2024年底，ChatGPT以“飓风”风靡全球，科技界对人工智能的认识被提升到一个新的高度。 当这一轮AI热潮席卷中国时，各类通用大模型如雨后春笋般如雨后春笋般涌现，在激烈的战斗中与机遇共存是一项挑战，如何商业化成为科技公司面临的现实问题。
今年下半年，一个明显的变化是，国内大型车型赛道从“体量”模式转向“体量”应用。 通用大模型的热潮，让科技公司看到了技术创新的意义，落地应用成为产业升级的关键，数据成为铸造“智能大脑”的核心。
对于正在拥抱数字化浪潮的金融行业来说，自然成为大模型落地的最佳场景。 临近年底，大模型在金融行业能产生多少应用价值？还存在哪些挑战？
落地路径探索：聚焦客服、营销等环节。
从感知智能到认知智能，人工智能技术创新带来了众多行业发展模式的质变。 其中，金融行业对人工智能的接受度很高。 得益于数据密集型行业的优势，金融行业对大模型的“追逐”可以说是理所当然的。
今年7月底，腾讯研究院发布调查数据显示：全国参数在10亿以上的大模型数量达到116个，其中金融行业大模型约18个。 到目前为止，大模型在金融领域的效果如何？对此，Huanqiu.com 记者通过采访了解到，主要应用场景涉及客户服务、营销和运营。
今年第一季度，通过对财经专属数据的预训练和业务数据的微调，乐信自主研发的大模型乐信正式亮相。 LexinPT的应用使乐信在客户服务、电话营销和私域运营方面提高了传统人工座席的效率。 同时，乐信以乐信为核心，重构了运营、研发、测试、数据分析、设计和后台功能的工作流程、知识流和沟通流程。
无独有偶，即刻消费发布的“天津”模式已应用于营销获客、客户服务、运营资产管理等零售金融场景，用于为C端用户提供个性化、人性化的服务。 不仅如此，该模型结合了即时消费业务的价值链效率和决策科学，实现了全流程转型。
在财富管理过程中，客户曾经面临过金融行业信息过载与他真正需要的信息不匹配的情况。 中金财富管理表示，目前尚不确定大多数非专业客户提供的信息能消化吸收多少，对他们的个人理财有多大帮助。 此外，在信息不匹配的情况下，由于金融产品设计复杂，在市场波动时容易造成客户非理性赎回。
人工智能的快速发展使得“错配”得破解成为可能。 中金财富相关负责人强调，通过人工智能对知识库的学习，可以在平台层面形成最专业的数字化员工。 从理论上讲，一个人无法整合一个300人团队的智能，但人工智能可以。 “诸多因素制约企业将优质服务与每个人连接起来，数字化员工不仅可以解决信息过载的问题，还可以实现千人信息分发，并根据客户自身情况形成定制化的资产配置方案。 未来很乐观，会有一家公司来做这件事，我们真的希望成为这家公司。 ”
正如财通**研究报告所述，金融模式有望重塑财富管理行业生态，包括重塑客户服务流程、提升客户体验提高内容生产力和创造力;提高风险控制水平。 其中，R&D提到，在客户服务方面，大模型的接入改变了传统的人机交互模式，在人工智能服务下极大地优化了客户体验。 传统的聊天机器人是基于规则或预定义脚本的自动化程序，只能执行特定任务。 大模型依托庞大的专业知识库，为客户提供24小时不间断的实时服务，并可独立生成创意内容，同时根据客户反馈不断迭代和提升生成内容的质量。
此外，长江研报提到，随着大模型在金融领域的进一步广泛应用，人工智能将对客户服务、风控、交易投资等多个场景产生巨大冲击，进一步推动金融行业智能化，减少信息不对称，降低交易成本， 提高风控水平，充分满足客户个性化需求，加快金融行业数字化进程。
不过，业内某企业负责人指出，大模型仍处于比较早期的阶段，仍有巨大的技术和应用场景有待探索，属于金融相关领域，应用场景主要集中在电话营销和客户服务领域， 深度和广度有待进一步加强。
