文|新經(jīng)濟觀察團
2022年底ChatGPT引爆市場至今，大模型的風(fēng)潮已經(jīng)刮了一整年。
作為天然的數(shù)據(jù)密集型和科技驅(qū)動型行業(yè)，金融業(yè)已成為大模型最火爆的試驗場之一，在全球首個金融大模型——彭博社的BloombergGPT發(fā)布后，相關(guān)大模型紛至沓來。
國內(nèi)，從金融機構(gòu)到互聯(lián)網(wǎng)大廠，再到螞蟻集團、新浪數(shù)科等金融科技公司，相繼押注自有金融大模型，在場景應(yīng)用、算法模型方面各展奇招，探索大模型在金融全鏈路的落地。
但當(dāng)越來越多的金融大模型被推至公眾面前，市場和廠商們的態(tài)度也從最初的狂熱追逐，迅速轉(zhuǎn)變?yōu)椤办铟取焙蟮睦硇运伎茧A段。
究其原因，是理想和現(xiàn)實之間的「藩籬」：金融行業(yè)的特殊性，決定了其雖是大模型落地的最佳場景之一，但由于對信息和數(shù)據(jù)的精度、合規(guī)等要求十分嚴苛，致使多數(shù)金融大模型僅停留在較初級的助手層面，未深度嵌入業(yè)務(wù)核心環(huán)節(jié)。
因此，在金融大模型的下半場，機構(gòu)們的賽點已轉(zhuǎn)到降低“幻覺”上，即真正實現(xiàn)規(guī)?；涞貞?yīng)用、與場景深度融合解決實際問題、帶來產(chǎn)業(yè)價值躍遷。目前，參與者已自覺走向生態(tài)共建，來共同面對落地難題。
01 迸發(fā)
今年3月底，當(dāng)市場還處于對大模型涌現(xiàn)的狂歡中時，彭博社的BloombergGPT橫空出世，將ChatGPT引爆的AI熱潮燒到了金融圈。隨后，摩根士丹利宣布采用GPT-4來管理其龐大的內(nèi)部知識庫，又給沸騰的金融業(yè)添了一把火。
海外機構(gòu)的動態(tài)似蝴蝶的翅膀，將熱浪迅速傳遞到大洋彼岸。
中信證券楊澤原研報彼時指出，海外以彭博、摩根士丹利為代表的金融巨頭積極發(fā)力大模型開發(fā)與應(yīng)用，形成大模型+金融的強大示范效應(yīng)。預(yù)計伴隨國產(chǎn)大模型逐步突破，國內(nèi)金融行業(yè)生成式AI應(yīng)用有望逐步開啟。
而在過去多年，伴隨金融數(shù)字化浪潮，國內(nèi)金融機構(gòu)已在獲客、風(fēng)控、投研、消保、客服等業(yè)務(wù)流程深度嵌入AI技術(shù)能力，構(gòu)建出智能化轉(zhuǎn)型的基本盤。但大模型基于強大的內(nèi)容生成、邏輯推理、快速迭代、乃至決策等能力，有望重構(gòu)金融機構(gòu)原有的基礎(chǔ)設(shè)施以及管理體系，大幅擴充金融數(shù)智化變革的想象空間。
螞蟻集團副總裁、金融大模型負責(zé)人王曉航就判斷，大模型正在為金融產(chǎn)業(yè)帶來體驗變革，“金融業(yè)務(wù)鏈條上每一個關(guān)鍵職能，都值得用大模型技術(shù)重做一次?！?/p>
麥肯錫測算，未來金融類企業(yè)的整體收入里有3%至5%，可以是生成式AI（GenAI）所提供的。整體來看，GenAI用例對銀行業(yè)一線分銷，客戶運營，技術(shù)以及法律、風(fēng)險、合規(guī)和欺詐部門的價值潛力最大，占整體價值池的70%。
于是，國內(nèi)金融領(lǐng)域大模型次第涌現(xiàn)，數(shù)據(jù)分析、風(fēng)控強化、智能客服、投資投顧等各大業(yè)務(wù)方向不一而足。
在這場聲勢浩大的AI盛宴中，參與者大致可分為三類：
一是金融機構(gòu)。工行、農(nóng)行、交行、招行、浙商銀行等多家銀行，都提出了大模型的相關(guān)部署；8月，消費金融公司馬上消費發(fā)布了首個零售金融大模型“天鏡”。
二是互聯(lián)網(wǎng)大廠。華為盤古大模型、百度千帆大模型、騰訊云行業(yè)大模型、訊飛星火大模型、360智腦大模型等通用大模型，均將金融作為重要發(fā)力點。
其中，12月14日，火山引擎攜手智譜AI，共同發(fā)布了高性能金融大模型，并全面開啟測試。
此外，今年7月，騰訊云行業(yè)大模型公布金融風(fēng)控場景的解決方案，首次發(fā)布金融風(fēng)控大模型，融合了騰訊安全大量風(fēng)控建模專家經(jīng)驗，以及過去20多年沉淀的海量欺詐知識與多場景風(fēng)控模型能力。11月，騰訊云又正式發(fā)布金融行業(yè)大模型解決方案，助力每個金融機構(gòu)擁有自己的大模型。
