金融业刮起大模型浪潮：应用价值初显，挑战与机遇并存

【环球网财经 记者 冯超男】2022年末，ChatGPT以“狂飙”之势火爆全球，科技界对人工智能的认知提升到一个新的高度。当这轮AI热潮席卷到国内，各类通用大模型如雨后春笋般冒出，酣战之下与机遇并存是挑战，如何商业化成为科技企业面对的现实问题。

到了今年下半年，一个明显变化是国产大模型赛道从“卷”模型切换到“卷”应用。通用大模型的热潮，让科技企业看到技术革新的意义，落地应用成为产业升级的关键所在，而数据成为铸就“智能大脑”的内核。

对于拥抱数字化浪潮的金融行业来说，自然成为大模型落地的最佳场景。临近年底，火热一整年的大模型究竟在金融行业产生多少应用价值？还面临哪些挑战？

落地路径探索：集中在客服、营销等环节

从感知智能向认知智能逐步攀升，人工智能技术革新使很多产业发展方式产生了质的变革。其中，金融行业对于人工智能有着较高接受度。得益于数据密集型的行业优势，金融行业对大模型的“追逐”可以说是水到渠成。

今年7月末，腾讯研究院发布一项调研数据：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。时至如今，大模型在金融领域落地效果如何？对此，环球网记者通过采访了解到，目前主要应用场景涉及客服、营销及运营等。

今年一季度，通过金融专属数据预训练、业务数据精调，乐信自研大模型LeXinGPT正式对外亮相。LeXinGPT的应用，使得乐信在客服、电销、私域运营等方面提升了传统人工坐席的效率。同时，乐信以LeXinGPT为核心重构了运营、研发、测试、数据分析、设计以及后台职能环节的工作流、知识流和通讯流。

无独有偶，马上消费发布的“天镜”大模型，在营销获客、客户服务和运营资管等零售金融场景实现落地应用，分别用于对C端用户提供个性化、人性化服务。不仅如此，该模型结合马上消费业务的价值链效率和决策科学性实现全流程改造。

而在财富管理过程中，客户以往面临着金融专业信息过载和他真正需要的信息并不匹配的情况。中金财富方面表示，对于研报提供的信息，大多数非专业客户能够消化吸收多少，对个人理财能有多大的帮助，无法确定。此外，信息不匹配的情况下，由于金融产品设计复杂，很容易在市场波动时造成客户的不理性赎回。

人工智能快速发展使得“不匹配”有可能被破解。中金财富相关责任人强调，通过人工智能对知识库的学习可形成一个平台层面最专业的数字员工。理论上，一个人不能够整合团队300人的智慧，但人工智能可以做到。“很多因素制约着企业不能把高质量服务对接给每个人，通过数字员工不仅可以解决信息过载问题，还可以在信息分发上做到千人千面，根据客户自身情况形成量身定制的资产配置方案。前途是非常乐观的，一定会有公司把这件事做成，我们很希望能成为这家公司。”

正如财通证券研报所言，金融大模型有望重塑财富管理行业生态，包括重塑客户服务流程、提高客户体验；提升内容生产效率与创意；提升风控水平。其中，研发提到，在客户服务方面，大模型的接入改变传统人机交互方式，大幅优化人工智能服务下的客户体验。传统聊天机器人是一种基于规则或预定义脚本的自动化程序，只能执行特定的任务。而大模型依托海量专业知识库，为客户提供24小时不间断实时服务，并且可以自主生成创造性的内容，同时基于客户反馈不断迭代和提升生成内容的质量。

此外，长江证券在研报中提到，随着大模型在金融领域的进一步广泛应用，人工智能将在多个场景，如客户服务、风险控制、交易投资等产生巨大的影响，进一步推动金融业智能化，减少了信息不对称、降低了交易成本、提高了风控水平，充分满足客户个性化需求，从而加快金融业的数字化进程。

不过，某业内企业负责人指出，大模型尚处在相对早期阶段，技术和应用场景都还有巨大的可挖掘空间，落在金融相关领域，应用场景主要集中在电销、客服等领域，深度和广度都有待进一步加强。

