在軟件開發領域，每當一項新技術橫空出世，“開源”和“閉源”，是擺在大廠面前的兩條技術路徑。

大模型時代亦是如此。開源降低了數據處理與技術開發的門檻降低，但更高投入、更為封閉的閉源模型往往能帶來更好、更專業的開發效果。

在今年大模型浪潮中，據21世紀經濟報道記者了解，在金融機構探索大模型技術的過程中，都嘗試基于已有的大模型開源框架再進行指令微調，以快速實現任務部署，但在生成式AI監管與數據安全保護趨嚴的背景下，也遇到多方問題。而自主研發的大模型需要的巨額投入往往令人望而卻步。

在國內正式對外發布的金融大模型中，除了度小滿“軒轅”金融大模型，其他金融大模型全部是閉源大模型。而在通用大模型領域，大廠、創業機構、學界的開源大模型生態在加速形成。

對于金融大模型而言，開源與閉源技術路徑如何選擇？

“Llama2時代”落幕？

“Llama2作為一個開源模型的時代已經過去了?！?月，百川智能宣布開源升級微調后的Baichuan2大模型，其創始人王小川表示。

Llama2的開源可商用掀起了今年年中大模型應用開發的浪潮。

今年7月，幾乎在同一日，有兩則來自大廠的消息加速了大模型及應用商業化落地：一個是微軟宣布Microsoft 365 Copilot定價，這一“GPT版”Office的全面商用將微軟股價推升至歷史新高；另一個則是Meta宣布免費將旗下大模型Llama2提供給微軟Azure云計算平臺上的軟件開發者。

“雖然二級市場可能對微軟定價公布很激動，但對于大多數開發者對Llama2的開源可商用更興奮?！北藭r，一位投資分析人士向記者表示，這意味著大模型應用進入“免費時代”。

但由于Llama2的中文訓練語料不足，其在中文問題上表現仍有缺陷，更重要的是，Llama2的商用協議聲明“僅適用于英文為主的環境”，這意味著基于Llama2的中文商用大模型拿不到開源協議。

如今國內大模型開源生態正在加速形成，從代碼大模型開源、通用大模型開源到垂直行業大模型開源，覆蓋大模型全產業鏈。

通用大模型方面，除了Baichuan2，阿里云通義千問140億參數模型Qwen-14B及其對話模型Qwen-14B-Chat已正式宣布開源，上海人工智能實驗室聯合商湯科技、復旦大學、香港中文大學推出的“書生·浦語”（InternLM）大模型也已實現開源。

代碼大模型領域，螞蟻集團在外灘大會上宣布開源代碼大模型CodeFuse。

在金融領域，今年5月，度小滿宣布開源國內首個千億參數的金融大模型“軒轅”，9月22日，度小滿宣布將升級后的“軒轅70B”金融大模型開源，同步在社區開源50G高質量金融語料。據度小滿CTO許東亮公開表示，在增量預訓練和指令微調階段，金融數據有所增加，在預訓練階段，模型上下文長度擴充到8k，能夠處理更長的金融報告、研究和分析。

技術普惠與開發共創

源代碼開放與信息共享，推動了移動互聯網的“安卓時刻”。

谷歌是開源生態的一大受益者，正是安卓系統的開源使得眾多開發者涌入谷歌體系進行應用開發，幫助安卓系統打敗除蘋果以外的眾多手機廠商，拿下市場大半江山。

而開源生態的加速形成也被視為大模型時代“安卓時刻”的來臨，對于機構探索金融大模型而言，開源模型的價值在于降本增效。

“可以說通用開源大模型是技術底座，可以用的我們都嘗試過了，哪個好用就用哪個，選好大模型基座以后加上金融語料做預訓練，然后在場景實現落地?！庇薪鹑跈C構科技部門負責人表示，其落地場景下的大模型應用主要是基于開源大模型。

