生成式人工智能（AIGC）正在為金融行業帶來更多想象空間。

金融行業作為數據密集型行業，是傳統AI技術最早落地的商業場景之一。隨著AIGC的快速發展，諸多金融場景和應用也在廣泛試水和布局。如彭博社推出的Bloomberg GPT、GPT+Wolfram Alpha插件等。

“但中國版的ChatGPT只會在5家公司里產生：BAT+字節+華為。這意味著創業公司或者那些純為了炒股價的A股上市公司很難有機會?！边h望資本創始合伙人、迅雷創始人程浩此前對記者強調。

目前，“有用戶、有錢、有應用場景”的互聯網大廠紛紛入局大模型。如在9月7日，騰訊混元大模型正式對外亮相。金融則是AI大模型的重要應用場景之一。一天后，在9月8日的外灘大會上，螞蟻集團也正式發布了金融大模型，并開源生成式AI編程平臺CodeFuse。

隨著入局者增加，AIGC的核心市場規模正在逐步擴大。據艾媒咨詢數據顯示，預計到2028年將達2767.4億元。深圳香蜜湖國際金融科技研究院院長張凱認為，“聚焦金融領域，隨著大模型技術的不斷創新，未來將持續深入到金融風控、零售金融、財富管理、投研、保險理賠等更多的場景，持續推動金融行業的數字化轉型?！?/p>

AI大模型如何賦能金融業？

“對于金融機構而言，善用AI大模型，就相當于配備了一群不限數量的優秀‘大學畢業生’?！彬v訊云副總裁胡利明接受南方財經全媒體記者采訪時表示，AI大模型可以快速學習各個金融領域的專業知識，疊加金融機構在不同應用場景的專業能力，經過不斷訓練，AI大模型甚至可以成為金融業各個領域的“專家”。

那么，目前AI大模型在下游應用端到底能如何賦能金融機構？主要應用在哪些金融場景中？

“目前AI大模型在代碼助手和客服助手應用場景是最先能跑出來的?！焙鞅硎?，AI大模型可以應用于投研投顧、風險管理、輿情、客服、營銷、內容生成、內容識別、交易的執行、投教、代碼助手等多領域。

在國內，眾多金融機構將AIGC的相關技術應用在客戶服務和投顧咨詢上。如早在2016年2月，中國工商銀行便推出智能客服“工小智”，是面向客戶提供業務咨詢、信息查詢、業務辦理、優惠分享等服務的機器人。

“AI大模型通過大規模的參數和預訓練技術，使得AI具備了比過去更強大的理解能力和表達能力，因此應用場景非常廣泛?！焙鲗τ浾弑硎?。

例如，騰訊云與一家股份制銀行合作，基于騰訊的行業大模型疊加銀行數據，利用OCR（Optical Character Recognition，光學字符識別）快速為該行定制特定的交易單據識別，直接將單據識別效率從人工處理的5分鐘/單，提升至5秒/單，全年節省300多人月。再針對這個新單據格式，通過建模、調優，可以在幾天內完成新模型的訓練和生成，其智能化分檢準確率可達98%。

此外在風控階段，騰訊也在和頭部股份制銀行合作，構建基于一些細分場景的風險識別模型。借助大模型，一些場景的風控模型建模周期從過去的至少兩周縮短到兩天以內。例如，信貸業務會不斷出現一些線上業務新場景，需要遵守新的規則，將專家模型嵌入風控體系內，可以快速堵住風控漏洞，提升風控能力。

云廠商為大模型“筑底”

目前，AIGC的火爆帶來AI大模型參數量從億級到萬億級的飆升，GPU服務器及資源的成本極其昂貴。對于想要打造大模型的企業，在云上能大幅降低算力的使用門檻。

因此，云廠商為AI大模型“筑底”?！叭绻f云計算和相關技術組件的能力，是像水、電一樣的基礎設施，那么人工智能的模型能力及應用能力，則是加載在這個基礎設施上的，能夠直接滿足業務需求、直接對業務產生效應的程序?！焙鞅硎?。

那么，目前云廠商如何為金融機構進行智能化賦能？以騰訊為例，騰訊云為騰訊混元大模型提供幕后支撐?！皬拈_始支持大模型訓練以來，我們對云的基礎設施，從存儲、網絡到計算進行了全面升級?！彬v訊集團副總裁、云與智慧產業事業群COO、騰訊云總裁邱躍鵬介紹稱。

