自2022年ChatGPT發(fā)布以來(lái)，AIGC技術(shù)得到各行業(yè)廣泛關(guān)注，并逐漸發(fā)展為集圖像識(shí)別、語(yǔ)義理解、視覺(jué)感知于一體的多模態(tài)、全應(yīng)用大模型體系。金融機(jī)構(gòu)基于豐富的數(shù)據(jù)基礎(chǔ)，率先構(gòu)建各自的金融大模型，推動(dòng)大模型技術(shù)賦能自身業(yè)務(wù)。目前，金融領(lǐng)域大模型滲透率已超50%，是大模型滲透率最高的行業(yè)。
金融大模型發(fā)展現(xiàn)狀
1.政策市場(chǎng)雙輪驅(qū)動(dòng)金融大模型發(fā)展
一是國(guó)家對(duì)數(shù)據(jù)資源管理、基礎(chǔ)設(shè)施建設(shè)及金融科技發(fā)展的政策支持推動(dòng)金融大模型發(fā)展。第一，國(guó)家推進(jìn)數(shù)據(jù)開(kāi)發(fā)、流通標(biāo)準(zhǔn)建設(shè)，為金融大模型發(fā)展提供數(shù)據(jù)資源，據(jù)《國(guó)家數(shù)據(jù)標(biāo)準(zhǔn)體系建設(shè)指南》，到2026年年底將基本建成國(guó)家數(shù)據(jù)標(biāo)準(zhǔn)體系；第二，國(guó)家支持超算中心、數(shù)據(jù)中心與金融機(jī)構(gòu)合作開(kāi)展技術(shù)研發(fā)，為金融大模型運(yùn)行提供算力和運(yùn)行環(huán)境支持；第三，國(guó)家推出《金融標(biāo)準(zhǔn)化“十四五”發(fā)展規(guī)劃》等金融科技政策，提出到2025年將基本建成與現(xiàn)代金融體系相適應(yīng)的標(biāo)準(zhǔn)體系�；诖�，中國(guó)信通院《金融行業(yè)大模型標(biāo)準(zhǔn)》、馬上消費(fèi)《金融大語(yǔ)言模型技術(shù)要求標(biāo)準(zhǔn)》等相關(guān)標(biāo)準(zhǔn)相繼立項(xiàng)、發(fā)布。
二是市場(chǎng)需求和競(jìng)爭(zhēng)推動(dòng)金融大模型發(fā)展。第一是提升金融服務(wù)質(zhì)量與效率的需求動(dòng)力。如金融大模型實(shí)現(xiàn)的智能客服功能可快速理解問(wèn)題并高質(zhì)量回答，減少客戶(hù)等待時(shí)間，滿足市場(chǎng)對(duì)優(yōu)質(zhì)金融服務(wù)的需求。第二是行業(yè)內(nèi)部競(jìng)爭(zhēng)動(dòng)力。一方面，金融機(jī)構(gòu)之間為爭(zhēng)奪客戶(hù)資源和市場(chǎng)份額，需在服務(wù)質(zhì)量、風(fēng)險(xiǎn)管理、產(chǎn)品創(chuàng)新等方面取得優(yōu)勢(shì)；另一方面，國(guó)內(nèi)近12萬(wàn)家金融科技公司，已對(duì)傳統(tǒng)金融機(jī)構(gòu)構(gòu)成威脅。競(jìng)爭(zhēng)迫使其通過(guò)金融大模型提升自身的數(shù)字化水平和服務(wù)能力。
雙輪驅(qū)動(dòng)下，預(yù)計(jì)2025—2029年，金融大模型行業(yè)市場(chǎng)規(guī)模將由41.23億元增長(zhǎng)至310.44億元，期間年復(fù)合增長(zhǎng)率65.65%。
2.大模型技術(shù)、行業(yè)數(shù)據(jù)、基礎(chǔ)設(shè)施發(fā)展為金融大模型應(yīng)用奠定基礎(chǔ)
