Генеративний ШІ (GenAI) змінює способи функціонування ринку, будь то внутрішні процеси підприємств, взаємодія з клієнтами чи рішення в високочастотній торгівлі. Застосування ШІ вже не є простою концепцією, а стало ключовим фактором конкурентоспроможності. Поява DeepSeek не лише справила фурор у світі GenAI, але й фон материнської компанії Huansquare Quant привернув увагу до обговорення можливостей та перспектив застосування GenAI у сфері кількісної торгівлі.
Kronos Research, AWS, Nurie AI, Innovation Base of聯發, Cathay United Bank та інші лідери галузі на AI Summit 21 лютого розкрили, як AI розширюється від корпоративних застосувань до кількісної торгівлі, та як це матиме значний вплив на майбутні ринки.
GenAI застосування всюди, LLM підтримує інновації, готові до запуску
Цього разу AI Summit спільно організували Kronos Research та Nurie AI, і основна тенденція, яку вони передали, полягає в тому, що AI став об'єктом уваги світу. Хоча AI все ще перебуває на ранній стадії, трансформація AI є неминучою, інноваційні AI/GenAI застосування поступово готові, що призводить до нових бізнес-можливостей.
Від загальних корпоративних застосувань до кількісної торгівлі можна побачити всебічне впровадження GenAI. В даний час корпоративні центри обслуговування клієнтів, внутрішні бази знань та чат-боти вже почали використовувати покращене генерування запитів (RAG) у поєднанні з LLM, що дозволяє моделям більш всебічно розуміти та відповідати на запитання. Фінансові установи також використовують GenAI для покращення досвіду клієнтів, продуктивності та інновацій.
Компанія з кількісної торгівлі Kronos Research активно використовує GenAI для покращення ринкових досліджень та торгових стратегій. Однією з її основних технологій є модель прогнозування цін, яка за допомогою ШІ тренує понад 3 000 до 6 000 ринкових характеристик для прогнозування зміни цін в різних часових інтервалах. Крім того, Kronos також використовує GenAI для оптимізації процесу перевірки коду (Code Review) і розробки торгових стратегій, що прискорює ефективність прийняття рішень.
▲ Старший менеджер з IT-інфраструктури Kronos Research Кайл Цай зазначив, що команда вирішила, що основним застосуванням GenAI є перевірка коду, і що вони використовують RAG для високоефективного та всебічного аналізу коду. (Джерело: Kronos Research)
Інша важлива тенденція полягає в тому, що вигоди від інвестицій в AI-інфраструктуру на місцях значно відстають від швидкості еволюції дорогих графічних процесорів (GPU). Тому витрачати великі гроші на створення відповідної інфраструктури для компаній є недоцільним. Керівник команди архітекторів рішень AWS Лiao Weikai зазначив, що через хмару можна більш різноманітно вибирати різні провідні моделі в галузі, і будь-яка компанія, незалежно від розміру, може без перешкод використовувати різні передові моделі та послуги GenAI. Це також є важливим фактором, що сприяє тому, що застосування GenAI стає повсюдним, і є ключовою основою для прискорення трансформації AI в компаніях.
П'ять етапів просування AGI в компанії, що викликають всебічні зміни від підприємств до торгових ринків
З поширенням GenAI, підприємства та торгові ринки зазнають впливу та змін, але чи є це короткостроковим впливом, чи довгостроковою зміною? Як було зазначено раніше, від загального використання підприємствами до кількісної торгівлі, всі використовують GenAI для підвищення ефективності. Багато компаній протягом багатьох років працювали над цифровою трансформацією та сталим розвитку, а тепер ще більше використовують AI для комплексної оптимізації ефективності реалізації обох видів трансформації.
OpenAI розділяє подорож GenAI до загального штучного інтелекту (AGI) на 5 етапів: чат-боти (Chabots), міркувальники (Reasoners), агенти (Agents), новатори (Innovators) та організатори (Organizers). Наразі галузь готується перейти до етапу агентів, щоб отримати конкурентну перевагу на ринку. Тому компанії вкладають більше ресурсів і фінансів у пошуки найсучасніших AI/GenAI моделей та технологій для вирішення складніших проблем і досягнення лідерства на ринку.
