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。

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。

周明：针对自然语言的分析、理解、生成等通用任务，孟子的能力不低于大模型。此外，由于跟业务场景的密切结合，包括同华夏的紧密合作，我们知道问题的症结是针对性的，可以加入新数据或知识来提升下游任务的能力。

也因为金融的特殊性，场景过于复杂，需求太多样，到目前为止，还没有 NLP 公司能够在金融领域独霸。

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：是的，尤其适合中国的用户。

周明：金融领域比较特殊，由于其数据不公开，大模型反倒不那么适用。应用在金融领域的模型最好有出色的适配能力，在拿到数据后能够快速适配，针对其任务特点快速迭代，这样的模型反倒能力强。

雷峰网雷峰网

周明博士是我国研究自然语言处理（NLP）的先驱者之一：

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。

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。

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。

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？

AI科技评论：训练「孟子」大概需要多少算力？

图注：2021年7月，「孟子」刷榜，在中文语言理解评测CLUE榜单的多项指标上登顶第一

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。

AI科技评论：在金融这样一个特定场景中，是否更有利于「孟子」这类轻量化训练模型的发展？

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。

另外，也要站在客户的角度考虑问题。在落地时，小模型的成本是最小的。我认为中国公司不能靠烧钱，像谷歌、微软一样，而是应该拼算法、拼智力、拼业务场景，这也是我们的特色，更可能成为我们的优势。

在提供给用户时，用户并没有感知到模型的大和小、快与慢、能力高或低，而只关心解决任务的能力。所以，在跟大模型的比较上，孟子反倒能胜出。

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？

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。