21世纪管研究院研究员李览青、杨梦雪
每一次技术革命，都将产生价值中心的转移。
2022年ChatGPT的横空出世，为人工智能的商业化落地与价值重构带来了全新的机遇，也掀起了新一轮人工智能的发展热潮。金融，被视作大模型（LLM）技术落地应用前景最为广阔的行业一。站在2024年的开端，金融行业试水大模型应用已逾一年，在以大模型为代表的AI技术驱动下，金融机构从基础设施架构、技术路线应用、数据生态、业务场景等多个方面都迎来升级。
围绕大模型在金融领域的创新应用，以及当下机构布局的难点痛点，1月23日，由南方财经全媒体集团指导、21世纪管研究院主办的“金融大模型潮起——大模型如何重塑金融业态”闭门研讨会在上海虹口举行。参会嘉宾包括来自中银基金、兴业证券、兴业银行、浦发银行、杭州银行、上海农商行、太保科技等多金融机构的相关业务负责人，以及来自科大飞、东方财富、通联数据、Minimax、钉钉、冰鉴科技、特高信息、微京科技等科技公司负责人，对相关话题进行热烈探讨。
会上，《大模型重塑金融业态》报告（以下简称“《报告》”）同步发布，21世纪管研究院在前期调研访谈了三十余位金融机构相关业务负责人、科技公司金融业务负责人以及深行业专，并调研了多金融机构的业务实践，拟通过该报告研究、分析大模型对金融行业的深远影响，并对四大方面的未来趋势作出展望。
四大领域重塑金融业态
金融行业被视为大模型应用落地的最优场景一。
从全球情况来看，当前金融大模型的应用已涉及风险管理、客户服务、投决策、反欺诈等诸多领域，大型金融机构及科技公司同样积极布局或应用大模型技术以提升业务水平。
从国内的布局情况来看，银行、保险、证券、基金及诸多金融领域科技公司也纷纷开启布局。据21世纪管研究院不完全统计，仅2023年即有工商银行、农业银行、兴业银行、平安银行等多银行推出或探索自研大模型平台；此外，交通银行组建GPT大模型专项研究团队，中国太保基于大模型技术的数字化员工投入应用等。
金融机构对于大模型的应用和布局仍在加速。
纵观大模型对金融行业的影响，《报告》指出，大模型重塑金融机构的基础设施、技术能力、数据生态与业务场景。
基础设施层面，从电子化到数字化再到智能化，金融机构的基础设施更迭，是其转型发展最重要的环节一。过去十年，金融基础设施的改造集中于“上云”，实现了传统“烟囱式”系统架构的平台化，而在目前头部金融机构基础设施改造已基本完成的情况下，如何提升源利用效率，实现业务敏捷化与创新研发能力提高，成为AI原生时代的重要命题。
对于金融机构而言，算力源一直是其布局大模型的最大瓶颈一。目前在“多机多卡”的分布式任务训练模式下，金融机构选择的路径主要有3种，一是头部金融机构基于囤积的GPU进行探索，二是尝试将少量训练与精调挪到公有云上，解决一部分算力问题，三是采用向量数据库等外挂知识库以减少对算力源的占用。
技术能力层面，据21世纪管研究院调研，大模型落地实现AI应用的路径有三个方向，一是基于现有开源大模型、基础大模型进行微调落地，二是与厂商联合创新自研大模型在部分场景应用，三是通过API接口接入商用大模型或通过外挂知识库实现部分功能的使用。
在大模型时代的企业AI应用架构中，仅有大模型这一“大脑”是显然不够的，特别是在面对大模型“幻觉”问题、精调后出现的“灾难性遗忘”问题，要求绝对精准的金融行业，需要中间件作为“四肢”、向量数据库作为“外脑”。这些软硬件正在迎来新风口，而RPA技术也在与AIAgent（人工智能体）融合后实现了应用层面的新飞跃。
数据生态层面，无论是基于已有模型的微调还是自研，大模型都对训练语料集的质量与规模均提出非常高的要求。但在过去，金融机构自上而下的数据治理，存在数据质量参差不齐、非结构化数据散落、数据合规要求较高、业务数据归集困难、数据孤岛依然存在等问题，多位受访对象提到，企业级知识库的梳理是数智化转型过程中的最大难题一。当大模型时代来临，《报告》认为，在“数据要素x”行动与数据产入表等政策推动下，更合规、开放的金融行业数据生态有望形成。
业务场景层面，《报告》梳理国内外金融相关大模型产品与相关专利发现，基于大模型在自动化生成、自主决策与快速检索等特性，金融机构在智能投研、智能投顾、智能客服、合规审查、自动化代码生成、自动化报表生成等场景均作出探索。但由于大模型的“黑盒”特性，以及金融行业的高合规性要求，在金管理等核心业务决策层面，大模型的应用依然任重道远。
四大未来趋势展望
市场对金融大模型的讨论热潮从未停止，从受访对象的反馈来看，大模型对金融机构的影响不仅是在技术、应用层面，而是对金融业数智化转型的未来发展范式产生深远影响。
对此，基于前期调研访谈，《报告》指出金融行业在大模型浪潮影响下，将呈现四个未来发展趋势。
首先，金融行业有望步入AI驱动的新阶段。《报告》认为，过去金融机构的数字化转型是基于监管要求自上而下推进的技术架构重塑，而大模型“iPhone时刻”的到来，使得金融机构需要大参数规模的训练语料库，这促使金融机构重新审视数据管理流程，盘点数据产，提高数据源利用效率，加强机构间的数据流动。同时，有限的算力源与高昂的训练成本，驱动金融机构基础设施架构的平台化转型，通过多种技术优化算法，以提高源使用效率，降低大模型使用成本。可以预见的是，从数字化到智能化，AIGC推动金融机构从被动转型步入主动转型。
其次，通过AIAgent等实现技术普惠推动金融服务普惠。基于大模型驱动的AIAgent，被普遍认为是未来人工智能应用的新形态，相比于过去人工智能技术的相关应用，AIAgent表现出惊人的自主性与智能性。在AIAgent与RPA等传统技术结合，应用于金融服务的各类场景，以自主学习的能力可以及时解决非给定流程中的其他问题，在金融数据合规与隐私安全保护合规的情况下，有望成为金融从业人员与客户未来的AI助手，通过技术普惠，进一步推动金融服务的普惠化、便利化发展。
再次，金融AI伦理建设将持续增强。大模型重塑了金融领域科技的应用，但也带来了一定的风险，关乎金融行业的数据安全、个人信息保护、知识产权保护、伦理道德、算法歧视等等多方面问题。《金融领域科技伦理指引》的发布，为金融机构在一定程度上明确了伦理底线，但涉及到金融行业的生成式AI应用风险治理，还有待进一步政策出台。目前多金融机构均已成立金融科技委员会等组织架构，把握创新与安全的平衡，在未来随着金融大模型的发展，这一趋势将更为明显。
最后，金融领域更开放的行业生态将加速形成。大模型训练对数据、算力、算法等提出的要求，使得金融行业在数据流通、技术共创、平台开放共享等方面进展加速，特别是大型金融机构与中小金融机构数智化能力存在差异，行业呼吁在监管引导下形成更开放的数据生态、技术合作生态，推动金融业整体智能化水平跃升。
欢迎联系21管小助手咨询报告详情！（微信号：zgyjy21）