除了探索大模型在场景中的应用外，如众安保险今年7月推出的自主研发的AIGC中泰灵溪，通过适配国内外主流大模型，实现“一个MaaS（Model as a Service）平台和两个应用场景策略”，以帮助保险机构更好地适应AIGC的能力， 灵犀可以让机构用户将行业专业知识库嵌入到大模型中，实现AIGC在保险垂直领域的快速适配应用。此外，灵犀还支持将企业内部应用工具打包成大模型插件，让大模型更贴近业务应用场景，通过AIGC促进企业业务能力的提升。
从一般到金融，有哪些机遇和挑战？
无论应用程序类型如何，目标都是为业务增长提供新的动力。 同时，大模型的应用也面临一些实际障碍。 北京社会科学院副研究员王鹏指出，这些问题包括数据质量低、数据标注成本高、模型可解释性差等问题。 此外，金融机构还需要考虑如何保证大模型的稳定性和安全性，并响应监管要求。
在众安保险看来，技术领域的GPT、LLAMA等基础大模型，更多是用来解决一般性问题，在具体垂直领域会出现专业性不足的问题。 金融行业作为一个比其他行业更专业、更严谨的数据密集型行业，虽然积累了交易、客户、市场、风控等方面的海量数据，但这些数据和数据应用尚未在一般模型上得到大规模的有效应用。 同时，财务严谨的专业性也要求大模型的应用在赋能具体业务场景时更加精准有效。
同时，安全合规是金融领域大模型可持续发展的基础。 “金融机构应加强数据安全管理，包括数据收集、存储、传输和处理，确保数据安全和隐私。 国内咨询机构共创智库研究负责人张新元表示，金融机构需要建立完善的网络安全体系，采取多种措施来防范安全风险，如防火墙、加密技术、访问控制等。 机构还应加强员工安全意识教育，确保员工安全行为，防范内部安全风险。
数据显示，乐信作为金融科技平台，在数据管理层面建立了更严格的数据管理和保护机制，通过有效的数据清洗和验证，确保了数据层面的安全性在模型安全防护层面，建立健全模型安全防护规则，采用更严谨的算法设计和审查，确保模型的安全防护在监控机制和渠道建设层面，构建完善的人工智能监控机制，系统性地防范合规和安全问题。 同时，乐信与业界合作，从行业底层规范出发，呼吁建立一套行之有效的行业规则和策略，确保大模型最终输出内容的可控性。
此外，金融服务的低容错率对大模型的精度提出了更高的要求。 然而，大模型的鲁棒性存在很大挑战，大模型的可靠性也存在很大挑战。 即时消费负责人认为，大模型在交易安全和生命安全领域长期仍面临巨大挑战，尤其是在自动驾驶、医疗卫生等与社保、生命安全相关的领域，大模型无法给出100%正确的建议， 对大模型的建议要得到有效利用和有效管理。
该负责人指出，大模型技术尚未形成持续学习、强化学习的机制，需要在联邦学习的基础上充分发挥群众智慧，实现互利共赢。 在金融领域，金融机构应利用自身数据优势，建立共研共创共享的生态机制。
但不可否认的是，大模型在金融领域的应用前景非常广阔。 王鹏指出，随着技术的不断发展和应用场景的不断拓展，大模型将在金融行业发挥越来越重要的作用。 未来，大模型将应用于更多的金融业务领域，如投资决策、风险管理、资产配置等。 同时，大模型还将与其他技术相结合，如区块链和云计算，形成一个更完整的金融科技生态系统。
星环科技相关负责人表示，一般场景是基于基础大模型，落地时间更短，应用速度更快。 专有大模型需要经历专有领域语料的开发、积累和训练过程，一旦落地，将对业务效果产生更显著的影响。 未来，随着我国智能算力、通用和专有领域语料数据、大模型技术和应用构建能力的提升，将为金融领域带来全面的人工智能技术创新。 据悉，2024年5月底，星环科技推出了星环科技旗下大型金融模型Transwarp Infinity，主要专注于资本市场分析领域。 