一是大模型技術(shù)發(fā)展，兩條技術(shù)路線賦能金融行業(yè)。一種是在通用大模型基礎(chǔ)上加入金融語(yǔ)料進(jìn)行訓(xùn)練，如GPT系列、百度文心等模型能解答金融問(wèn)題；另一種是直接構(gòu)建金融垂類(lèi)大模型，如彭博BloombergGPT等。通用大模型路線存在數(shù)據(jù)欠缺、訓(xùn)練成本過(guò)高、精確性和適用性不足等痛點(diǎn)，在實(shí)用性上低于金融垂類(lèi)模型。二是金融行業(yè)數(shù)據(jù)基礎(chǔ)相對(duì)較好，推動(dòng)金融大模型落地。波士頓咨詢(xún)公司（BCG）測(cè)算，銀行業(yè)每創(chuàng)收100萬(wàn)美元平均產(chǎn)生數(shù)據(jù)量達(dá)820GB，遠(yuǎn)高于電信（490GB）和能源行業(yè)（20GB）。三是算力基礎(chǔ)設(shè)施持續(xù)完善，存力短板補(bǔ)齊，為金融大模型運(yùn)行提供有力支撐。金融業(yè)務(wù)具有準(zhǔn)確性、實(shí)時(shí)性、并發(fā)性特點(diǎn)，且業(yè)務(wù)流程涉及海量數(shù)據(jù)和跨系統(tǒng)交互，需由強(qiáng)大算力集群支持。而存力易成為算力集群短板，制約其效能。目前，政策及產(chǎn)業(yè)界均已發(fā)力存力，《算力基礎(chǔ)設(shè)施高質(zhì)量發(fā)展行動(dòng)計(jì)劃》已提出“加速存力技術(shù)研發(fā)應(yīng)用”；華為打造存算網(wǎng)協(xié)同的算力中心，將整網(wǎng)有效吞吐從50%提升到95%。
圖1 通用與金融垂類(lèi)大模型優(yōu)劣對(duì)比
（資料來(lái)源：東吳證券研究所）
3.大模型在金融行業(yè)主要被應(yīng)用于非決策類(lèi)場(chǎng)景
一是在營(yíng)銷(xiāo)和運(yùn)營(yíng)環(huán)節(jié)提升展業(yè)質(zhì)量和效率。一方面是智能客服，直接在金融咨詢(xún)、業(yè)務(wù)辦理等方面服務(wù)客戶(hù)，如螞蟻集團(tuán)的“AI金融助理”支小寶2024年已解答845萬(wàn)問(wèn)題。另一方面是輔助客服、銷(xiāo)售人員，間接服務(wù)客戶(hù)，如百度智能云“度曉�！�，提供專(zhuān)業(yè)產(chǎn)品解讀及對(duì)比，快速生成專(zhuān)業(yè)營(yíng)銷(xiāo)話術(shù)，賦能營(yíng)銷(xiāo)人員產(chǎn)能增加超20%。二是在分析決策環(huán)節(jié)，提取、歸納、分析金融信息以輔助決策。受限于模型推理精度、安全合規(guī)要求，大模型較少直接承擔(dān)決策任務(wù)，而是聚焦其他環(huán)節(jié)。如百度智能云智金·資產(chǎn)智評(píng)應(yīng)用，可快速高效收集、加工和整理海量信息，輔助員工完成投資決策、信用評(píng)估等工作，并撰寫(xiě)各類(lèi)研究報(bào)告。三是在運(yùn)營(yíng)支持環(huán)節(jié)，實(shí)現(xiàn)內(nèi)部運(yùn)營(yíng)降本增效。如海通證券在企業(yè)內(nèi)應(yīng)用基于商湯代碼小浣熊的智能研發(fā)助手“e海言道”，實(shí)現(xiàn)開(kāi)發(fā)提效40%。
圖2 大模型在金融領(lǐng)域賦能的各細(xì)分場(chǎng)景及業(yè)務(wù)細(xì)分環(huán)節(jié)
（資料來(lái)源：螞蟻研究院、OpenAI官網(wǎng)、中金公司研究部）
4.各類(lèi)金融機(jī)構(gòu)因業(yè)務(wù)特性不同對(duì)大模型需求各有側(cè)重
