拜“金”大模型，蛋糕難啃？
對于金融行業而言，人工智能并非新客。
上世紀80年代，華爾街的交易大廳里，喊單的聲音此起彼伏。喧囂背后，算法交易悄然興起。簡單的程序開始替代人手，執行預設的交易策略。這是人工智能在金融領域的初次試水，也是技術革新的序章。
進入21世紀，機器學習和數據挖掘技術的成熟，使得金融機構能夠更精準地預測市場走勢，洞察投資機會。
到了今天，可以明確地說，人工智能將是未來幾年參與者提高競爭力的最核心機會，也是最后的機會。
大模型作為推動人工智能發展的關鍵技術之一，始終吸引著無數目光。九月ChatGPTo1-preview在復雜推理任務上取得重大進步，推理新范式的創新，使得性能得到了顯著提升，被視為AI時代的又一個里程碑。
金融機構也在過去這一年與AI的循序融合，逐步摸索出“大模型+小模型”的落地方式，大模型做全面，小模型做精細，能夠更好地滿足金融業務對高準確性和高效率的要求。
金融領域的大型模型本質上是一種提高效率的工具，需要結合具體的業務環境才能發揮其潛力，也就是無場景就無價值。相較于過去云和自動化相關的技術轉型，人工智能其實能以更自然的方式與人進行互補。
從業務流程上來看，金融機構的任務主要是利用大模型重新執行過去由大數據技術完成的工作，在業務價值的釋放上，也應當從最基礎的客戶獲取和運營環節入手，逐步優化運營流程，提高效率。
不得不說，簡單用AI賦能數字化轉型并不能概括這一推動，這將是一次深度的業務變革。
金融機構大模型應用四大模式
隨著AI的能力不斷增強，能夠承擔以前需要人工操作的越來越復雜的任務，銀行有機會以更快、更好地開展更廣泛的活動，用更少的投入做更多的事情。回望過去一年，盡管許多銀行在大模型領域的嘗試都圍繞在“降低成本”，但也涌現出金融業大模型相關應用的四大模式。
一體化的大模型解決方案
由大模型廠商將預訓練和微調過的通用大模型或垂直大模型交付給金融機構進行私有化部署。
目前，就金融領域而言一體化解決方案更多出現在中小創新型金融機構，拓爾思-拓天大模型、華為-盤古大模型都在金融領域的解決方案落地較多。其中拓爾思在金融領域的的落地頗受好評，有不少頭部機構已經在應用基于拓天大模型研發內容生產智能助手、新一代搜索與推薦等插件。盤古金融OCR大模型與廣東省農信聯社的單模型覆蓋多個通用的文字識別場景案例也已落地。
與大模型廠商聯創自研大模型
由大模型廠商提供基礎大模型，基于金融機構數據、語料，技術團隊共同進行微調，衍生垂直大模型，私有化部署。
最為典型的就是農業銀行基于基礎大模型，自研大模型小數（ChatABC），也是同業首個自主創新的金融大模型應用，目前已經在智能問答、智能客服、輔助編程、智能辦公、智能風控等多個領域進行應用與深度探索。
郵儲銀行與智譜AI戰略協同，推動通用大模型為基礎，與金融大行共同研發探索AI落地的場景。
國泰君安與階躍星辰、財聯社共研多模態證券大模型“財躍F1”，賦能客戶智能化服務體系。
API接入商業大模型，外掛知識庫建設
金融機構選擇合適的商業大模型API接口，通過RAG進行知識庫管理建設和應用，私有化部署。
知識庫管理作為大模型落地的最順暢路徑，目前大部分對于大模型有所探索的金融機構都紛紛有過嘗試，多基于開源大模型進行知識庫外掛，為從業人員提供內部知識庫問題等功能。相對而言更多分布在研究分析需求較大的證券行業。
接入大模型賦能的SaaS、大數據系統、智能助手等等
當下很多軟件解決方案廠商自身也在做大模型的技術融合，并且有了一定成果，金融機構選擇在某些業務流程上進行AI大模型功能的應用疊加或是采購大模型應用軟件，來助力員工效率。
例如，興業銀行、中信銀行接入百度“文心一言”主要應用在人機對話的流程場景。銀行通過百度智能云調用“文心一言”提供的跨模態、跨語言的深度語義理解與生成能力，提升客戶體驗，助力員工效率。
金融大模型：既是誘人的蛋糕，也是硌牙的石頭
盡管金融領域作為大模型落地的最佳土壤，對于大模型企業而言，面對強甲方屬性的銀行機構，也頻頻出現要求高、交付難、維保難等等問題。對于廠商而言，這塊金融蛋糕人人都不想放過，但吃下去的確不容易。
百模大戰時期，幾乎超過60%企業都把金融領域放在了射程內，華為·盤古金融大模型、百度·文心一言、騰訊·混元、科大訊飛·星火大模型、阿里·通義千問、商湯·日日新大模型、智譜AI、百川智能、星環科技·無涯、拓爾思·拓天大模型、360·金融大模型、云知聲·山海大模型、月之暗面、Minimax、階躍星辰等等。
