大模型在金融業：從戰略重視到理性落地

ChatGPT問世以來迅速引發金融業的關注,這個對技術充滿信仰的行業生怕被時代洪流甩在身後。然而,最初的焦慮情緒正逐漸回歸理性,思路也變得更加清晰。

金融業對大模型的態度經歷了幾個階段:年初時普遍感到焦慮;春季開始組建團隊研究;夏季在尋找方向和落地過程中遇到困難,變得更加理性;如今,他們正在借鑑已驗證的場景進行嘗試。

一個新的趨勢是,衆多金融機構已經開始從戰略層面重視大模型。根據不完全統計,A股上市公司中至少有11家銀行在最新半年報中明確提出正在探索大模型應用。從近期動作來看,他們也正在從戰略和頂層設計層面進行更清晰的思考和路徑規劃。

年初ChatGPT剛出現時,盡管熱情很高,但對大模型的本質和應用方式了解有限。一些大型銀行率先採取行動,開始進行各種宣傳。同時,隨着國內多家科技公司發布大模型,一些頭部金融機構的科技部門開始積極與大廠討論大模型建設事宜。

5月以後,受算力資源緊缺、成本高昂等因素影響,許多金融機構開始從單純希望自建轉變爲更關注應用價值。大型金融機構可引入領先的基礎大模型,自建企業大模型,同時採用微調形式,形成專業領域的任務大模型。中小金融機構則可綜合考慮投資回報,按需引入各類大模型服務。

由於金融行業對數據合規性、安全性、可信性等要求很高,部分人士認爲,這一行業的大模型落地進展略慢於年初預期。爲解決落地過程中的各種制約,金融機構正在探索多種方案,包括自建算力、混合部署等。同時,越來越多的金融機構也在加強數據治理。

目前,大模型在金融業的應用主要集中在智慧辦公、智能開發、智能客服等外圍場景。業內普遍認爲,短期內不宜將大模型直接用於面向客戶的核心業務,而應優先應用於內部的智力密集型場景,以人機協作的方式提升工作效率。

一些金融機構已經開始基於大模型,搭建包含基礎設施層、模型層、服務層、應用層等多個層級的分層系統框架。這些框架體系普遍具有兩個特點:一是大模型發揮中樞能力,將傳統模型作爲技能調用;二是大模型層採用多模型策略,內部比較選出最優效果。

大模型的應用已經開始對金融行業的人員結構帶來一些挑戰和變革。一方面,一些傳統崗位面臨被替代的風險;另一方面,大模型相關人才的需求激增,但短期內供給難以匹配。一些金融機構正在採取行動,通過培訓等方式提升現有員工的能力,同時也在積極引進相關人才。

總的來說,大模型在金融業的應用正從最初的熱情高漲逐步走向理性落地。金融機構需要在戰略層面重視大模型,同時也要注意解決落地過程中的各種挑戰,包括算力、數據、人才等方面的問題。未來,大模型有望在金融業發揮越來越重要的作用,推動行業的數字化轉型和創新發展。