admin
大模型的熊熊烈火在金融行业越烧越旺。
5月，度小满推出千亿级中文大模型“轩辕”，集中文、金融、开源特色于一身。
6月，腾讯云携手神州信息开展金融大模型的合作；同月，恒生电子发布金融行业大模型LightGPT，预计于9月底开放试用接口；
7月，腾讯与信通院牵头编制国内金融行业大模型标准体系及能力架构。
据腾讯研究院副秘书长杨望调研分析，截至7月末，国内参数在10亿规模以上的大模型数量达116个，其中金融行业大模型约18个，占比超过15%。
但在“风口”之下，暗流涌动和谋局落子仍在继续。
8月，马上消金之于全国首个零售金融大模型——“天镜”，在数位院士和多家金融机构高管的拥趸中，隆重登场。
9月，上海，黄浦江边，外滩大会。一向高关注度的蚂蚁集团正式亮相了自家的“蚂蚁金融大模型”，以及两款应用产品：智能金融助理“支小宝2.0”和服务金融产业专家的智能业务助手“支小助”。
显然，在金融业步入发展“深水区”，一段差异化逐渐消弭、同质化角力愈发激烈的新征途，逐浪大模型，已成为圈内选手争抢的新赛点、加码的“新基建”。
“基础大模型投入数据量大、算力成本高、算法难度大，所以由头部AI公司进行建设。虽然通识能力较强，但其缺少金融专业知识，对金融场景应用有限。”
今年6月10日，在新金融联盟举办的“金融机构数智化转型与大模型技术应用”内部研讨会上，新金融联盟学术理事、工商银行首席技术官吕仲涛的发言，大致盘带出了金融大模型的阵型。
目前，逐浪金融大模型的玩家，除了BAT、华为等高科技巨头，试图以技术优势充当产业链的“卖铲人”，更多的还是金融和类金融企业，包括银行、保险、互金、券商等，既不想被喧宾夺主，又不想肥水外流，都在押注自己的大模型。
这其中，家底厚实、赚钱不累的银行系，尤其是国有大行，先行一步。
早在春寒料峭的3月，农行和工行便前后脚上线类ChatGPT的大模型应用ChatABC、基于昇腾AI的金融行业通用模型，打响战斗第一枪；
4月，地处“鱼米之乡”的江苏银行再接再厉，宣布自主研发的拥有最大1760亿参数的大语言模型平台，“智慧小苏”顺利投产，实现客服场景首次应用。
据潮汐榜统计，中国银行、交通银行、招商银行、中信银行、兴业银行、浙商银行等多家银行均在半年报中提及，正在进行大模型相关的布局和研究。
数据来源：各公司财报
经过政策洗礼的互金系，尽管近些年有所沉寂，但对热点的感知和反应还是很灵敏，诸如度小满、马上消金等，已经拿出成形的作品。
奋勇“赶潮”的还有一众险企，年内，中国太保、众安保险、阳光保险都汇报了各自的大模型成果：中国太保打造了基于大模型建设应用探索的科技产品——数字员工，具备自主规划和任务执行能力；众安保险出炉了保险行业首份AIGC应用图谱，并带来众安AIGC中台灵犀及首批保险垂直场景AIGC应用工具——易创内容运营平台和集智经营分析平台；阳光保险已把大模型技术植入“梦客全线上销售机器人”项目，使信息抽取任务准确率提升15%，意图识别和智能问答准确率显著拔高。
财富管理机构与运营商亦不甘落后。
海通证券、申万宏源、广发证券、西南证券、国海证券、财达证券等10家券商和“文心一言”共结生态合作联盟，以同花顺、东方财富为代表的财富管理运营商也公告称将重点打造AI投顾平台，深入AIGC、交互式AI等细分领域的研究，完善内容生态构建，增强智能运营能力。
当时当下，若说大模型在金融行业有多火热，大概只能用“空前繁荣”四个字来形容了。
正如蚂蚁集团副总裁、金融大模型负责人王晓航在外滩大会所说，他认为，大模型正在为金融产业带来体验变革，“金融业务链条上每一个关键职能，都值得用大模型技术重做一次。”
麦肯锡研究显示，人工智能整体将为全球经济带来高达25.6万亿美元的正面影响，而来自GenAI（生成式AI）的贡献将高达7.9万亿美元。金融行业则是赋能潜力最大的赛道之一。
具体到中国市场，据艾瑞咨询测算，2021年AI+金融核心市场规模达到296亿元，带动相关产业规模677亿元，到2026年，核心市场规模达到666亿元，CAGR为17.6%，带动相关产业规模1562亿元，CAGR为18.2%。
