最强的金融AI公司有哪些-WayToAGI

回答

目前在金融 AI 领域表现较为突出的公司包括：

Bloomberg：其 BloombergGPT 计划将 GPT 风格的 AI 集成到终端。
ServiceNow：通过 AI 驱动的 Now Assist，实现了近 20%的事件避免率。
Palo Alto Networks：利用 AI 降低了处理费用的成本。
Hubspot：利用 AI 扩大了能够支持的用户规模。
瑞典金融科技公司 Klarna：通过将 AI 融入用户支持，在运行率方面节省了 4000 多万美元。

此外，金融服务行业中，现有企业由于拥有对专有金融数据的访问权限，在使用 AI 推出新产品和改进运营时具有初始优势，但会受到对准确性和隐私的高标准限制；新进入者最初可能使用公开金融数据训练模型，而后逐渐生成自己的数据，并将 AI 作为新产品分销的突破口。

内容由 AI 大模型生成，请仔细甄别（powered by aily）

参考资料

金融服务业将比你想象得更快地接纳生成式 AI

[title]金融服务业将比你想象得更快地接纳生成式AI原文地址：https://a16z.com/2023/04/19/financial-services-will-embrace-generative-ai-faster-than-you-think/原文作者：Angela Strange,Anish Acharya,Sumeet Singh,Alex Rampell,Marc Andrusko,Joe Schmidt,David Haber,Seema Amble发表时间：2023年4月19日译者：通往AGI之路，若有瑕疵之处，请在段落评论中斧正，谨此致谢人工智能和机器学习在金融服务行业的应用已经有十多年的历史，它们已经促成了从更好的信贷评估到更精确的基础欺诈评分等一系列的改进。大型语言模型（LLMs）通过生成式人工智能，代表着一次重大的飞跃，正在改变[教育](https://a16z.com/2023/02/08/the-future-of-learning-education-knowledge-in-the-age-of-ai/)、[游戏](https://a16z.com/2022/11/17/the-generative-ai-revolution-in-games/)、[商业](https://a16z.com/2023/02/07/everyday-ai-consumer/)等多个领域。与传统的AI/ML主要侧重于基于现有数据进行预测或分类不同，生成式人工智能可以创造全新的内容。这种能力，结合了对大量非结构化数据的训练和实际上无限的计算能力，可能将带来金融服务市场数十年来最大的变革。与其他平台转变——如互联网、移动设备、云计算——不同，在这些转变中金融服务行业的采用速度较慢，在这里，我们预计最优秀的新公司和现有企业将立即开始接纳生成式人工智能。

红杉｜AI 50 未来公司

[title]红杉｜AI 50未来公司原文链接：https://www.sequoiacap.com/article/ai-50-2024/发表时间：2024-4-11作者：Konstantine Buhler编译：Z Potentials去年，生成式AI从不引人注意的地方走到了AI 50强榜单的前列。今年，随着我们看到企业用户和消费者的AI生产力开始大幅提高，它成为前沿和中心。尽管2023年美国的大部分AI风投都流向了基础设施领域——其中60%流向了最大的大语言模型（LLM）提供商，但应用公司仍在AI 50强榜单中占据主导地位。与此同时，我们开始看到AI如何为公司赋能。如今，许多公司正将AI融入其工作流程，以此来快速达成KPI。我们看到大公司正通过将AI融入其产品的方式而获益。工作流程自动化平台ServiceNow通过AI驱动的Now Assist，实现了近20%的事件避免率。Palo Alto Networks利用AI降低了处理费用的成本。Hubspot利用AI扩大了能够支持的用户规模。瑞典金融科技公司Klarna最近宣布，通过将AI融入用户支持，他们在运行率方面节省了4000多万美元。现在，成千上万的公司正在将AI整合到他们的工作流程中，以扩张规模和降低成本。AI 50强企业正在快速进化。不远的将来，我们有望看到UX和UI围绕AI的功能进行重新设计。在更好、更廉价地复制现有功能之后，我们将开发全新的用户界面，以提供有价值的新体验。

金融服务业将比你想象得更快地接纳生成式 AI

[title]金融服务业将比你想象得更快地接纳生成式AI金融服务公司拥有大量的历史金融数据；如果他们使用这些数据来微调大型语言模型（或者像[BloombergGPT](https://www.cnbc.com/2023/04/13/bloomberg-plans-to-integrate-gpt-style-ai-into-its-terminal.html)那样从零开始训练模型），他们将能够迅速地回答几乎任何金融问题。例如，一个经过公司客户聊天记录和一些额外产品规格数据训练的LLM，应该能够立即回答有关公司产品的所有问题，而一个经过公司十年可疑活动报告（SARs）训练的LLM，应该能够识别出一组表明存在洗钱计划的交易。我们相信金融服务行业已经准备好使用生成式人工智能来实现五个目标：个性化的消费者体验、成本效益高的运营、更好的合规性、改进的风险管理、以及动态的预测和报告。在[现有企业与初创公司之间的竞争](https://a16z.com/2015/11/05/distribution-v-innovation/)中，由于拥有对专有金融数据的访问权限，现有企业在使用AI推出新产品和改进运营时将拥有初始优势，但他们最终将受到对准确性和隐私的高标准的限制。另一方面，新进入者最初可能需要使用公开的金融数据来训练他们的模型，但他们将迅速开始生成自己的数据，并逐渐使用AI作为新产品分销的突破口。让我们深入了解这五个目标，看看现有企业和初创公司如何利用生成式AI。