且除了探索大模型在场景应用外，如众安保险在今年7月推出的自主研发的AIGC中台灵犀，通过适配国内外主流的大模型，可实现“1个MaaS（Model as a Service）平台，2种应用场景策略”，即为了帮助保险机构更好适配AIGC能力，灵犀可以允许机构用户，在大模型内嵌入行业专业领域知识库，实现AIGC在保险垂直领域的应用快速适配。此外，灵犀也支持把企业内部应用工具包装成大模型插件，让大模型更加贴近业务应用场景，通过AIGC助推企业业务能力提升。

从通用到金融，有哪些机遇与挑战？

无论是前述哪一类应用，目的是为业务增长提供新的动力。与此同时，大模型的应用面临着一些现实障碍。北京社科院副研究员王鹏指出，其中包括数据质量不高、数据标注成本高、模型可解释性差等问题。此外，金融机构还需要考虑如何保证大模型的稳定性和安全性及应对监管要求等问题。

在众安保险方面看来，技术领域内GPT、Llama等基础大模型更多用于解决通用性问题，在特定垂类领域上会存在专业性欠佳的问题。作为一个相对其他行业更为专业、严谨的数据密集型行业，金融行业虽然沉淀了交易、客户、市场、风控等的海量数据，但目前这些数据与数据应用尚未能在通用大模型上得到规模化的有效使用。同时，金融的严谨专业也要求了大模型应用在赋能具体业务场景时，需要更精准有效。

同时，安全合规是大模型在金融领域可持续发展的根基。“金融机构应加强数据安全管理，包括数据的采集、存储、传输和处理等环节，确保数据的安全性和隐私性。”国内咨询机构Co-Found智库研究负责人张新原表示，金融机构需建立健全的网络安全体系，采取多种手段防范安全风险，如防火墙、加密技术、访问控制等。机构还应加强员工安全意识教育，确保员工的安全行为并防范内部安全风险。

资料显示，乐信作为金融科技平台，在数据管理层面，建立更严格的数据管理和保护机制，并通过有效的数据清洗和验证，保证数据层面的安全；在模型安全防护层面，建立健全模型安全防护规则，采取更严谨的算法设计和审查，保障模型的安全防护；在监控机制和渠道建设层面，搭建完善的人工智能监控和控制机制，系统性防范合规和安全性的问题。同时，乐信与行业协同，呼吁建立有效的行业规则策略集合，从行业底层规范上保证大模型最终输出内容的可控性。

且金融业务低容错率对大模型的准确性提出了更高的要求。不过，大模型在鲁棒性决策中存在巨大挑战，大模型可靠性仍然存在巨大的挑战。马上消费相关负责人认为，大模型在交易安全、生命安全等领域，在相当长一段时期里依然面临着巨大挑战，特别是在自动驾驶、医疗卫生等关乎社会安全和生命安全的领域，大模型还不能给出100%的正确建议，应该有效地利用大模型的建议，并对它进行有效管理。

该负责人指出，大模型技术还没有形成一个连续学习和强化学习的机制，需要在联邦学习基础上，发挥群体智慧，来实现互利共赢。在金融领域，各家金融机构要利用自身数据优势，建立起共研、共创、共享的生态机制。

不过，不可否认的是，大模型在金融领域的应用前景是非常广阔。王鹏指出，随着技术的不断发展和应用场景的不断扩展，大模型将会在金融行业中发挥越来越重要的作用。未来，大模型将会应用于更多的金融业务领域，如投资决策、风险管理、资产配置等。同时，大模型也将会与其他技术相结合，如区块链、云计算等，形成更加完善的金融科技生态系统。

星环科技相关责任人表示，通用场景基于基础大模型，落地时间更短，应用速度更快。而专有大模型需经历专有领域语料发展、积累及训练的过程，一旦落地，对业务效果有更显著的提升作用。未来，随着我国的智能算力、通用和专有领域语料数据、大模型技术与应用建设能力三方面的提升，将给金融领域带来全面的人工智能技术革新。据悉，2023年5月底，星环科技推出了星环无涯金融大模型Transwarp Infinity，主要聚焦资本市场分析领域。