在线客服
企业微信
6月6日，创新工场首席科学家、澜舟科技创始人周明博士代表澜舟科技，在北京与华夏基金签署战略合作协议，宣告成立「金融NLP联合实验室」。
这是继周明在2020年12月离开微软亚洲研究院后的又一个重大动向。
周明博士是我国研究自然语言处理（NLP）的先驱者之一：
他是中国第一个中英翻译系统CEMT-I（哈工大1989年）、日本最有名的中日机器翻译产品J-北京（日本高电社1998年）的研制者，曾担任2019年国际计算语言学协会（ACL）主席，中国计算机学会理事、中文信息技术专委会主任、术语工作委员会主任、中国中文信息学会常务理事，谷歌学术引用数超过32000次。
1999年，周明加入微软亚洲研究院，随后担任自然语言研究组的负责人、微软亚研副院长。2020年12月，他从微软离职，随后加入创新工场担任首席科学家，2021年6月孵化出澜舟科技，7月就推出轻量化模型——「孟子」，在中文语言理解评测CLUE榜单的多项指标上登顶第一，引起不少关注。
如今，不到一年，澜舟科技便与华夏基金成立「金融NLP联合实验室」，致力于在金融场景中实现NLP技术的落地，成长着实迅速。而据AI科技评论与周明博士的对话，在此次与金融的「联姻」中，轻量化模型「孟子」将扮演重要角色。
根据华夏基金首席数据官陈一昕的介绍，在以往的「金融+NLP」建设中，他们往往面临模型与行业场景适配性差、训练代价大、中文理解能力不足等问题。面对金融领域文本专业性强、应用场景多变的情况，构建落地快、易迭代、可适配金融垂直领域的中文NLP模型是一个亟待实现的目标。
而此时，「孟子」的轻量化优势便发挥了出来。
周明告诉AI科技评论，诸如「孟子」的轻量化模型部署成本低，能够快速迭代，用户压力小，且适配性强。此外，通过知识融合、数据增强，能力上或并不逊于大模型，十分适合金融场景的需求，更容易落地。
以下是雷峰网(公众号：雷峰网)-AI科技评论与周明博士的对话：
AI科技评论：能否简单介绍一下澜舟科技跟华夏基金共同成立金融NLP联合实验室的背景？
周明：我在2020年年底从微软亚洲研究院离开，到创新工场担任首席科学家，去年6月孵化了澜舟科技。澜舟科技的核心技术是自然语言理解，可以用于实现文本的智能理解、搜索、问答、摘要、翻译以及知识图谱等等。但具体落地，要找一个场景。
刚创立澜舟科技时，我就首先想到金融。那时候我就想，要进入金融领域，不能隔靴瘙痒，而是要有更紧密的合作。我们要了解金融的需求，金融方也要知道我们的技术长板和短板，所以我就开始寻找能够紧密合作的金融伙伴。
恰好在去年10月，我应邀参加一个在上海举行的智能投研大会，做了一个特邀报告，其中介绍了澜舟科技的自然语言处理技术，包括「孟子」预训练模型。华夏基金的杨思成在台下，对我们很感兴趣，就介绍我和华夏基金的首席数据官陈一昕认识，双方一拍即合。
我们共同认为，过去科技企业与金融公司的项目合作模式不够密切。项目制是甲方与乙方，对方拟好一个需求，我围绕需求提供技术、按时间交付，但技术的不断迭代需要科技与场景的紧密结合，所以我和陈一昕最终决定采用「联合实验室」的方式，把大家放在一个篮子里，AI 可以随着市场变化快速迭代，业务也可以更了解 AI。
AI科技评论：项目制是目前 AI/NLP 与其他领域结合的主流合作形式吗？联合实验室是不是相对比较少？
周明：是的。在这里我要解释一下，金融是一个特殊的领域，不像有的领域可以实现相对标准化的服务，「AI+金融」或「金融+AI」在当前还没有定论。