從現實角度看，金融領域的大模型解決方案實際交付并不多，金融業大模型招標項目量也逐步下降。金融領域看起來是一塊誘人的蛋糕，但是吃起來卻有點硌牙。
以百川智能為例，其一開始看中的主要應用賽道是醫療和金融兩大領域。業內人士向億歐網透露，百川智能內部對于賽道的爭議和分歧也比較大。“有說要聚集醫療大模型的，有說金融很重要的。”
從外界觀察來看，2024年3月，多家媒體報道，原中關村科金副總裁鄧江加入百川智能，作為商業合伙人擔任金融事業群總裁職務，負責金融行業解決方案的打造以及合作生態的建立。這足以表明百川智能在金融領域的決心。
但是到了2024年7月份，百川智能確認完成50億元A輪融資后，對外的聲音傳遞是要“聚焦醫療大模型”。
令人費解的是，2024年9月服貿會期間，鄧江以百川智能副總裁身份現場演講時曾表示，“我們始終在醫療和金融領域做持續的戰略投入。百川智能在醫療和金融領域取得了突破性成果，我們的大模型通過美國和中國的醫師職業資格考試，而且是很高的分數，證明我們的大模型在醫療知識能力上已經具備了一個醫療畢業生甚至一個醫生的水平。另外在金融領域，我們在國內公開評測榜上保持第一梯隊，這個評測是非常復雜的，也就是說我們對金融知識的理解也達到了人類的水平。特別是在金融場景，我們已經在很多金融機構有很現實的應用落地，來提供腦力的供給。”
如果仔細看百川智能最近對外信息傳遞，甚至是王小川本人的聲音，我們不難發現，百川智能業務核心圍繞著醫療是確認無疑了。以《中國企業家》近期的《獨家對話王小川：大模型創業公司，都要走出互聯網大廠的射程》報道為例，“醫療”一詞出現了35次，而“金融”一次也沒有。
在金融領域，有大模型服務廠商知難而退，對于還在牌桌上的企業來講，未嘗不是好消息。從需求本身來看，金融機構持續布局大模型并未暫停腳步。在2024年中報中多數金融機構提及了對大模型的投入與探索，可以說，AI大模型已經站穩金融業的核心賽點位置。
單從金融大行的推動路徑來看，大部分傾向于自研大模型，多數已經將大模型納入長期戰略規劃，加大技術研發投入，增加數據中心GPU儲備，成立專門的人工智能部門或實驗室，推動大模型在業務中的應用。
從投入的角度來看，即便對金融機構這樣的金主來講，也是一場“燒錢”之戰。
首先，基礎大模型的質量決定了垂直應用的精準性與好用度，但當前中國絕大部分基礎大模型的技術突破路還很長。以ChatGPT為標桿，國產大模型大部分還在GPT-3.5水平，而從GPT-3.5到GPT-4的訓練，保守估計訓練一次最少要用到8000張GPU，從GPT-4到今天的GPTo1，必然是萬卡集群的支撐，為了應用到金融領域還需要高質量數據再進行微調，初始投入巨大。且大模型的訓練和部署需要高水平的技術支持，涉及高端的AI算法和技術人員投入。
大型金融機構可以持續性投入，搶占技術高點，造就金融大模型技術護城河。但對于小型金融機構而言，當前“外掛知識庫、大數據智能化分析、SaaS類、AI助手”的方案，成本低且效益高。如果能在適宜的場景落地，也可以助力業務的開拓和人力成本的降低。
當然，從金融從業角度來看，即使金融領域的結構化、標準化、流程化最適合大模型落地，其實也不需要擔心人工智能會大規模取代人類。相反，人工智能有潛力增強勞動力，大幅提高處理能力和質量。這種情況下，人類勞動力的角色自然會轉移到更高的層次，同時也有更多的精力用于基于關系、面向客戶的角色，進而進一步推動金融業的核心目標“以客戶為中心”。
從當前市場來看，走到下一個階段，預估會出現小型銀行與中大型銀行共享模型，共連應用。更有實力的中大型金融機構作為行業協同的領導者，為偏小型金融機構提供技術輸出乃至人才輸出。從這一點看，金融系科技子公司或許有可為。
結語
繞樹三匝，只要有枝可依，向上生長的空間是無限的。抓住這一歷史機遇，持續深化對大模型和人工智能的投入，深化與科技公司的合作，加強人才培養，構建開放共贏的金融科技生態，是引領與展航的路，也是正確與篤定的路。
期待中國大模型的融入能更好輔助金融機構推動金融服務的普惠化、智能化和可持續發展，為全球金融創新貢獻“中國智慧”和“中國方案”。
本文鏈接：http://www.albanygandhi.com/news-23-4758.html拜“金”大模型，蛋糕難啃？
聲明：本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
上一篇：割裂中的董宇輝
