随着工、农、中、建等上市金融机构2023财年年报陆续披露，以大模型为代表的人工智能技术在金融业的开发与应用成为业界普遍关注的重点。据记者初步统计，目前已有6家国有大型银行，以及招商、中信、兴业等多家股份银行，累计近20家金融机构在2023年年报中披露大模型领域的研发和业务应用，并且初见成效——大模型已成为银行金融业务领域的确定性机会，而在上市银行体系中占比更大的城商行、农商行也是跃跃欲试，金融业的行业大模型“挑战”正催化“未来金融”加速到来。
上海金融与发展实验室主任曾刚认为，在国家大力鼓励“人工智能+”的宏观环境下，金融业作为国民经济的血脉，以其用户基数大、经济影响大、服务场景多、民生关系强，首当其冲成为大模型乃至更广泛的人工智能技术的应用场景和金融强国战略高地，而金融大模型将成为新质生产力的典型代表，在高效促进未来金融行业营销、服务、产品、数据分析利用水平全面提升的同时，赋能实体经济千行百业高质量发展。
多数上市银行加码科技投入 聚焦知识库AI大模型
在近20家金融机构年报中，除了按规定披露的经营业务数据，多数大中型上市银行均加快了大模型技术研发和实际业务应用的步伐。
3月28日，工商银行年度业绩发布会召开，董事长廖林强调了工商银行在深化“数字工行”战略过程中，充分利用人工智能及大模型等前沿技术手段，有效促进了工商银行数字化生产能力和效率的提升。
建设银行年报则提示，加强“三大中台”的基础架构建设，并启动了“方舟计划”，积极推动金融大模型的建设和实际应用，旨在建立常态化的数字化经营管理模式。
中国银行在年报中展示了其在智慧安全防护、网点运营等方面的计算机视觉技术应用，并开始试验大模型技术在内部知识服务、自动化编程辅助等场景的可行性。
中国农业银行年报中透露，其通过成立人工智能创新实验室，正全力以赴推进大模型技术的研究与培育工作，已在客户服务知识管理系统中成功部署了答案推荐和智能搜索辅助功能。
招商银行在2023年启动了大模型生态系统建设项目，除了搭建大模型体验平台外，还与多家国内主流大模型达成对接合作关系。
中信银行则专注于构造软硬件一体化的中信大模型平台，顺利完成基于千亿参数开源大模型的部署任务，并在诸如自动代码生成、智能运维管理等领域开展了积极的探索与实践应用。
《部分银行人工智能大模型布局一览》
图注：数据来源：上市银行2023年报
大中型银行一系列行动彰显了中国银行业对大模型技术创新与应用的高度重视。从各家银行年报中披露的信息分析，大多数上市银行科技投入持续增长，金融行业大模型的应用主要集中在金融资讯、产品介绍、内容及图片文本生成、智能客服在线交互等方面，知识库大模型成为主流。目前，银行等金融机构在实施金融大模型应用场景的过程中，主要应用于一系列内部业务环节，如知识检索与智能答疑、编程辅助、客户服务热线智能化、自动化文档编写、复杂数据分析、精准营销材料自动生成等试点项目。
业内分析人士认为，大模型的技术门槛限制了其在金融行业的广泛应用。大模型的开发、训练、运营等过程需要大量的高质量数据和算力支持，而金融行业对数据的及时性有高要求，这就要求金融大模型快速迭代。因此，只有少数大型企业拥有足够的研发和投资实力来开展相关工作。目前来看，国内仅有大中型金融机构及部分数字金融领先的机构在探索金融大模型的研发和应用。随着金融行业复杂性和数据量的增加，金融大模型的竞争将进一步加剧。
“衡量大模型质量的标准，并不只是参数高低”
高质量金融服务的发展与数字技术、人工智能、大数据等前沿科技的深度融合密不可分。金融机构正持续增加对科技创新的投入，并运用数字化战略重构其客户交互、渠道优化、业务流程革新、产品创新及管理模式等方面，以期实现在科技与业务层面的深层次整合。大模型的出现进一步推动金融科技发展进入新阶段。从上述银行披露的数据来看，在过去一年里，多数大中型银行加大科技投入，而大模型无疑将成为科技投入的重心之一。
