随着一些受监管企业谨慎扩大AI使用范围,平台和模型开发商开始为特定行业提供定制版本。
Anthropic通过推出新的Claude金融服务版本迈出了这一方向的第一步,这实际上是其Claude企业版的特殊版本,可以缓解该行业对互操作性和工具使用的担忧。Anthropic还将提供与数据提供商的预构建连接器,为Claude上的工具开辟可发现性路径。
Anthropic金融服务行业负责人Jonathan Pelosi在接受VentureBeat采访时表示,Anthropic模型"已经特别适合金融工作负载,我们一直在调整它们以使其变得越来越好"。但是,虽然Claude模型为金融服务公司提供企业解决方案,Pelosi表示该行业也希望从Claude聊天界面获得更多功能。
"与该领域的一些竞争对手不同,他们构建了一个成为轰动的消费者应用,或者他们构建了这些新的视频生成器和表情包生成器,这从来不是我们的重点,"Pelosi说。"我们是企业优先的,所以我们的模型在复杂的企业工作负载中表现最佳,这意味着复杂的定量分析、大规模的金融服务行业复杂数据提取。"
Claude金融服务版将为用户提供额外的速率限制,特别是因为,Pelosi指出,许多分析师经常由于工作负载的规模而快速达到容量限制。与Claude企业版不同,这个金融服务专用平台还将包括与FactSet、PitchBook、S&P Capital IQ和Morningstar等金融数据提供商的预构建MCP连接器,以及来自Anthropic的实施支持。
Claude企业版与Claude金融服务版的第三个主要区别是提示库的存在。Pelosi表示,一些用户在将他们的分析工作流程或需求转化为提示时遇到困难,因此提示库可以指导他们。
Pelosi表示,已经使用Claude企业版的客户没有义务迁移到金融服务版本;但是,增加的限制等附加功能可能会促使他们转换。
Anthropic如何处理金融服务生态系统
Pelosi指出,许多金融服务机构拥有强大的工程师,可以构建AI应用程序。但是,这些公司的核心重点仍然是银行或保险,因此简化将数据连接到AI过程的平台是必不可少的。
"我们试图做的是将所有这些技术集中在一个屋顶下,"Pelosi说。"将其视为一个开箱即用的解决方案,可以轻松配置给Bridgewater或挪威主权财富基金这样的公司,而不是让他们自己拼凑这个东西的替代方案。"
金融服务公司一直在以各种方式构建生成式AI工具,使用现成的模型创建自己的AI平台,或在现有聊天机器人如Claude、Gemini或ChatGPT的基础上构建。例如,BNY一直在为其AI平台Eliza试验AI智能体。Capital One还构建了一个智能体,用于汽车销售,提取汽车经销商库存和汽车贷款数据。
初创公司Metal为金融分析师和私募股权提供助手,读取和解析10-K、10-Q或8-K报告。另一家初创公司Rogo也允许金融机构上传文档并设置工作流程。
缓解担忧
Anthropic并不是唯一为金融行业提供定制解决方案的公司。然而,提供引导设置和经过审查的数据提供商访问可能对一个谨慎避免意外暴露于更多风险的行业大有帮助。
MCP可以通过提供所需的身份识别和工具使用权限,将一家公司或其智能体连接到另一家公司。然而,受监管行业担心它仍然缺乏一些重要的KYC和身份特征。该行业的许多人看到了MCP服务器访问关键金融数据或其他文档的好处,但正在等待大规模采用。
与此同时,金融服务行业因在采用该技术方面过于谨慎而受到批评。
Pelosi重申Anthropic专注于安全和责任,这就是为什么他认为针对金融的解决方案是他们自然的下一步。Pelosi表示,虽然Anthropic的意图"不是为每个垂直领域构建一个Claude",但公司可能会在某个时候将定制功能扩展到其他行业。
Anthropic最近还与Canva、Notion、Stripe和Figma等合作伙伴开放了Claude的更多工具发现性,为应用程序上的搜索和活动提供了更多上下文。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。