大模型的熊熊烈火在金融行業越燒越旺。

　　5月，度小滿推出千億級中文大模型“軒轅”，集中文、金融、開源特色于一身。

　　6月，騰訊云攜手神州信息開展金融大模型的合作;同月，恒生電子發布金融行業大模型LightGPT，預計于9月底開放試用接口;

　　7月，騰訊與信通院牽頭編制國內金融行業大模型標準體系及能力架構。

　　據騰訊研究院副秘書長楊望調研分析，截至7月末，國內參數在10億規模以上的大模型數量達116個，其中金融行業大模型約18個，占比超過15%。

　　但在“風口”之下，暗流涌動和謀局落子仍在繼續。

　　8月，馬上消金之于全國首個零售金融大模型——“天鏡”，在數位院士和多家金融機構高管的擁躉中，隆重登場。

　　9月，上海，黃浦江邊，外灘大會。一向高關注度的螞蟻集團正式亮相了自家的“螞蟻金融大模型”，以及兩款應用產品：智能金融助理“支小寶2.0”和服務金融產業專家的智能業務助手“支小助”。

　　顯然，在金融業步入發展“深水區”，一段差異化逐漸消弭、同質化角力愈發激烈的新征途，逐浪大模型，已成為圈內選手爭搶的新賽點、加碼的“新基建”。

　　誰在逐浪金融大模型?

　　“基礎大模型投入數據量大、算力成本高、算法難度大，所以由頭部AI公司進行建設。雖然通識能力較強，但其缺少金融專業知識，對金融場景應用有限。”

　　今年6月10日，在新金融聯盟舉辦的“金融機構數智化轉型與大模型技術應用”內部研討會上，新金融聯盟學術理事、工商銀行首席技術官呂仲濤的發言，大致盤帶出了金融大模型的陣型。

　　目前，逐浪金融大模型的玩家，除了BAT、華為等高科技巨頭，試圖以技術優勢充當產業鏈的“賣鏟人”，更多的還是金融和類金融企業，包括銀行、保險、互金、券商等，既不想被喧賓奪主，又不想肥水外流，都在押注自己的大模型。

　　這其中，家底厚實、賺錢不累的銀行系，尤其是國有大行，先行一步。

　　早在春寒料峭的3月，農行和工行便前后腳上線類ChatGPT的大模型應用ChatABC、基于昇騰AI的金融行業通用模型，打響戰斗第一槍;

　　4月，地處“魚米之鄉”的江蘇銀行再接再厲，宣布自主研發的擁有最大1760億參數的大語言模型平臺，“智慧小蘇”順利投產，實現客服場景首次應用。

　　據潮汐榜統計，中國銀行、交通銀行、招商銀行、中信銀行、興業銀行、浙商銀行等多家銀行均在半年報中提及，正在進行大模型相關的布局和研究。

　　數據來源：各公司財報

　　經過政策洗禮的互金系，盡管近些年有所沉寂，但對熱點的感知和反應還是很靈敏，諸如度小滿、馬上消金等，已經拿出成形的作品。

　　奮勇“趕潮”的還有一眾險企，年內，中國太保、眾安保險、陽光保險都匯報了各自的大模型成果：中國太保打造了基于大模型建設應用探索的科技產品——數字員工，具備自主規劃和任務執行能力;眾安保險出爐了保險行業首份AIGC應用圖譜，并帶來眾安AIGC中臺靈犀及首批保險垂直場景AIGC應用工具——易創內容運營平臺和集智經營分析平臺;陽光保險已把大模型技術植入“夢客全線上銷售機器人”項目，使信息抽取任務準確率提升15%，意圖識別和智能問答準確率顯著拔高。

　　財富管理機構與運營商亦不甘落后。

　　海通證券、申萬宏源、廣發證券、西南證券、國海證券、財達證券等10家券商和“文心一言”共結生態合作聯盟，以同花順、東方財富為代表的財富管理運營商也公告稱將重點打造AI投顧平臺，深入AIGC、交互式AI等細分領域的研究，完善內容生態構建，增強智能運營能力。

　　當時當下，若說大模型在金融行業有多火熱，大概只能用“空前繁榮”四個字來形容了。

　　金融大模型走到了哪一步?