如在基礎設施層面，騰訊云一方面可為金融機構提供虛擬化GPU。胡利明介紹稱，“鑒于單個金融機構對算力的調度效率不高，騰訊云通過對GPU進行虛擬化拆分和調度，能夠幫助金融機構降本增效?！绷硪环矫?，GPU在使用過程中故障的發現和定位也非常影響算力資源池的使用，在這方面騰訊云也有積累可向金融機構輸出。

此外，基于全面自研能力，騰訊云在交換機、通信協議、通信庫以及運營系統等方面，進行了軟硬一體的升級和創新，推出面向大模型的高性能網絡——星脈網絡，基于騰訊云新一代算力集群HCC，可支持10萬卡超大集群規模。

而在AI模型能力及應用能力層面，騰訊云通過為金融機構提供機器學習平臺和向量數據庫，助力金融機構提升智能化業務能力。一方面，騰訊的TI-One機器學習平臺，不僅提供傳統的建模能力，還疊加了大模型時代的精調能力，且能夠支持十多個行業大模型。另一方面，騰訊云的向量數據庫，則不僅經歷了鵝廠內部業務的長期錘煉；還可以結構化的方式快速導入行業知識數據，疊加行業知識訓練。

第三個層面，騰訊云還提供以騰訊混元大模型為底座的MaaS(Model-as-a-Service模型即服務)，直接為金融機構提供各種類型的應用場景的最終模型——客戶可以基于混元、也可以基于開源模型，做自己專屬的行業大模型。

邱躍鵬提出，一方面，高性能的云上算力，成了大模型的最佳助推器，搭載大模型能力的應用，也通過云服務的方式落地。另一方面，大模型也將重新定義云上工具，使其效能顯著提升，從而讓企業可以獲得更高性價比、更便捷易用的云產品。

金融機構實操層面出現分化

目前，生成式人工智能（AIGC）早已成為長驅直入人類生活的“強大之物”，在金融領域的實際落地及應用階段，還面臨諸多痛點。

值得注意的是，金融機構在擁抱AI大模型的實操層面也出現了分化。據胡利明觀察，頭部實力雄厚的金融機構都在積極投入資源，他們往往會和多家云廠商合作，采購GPU算力資源池、機器學習平臺和調度平臺，同時并行構建開源大模型，并選擇不同的業務場景進行試點。

部分腰部機構則會選擇與1-2家大型云廠商合作，用少量經典場景做試點。而大部分腰部和小型機構則處于觀望和跟隨狀態。

根據各家銀行的半年報，工商銀行、農業銀行、中國銀行、交通銀行等數家銀行，都明確提出正在探索大模型的應用。

此外，胡利明認為，“目前金融機構智能化在戰略目標，實施路徑，組織架構以及人才的匹配方面都面臨不小的挑戰?！?/p>

首先，金融機構智能化轉型要制定明確的戰略目標及實施路徑，讓轉型能夠逐步產生階段性成果，避免持續投入，但看不到明顯效果?！澳壳敖鹑跈C構已經形成共識，必須要積極擁抱AI。長期來看，金融機構如果不具備基于AI的金融服務力，將會被時代淘汰?！彼l現。

此外，金融機構智能化轉型要匹配適合的內部組織架構及人才?！皵底只?、智能化轉型不是一次性的項目，而是對金融機構的戰略性重塑，從高管到每個員工的經營思路都要與時俱進，否則效果會大打折扣?！?/p>

但目前AI人才缺口非常大。胡利明發現，現在頭部金融機構都在招算法博士，盡管他們可以借力云廠商，但最終金融機構還是要具備自主使用和創新的能力，去主導AI大平臺的構建、優化及不斷疊加新的應用場景。

《2022年人工智能全球最具影響力學者榜單AI 2000》數據顯示，2022年我國人工智能領域頂級研究人才數量達到232人，占比11.6%，僅次于美國（1146人，占比57.3%），頂級研究人才總量為美國的1/5左右。

“大模型這一次的熱潮，對包括金融行業在內的各行各業都有非常深遠的影響?！焙骺偨Y道。

責任編輯：王超