理论上来讲，GenAI能够进一步拓展金融业的生长半径和下勘深度，就以银行业为例，GenAI将会为之带来2,000亿-3,400亿美元的新增价值，相当于行业年收入的2.8%—4.7%，占比仅次于高科技行业，还可以帮助各行增强客户满意度，改善决策和员工体验，更好地监控欺诈和风险，从而有效降本增效。
不过，从现状出发，大模型虽已是炙手可热的话题和构筑“护城河”的中枢部件，但其在金融业的应用仍局限在个人聊天、知识问答、工作/学习助理的场景，AI并没有像曾经的银行卡、网购和移动支付那样，孕育出巨大的变革力、生产力，在人群中广泛普及并成为“硬通货”，乃至颠覆和重构社会关系、交易模式等。
换言之，金融大模型距离渗透到核心业务，直至迸发强劲的商业化能力还很远。
中国工商银行首席技术官吕仲涛表示，当前阶段大模型并不成熟，因此，短期内不建议直接对客使用，应优先面向金融文本和金融图像分析理解创作的智力密集型场景，以助手形式，人机协同提升业务人员工作质效。
据潮汐榜观察，智能客服、数字员工、虚拟助手，是迄今AI在金融范畴最常见、最主要的应用方向，似乎也是大同小异、必不可少的宣传口径。
比如度小满的轩辕大模型，凭借通用语音或文本的交互，为金融用户提供24小时在线咨询和答疑服务；腾讯云的”小闽助手”，为市民带来包括办事指南、政策咨询、数据查询等在内，零距离、7X24不间断的管家式政务办事体验；盘古大模型根据客户的问题，为柜台工作人员自动生成流程和操作指导；工行用大模型支撑智能客服接听客户来电……
然而在实践中，面对用户多样化、复杂逻辑溯源、更深入的提问，智能客服常常表现出“智障”，或停留在最浅层的名词解释。
一言蔽之，眼下的大模型，在金融垂直领域还未展现出价值涌现效应。
声势浩大的大模型盛宴在热闹之余，冷静的审视与思考不可或缺：过往不乏新技术昙花一现，金融大模型能否走出“工具层”，保有持续进化的动力？能否摆脱拼参数、拼数量的“短视主义”，迈向长期的价值成长？
这背后，根植于金融本身的专业性、强监管、可控性、高时效等属性，大模型的实际落地需要突破三大“桎梏”。
其一是技术层面的“桎梏”。
由于大模型诞生时间较短，技术层面的精度、准度和判断力、深度学习、动态适应性、一致性等能力明显缺陷，对数据选择、清洗和改造的工程化能力不足，以及应对意外或异常情况时鲁棒性偏弱，而金融往往要求100%可靠和信任，要秉持绝对忠臣的信仰说懂行的“真话”，不能像在文学创作中一样大开脑洞或自由发挥。
也就是说，对大模型产生的“幻觉”，即一本正经地胡说大道，金融机构无法容忍。
其二是合规层面的“桎梏”。
金融行业的特殊性，决定了合规是它的第一要务。而在大模型的训练和使用中，必须遵守数据安全的法律和规定，尊重用户的隐私权益。这一般需要采用匿名化、去识别化等技术处理数据，并在获得用户明确同意的前提下，收集必要部分数据，导致模型的精调和应用都大概率只在本地“量入为出”。
此外，大模型作为开辟式创新的典范，外界对它可能滋生的风险（如黑灰产、诈骗团伙、洗钱等），以及人类能做出哪些针对性的防御措施，还处在初步了解和布控期，前拉后扯，不免掣肘其泛化进程。
其三是场景层面的“桎梏”。
一项新技术的强力催化和大面积推广，以及后续的自优化和自改进，离不开丰富的场景，特别是一些量级大、频次高、粘性强的场景，就像银行卡之于ATM，智能手机之于海量线上业态，网购之于支付宝、财付通。
大模型之于金融，投研决策、信用评估、欺诈检测、风险管理、客户服务是几个落地场景，似乎没有那么强烈的激动人心。
再者，未来AI是成为C端流量入口，给每个人配一个智能助理？还是成为服务B端的底层技术，为千行万业“献身”？趋势并不明朗。
总的来说，用大模型改造金融业，引用时下最热的电影《奥本海默》里的台词，“这不是一个新技术，而是一个全新的世界”，想象力十足。但回到现实，要想真正开启金融领域的“iPhone时刻”，大模型任重而道远。