Для команди Nurie AI, яка використовує технології штучного інтелекту для зниження витрат на операції, спрощення ІТ-операцій і покращення досвіду клієнтів, вони також намагаються ще більше підвищити ефективність AIOps за допомогою GenAI, що свідчить про те, що GenAI сприяє довгостроковим змінам у бізнес-операціях.
З появою технологічних гігантів, які випускають свої власні AI-агенти, таких як Google Project Mariner, Anthropic Computer Use та OpenAI Deep Research, старший науковий менеджер Інноваційної бази Lianfa Чень Ічан зазначив, що 2025 рік може стати ключовим роком для розвитку AI-агентів. Компанії також отримають оновлення завдяки агентським робочим процесам (Agentic Workflow), що означає, що AI може діяти на основі наявних ресурсів і допомагати виконувати завдання відповідно до ситуації.
У світі кількісної торгівлі ефективність інновацій стратегій та моделей визначає перемогу та поразку. Kronos Research прискорює інновації в торгових моделях за допомогою технології GenAI, від автоматизації коду, кількісних досліджень до прогнозування цін, штучний інтелект став основним двигуном ринкових рішень. З розвитком технологій AI Agent та LLM фінансові ринки зустрінуть нову хвилю інтелектуальної революції, в майбутньому це може перетворитися на інвестиції та торгівлю, повністю керовані AI Agent, змінюючи традиційні способи функціонування ринку.
Шукаємо ключові точки прориву для реалізації AI-додатків, щоб забезпечити конкурентні переваги підприємств.
Нещодавно запуск DeepSeek RI зробив можливим розробку ефективного ШІ з меншою кількістю даних та за нижчими витратами. Ситуація, коли ринок контролювався лише кількома технологічними гігантами, була порушена, і навіть малі та середні підприємства тепер можуть проводити ієрархічну оптимізацію на основі існуючих архітектур навчання LLM, що робить навчання та висновки більш ефективними та економічно вигідними. Це приносить вплив на парадигмальний зсув у розвитку LLM в майбутньому.
Головний інформаційний директор Тайваню Цай Ціян поділився, що в майбутньому підприємства зможуть не лише на першому етапі масштабувати попередньо навчану модель, а й на другому етапі, завдяки підкріпленому навчанню (Reinforcement learning, RL) та ланцюгу думок (Chain-of-thought), підвищити «інтелектуальні» можливості моделі.
Факторів, що сприяють впровадженню AI в бізнесі, є багато. Окрім вже згаданих кількох ключових проривів, технічний менеджер Cathay United Bank Fu-Ming Tsai зазначає, що для вирішення проблеми тривалого процесу обробки великої кількості тексту LLM, компанії можуть використовувати семантичний кеш (Semantic Cache), щоб прискорити швидкість відповіді LLM. Сьогодні застосування GenAI в чат-ботах є дуже поширеним, багато компаній завдяки цьому завершили перший етап подорожі до AGI.
Завдяки безперервним технологічним проривам, зниженню витрат на AI-інференцію та обчислювальну потужність, поширенню хмарних застосунків, що підтримують різноманітні передові AI-моделі, включаючи новітні технології від кодування до прогнозного аналізу, різноманітні AI-застосунки, що відповідають потребам різних підприємств, процвітають. Все це безумовно прискорить кроки по руйнуванню промисловості агентами, а хвиля економіки агентів також прийде, що призведе до реалізації кінцевого бачення епохи AGI.
▲ Генеральний директор Kronos Research Ханк Хуан (другий праворуч) поділився основними застосуваннями штучного інтелекту в кількісній торгівлі на заході. (Джерело: Kronos Research)
Ця стаття про трансформацію AI є неминучою! Від підприємств до реалізації GenAI у кількісній торгівлі, процес повністю прискорюється. Вперше з'явилася в Chain News ABMedia.
Контент має виключно довідковий характер і не є запрошенням до участі або пропозицією. Інвестиційні, податкові чи юридичні консультації не надаються. Перегляньте Відмову від відповідальності , щоб дізнатися більше про ризики.