三是金融科技公司。度小滿金融、奇富科技、星環(huán)科技、螞蟻集團、新浪數(shù)科、樂信、恒生電子等公司，均推出了自有的金融大模型。
而進一步從行業(yè)應(yīng)用落地情況來看，各大模型主要集中在內(nèi)容資訊、產(chǎn)品介紹、代碼、研報生成，虛擬客服交互，以及反欺詐等領(lǐng)域。
度小滿方面，大模型技術(shù)已經(jīng)應(yīng)用于各個業(yè)務(wù)場景，從營銷、客服、風(fēng)控、辦公再到研發(fā)，已經(jīng)初見成效。其中，在客服領(lǐng)域，大模型推動服務(wù)效率提升了25%；在智能辦公領(lǐng)域，大模型目前的意圖識別準(zhǔn)確率已達到97%。
新浪數(shù)科積極推動前沿技術(shù)在金融領(lǐng)域的應(yīng)用，并在智能客服、營銷設(shè)計和研發(fā)提效等多個領(lǐng)域進行了大模型應(yīng)用的實踐，取得了一定的成效。
其中，在智能客服方面，新浪數(shù)科利用通用大語言模型微調(diào)技術(shù)，結(jié)合多年積累的金融客服領(lǐng)域知識庫數(shù)據(jù)和專業(yè)的客服經(jīng)驗，構(gòu)建了自己的智能客服助手。
通過意圖識別結(jié)合專用API方式，該助手能夠直接面向用戶，以24小時高效響應(yīng)用戶請求，并準(zhǔn)確理解用戶意圖、解析問題，并通過代理能力檢索知識庫和獲取用戶業(yè)務(wù)信息，從而為用戶提供更個性化的服務(wù)。此外，智能客服助手還可以與人工客服協(xié)作，在總結(jié)歷史溝通內(nèi)容、提供相關(guān)建議等方面為人工客服提供支持。
在研發(fā)提效場景中，新浪數(shù)科研發(fā)團隊在剝離敏感代碼后，引入了基于大模型的Copilot輔助工具，能夠有效地幫助研發(fā)人員在需求分析、架構(gòu)設(shè)計、代碼編寫和代碼測試等開發(fā)全流程中提升效率和質(zhì)量。
02 藩籬
然而，伴隨金融大模型次第推出，其在實際業(yè)務(wù)中的落地程度卻遠低于年初的構(gòu)想。
恒生電子董事長劉曙峰近日透露，超過70%的金融機構(gòu)處于大模型調(diào)研階段，8%是在立項階段，17%在測試階段。只有少量（不足10%）的客戶在實際落地應(yīng)用過程中。
而從市場來看，行業(yè)普遍上在生成類場景落地應(yīng)用較多，但涉及到?jīng)Q策的金融場景落地難度較大。也就是說，大模型距離深度融入金融業(yè)務(wù)各個端點，釋放出應(yīng)有價值，進而重塑金融行業(yè)生產(chǎn)關(guān)系，還有很長的距離。
工行首席技術(shù)官呂仲濤就表示，大模型當(dāng)前階段并不成熟，仍存在科技倫理風(fēng)險等問題。因此，短期內(nèi)不建議直接對客使用。
究其原因，還是源于金融機構(gòu)的數(shù)據(jù)具備高敏性，涉及客戶隱私和金融安全，必須處于強監(jiān)管之下，對安全性、穩(wěn)定性、合規(guī)性、準(zhǔn)確性、可靠性等指標(biāo)的要求更為精細苛刻，也對廠商們的數(shù)據(jù)儲備和分析能力、合規(guī)合法、資金實力等提出了更多挑戰(zhàn)。
馬上消費首席信息官蔣寧認為，生成大模型，最大的困難是滿腹經(jīng)綸，回答錯了可以不承擔(dān)風(fēng)險，但金融大模型最主要的模型是判別性，需要做交易決策，1%的錯都會造成客戶的損失，這就是金融大模型和傳統(tǒng)大模型最大的區(qū)別。
王曉航表示，“盡管大模型的理解和生成能力強大，但遇到專業(yè)嚴謹行業(yè)時仍面臨諸多挑戰(zhàn)。強監(jiān)管的金融行業(yè)對大模型的可靠性要求也極高，除了要解決大模型的幻覺，還要注重大模型在金融合規(guī)性、行業(yè)價值主張方面的訓(xùn)練?！?/p>
而長期以來，金融機構(gòu)的數(shù)據(jù)普遍處于孤島、“煙囪”式的割裂狀態(tài)，流通性不高。因此，多數(shù)金融機構(gòu)在進行大模型部署時，傾向于選擇在安全保密狀態(tài)下，在私有云內(nèi)進行訓(xùn)練，以滿足嚴格的數(shù)據(jù)安全和合規(guī)性要求。