金融的需求没有那么明确，而且场景多样化，同时 AI 技术也在不停地迭代，例如，大模型约每三个月就要迭代一次。
因此，金融行业的人士对 AI 是既渴望、又觉得太繁复，跟不上 AI 的节奏。在这种方式下，项目制就会产生一些问题，而联合实验室则能更灵活地应付这种快速多变的局面，把双方的优势与长处发挥出来。
AI科技评论：据您观察，目前国内做 NLP 落地、或凭借 NLP 技术进军金融领域的公司多吗？
周明：两者都不多。由于技术的局限性，NLP落地很难，因此全世界的NLP公司都比较少，但像百度、微软、谷歌等背后都有 NLP 团队，主要是服务于它们自身的业务和产品，作为一个部件，例如拼写检查、文档分析、索引等等，但极少有公司专门以 NLP 技术立足。
近两年大模型出现后，NLP 的能力大幅度提升，开始有人尝试基于 NLP 技术创业，但受疫情影响无法推行，很多科研者还在等待机会。也有将 NLP 当应用的公司，例如客服公司，但并非专门研究NLP。
AI科技评论：金融业务有哪些特征？在金融场景中，NLP能够解决什么样的问题？
周明：首先说NLP（自然语言处理）技术。目前 NLP 领域有许多基于互联网的海量数据训练出来的大规模预训练模型，过去几年也在全世界引起了广泛关注。但澜舟科技做的是「孟子」轻量化模型，模型不大、容易落地，同时又具备分析、搜索、翻译、生成等能力。
NLP的这些能力在金融领域有很多用处，比如智能信息抽取。几乎所有金融单位都要处理很多无结构、有结构或半结构的文档，如网页有表格、有字段。举个例子，基金的变化，昨天的价格多少、今天的价格多少、基金数量、购买人数、交易量、上升与下降幅度等等，有可能写在年报里，也有可能写在网页里，我们就可以使用智能文档分析技术，将其重要信息抽取出来形成数据库。
再联想其他能力，NLP 几乎贯穿金融业务的所有环节，所以金融机构都重视 NLP 技术。但如何将NLP能力开发好、部署好，成本极低又能快速便捷地用起来，却是不容易做到的。
AI科技评论：在这次NLP与金融的联合中，「孟子」模型的落地如何体现？
周明：「孟子」在澜舟公司的所有技术体系中都会体现，包括智能文档、信息抽取、知识图谱、搜索问答，还有文本生成等，这些核心技术均会进入到跟华夏一同成立的联合实验室中。「孟子」会基于一些金融数据做训练，从而获得处理金融数据的能力。
基于「孟子」，我们希望可以在金融领域中做文档智能信息抽取、OCR、舆情分析、暴雷事件分析、报警、风控，也可以做国内外金融信息的抽取汇总和检索、年报的自动生成和和行情预判等等，还有金融行业需要的客服、获客、客户推荐优秀产品、客户跟踪、用户画像等。
AI科技评论：「孟子」强调的是小模型，小模型对于处理金融领域的问题是否有独特的优势？
周明：在一定的情况下，模型越大、参数越多，泛化能力就越强、水平就越高，这是共识。但训练一个巨大的模型需要巨大算力，在使用大模型时，推理也需要很大的计算集群，需要买成百上千张卡来支持运行，一般的公司（包括金融机构）都负担不起，性价比也拉低。
而轻量化模型对用户的压力非常小，一般情况下只用少量GPU，甚至有些任务只用CPU也可以，部署成本可以大幅降低，又快又准。即便性能也许比大模型差了一点，但在大部分用户看来是划算的。也是基于这样的市场，我们在成立澜舟科技时就决定做轻量化模型。
澜舟科技是国内最早研究轻量化模型的公司之一。在研究「孟子」时，我们以为模型的能力会大幅削弱，但后来发现，如果轻量化模型的算法过关，加上知识的融入、数据的增强，轻量化模型有可能不输给大模型。这是非常了不起的一件事。
