金融业正式进入大模型时代，警惕中小机构“技术掉队”

资讯 1年前

1.12K

‍‍来源 | 零壹智库历经了上半年激烈而又多元的大模型论战之后，下半年的焦点终于到了“落地”层面。通用大模型仍在含苞待放，垂直领域的专业大模型开始崭露头角

‍‍来源 | 零壹智库

历经了上半年激烈而又多元的大模型论战之后，下半年的焦点终于到了“落地”层面。通用大模型仍在含苞待放，垂直领域的专业大模型开始崭露头角。

在金融领域，投研决策、数据分析、智能交互等业务方向涌现出多个大模型，各类金融机构与科技公司大显身手，一同推动了金融大模型的快速落地。

3月底，彭博社发布拥有500亿参数的大型语言模型 BloombergGPT，标志着全球首个金融大模型的诞生；5月，商星环科技推出第一款面向金融量化领域的生成式大语言模型“无涯Infinity”，度小满推出国内首个千亿级中文金融大模型“轩辕”；6月，恒生电子发布金融行业大模型LightGPT......

时间来到8月底，马上消费金融发布了零售金融大模型“天镜”，紧接着蚂蚁集团于9月8日正式发布了金融大模型及基于金融大模型能力的两款产品“支小宝2.0”与“支小助”。此外，作为金融行业的主体，部分银行也开始了对大模型的探索，我们也可以从中报以及高层公开演讲中窥见一二。

在金融数字化转型加速的大背景下，更多金融细分领域的大模型已在路上。本文从蚂蚁集团、马上消费金融已发布的金融大模型谈起，结合银行中报透露的大模型相关研究和布局情况，佐以业内专家、高管的最新看法，来探讨金融领域的大模型发展趋势，供读者参考。

01 关于金融大模型，蚂蚁集团、马上消费还有哪些问题没解决？

金融业是典型的创新驱动型和数据、技术密集型行业，在ChatGPT引爆AIGC技术应用和金融机构数字化转型逐渐深化的当下，金融业必然成为AIGC落地的“试验田”和“前沿阵地”。据不完全统计，当前金融领域各类大模型已超过20个。

1、蚂蚁金融大模型，解决产业真命题？

9月8日，在上海举行的外滩大会上，蚂蚁集团正式发布了蚂蚁金融大模型。据了解，蚂蚁金融大模型基于蚂蚁自研基础大模型，针对金融产业深度定制，底层算力集群达到万卡规模。

当天，蚂蚁集团同时发布了基于金融大模型能力的两款产品：智能金融助理“支小宝2.0”，服务金融产业专家的智能业务助手“支小助” 据介绍，蚂蚁集团在2021年就已经关注到了大模型，目前，基于蚂蚁基础大模型，针对金融产业深度定制的蚂蚁金融大模型已在蚂蚁集团的财富、保险产品上展开内测。

“通用大模型无法在专业严谨的领域直接商用，特别是金融服务对错误的容忍度很低，金融大模型要确保领域知识和专业逻辑的严谨性，才能真正落地带来产业价值。知识力、专业力、语言力以及安全力，保障四大能力是前提条件，也是金融大模型要解的产业真命题。”蚂蚁集团副总裁、金融大模型负责人王晓航介绍，基于金融场景中的大量实践，蚂蚁金融大模型形成了“大模型+知识+服务”驱动的架构，这套架构已经在蚂蚁内部金融智能化场景上内测。

蚂蚁集团表示，未来将持续探索和精进大模型的五大能力方向。一是，建设高质量的数据标注团队，沉淀高质量数据体系；二是，攻坚基础大模型算法，以及高效绿色工程能力，提升模型逻辑推理等能力；三是，从通用语言大模型到通用多模态大模型，从一般通识走向全面专业；四是，建设高效的大模型评测标准和评测体系，加快大模型迭代速度；五是，建设大模型安全能力，保障大模型健康可持续发展。

2、拆解天镜：如何做好金融大模型？

8月28日，马上消费金融发布了其零售金融大模型——“天镜”，这是零售金融领域首个大模型，它面向金融大模型的可信与安全两大核心难题。

要推动金融大模型的发展，其核心痛点是如何在数据融合应用和安全保护间取得平衡。

围绕这一痛点，马上消费“天镜”大模型提供了四点思路。第一是要真正解决企业尤其是零售金融企业的核心痛点问题；第二是要基于团队合作的精神，让大模型和已有的系统与模型融合，成为功能更强、解决问题更多的大模型；第三，在与业务结合的过程中要做到安全合规；第四，要主动适应现有的系统。

基于这种设计思路，马上消费CTO蒋宁介绍，“天镜”大模型问世后，仍面向人工智能的四个关键难题。

第一，关键性任务与动态适应性。一言以蔽之，大模型要在特定任务中，基于海量模型与分析能力，不管外界环境怎么变化，始终能保持决策准确性。

第二，个性化要求和隐私保护。金融行业需要为用户提供个性化服务，这样的服务在使用个人数据时会涉及个人隐私数据保护问题。

第三，群体智能与安全可控。蒋宁认为，美国大模型保持领先的其中一个因素在于已经形成了完整生态，而中国暂时没有形成完整生态，很难形成群体智慧。一面要积累群体数据，最终形成正向反馈，共建行业模型；另一面也要基于可信安全，对数据是否可共享做出明确区分，保证共享数据的安全可靠。