一是銀行、保險(xiǎn)機(jī)構(gòu)對(duì)于營(yíng)銷(xiāo)、獲客有強(qiáng)烈需求，且具有高風(fēng)險(xiǎn)敏感性，需求集中于前、中臺(tái)1應(yīng)用。前臺(tái)，打造前端智能客服，建立多元化客戶(hù)標(biāo)簽，實(shí)現(xiàn)“千人千面”精準(zhǔn)營(yíng)銷(xiāo)；中臺(tái)，挖掘客戶(hù)數(shù)據(jù)，提升智能風(fēng)控水平。如平安銀行大模型BankGPT可判斷客戶(hù)意圖，針對(duì)性推薦產(chǎn)品、自動(dòng)生成話術(shù)；寧波銀行利用大模型升級(jí)大數(shù)據(jù)分析平臺(tái)，擴(kuò)展風(fēng)控覆蓋面，提高風(fēng)險(xiǎn)識(shí)別、判斷和分析效率。二是證券機(jī)構(gòu)需求聚焦中臺(tái)，優(yōu)化投研流程，支持投資決策。如中信建投打造基于大模型的智能投研平臺(tái)，可一天讀取市場(chǎng)新增的1000+份研報(bào)，提取關(guān)鍵信息，并生成研報(bào)初稿。三是金融科技企業(yè)需融合金融服務(wù)與新興技術(shù)，全面升級(jí)前、中、后臺(tái)2，以提升整體運(yùn)營(yíng)效率和金融服務(wù)質(zhì)量。如度小滿“軒轅”系列金融大模型已成功應(yīng)用于從前臺(tái)營(yíng)銷(xiāo)、客服到中臺(tái)風(fēng)控，再到后臺(tái)研發(fā)等多個(gè)業(yè)務(wù)場(chǎng)景，其中，在客服領(lǐng)域，大模型推動(dòng)服務(wù)效率提升25%；在研發(fā)領(lǐng)域，大模型輔助生成代碼采納率為42%，幫助公司整體研發(fā)效率提升20%。
金融大模型參與玩家及優(yōu)勢(shì)能力
金融大模型市場(chǎng)主要的參與玩家包括模型提供商、金融科技企業(yè)、傳統(tǒng)金融機(jī)構(gòu)等。金融大模型市場(chǎng)競(jìng)爭(zhēng)激烈，據(jù)統(tǒng)計(jì)，2024年金融大模型中標(biāo)項(xiàng)目的累計(jì)數(shù)量從上半年的24個(gè)激增至第三季度的66個(gè)，主要中標(biāo)廠商包括百度、科大訊飛、智譜AI、阿里云、深擎科技等。
圖3 中國(guó)金融大模型應(yīng)用廠商圖譜
（數(shù)據(jù)來(lái)源：極客邦科技雙數(shù)研究院）
1.模型提供商以傳統(tǒng)金融機(jī)構(gòu)為主要目標(biāo)客戶(hù)群，憑借軟硬技術(shù)優(yōu)勢(shì)搶占市場(chǎng)份額
模型提供商從兩方面發(fā)力，爭(zhēng)奪傳統(tǒng)金融機(jī)構(gòu)客戶(hù)。一是夯實(shí)基礎(chǔ)設(shè)施和MaaS能力，構(gòu)筑穩(wěn)定高效、簡(jiǎn)單易用的大模型支撐底座。如華為金融大模型解決方案提供“算網(wǎng)存云”協(xié)同的智能底座，從集群訓(xùn)練、模型保護(hù)、綠色節(jié)能三個(gè)方面為大模型提供算力，實(shí)現(xiàn)token處理時(shí)延降低至100ms內(nèi)、網(wǎng)絡(luò)能效比從0.1提升到0.5PFLOPS/KW等；軟硬件和模型開(kāi)發(fā)平臺(tái)集成上下游伙伴，提供模型微調(diào)、數(shù)據(jù)工程、應(yīng)用開(kāi)發(fā)、安全工程等系列工程化套件，降低客戶(hù)應(yīng)用門(mén)檻。截至目前，華為金融大模型解決方案已在多家金融機(jī)構(gòu)落地超50個(gè)場(chǎng)景。二是強(qiáng)化大模型技術(shù)攻關(guān)，引領(lǐng)前沿技術(shù)應(yīng)用落地。如百度智能云聯(lián)合浦發(fā)銀行在2022年5月領(lǐng)先發(fā)布浦發(fā)-百度·文心大模型；商湯科技基于領(lǐng)先的多模態(tài)大模型技術(shù)和“云、端、邊”全棧大模型產(chǎn)品矩陣，聯(lián)合海通證券發(fā)布業(yè)內(nèi)首個(gè)面向金融行業(yè)的多模態(tài)全棧式大模型“e海言道”。
