昇騰AI攜手第四范式,推出金融訓練平臺“金融大腦”聯(lián)合解決方案,實現(xiàn)了從硬件到軟件的全棧創(chuàng)新,為金融數(shù)據(jù)和AI應用安全保駕護航;支撐構(gòu)建多機多卡分布式訓練能力,加速金融AI業(yè)務快速上線,助推金融行業(yè)數(shù)智化轉(zhuǎn)型。
然而,當前金融領域AI發(fā)展面臨著如下的問題和挑戰(zhàn),導致AI應用落地金融場景較為困難。
AI基礎軟硬件平臺較為薄弱,包括AI芯片、算子及加速庫等芯片使能軟件、AI框架等。
算法對算力的需求每三個月翻一番,目前算力基礎設施建設的速度難以滿足AI技術(shù)發(fā)展對算力需求。
行業(yè)數(shù)據(jù)集的挑戰(zhàn),高質(zhì)量數(shù)據(jù)集難以獲得,大量的高質(zhì)量數(shù)據(jù)集還是來自歐美,信息安全等一系列基礎性的工作比較滯后。
為應對上述挑戰(zhàn),以AI驅(qū)動金融創(chuàng)新,昇騰AI攜手第四范式聯(lián)合打造全棧創(chuàng)新的金融訓練平臺“金融大腦”應勢而出,加速金融AI應用快速落地。
1、全棧創(chuàng)新:從底層硬件、操作系統(tǒng)、AI框架到應用開發(fā),全面實現(xiàn)創(chuàng)新,能最大限度提升AI與金融產(chǎn)業(yè)融合的效率,實現(xiàn)效果和效用的最大化;
3、全流程極簡:全場景AI框架昇思MindSpore,最佳匹配昇騰異構(gòu)算力,開創(chuàng)了全新的AI編程范式,提升全流程的開發(fā)效率,支持端、邊、云全場景靈活部署,加速金融行業(yè)AI落地;
4、模型分布式化:打破深度學習單機局限,自動完成分布式環(huán)境配置,數(shù)小時上手分布式AI開發(fā),快速實現(xiàn)基于昇騰算力的分布式算法,完成單機模型分布式化,快速提升業(yè)務迭代效率。
5、輕運維易管理:提供細粒度監(jiān)測,優(yōu)異可視化,支持容器化管理,資源按需分配,輕松運維,極大降低了運維成本;
6、完善企業(yè)級特性:具備分布式、可擴展、高效集成等企業(yè)級特性,提供數(shù)據(jù)中心、進程管理等全面的系統(tǒng)工具,構(gòu)建了權(quán)限、資源等完整的管理體系,為各類金融AI應用的開發(fā)和上線保駕護航,提供高實時、高性能、高可用的運行支撐。
基于金融訓練平臺“金融大腦”,某國有大型銀行AI業(yè)務得以快速上線。通過昇騰Atlas800 訓練服務器,并結(jié)合AI框架昇思MindSpore構(gòu)建了多機多卡分布式訓練的能力,將金融AI的訓練業(yè)務全流程打通,并且取得了更高的訓練性能。在NLP類的模型訓練中,在4卡并行訓練下采用昇騰AI基礎軟硬件可較之前減少50%的時間;在OCR類的模型訓練中,同等硬件下,訓練效率也可實現(xiàn)90%以上的提升,同時精度上滿足OCR類場景要求達98%以上,加速銀行AI應用的落地。
在“金融大腦”的賦能下,AI技術(shù)與金融行業(yè)場景深度融合,帶來不少亮眼的應用創(chuàng)新,比如“AI+推薦系統(tǒng)”,眾所周知,運算推理過程是一個黑盒,無法給出推理的依據(jù)和解釋,在金融的推薦系統(tǒng)中,一個無法很好解釋的推薦結(jié)果往往無法說服最終客戶并形成規(guī)模商用;诮鹑诖竽X,結(jié)合知識圖譜、雙向傳播等相關技術(shù),昇騰AI與某國有大型銀行共同研發(fā)了一個專門針對推薦系統(tǒng)的模型解釋器,通過該解釋器,可令傳統(tǒng)的推薦模型給出語義級的推薦結(jié)果解釋,比如系統(tǒng)推薦A理財產(chǎn)品,是因為過去用戶關注過B、C產(chǎn)品,而A產(chǎn)品與B、C產(chǎn)品同屬于【起購金額低】【收益類型為非保本浮動收益】等;同時在模型調(diào)優(yōu)階段,一個結(jié)果可解釋的模型也可幫助開發(fā)者快速發(fā)現(xiàn)問題,找到關鍵的影響因子,支撐其進一步提升推薦準確率。
AI在金融行業(yè)場景中的廣泛運用,為擴大金融服務對象、提高金融服務效率、提升客戶體驗提供了可能,客觀上促進了金融行業(yè)整體發(fā)展水平的提升。未來,昇騰AI將繼續(xù)堅持“硬件開放、軟件開源、使能伙伴,發(fā)展人才”的理念,深耕基礎,持續(xù)打造極致性能、極簡易用的AI基礎軟硬件平臺,打造堅實的數(shù)字金融底座,攜手伙伴,賦能金融行業(yè),促進金融行業(yè)數(shù)字化轉(zhuǎn)型和智慧升級,共創(chuàng)金融科技新時代。