每一次技術革命，都將產生價值中心的轉移。

2022年ChatGPT的橫空出世，為人工智能的商業化落地與價值重構帶來了全新的機遇，也掀起了新一輪人工智能的發展熱潮。金融，被視作大模型（LLM）技術落地應用前景最為廣闊的行業之一。站在2024年的開端，金融行業試水大模型應用已逾一年，在以大模型為代表的AI技術驅動下，金融機構從基礎設施架構、技術路線應用、數據生態、業務場景等多個方面都迎來升級。

圍繞大模型在金融領域的創新應用，以及當下機構布局的難點痛點，1月23日，由南方財經全媒體集團指導、21世紀資管研究院主辦的“金融大模型潮起——大模型如何重塑金融業態”閉門研討會在上海虹口舉行。參會嘉賓包括來自中銀基金、興業證券、興業銀行、浦發銀行、杭州銀行、上海農商行、太?？萍嫉榷嗉医鹑跈C構的相關業務負責人，以及來自科大訊飛、東方財富、通聯數據、Minimax、釘釘、冰鑒科技、特高信息、微京科技等科技公司負責人，對相關話題進行熱烈探討。

會上，《大模型重塑金融業態》報告（以下簡稱“《報告》”）同步發布，21世紀資管研究院在前期調研訪談了三十余位金融機構相關業務負責人、科技公司金融業務負責人以及資深行業專家，并調研了多家金融機構的業務實踐，擬通過該報告研究、分析大模型對金融行業的深遠影響，并對四大方面的未來趨勢作出展望。

四大領域重塑金融業態

金融行業被視為大模型應用落地的最優場景之一。

從全球情況來看，當前金融大模型的應用已涉及風險管理、客戶服務、投資決策、反欺詐等諸多領域，大型金融機構及科技公司同樣積極布局或應用大模型技術以提升業務水平。

從國內的布局情況來看，銀行、保險、證券、基金及諸多金融領域科技公司也紛紛開啟布局。據21世紀資管研究院不完全統計，僅2023年即有工商銀行、農業銀行、興業銀行、平安銀行等多家銀行推出或探索自研大模型平臺；此外，交通銀行組建GPT大模型專項研究團隊，中國太?；诖竽Ｐ图夹g的數字化員工投入應用等。

金融機構對于大模型的應用和布局仍在加速。

縱觀大模型對金融行業的影響，《報告》指出，大模型重塑金融機構的基礎設施、技術能力、數據生態與業務場景。

基礎設施層面，從電子化到數字化再到智能化，金融機構的基礎設施更迭，是其轉型發展最重要的環節之一。過去十年，金融基礎設施的改造集中于“上云”，實現了傳統“煙囪式”系統架構的平臺化，而在目前頭部金融機構基礎設施改造已基本完成的情況下，如何提升資源利用效率，實現業務敏捷化與創新研發能力提高，成為AI原生時代的重要命題。

對于金融機構而言，算力資源一直是其布局大模型的最大瓶頸之一。目前在“多機多卡”的分布式任務訓練模式下，金融機構選擇的路徑主要有3種，一是頭部金融機構基于囤積的GPU進行探索，二是嘗試將少量訓練與精調挪到公有云上，解決一部分算力問題，三是采用向量數據庫等外掛知識庫以減少對算力資源的占用。

技術能力層面，據21世紀資管研究院調研，大模型落地實現AI應用的路徑有三個方向，一是基于現有開源大模型、基礎大模型進行微調落地，二是與廠商聯合創新自研大模型在部分場景應用，三是通過API接口接入商用大模型或通過外掛知識庫實現部分功能的使用。

在大模型時代的企業AI應用架構中，僅有大模型這一“大腦”是顯然不夠的，特別是在面對大模型“幻覺”問題、精調后出現的“災難性遺忘”問題，要求絕對精準的金融行業，需要中間件作為“四肢”、向量數據庫作為“外腦”。這些軟硬件正在迎來新風口，而RPA技術也在與AI Agent（人工智能體）融合后實現了應用層面的新飛躍。

數據生態層面，無論是基于已有模型的微調還是自研，大模型都對訓練語料集的質量與規模均提出非常高的要求。但在過去，金融機構自上而下的數據治理，存在數據質量參差不齊、非結構化數據散落、數據合規要求較高、業務數據歸集困難、數據孤島依然存在等問題，多位受訪對象提到，企業級知識庫的梳理是數智化轉型過程中的最大難題之一。當大模型時代來臨，《報告》認為，在“數據要素x”行動與數據資產入表等政策推動下，更合規、開放的金融行業數據生態有望形成。

業務場景層面，《報告》梳理國內外金融相關大模型產品與相關專利發現，基于大模型在自動化生成、自主決策與快速檢索等特性，金融機構在智能投研、智能投顧、智能客服、合規審查、自動化代碼生成、自動化報表生成等場景均作出探索。但由于大模型的“黑盒”特性，以及金融行業的高合規性要求，在資金管理等核心業務決策層面，大模型的應用依然任重道遠。

四大未來趨勢展望

市場對金融大模型的討論熱潮從未停止，從受訪對象的反饋來看，大模型對金融機構的影響不僅是在技術、應用層面，而是對金融業數智化轉型的未來發展范式產生深遠影響。

對此，基于前期調研訪談，《報告》指出金融行業在大模型浪潮影響下，將呈現四個未來發展趨勢。

首先，金融行業有望步入AI驅動的新階段?！秷蟾妗氛J為，過去金融機構的數字化轉型是基于監管要求自上而下推進的技術架構重塑，而大模型“iPhone時刻”的到來，使得金融機構需要大參數規模的訓練語料庫，這促使金融機構重新審視數據管理流程，盤點數據資產，提高數據資源利用效率，加強機構間的數據流動。同時，有限的算力資源與高昂的訓練成本，驅動金融機構基礎設施架構的平臺化轉型，通過多種技術優化算法，以提高資源使用效率，降低大模型使用成本?？梢灶A見的是，從數字化到智能化，AIGC推動金融機構從被動轉型步入主動轉型。

其次，通過AI Agent等實現技術普惠推動金融服務普惠?；诖竽Ｐ万寗拥腁I Agent，被普遍認為是未來人工智能應用的新形態，相比于過去人工智能技術的相關應用，AI Agent表現出驚人的自主性與智能性。在AI Agent與RPA等傳統技術結合，應用于金融服務的各類場景，以自主學習的能力可以及時解決非給定流程中的其他問題，在金融數據合規與隱私安全保護合規的情況下，有望成為金融從業人員與客戶未來的AI助手，通過技術普惠，進一步推動金融服務的普惠化、便利化發展。

再次，金融AI倫理建設將持續增強。大模型重塑了金融領域科技的應用，但也帶來了一定的風險，關乎金融行業的數據安全、個人信息保護、知識產權保護、倫理道德、算法歧視等等多方面問題?！督鹑陬I域科技倫理指引》的發布，為金融機構在一定程度上明確了倫理底線，但涉及到金融行業的生成式AI應用風險治理，還有待進一步政策出臺。目前多家金融機構均已成立金融科技委員會等組織架構，把握創新與安全的平衡，在未來隨著金融大模型的發展，這一趨勢將更為明顯。

最后，金融領域更開放的行業生態將加速形成。大模型訓練對數據、算力、算法等提出的要求，使得金融行業在數據流通、技術共創、平臺開放共享等方面進展加速，特別是大型金融機構與中小金融機構數智化能力存在差異，行業呼吁在監管引導下形成更開放的數據生態、技術合作生態，推動金融業整體智能化水平躍升。

責任編輯：韓希宇