀行表示已將TST模型整合至金融服務中,以應對全球市場波動帶來的外匯成本與風險挑戰。
“這項技術可以大幅降低銀行業務成本,意味著企業可相應減少營運資金的需求。”黎粵表示。從螞蟻國際自身實踐經驗來看,該技術用於航空業,可實際削減60%的航空業的外匯成本;用於資金流動性管理,具體比例則取決於企業的資金管理模式,可降低成本降30%-50%不等。
有意思的是,引數是AI模型訓練過程中的變數,它們決定了輸入資料如何轉化為目標輸出。一般來說,引數數量越多,模型效能越強。據估算,GPT-4的引數量高達18000億,而其前代產品GPT-3的引數量為1750億。而相較於僅依賴歷史資料的傳統貨幣預測模型,螞蟻國際的AI模型引入了外部變數(比如對航空業至關重要的天氣變化),從而提升預測精度。

此外,螞蟻國際還推出了名為Whale(鯨)的資金管理平臺,該平臺使用區塊鏈、加密技術和AI能力實現,可顯著降低交易成本和耗時。2024年全年,在螞蟻國際整體處理的超1萬億美元資金中,有超過三分之一是透過Whale平臺進行的。包括花旗銀行、滙豐銀行、渣打銀行、德意志銀行、法國巴黎銀行等全球多家主流銀行,都與螞蟻國際達成了合作,在Whale平臺上線通證化存款服務。
“這項技術還剛剛起步。”黎粵預測:“TST模型引數數量接近20億,今年內這個規模將增加數倍。發展勢頭迅猛,未來幾年有望重塑行業格局。AI和區塊鏈技術為跨境支付和結算帶來了真正的GPT時刻。”
文/曹宇