文|新經濟觀察團
2022年底ChatGPT引爆市場至今，大模型的風潮已經刮了一整年。
作為天然的數據密集型和科技驅動型行業，金融業已成為大模型最火爆的試驗場之一，在全球首個金融大模型——彭博社的BloombergGPT發布后，相關大模型紛至沓來。
國內，從金融機構到互聯網大廠，再到螞蟻集團、新浪數科等金融科技公司，相繼押注自有金融大模型，在場景應用、算法模型方面各展奇招，探索大模型在金融全鏈路的落地。
但當越來越多的金融大模型被推至公眾面前，市場和廠商們的態度也從最初的狂熱追逐，迅速轉變為“祛魅”后的理性思考階段。
究其原因，是理想和現實之間的「藩籬」：金融行業的特殊性，決定了其雖是大模型落地的最佳場景之一，但由于對信息和數據的精度、合規等要求十分嚴苛，致使多數金融大模型僅停留在較初級的助手層面，未深度嵌入業務核心環節。
因此，在金融大模型的下半場，機構們的賽點已轉到降低“幻覺”上，即真正實現規模化落地應用、與場景深度融合解決實際問題、帶來產業價值躍遷。目前，參與者已自覺走向生態共建，來共同面對落地難題。
01 迸發
今年3月底，當市場還處于對大模型涌現的狂歡中時，彭博社的BloombergGPT橫空出世，將ChatGPT引爆的AI熱潮燒到了金融圈。隨后，摩根士丹利宣布采用GPT-4來管理其龐大的內部知識庫，又給沸騰的金融業添了一把火。
海外機構的動態似蝴蝶的翅膀，將熱浪迅速傳遞到大洋彼岸。
中信證券楊澤原研報彼時指出，海外以彭博、摩根士丹利為代表的金融巨頭積極發力大模型開發與應用，形成大模型+金融的強大示范效應。預計伴隨國產大模型逐步突破，國內金融行業生成式AI應用有望逐步開啟。
而在過去多年，伴隨金融數字化浪潮，國內金融機構已在獲客、風控、投研、消保、客服等業務流程深度嵌入AI技術能力，構建出智能化轉型的基本盤。但大模型基于強大的內容生成、邏輯推理、快速迭代、乃至決策等能力，有望重構金融機構原有的基礎設施以及管理體系，大幅擴充金融數智化變革的想象空間。
螞蟻集團副總裁、金融大模型負責人王曉航就判斷，大模型正在為金融產業帶來體驗變革，“金融業務鏈條上每一個關鍵職能，都值得用大模型技術重做一次。”
麥肯錫測算，未來金融類企業的整體收入里有3%至5%，可以是生成式AI（GenAI）所提供的。整體來看，GenAI用例對銀行業一線分銷，客戶運營，技術以及法律、風險、合規和欺詐部門的價值潛力最大，占整體價值池的70%。
于是，國內金融領域大模型次第涌現，數據分析、風控強化、智能客服、投資投顧等各大業務方向不一而足。
在這場聲勢浩大的AI盛宴中，參與者大致可分為三類：
一是金融機構。工行、農行、交行、招行、浙商銀行等多家銀行，都提出了大模型的相關部署；8月，消費金融公司馬上消費發布了首個零售金融大模型“天鏡”。
二是互聯網大廠。華為盤古大模型、百度千帆大模型、騰訊云行業大模型、訊飛星火大模型、360智腦大模型等通用大模型，均將金融作為重要發力點。
其中，12月14日，火山引擎攜手智譜AI，共同發布了高性能金融大模型，并全面開啟測試。
此外，今年7月，騰訊云行業大模型公布金融風控場景的解決方案，首次發布金融風控大模型，融合了騰訊安全大量風控建模專家經驗，以及過去20多年沉淀的海量欺詐知識與多場景風控模型能力。11月，騰訊云又正式發布金融行業大模型解決方案，助力每個金融機構擁有自己的大模型。
三是金融科技公司。度小滿金融、奇富科技、星環科技、螞蟻集團、新浪數科、樂信、恒生電子等公司，均推出了自有的金融大模型。
而進一步從行業應用落地情況來看，各大模型主要集中在內容資訊、產品介紹、代碼、研報生成，虛擬客服交互，以及反欺詐等領域。
度小滿方面，大模型技術已經應用于各個業務場景，從營銷、客服、風控、辦公再到研發，已經初見成效。其中，在客服領域，大模型推動服務效率提升了25%；在智能辦公領域，大模型目前的意圖識別準確率已達到97%。
新浪數科積極推動前沿技術在金融領域的應用，并在智能客服、營銷設計和研發提效等多個領域進行了大模型應用的實踐，取得了一定的成效。
其中，在智能客服方面，新浪數科利用通用大語言模型微調技術，結合多年積累的金融客服領域知識庫數據和專業的客服經驗，構建了自己的智能客服助手。
通過意圖識別結合專用API方式，該助手能夠直接面向用戶，以24小時高效響應用戶請求，并準確理解用戶意圖、解析問題，并通過代理能力檢索知識庫和獲取用戶業務信息，從而為用戶提供更個性化的服務。此外，智能客服助手還可以與人工客服協作，在總結歷史溝通內容、提供相關建議等方面為人工客服提供支持。
在研發提效場景中，新浪數科研發團隊在剝離敏感代碼后，引入了基于大模型的Copilot輔助工具，能夠有效地幫助研發人員在需求分析、架構設計、代碼編寫和代碼測試等開發全流程中提升效率和質量。
02 藩籬