北京邮电大学网络与交换技术全国重点实验室教授、博士生导师高志鹏表示，近年来，人工智能发展突飞猛进，包括大中型银行在内的国内首批金融科技机构已率先布局，先后推出大模型等人工智能工具，深度改变银行、保险、支付等金融类行业。在人工智能+的政策指引下，大模型也将从通用领域走向垂直产业深处，以行业大模型为代表的科技成果，将在行业应用中发挥更大空间。
事实上，大模型并非大中型上市银行特有，科技驱动型的金融机构凭借其多年积累的海量数据、垂直应用深耕能力，也已占有一席之地。
2023年8月，马上消费推出了国内首个金融大模型“天镜”，该模型在实际应用中表现出了卓越的上下文理解和互动引导能力，对于马上消费的市场营销工作产生了显著的积极影响，成效提升超过30%。在企业内部知识管理方面，“天镜”助力实现了知识产出效率高达150%的增长，极大提高了营销素材的制作效率。特别是在与重庆市某银行的合作案例中，“天镜”驱动的智能营销方案展现了突出优势，成功降低了80%以上的人工成本投入，而产能则较传统的纯人力模式增长了6倍之多。
2024年2月，“天镜”大模型通过了中国信通院金融大模型专项评测，在场景丰富度、能力发挥度、应用成熟度三方面均达到4+级，排名第一。马上消费的生成式AI技术应用不仅局限于金融，还覆盖了数字人、HR、培训等多个场景。这种全面性的应用为企业内外提供了智能化服务，体现了其在技术创新上的深度拓展。
作为一家技术驱动的数字金融机构，马上消费金融大模型拥有100PB基础数据、超过20万张数据库表，以及每天处理数百亿次智能决策计算，且不论环境如何变化，整个系统做到可控、安全；利用这些数据完成模型预训练，之后不断对齐、调优，同时使用推理加速技术实现模型自主可控，快速迭代进化，使其比其他大模型更懂金融行业及客户需求。
“衡量大模型质量的标准，并不只是参数高低，而是它究竟能解决什么样的场景难题，而且这个场景问题，用AI解决成本更低、安全性更高。”上述分析人士表示。
大模型将按“通用—行业—领域”路径演化
马上消费CTO蒋宁日前表示，通过长期实践，在高端制造、金融、智能驾驶等领域，大模型技术还存在四大挑战：群体智能与安全可控、个性化和隐私保护、关键性任务和动态适应性标准、基础设施和架构改造。
面对这四大挑战，马上消费确立了“四大关键技术能力”的发展方向，旨在推动金融大模型成为具有革新意义的“新质生产力”。具体而言，技术路线规划主要包括四个方面：
第一，模型安全可信。希望这个模型在未来不管任何什么样的环境发展，它做出的每个决策都是可控的、安全的。
第二，组合式AI。传统的人工智能的模型有局限，但是它善于执行，构建一个组合型的AI，即大模型跟传统模型相互协作，解决复杂长尾动态环境变化的关键问题。“组合式AI”是未来很重要的一个研究方向。
第三，持续学习。如何用最小的样本，特别是线上生成的新样本，让这个模型动态的变得越来越聪明，这就是持续学习能力，是行业大模型、领域大模型区别于通用大模型最关键的能力。
第四，平台化服务MaaS。包括生态的共建、数据的交换，能够融合多种异构大模型，最终转化为方便自助的技术服务，提供给企业的员工、消费者便捷应用，大幅提升培训、营销效率。
“目前国内大模型正加速商业化落地，通用基础类大模型与行业领域类大模型参与者在各自赛道中寻找最优解。”马上消费人工智能研究院院长陆全认为，相比之下，通用大模型解决方案的技术更加复杂，尚不具备解决行业、领域等专业问题的能力，大模型的发展将按照“通用—行业—领域”路径演化。金融将成为领域大模型的最佳实践场景之一。但不可忽视的是，当前大模型仍存在诸多潜在风险，在金融领域商业化、全面工程化落地前，仍需从安全体系、标准体系、合规检查、幻觉检测、动态评价机制等五大方向做好技术治理。
国研智库执行总裁周健奇分析，从中长期来看，推进人工智能+相关技术的应用发展，是技术驱动型金融机构的必修课。就行业平台而言，应尽快发挥科技和互联网的创新优势，将技术服务能力、科技创新成果与行业共享，共同构建人工智能大模型技术发展和场景应用落地的良性循环。相信在政府与市场主体的协同发力下，金融新质生产力必将实现加速发展。
