近日，多家金融机构公布了大模型的招标信息。 10月10日，工商银行披露了该行软件开发中心“NLP大模型产品新技术采购项目”入围信息。 10月23日，招商银行还披露了“招商银行预训练基础大语言模型（千亿级）采购项目”成果。 此外，中国建设银行、邮政储蓄等银行近期也披露了与大模型相关的项目或招标结果。
大型模型是用于处理自然语言信息的大型人工智能模型。 近年来，随着全球生成式人工智能的快速发展，中国相关创新应用步伐加快，其在金融领域的价值潜力也被普遍看好。 业内专家认为，金融行业数据资源丰富，场景多样化，具有与大模型深度融合的前景。
目前，大模型在金融行业的应用还处于起步阶段。 中关村科技副总裁张杰表示，目前金融行业大模型的尝试还是以服务内部需求为主，在此基础上逐步建立自己的体系。 对于大模型在金融行业的应用，业内人士认为，大模型可以阅读财务报告、阅读分析师撰写的年报等，并从这些内容中提取事实、事件和观点，最终根据客户的个性化需求，有针对性地、快速生成专业文章。
近日，多家企业发布了可用于金融场景的大模型，比如中关村科金发布了国内首个企业知识模型。 在国际上，彭博社在美国推出的大模型覆盖了3630亿字的财经文本和3450亿字的普通文本。 从行业角度来看，如此庞大的金融知识库是金融领域的领先尝试。
清华大学人工智能研究院常务副院长、欧洲科学院外籍院士孙茂松表示，未来中国金融领域离不开大模型。 据介绍，金融模型属于垂直场模型，对算力和算法的要求相对较低，但对金融专业知识和数据的要求较高。 “一般的基本模型对数字不是很敏感，但金融行业对数字的准确性要求很高，图表很多。 孙茂松说，这些问题需要逐步解决。 此外，目前的大模型主要基于文本，但在行业领域，知识图谱更可靠。 如何将知识图谱在大模型的通用领域和专业领域的应用有机结合，还需要更多的研究和技术。
业内人士认为，企业在引进大模型或搭建企业知识平台时，可以采用两条技术路线进行结合：一条是领域大模型技术，二是外部知识库技术。 张杰建议，企业可以分三步逐步发展。 第一步是在基础大模型之上搭建针对具体应用场景的场景提示项目，快速进行技术验证。 第二步是建立企业知识库，通过基础大模型，插入企业知识库，然后在具体场景下调整提示词，从而解决大模型事实问题回答不佳的“错觉”问题。 第三步成本相对较高，但可以达到极致性能，在特定场景下开发增量应用，即将领域知识注入大模型，形成领域大模型，同时将上层提示工程升级为人工智能应用开发平台。 （经济**记者姚瑾）。