然而，伴隨金融大模型次第推出，其在實際業務中的落地程度卻遠低于年初的構想。
恒生電子董事長劉曙峰近日透露，超過70%的金融機構處于大模型調研階段，8%是在立項階段，17%在測試階段。只有少量（不足10%）的客戶在實際落地應用過程中。
而從市場來看，行業普遍上在生成類場景落地應用較多，但涉及到決策的金融場景落地難度較大。也就是說，大模型距離深度融入金融業務各個端點，釋放出應有價值，進而重塑金融行業生產關系，還有很長的距離。
工行首席技術官呂仲濤就表示，大模型當前階段并不成熟，仍存在科技倫理風險等問題。因此，短期內不建議直接對客使用。
究其原因，還是源于金融機構的數據具備高敏性，涉及客戶隱私和金融安全，必須處于強監管之下，對安全性、穩定性、合規性、準確性、可靠性等指標的要求更為精細苛刻，也對廠商們的數據儲備和分析能力、合規合法、資金實力等提出了更多挑戰。
馬上消費首席信息官蔣寧認為，生成大模型，最大的困難是滿腹經綸，回答錯了可以不承擔風險，但金融大模型最主要的模型是判別性，需要做交易決策，1%的錯都會造成客戶的損失，這就是金融大模型和傳統大模型最大的區別。
王曉航表示，“盡管大模型的理解和生成能力強大，但遇到專業嚴謹行業時仍面臨諸多挑戰。強監管的金融行業對大模型的可靠性要求也極高，除了要解決大模型的幻覺，還要注重大模型在金融合規性、行業價值主張方面的訓練。”
而長期以來，金融機構的數據普遍處于孤島、“煙囪”式的割裂狀態，流通性不高。因此，多數金融機構在進行大模型部署時，傾向于選擇在安全保密狀態下，在私有云內進行訓練，以滿足嚴格的數據安全和合規性要求。
因此，在推動大模型落地過程中，機構們往往面臨算力成本高、數據安全存在隱憂等多項痛點。具體來說，各類型參與者的技術能力參差，還需要開展海量的數據治理、數據清洗等工作；各機構單打獨斗式的私有云訓練也造成算力浪費，各種成本高昂，中小金融機構無法承受。
國盛證券曾估算，GPT-3訓練一次的成本約為140萬美元，對于一些更大的LLM模型，訓練成本介于200萬美元至1200萬美元之間。
03 共建
面對金融大模型的落地困境，業內明顯的趨勢是，越來越多的機構擁抱合作互通，通過生態共建來實現共贏。
證監會科技監管局局長姚前就曾刊文指出，大模型需要巨大的算力支持和嚴格的數據治理，普通的機構和應用部門往往難以支撐大模型的運行以及迭代升級工作。為此，需要建立一個各類模型健康交互和協同進化的生態，以保證大模型相關人工智能產業可以在各個應用領域成功落地。
我們也看到市場上金融大模型的各類參與者，通過加強合作共同探索大模型的成功落地。
“模型”之戰，標準先行，騰訊云就積極牽頭制訂標準規范。早在7月份，其與中國信通院共同啟動了行業大模型標準聯合推進計劃，聯合牽頭中國首個金融行業大模型標準的編制工作。
11月30日，IEEE金融風控大模型標準啟動會召開。而該標準是由騰訊主導發起，是全球范圍內首個金融風險控制領域的大模型國際標準。會議在國際權威標準組織IEEE指導下舉行，中國信通院等學術機構，以及微眾銀行、馬上消金、度小滿、中原消金等機構出席，聯合參與標準制定。
此外，金融機構與頭部大模型廠商的“強強聯合”也在加速。
8月，交通銀行與華為、騰訊云、科大訊飛宣布共建3個聯合創新實驗室；9月，浙商銀行與華為簽署深化戰略合作協議，將在綜合金融服務、AIGC場景應用等方面深入合作，實現資源共享、優勢互補、互利共贏的新格局；11月，騰訊云發布金融行業大模型解決方案，首批已有中國銀聯及11家合作伙伴宣布參與騰訊金融大模型的生態共建。
對大部分中小金融機構們以及金融科技公司來說，更理想的路徑是，引入第三方廠商領先的基礎大模型，在自身樣本基礎上微調，構建出自己專業的大模型，快速賦能業務流程，力爭在這場模型之戰中實現彎道超車。
度小滿CTO許冬亮認為，行業大模型將幫助積極擁抱大模型的中小金融機構，縮小與頭部機構的技術差距，“大家重新站在同一起跑線上，這是中小機構跨越‘數字鴻溝’和‘智能化鴻溝’的機遇”。
騰訊云方面的數據顯示，東風日產融資租賃借助騰訊云的風控大模型，在只有較少樣本的情況下就完成了定制化的風控建模，建模時間節省了70%，讓最底層的風控模型上具備了堅實的風控免疫力，支持金融業務開展。
新浪數科方面，也在積極探索利用通用模型結合金融領域代碼庫來私有化部署的代碼輔助工具，以進一步提升性能和信息安全。
Gartner最新發布的《2024年10大戰略技術趨勢》預測：到 2026年超過80%的企業將使用生成式人工智能的API或模型，或在生產環境中部署支持生成式人工智能的應用，而在2023年初這一比例不到5%。
相信在不久的將來，伴隨金融大模型參與者的共同努力和國家政策扶持，大模型落地的“藩籬”將被跨越，在多個核心業務端落地開花，并釋放指數級生產潛力，全面重構金融商業模式。