第四，基础设施的能力挑战。金融大模型需要的运算架构不一样，要不断优化底层基础设施，以适应垂直领域、金融领域大模型的发展。

蒋宁提及三个思考方向：一是大模型的持续学习能力，实现越用越聪明；二是强化鲁棒性决策，实现金融领域要求的100%合规与安全，保证金融大模型在任何场景下能够实现可信、安全、稳定的输出结果；三是组件式AI，要将金融大模型的自适应能力、机器分辨能力、语言理解能力、声音感知能力进行整合，构建新兴的金融大模型体系。

02 ‍9家银行中报关于大模型的描述，透露了什么？

随着 “中报季”收官，上市银行2023年半年报也已披露完毕。零壹智库在《七大指标对比：有的银行业绩塌房，有的“很行”》一文中对42家上市银行上半年业绩指标进行观察分析，从科技投入角度来看，有6家银行披露了科技及科技人员投入情况，9家明确表明大模型探索战略。

具体来看，工商银行、农业银行、中国银行、交通银行、招商银行、中信银行、兴业银行、江苏银行、浙商银行等9家银行在半年报中提及，正在探索大模型应用。

表1：上市银行2023H1财报中关于大模型的表述

数据来源：企业预警通，零壹智库

今年3月，工商银行基于昇腾AI发布了首个金融行业通用模型。在发布会上，工行宣布该模型已应用在客户服务、风险防控、运营管理领域。比如，工行应用该模型支撑智能客服接听客户来电；再比如，利用金融大模型，对工业工程融资项目建设进行进度监测。

据中国工商银行首席技术官吕仲涛在“2023中国智能金融论坛”上透露，工商银行经过5年多的建设，目前已经沉淀人工智能模型3000余个，包括传统机器学习模型、传统深度学习模型和大模型三类。

他表示，从趋势来看，大模型随通用能力增强，将逐步超越传统模型的能力，但受制于计算复杂度高、可解释性差等问题，短期内，大模型和传统模型会共存，同时，大模型强大的语义理解能力使其可作为中控，将传统模型作为技能进行调用。

同样在3月，农业银行推出金融行业首个自主创新的金融AI大模型应用ChatABC。据悉，ChatABC重点着眼于大模型在金融领域的知识理解能力、内容生成能力以及安全问答能力，对于大模型精调、提示工程、知识增强、检索增强、人类反馈的强化学习（RLHF）等大模型相关新技术进行了深入探索和综合应用。

招商银行方面，半年报显示，加快新技术应用推广，提升GPT类自然语言处理大模型的建设能力，并重点发掘其在全流程财富管理中的应用，投产FinGPT创意中心，加快大模型应用模式探索。

据悉，招行目前已打造了一支近300人的人工智能团队，全行累计立项金融科技创新项目3494个，累计上线项目2687个，报告期内新增立项252个，新增上线项目237个。招商银行在银浦江金融科技论坛上表示，未来将在大模型的基础上，通过统一管理和共享prompt等方式，结合以往累积的AI资产，构建通用大模型平台。

现阶段“不建议直接对客使用”；警惕中小金融机构“技术掉队”

中国工商银行首席技术官吕仲涛表示，当前阶段大模型并不成熟，因此，短期内不建议直接对客使用，应优先面向金融文本和金融图像分析理解创作的智力密集型场景，以助手形式，人机协同提升业务人员工作质效。

关于大模型应用落地，吕仲涛表示，目前业界尚无标准方法论，企业可按照场景通用化、专业化程度，分别使用基础大模型、行业大模型、企业大模型、任务大模型。四层模型训练数据规模和投入算力逐层递减，专业属性逐层增强。

其中，基础大模型由于投入数据量大、算力成本高、算法难度大，由头部AI公司进行建设，虽然通识能力较强，但其缺少金融专业知识，对金融场景应用有限。

对于大型金融机构而言，因金融数据海量，应用场景丰富，可引入业界领先的基础大模型，自建金融行业、企业大模型，考虑到建设周期较长，可采用微调形成专业领域的任务大模型，快速赋能业务，比如工行前期和鹏城实验室联创，通过微调，率先实现了人工智能大模型在行业内的应用。

对于中小金融机构而言，综合考虑应用产出和投入成本的性价比，可按需引入各类大模型的公有云API或私有化部署服务，直接满足赋能诉求。

度小满CTO许冬亮在麦肯锡“2023年中国金融业生成式人工智能发展论坛”上表示，大模型时代需警惕中小金融机构“技术掉队”。

他强调，大模型是科技公司的“必争之地”，做不做大模型将决定一家金融科技公司未来5到10年的技术发展水平。但训练大模型的门槛也非常高，他提醒在大模型时代需警惕中小金融机构“技术掉队”，中小机构与头部机构的数字化、智能化鸿沟有进一步扩大的可能。

中国农业银行研发中心北研平台三部处长赵存超表示，对于商业银行，不可能靠一个大模型打天下，需要多层次、分级分类的模型。这些模型该如何管理，如何进行共享、复用才能真正发挥集团军作战能力，需要探索。

他说，在金融业大模型的深度应用，尤其是嵌入到金融场景的深度应用，农行认为数据是核心，安全是前提，算力是基础，场景是动力，人才是关键，协作是保障。

同时，他提出，大模型生态的建设，需要同业之间联合共创共享、制订标准规范，需要产学研一起形成生态。

光大信托数据中心总经理祝世虎也认为，大模型是生产力的提升，在金融行业的落地路径要依靠大合作和大创新。通过大数据整合、大算力合作，在垂直领域精调模型，以小规模算力打造轻量级推理模型。