據記者了解，在生成式人工智能監管趨嚴之前，上半年金融機構主要嘗試接入的金融大模型是彭博的BloombergGPT與開源的金融大模型FinGPT，同時也探索了通用大模型在金融垂直領域的微調與預訓練。

浙商證券金融工程分析團隊在一份研報中指出，與閉源的BloombergGPT相比，FinGPT有訓練成本低、數據與模型平民化、端到端系統架構等三個優勢。

一方面，金融行業是高度動態的，信息和數據以較高頻率更新。BloombergGPT 的定期訓練成本非常昂貴，因此輕量級適應在金融領域非常有利。FinGPT 可以快速微調以與新數據保持一致，而不是隨著金融環境的每一次重大變化從頭開始重新訓練模型，估算每次訓練不到300 美元。

其次，BloombergGPT需要特權數據訪問與API接口，而通過FinGPT可以優先考慮模型的輕量和適應性，僅需基于開源大模型輸入金融數據進行微調。

最后從系統架構來看，FinGPT的“數據源層、數據工程層、大語言模型層、應用層”系統框架實現了從信息端到投資端的全流程應用。

但在基于開源大模型訓練過程中，除了算力，最為突出的問題是高質量數據?！爱敂祿康竭_一個程度，大模型確實能夠實現能力的涌現，但首先要有這些優質數據?！币晃换鹦畔⒖萍疾控撠熑颂寡?，在開發側，要讓代碼生成可用，需要超過30個優質金融項目代碼，但很多機構很難做到。

在這一背景下，對于大廠而言，通過開源可以通過開發者實現技術的共創與變革。在宣布代碼大模型“Codefuse”開源時，支付寶小程序云負責人李錚表示，只有將整個技術開源，與社區對接，讓更多人使用它，才能解決整個軟件研發領域各個環節的問題?！罢麄€代碼大模型還在初步階段，寫代碼是沒有問題的，而且整體能力還在不斷提升，但真正解決軟件工程問題還有很長的路要走，我們抱著開放的心態與大家共同提升?！?/p>

監管趨嚴下的路徑探索

在《生成式人工智能服務管理辦法》出臺后，傳統金融機構對境外開源大模型的使用愈發謹慎，逐步轉向基于境內開源大模型應用。

有采訪對象向記者提到，短期內用Llama2或者BloombergGPT可以部署一些簡單的小任務，但再往前走，還是需要訓練自己的基礎模型，或者采用符合國內監管標準的大模型。

據記者調研，目前金融機構的選擇路徑包括兩個方面，一種是與大模型廠商聯合共創，私有化部署基于金融大模型的模塊應用；另一種是接入金融大模型產品，實現部分業務的智能化工具應用。

一位大行云計算方面專家提到，據其走訪發現，一線開發人員在實際編碼工作中的痛點主要有三個方面。首先，對于不熟悉編碼模式、規范的新員工而言，在不知道如何實現代碼編碼時，缺乏優質、可復用的標準代碼作為提示。其次，在開發出現問題時，由于行內研發環境與互聯網環境不互通，開發人員無法及時查找到標準參考案例與相應解決方案。此外，開發人員還會面臨復雜度較高、耗時較長的問題，部分老舊代碼由于缺少注釋，維護也比較困難。

因此該行在內部啟動智能研發建設，將代碼推演預測、代碼自動生成、代碼檢索復用等企業及能力用IDE插件形式進行整合，逐步在開發中心內部推廣?！癎PT-4技術帶來了大量編碼階段的交互式輔助編程能力，未來將顛覆編碼體驗?！彼硎?，由于行內信息安全要求，該行基于聯合創新機制在探索新的大模型能力。

應用接入層面，據公開信息顯示，度小滿開源的“軒轅”金融大模型已有上百家金融機構申請試用；9月25日，恒生電子宣布已面向20家金融機構開啟金融大模型“LightGPT”內測；而螞蟻集團向B端金融機構痛的AI業務助手“支小助”也已與合作機構開啟內測共建。

責任編輯：王超