Перехід на штучний інтелект є неминучим! Від підприємств до впровадження GenAI у кількісну торгівлю - все прискорюється.
Генеративний ШІ (GenAI) змінює способи функціонування ринку, будь то внутрішні процеси підприємств, взаємодія з клієнтами чи рішення в високочастотній торгівлі. Застосування ШІ вже не є простою концепцією, а стало ключовим фактором конкурентоспроможності. Поява DeepSeek не лише справила фурор у світі GenAI, але й фон материнської компанії Huansquare Quant привернув увагу до обговорення можливостей та перспектив застосування GenAI у сфері кількісної торгівлі.
Kronos Research, AWS, Nurie AI, Innovation Base of聯發, Cathay United Bank та інші лідери галузі на AI Summit 21 лютого розкрили, як AI розширюється від корпоративних застосувань до кількісної торгівлі, та як це матиме значний вплив на майбутні ринки.
GenAI застосування всюди, LLM підтримує інновації, готові до запуску
Цього разу AI Summit спільно організували Kronos Research та Nurie AI, і основна тенденція, яку вони передали, полягає в тому, що AI став об'єктом уваги світу. Хоча AI все ще перебуває на ранній стадії, трансформація AI є неминучою, інноваційні AI/GenAI застосування поступово готові, що призводить до нових бізнес-можливостей.
Від загальних корпоративних застосувань до кількісної торгівлі можна побачити всебічне впровадження GenAI. В даний час корпоративні центри обслуговування клієнтів, внутрішні бази знань та чат-боти вже почали використовувати покращене генерування запитів (RAG) у поєднанні з LLM, що дозволяє моделям більш всебічно розуміти та відповідати на запитання. Фінансові установи також використовують GenAI для покращення досвіду клієнтів, продуктивності та інновацій.
Компанія з кількісної торгівлі Kronos Research активно використовує GenAI для покращення ринкових досліджень та торгових стратегій. Однією з її основних технологій є модель прогнозування цін, яка за допомогою ШІ тренує понад 3 000 до 6 000 ринкових характеристик для прогнозування зміни цін в різних часових інтервалах. Крім того, Kronos також використовує GenAI для оптимізації процесу перевірки коду (Code Review) і розробки торгових стратегій, що прискорює ефективність прийняття рішень.
▲ Старший менеджер з IT-інфраструктури Kronos Research Кайл Цай зазначив, що команда вирішила, що основним застосуванням GenAI є перевірка коду, і що вони використовують RAG для високоефективного та всебічного аналізу коду. (Джерело: Kronos Research)
Інша важлива тенденція полягає в тому, що вигоди від інвестицій в AI-інфраструктуру на місцях значно відстають від швидкості еволюції дорогих графічних процесорів (GPU). Тому витрачати великі гроші на створення відповідної інфраструктури для компаній є недоцільним. Керівник команди архітекторів рішень AWS Лiao Weikai зазначив, що через хмару можна більш різноманітно вибирати різні провідні моделі в галузі, і будь-яка компанія, незалежно від розміру, може без перешкод використовувати різні передові моделі та послуги GenAI. Це також є важливим фактором, що сприяє тому, що застосування GenAI стає повсюдним, і є ключовою основою для прискорення трансформації AI в компаніях.
П'ять етапів просування AGI в компанії, що викликають всебічні зміни від підприємств до торгових ринків
З поширенням GenAI, підприємства та торгові ринки зазнають впливу та змін, але чи є це короткостроковим впливом, чи довгостроковою зміною? Як було зазначено раніше, від загального використання підприємствами до кількісної торгівлі, всі використовують GenAI для підвищення ефективності. Багато компаній протягом багатьох років працювали над цифровою трансформацією та сталим розвитку, а тепер ще більше використовують AI для комплексної оптимізації ефективності реалізації обох видів трансформації.