模型提供商與金融機(jī)構(gòu)合作，技術(shù)、業(yè)務(wù)優(yōu)勢(shì)互補(bǔ)，打造金融大模型解決方案。如百度智能云聯(lián)合泛華控股集團(tuán)打造保險(xiǎn)業(yè)第一款A(yù)I智能體“度曉�！�，基于百度智能云的金融智能體應(yīng)用“智金”，結(jié)合泛華在保險(xiǎn)領(lǐng)域的深厚經(jīng)驗(yàn)，為保險(xiǎn)銷(xiāo)售人員和客戶(hù)帶來(lái)革命性服務(wù)體驗(yàn)。
2.金融科技企業(yè)將行業(yè)know-how結(jié)合技術(shù)能力，創(chuàng)新直擊行業(yè)痛點(diǎn)
金融科技企業(yè)多基于自身行業(yè)積累自研大模型，并推出貼合客戶(hù)具體需求與痛點(diǎn)的產(chǎn)品。一是推出面向企業(yè)端的大模型產(chǎn)品，通過(guò)訂閱等模式獲取持續(xù)性盈利。如宇信科技以企業(yè)在信貸管理、數(shù)字銀行渠道、低代碼快速開(kāi)發(fā)等方面所積累的金融業(yè)務(wù)源代碼為訓(xùn)練語(yǔ)料，推出面向金融行業(yè)應(yīng)用軟件開(kāi)發(fā)人員的編程輔助工具CodePal。二是結(jié)合金融機(jī)構(gòu)的實(shí)際業(yè)務(wù)需求，提供定制化解決方案。如京東科技基于服務(wù)海量金融客戶(hù)的真實(shí)業(yè)務(wù)實(shí)踐，在靈犀大模型支撐下，為金融機(jī)構(gòu)提供一套全渠道、全場(chǎng)景、一體化、數(shù)智化整合營(yíng)銷(xiāo)增長(zhǎng)方案。三是與自有產(chǎn)品集成，提升企業(yè)現(xiàn)有金融產(chǎn)品或服務(wù)的智能化水平。如螞蟻集團(tuán)通過(guò)百靈大模型將螞蟻“AI金融管家”升級(jí)為“螞小財(cái)”，并在支付寶APP內(nèi)全量對(duì)外，能夠更加實(shí)時(shí)解讀熱點(diǎn)。四是將大模型能力以開(kāi)放平臺(tái)方式提供給中小金融企業(yè)，降低企業(yè)開(kāi)發(fā)門(mén)檻。如宇信科技推出面向企業(yè)用戶(hù)的可視化大模型應(yīng)用開(kāi)發(fā)平臺(tái)，具備靈活的流程編排能力，預(yù)置知識(shí)庫(kù)問(wèn)答、分析報(bào)告生成等多個(gè)開(kāi)箱即用的大模型應(yīng)用場(chǎng)景。
3.傳統(tǒng)金融機(jī)構(gòu)聚焦業(yè)務(wù)需求開(kāi)發(fā)自用金融大模型，根據(jù)自身能力選擇研發(fā)模式
行業(yè)機(jī)構(gòu)對(duì)大模型需求可分為對(duì)內(nèi)及對(duì)外，對(duì)內(nèi)作為工作助手，優(yōu)化內(nèi)部工作流程，提高工作效率，如智能研發(fā)、會(huì)議助手等；對(duì)外主要為不涉及強(qiáng)金融建議的智能對(duì)話、信息收集分析，如報(bào)告生成、智能問(wèn)答等。各企業(yè)基于獨(dú)特的內(nèi)部數(shù)據(jù)和業(yè)務(wù)場(chǎng)景，往往選擇自建金融大模型以滿足需求，并保證數(shù)據(jù)安全性。一是企業(yè)規(guī)模大、模型能力需求高、保密需求強(qiáng)的頭部企業(yè)與算力、科技企業(yè)合作共研，追求技術(shù)全棧掌控。這些企業(yè)需要構(gòu)建的千億級(jí)參數(shù)大模型，算力、數(shù)據(jù)、技術(shù)要求高，僅靠企業(yè)自身資源難以實(shí)現(xiàn)。