　　正如螞蟻集團副總裁、金融大模型負責人王曉航在外灘大會所說，他認為，大模型正在為金融產業帶來體驗變革，“金融業務鏈條上每一個關鍵職能，都值得用大模型技術重做一次。”

　　麥肯錫研究顯示，人工智能整體將為全球經濟帶來高達25.6萬億美元的正面影響，而來自GenAI(生成式AI)的貢獻將高達7.9萬億美元。金融行業則是賦能潛力最大的賽道之一。

　　具體到中國市場，據艾瑞咨詢測算，2021年AI+金融核心市場規模達到296億元，帶動相關產業規模677億元，到2026年，核心市場規模達到666億元，CAGR為17.6%，帶動相關產業規模1562億元，CAGR為18.2%。

　　理論上來講，GenAI能夠進一步拓展金融業的生長半徑和下勘深度，就以銀行業為例，GenAI將會為之帶來2,000億-3,400億美元的新增價值，相當于行業年收入的2.8%—4.7%，占比僅次于高科技行業，還可以幫助各行增強客戶滿意度，改善決策和員工體驗，更好地監控欺詐和風險，從而有效降本增效。

　　不過，從現狀出發，大模型雖已是炙手可熱的話題和構筑“護城河”的中樞部件，但其在金融業的應用仍局限在個人聊天、知識問答、工作/學習助理的場景，AI并沒有像曾經的銀行卡、網購和移動支付那樣，孕育出巨大的變革力、生產力，在人群中廣泛普及并成為“硬通貨”，乃至顛覆和重構社會關系、交易模式等。

　　換言之，金融大模型距離滲透到核心業務，直至迸發強勁的商業化能力還很遠。

　　中國工商銀行首席技術官呂仲濤表示，當前階段大模型并不成熟，因此，短期內不建議直接對客使用，應優先面向金融文本和金融圖像分析理解創作的智力密集型場景，以助手形式，人機協同提升業務人員工作質效。

　　據潮汐榜觀察，智能客服、數字員工、虛擬助手，是迄今AI在金融范疇最常見、最主要的應用方向，似乎也是大同小異、必不可少的宣傳口徑。

　　比如度小滿的軒轅大模型，憑借通用語音或文本的交互，為金融用戶提供24小時在線咨詢和答疑服務;騰訊云的"小閩助手"，為市民帶來包括辦事指南、政策咨詢、數據查詢等在內，零距離、7X24不間斷的管家式政務辦事體驗;盤古大模型根據客戶的問題，為柜臺工作人員自動生成流程和操作指導;工行用大模型支撐智能客服接聽客戶來電……

　　然而在實踐中，面對用戶多樣化、復雜邏輯溯源、更深入的提問，智能客服常常表現出“智障”，或停留在最淺層的名詞解釋。

　　一言蔽之，眼下的大模型，在金融垂直領域還未展現出價值涌現效應。

　　大模型熱背后的冷思考

　　聲勢浩大的大模型盛宴在熱鬧之余，冷靜的審視與思考不可或缺：過往不乏新技術曇花一現，金融大模型能否走出“工具層”，保有持續進化的動力?能否擺脫拼參數、拼數量的“短視主義”，邁向長期的價值成長?

　　這背后，根植于金融本身的專業性、強監管、可控性、高時效等屬性，大模型的實際落地需要突破三大“桎梏”。

　　其一是技術層面的“桎梏”。

　　由于大模型誕生時間較短，技術層面的精度、準度和判斷力、深度學習、動態適應性、一致性等能力明顯缺陷，對數據選擇、清洗和改造的工程化能力不足，以及應對意外或異常情況時魯棒性偏弱，而金融往往要求100%可靠和信任，要秉持絕對忠臣的信仰說懂行的“真話”，不能像在文學創作中一樣大開腦洞或自由發揮。

　　也就是說，對大模型產生的“幻覺”，即一本正經地胡說大道，金融機構無法容忍。

　　其二是合規層面的“桎梏”。

　　金融行業的特殊性，決定了合規是它的第一要務。而在大模型的訓練和使用中，必須遵守數據安全的法律和規定，尊重用戶的隱私權益。這一般需要采用匿名化、去識別化等技術處理數據，并在獲得用戶明確同意的前提下，收集必要部分數據，導致模型的精調和應用都大概率只在本地“量入為出”。

　　此外，大模型作為開辟式創新的典范，外界對它可能滋生的風險(如黑灰產、詐騙團伙、洗錢等)，以及人類能做出哪些針對性的防御措施，還處在初步了解和布控期，前拉后扯，不免掣肘其泛化進程。

　　其三是場景層面的“桎梏”。

　　一項新技術的強力催化和大面積推廣，以及后續的自優化和自改進，離不開豐富的場景，特別是一些量級大、頻次高、粘性強的場景，就像銀行卡之于ATM，智能手機之于海量線上業態，網購之于支付寶、財付通。

　　大模型之于金融，投研決策、信用評估、欺詐檢測、風險管理、客戶服務是幾個落地場景，似乎沒有那么強烈的激動人心。

　　再者，未來AI是成為C端流量入口，給每個人配一個智能助理?還是成為服務B端的底層技術，為千行萬業“獻身”?趨勢并不明朗。

　　總的來說，用大模型改造金融業，引用時下最熱的電影《奧本海默》里的臺詞，“這不是一個新技術，而是一個全新的世界”，想象力十足。但回到現實，要想真正開啟金融領域的“iPhone時刻”，大模型任重而道遠。

　　節點財經聲明：文章內容僅供參考，文章中的信息或所表述的意見不構成任何投資建議，節點財經不對因使用本文章所采取的任何行動承擔任何責任。