因此，在推動大模型落地過程中，機構(gòu)們往往面臨算力成本高、數(shù)據(jù)安全存在隱憂等多項痛點。具體來說，各類型參與者的技術(shù)能力參差，還需要開展海量的數(shù)據(jù)治理、數(shù)據(jù)清洗等工作；各機構(gòu)單打獨斗式的私有云訓(xùn)練也造成算力浪費，各種成本高昂，中小金融機構(gòu)無法承受。
國盛證券曾估算，GPT-3訓(xùn)練一次的成本約為140萬美元，對于一些更大的LLM模型，訓(xùn)練成本介于200萬美元至1200萬美元之間。
03 共建
面對金融大模型的落地困境，業(yè)內(nèi)明顯的趨勢是，越來越多的機構(gòu)擁抱合作互通，通過生態(tài)共建來實現(xiàn)共贏。
證監(jiān)會科技監(jiān)管局局長姚前就曾刊文指出，大模型需要巨大的算力支持和嚴格的數(shù)據(jù)治理，普通的機構(gòu)和應(yīng)用部門往往難以支撐大模型的運行以及迭代升級工作。為此，需要建立一個各類模型健康交互和協(xié)同進化的生態(tài)，以保證大模型相關(guān)人工智能產(chǎn)業(yè)可以在各個應(yīng)用領(lǐng)域成功落地。
我們也看到市場上金融大模型的各類參與者，通過加強合作共同探索大模型的成功落地。
“模型”之戰(zhàn)，標(biāo)準(zhǔn)先行，騰訊云就積極牽頭制訂標(biāo)準(zhǔn)規(guī)范。早在7月份，其與中國信通院共同啟動了行業(yè)大模型標(biāo)準(zhǔn)聯(lián)合推進計劃，聯(lián)合牽頭中國首個金融行業(yè)大模型標(biāo)準(zhǔn)的編制工作。
11月30日，IEEE金融風(fēng)控大模型標(biāo)準(zhǔn)啟動會召開。而該標(biāo)準(zhǔn)是由騰訊主導(dǎo)發(fā)起，是全球范圍內(nèi)首個金融風(fēng)險控制領(lǐng)域的大模型國際標(biāo)準(zhǔn)。會議在國際權(quán)威標(biāo)準(zhǔn)組織IEEE指導(dǎo)下舉行，中國信通院等學(xué)術(shù)機構(gòu)，以及微眾銀行、馬上消金、度小滿、中原消金等機構(gòu)出席，聯(lián)合參與標(biāo)準(zhǔn)制定。
此外，金融機構(gòu)與頭部大模型廠商的“強強聯(lián)合”也在加速。
8月，交通銀行與華為、騰訊云、科大訊飛宣布共建3個聯(lián)合創(chuàng)新實驗室；9月，浙商銀行與華為簽署深化戰(zhàn)略合作協(xié)議，將在綜合金融服務(wù)、AIGC場景應(yīng)用等方面深入合作，實現(xiàn)資源共享、優(yōu)勢互補、互利共贏的新格局；11月，騰訊云發(fā)布金融行業(yè)大模型解決方案，首批已有中國銀聯(lián)及11家合作伙伴宣布參與騰訊金融大模型的生態(tài)共建。
對大部分中小金融機構(gòu)們以及金融科技公司來說，更理想的路徑是，引入第三方廠商領(lǐng)先的基礎(chǔ)大模型，在自身樣本基礎(chǔ)上微調(diào)，構(gòu)建出自己專業(yè)的大模型，快速賦能業(yè)務(wù)流程，力爭在這場模型之戰(zhàn)中實現(xiàn)彎道超車。
度小滿CTO許冬亮認為，行業(yè)大模型將幫助積極擁抱大模型的中小金融機構(gòu)，縮小與頭部機構(gòu)的技術(shù)差距，“大家重新站在同一起跑線上，這是中小機構(gòu)跨越‘?dāng)?shù)字鴻溝’和‘智能化鴻溝’的機遇”。
騰訊云方面的數(shù)據(jù)顯示，東風(fēng)日產(chǎn)融資租賃借助騰訊云的風(fēng)控大模型，在只有較少樣本的情況下就完成了定制化的風(fēng)控建模，建模時間節(jié)省了70%，讓最底層的風(fēng)控模型上具備了堅實的風(fēng)控免疫力，支持金融業(yè)務(wù)開展。
新浪數(shù)科方面，也在積極探索利用通用模型結(jié)合金融領(lǐng)域代碼庫來私有化部署的代碼輔助工具，以進一步提升性能和信息安全。
Gartner最新發(fā)布的《2024年10大戰(zhàn)略技術(shù)趨勢》預(yù)測：到 2026年超過80%的企業(yè)將使用生成式人工智能的API或模型，或在生產(chǎn)環(huán)境中部署支持生成式人工智能的應(yīng)用，而在2023年初這一比例不到5%。
相信在不久的將來，伴隨金融大模型參與者的共同努力和國家政策扶持，大模型落地的“藩籬”將被跨越，在多個核心業(yè)務(wù)端落地開花，并釋放指數(shù)級生產(chǎn)潛力，全面重構(gòu)金融商業(yè)模式。