OpenAI розділяє подорож GenAI до загального штучного інтелекту (AGI) на 5 етапів: чат-боти (Chabots), міркувальники (Reasoners), агенти (Agents), новатори (Innovators) та організатори (Organizers). Наразі галузь готується перейти до етапу агентів, щоб отримати конкурентну перевагу на ринку. Тому компанії вкладають більше ресурсів і фінансів у пошуки найсучасніших AI/GenAI моделей та технологій для вирішення складніших проблем і досягнення лідерства на ринку.
Для команди Nurie AI, яка використовує технології штучного інтелекту для зниження витрат на операції, спрощення ІТ-операцій і покращення досвіду клієнтів, вони також намагаються ще більше підвищити ефективність AIOps за допомогою GenAI, що свідчить про те, що GenAI сприяє довгостроковим змінам у бізнес-операціях.
З появою технологічних гігантів, які випускають свої власні AI-агенти, таких як Google Project Mariner, Anthropic Computer Use та OpenAI Deep Research, старший науковий менеджер Інноваційної бази Lianfa Чень Ічан зазначив, що 2025 рік може стати ключовим роком для розвитку AI-агентів. Компанії також отримають оновлення завдяки агентським робочим процесам (Agentic Workflow), що означає, що AI може діяти на основі наявних ресурсів і допомагати виконувати завдання відповідно до ситуації.
У світі кількісної торгівлі ефективність інновацій стратегій та моделей визначає перемогу та поразку. Kronos Research прискорює інновації в торгових моделях за допомогою технології GenAI, від автоматизації коду, кількісних досліджень до прогнозування цін, штучний інтелект став основним двигуном ринкових рішень. З розвитком технологій AI Agent та LLM фінансові ринки зустрінуть нову хвилю інтелектуальної революції, в майбутньому це може перетворитися на інвестиції та торгівлю, повністю керовані AI Agent, змінюючи традиційні способи функціонування ринку.
Шукаємо ключові точки прориву для реалізації AI-додатків, щоб забезпечити конкурентні переваги підприємств.
Нещодавно запуск DeepSeek RI зробив можливим розробку ефективного ШІ з меншою кількістю даних та за нижчими витратами. Ситуація, коли ринок контролювався лише кількома технологічними гігантами, була порушена, і навіть малі та середні підприємства тепер можуть проводити ієрархічну оптимізацію на основі існуючих архітектур навчання LLM, що робить навчання та висновки більш ефективними та економічно вигідними. Це приносить вплив на парадигмальний зсув у розвитку LLM в майбутньому.
Головний інформаційний директор Тайваню Цай Ціян поділився, що в майбутньому підприємства зможуть не лише на першому етапі масштабувати попередньо навчану модель, а й на другому етапі, завдяки підкріпленому навчанню (Reinforcement learning, RL) та ланцюгу думок (Chain-of-thought), підвищити «інтелектуальні» можливості моделі.
Факторів, що сприяють впровадженню AI в бізнесі, є багато. Окрім вже згаданих кількох ключових проривів, технічний менеджер Cathay United Bank Fu-Ming Tsai зазначає, що для вирішення проблеми тривалого процесу обробки великої кількості тексту LLM, компанії можуть використовувати семантичний кеш (Semantic Cache), щоб прискорити швидкість відповіді LLM. Сьогодні застосування GenAI в чат-ботах є дуже поширеним, багато компаній завдяки цьому завершили перший етап подорожі до AGI.
Завдяки безперервним технологічним проривам, зниженню витрат на AI-інференцію та обчислювальну потужність, поширенню хмарних застосунків, що підтримують різноманітні передові AI-моделі, включаючи новітні технології від кодування до прогнозного аналізу, різноманітні AI-застосунки, що відповідають потребам різних підприємств, процвітають. Все це безумовно прискорить кроки по руйнуванню промисловості агентами, а хвиля економіки агентів також прийде, що призведе до реалізації кінцевого бачення епохи AGI.
▲ Генеральний директор Kronos Research Ханк Хуан (другий праворуч) поділився основними застосуваннями штучного інтелекту в кількісній торгівлі на заході. (Джерело: Kronos Research)
Ця стаття про трансформацію AI є неминучою! Від підприємств до реалізації GenAI у кількісній торгівлі, процес повністю прискорюється. Вперше з'явилася в Chain News ABMedia.