因此，為保證模型可用性與數(shù)據(jù)安全性，相關(guān)企業(yè)多與算力、科技企業(yè)通過(guò)成立聯(lián)合實(shí)驗(yàn)室等形式，共研大模型技術(shù)、應(yīng)用場(chǎng)景等，實(shí)現(xiàn)技術(shù)全棧掌控。如交通銀行與科大訊飛、華為成立聯(lián)合實(shí)驗(yàn)室，發(fā)布技術(shù)全�？煽氐摹敖恍拇竽Ｐ汀�；國(guó)泰君安與上海財(cái)躍星辰智能科技有限公司合作研發(fā)“君弘靈犀大模型”，完全基于企業(yè)自身全棧信創(chuàng)的環(huán)境實(shí)現(xiàn)千億參數(shù)的大模型工程。二是具備一定技術(shù)能力的企業(yè)基于開(kāi)源大模型或大模型平臺(tái)自研大模型。如東吳證券和中國(guó)農(nóng)業(yè)銀行自研“秀才GPT”和“ChatABC”；中國(guó)人保自研大模型主體，訊飛大模型能力作為輔助；興業(yè)銀行的“AML-GPT”基于百度千帆大模型平臺(tái)進(jìn)行自研。三是研發(fā)能力較弱的企業(yè)為模型提供商提供業(yè)務(wù)場(chǎng)景，使用其模型底座打造金融大模型。如海通證券與商湯合作，海天證券提供業(yè)務(wù)場(chǎng)景，商湯以“日日新SenseNova 5.0”為模型底座，幫助其打造“泛海言道大模型”。
未來(lái)，隨著大模型技術(shù)發(fā)展、金融大模型場(chǎng)景拓展、治理體系持續(xù)完善，金融大模型將進(jìn)一步賦能金融機(jī)構(gòu)及行業(yè)客戶(hù)。下篇將針對(duì)金融大模型的發(fā)展趨勢(shì)及建議進(jìn)一步展開(kāi)論述，敬請(qǐng)關(guān)注。
注釋
1.前臺(tái)：主要承擔(dān)直接面向客戶(hù)、與客戶(hù)進(jìn)行交互的業(yè)務(wù)，如營(yíng)銷(xiāo)、客服；中臺(tái)：主要通過(guò)內(nèi)外部分析，為前臺(tái)提供專(zhuān)業(yè)管理和指導(dǎo)，如風(fēng)險(xiǎn)管理、戰(zhàn)略指導(dǎo)、決策支持
2.后臺(tái)：主要為前臺(tái)和中臺(tái)業(yè)務(wù)提供技術(shù)和運(yùn)營(yíng)支持
本文作者
趙曄蕾
戰(zhàn)略發(fā)展研究所
二級(jí)分析師
碩士，主要從事工業(yè)互聯(lián)網(wǎng)、大數(shù)據(jù)產(chǎn)業(yè)發(fā)展趨勢(shì)研究，長(zhǎng)期專(zhuān)注產(chǎn)業(yè)數(shù)字化研究。
王曉娣
戰(zhàn)略發(fā)展研究所
助理分析師
大連理工大學(xué)碩士，就職于中國(guó)電信研究院，專(zhuān)注于人工智能、工業(yè)互聯(lián)網(wǎng)等領(lǐng)域技術(shù)及產(chǎn)業(yè)研究工作。
張媛玥
戰(zhàn)略發(fā)展研究所
一級(jí)分析師
就職于中國(guó)電信研究院，長(zhǎng)期從事人工智能、工業(yè)互聯(lián)網(wǎng)等領(lǐng)域的技術(shù)及產(chǎn)業(yè)研究。
趙明明
戰(zhàn)略發(fā)展研究所
二級(jí)分析師
碩士，主要研究方向?yàn)楣I(yè)互聯(lián)網(wǎng)、人工智能、金融科技、產(chǎn)業(yè)數(shù)字化等領(lǐng)域。
李國(guó)欽
戰(zhàn)略發(fā)展研究所
二級(jí)分析師
中級(jí)經(jīng)濟(jì)師，聚焦產(chǎn)業(yè)數(shù)字化和數(shù)據(jù)要素等領(lǐng)域，從事行業(yè)洞察研究等相關(guān)工作。
占安居
戰(zhàn)略發(fā)展研究所
一級(jí)分析師
碩士研究生，副研究員。主要從事行業(yè)研究、市場(chǎng)研究、產(chǎn)業(yè)生態(tài)研究等工作。
