有机构布局GPT大模型，金融业下一个赛道蓄势待发|环球最资讯

有机构布局GPT大模型，金融业下一个赛道蓄势待发

华夏时报（www.chinatimes.net.cn）记者 付乐 冉学东 北京报道

新形势下，中国金融业正在经历数字化转型的深刻变革。作为AI领域的重要部分，大模型在金融及各个行业有着广泛的应用场景。

(相关资料图)

近日，《华夏时报》记者从部分金融科技公司获悉，有的企业已经开始布局大模型技术，不仅利用自身在金融行业的优势打造产品，也提供创新工具让合作伙伴打造自己的大模型，降低使用门槛。

“随着AI工具的逐渐成熟，训练大模型的难度和成本越来越低，将真正推动AI普惠。”星环科技创始人、董事长孙元浩对《华夏时报》记者表示，基于大模型的应用，在未来，每个人都会拥有自己的个性化AI助理。孙元浩预计，今年就将会有行业大模型在金融行业规模化落地，而相关业务带来的收入将在下半年有所体现。

通用大模型难以满足特定需求

从增量市场过渡到成熟市场时，金融行业呈现出竞争加剧，客户留存难，产品同质化竞争加剧等趋势。而这一阶段，需要借助科技提升用户体验、运营效率。然而，在科技赋能用户体验方面，传统金融服务在用户体验改进过程中，普遍存在“发现难、体验难、服务难”的问题。

当下，ChatGPT主导的对话式AI开始渗透到各行各业，其背后的大模型技术也进入了人们视野，可以说，是大语言模型更好地帮助了计算机进一步了解人类的意图，也是下一代AI技术竞争的核心课题。金融行业作为数字化的先行者，也是大模型技术落地的最佳领域。

然而，大模型虽好，但技术、维护要求高，训练难度大，成本巨大，同时通用大模型对于专业领域的适用性不佳。在实际情况下，会发现由于通用大语言模型缺乏特定领域知识和知识推演能力，往往无法实际完成许多专业的金融类任务。

通用大语言模型和企业应用之间，存在着巨大的鸿沟。改造和优化现有的通用大模型，形成真正在金融领域专业的大模型，才能让大语言模型技术更好地服务企业。

金融大模型是机构在业务场景中积累的金融数据训练而来，相较于通用大模型，表现出明显的金融领域特征，通常涵盖了金融研报、政策、基金、银行、保险等各个方向的专业知识。如果把各类金融大数据、宏观经济数据注入大模型，就能进行风险预警和预测，进一步降低金融风险。

金融大模型助力企业跨越“智能化鸿沟”

行业普遍认为，当下的大模型技术给金融创新带来了前所未有的机遇。

日前，星环科技推出金融大模型“无涯”，以及大数据分析大模型SoLar“求索”。演示中，“无涯”可以“回答”金融量化领域的各类问题，对个股、债券等各类市场事件进行较为全面的复盘和推演；“求索”大模型将作为数据查询和分析的智能助手，为数据工程师、数据科学及业务人员提供服务。

另有度小满也于近日正式开源金融大模型“轩辕”，其在金融名词理解、金融市场评论、金融数据分析和金融新闻理解等任务上，表现出了金融领域特点。度小满表示，经过清洗和标注的高质量数据集，不仅在通用性方面与ChatGPT达到持平成为可能，且提升了模型在金融垂直领域的性能。

此外，也有部分金融科技公司的大模型取得了阶段性成果，预计在年内推出，面向金融机构开放使用。

金融科技公司长期深耕金融领域，服务大量金融行业客户，积累了足够多的金融专业领域的语料，形成了大规模高质量的金融类事件训练指令集，而这也是金融大模型的底座。

那么，大模型技术将会为金融行业带来何种改变?

度小满CTO许冬亮表示，在前台，大模型将提升金融机构客户经理的专业水平，降低客户经理的运营成本。在中台，其有机会改变企业内知识获取、内容创作、代码开发与测试的方式，甚至有可能全方位提升金融企业内部运营效率。在后台，大模型将成为智能科技底座的标配，大幅降低智能技术应用的门槛，只需少量标注数据甚至无需调整就可以让智能技术覆盖广泛的场景。

此外，大模型技术推动的人工智能浪潮，也将对中小银行产生一定影响。当下中小银行不仅面临“数字鸿沟”，也面临智能化挑战。和大银行相比，中小银行数字化建设相对落后，如果大模型成为基础设施，将大幅降低人工智能技术的使用门槛，让不同规模的银行重新站在同一起跑线上，加快中小银行数字化进程。随着大模型技术的不断成熟，将助力中小银行弯道超车，跨越“智能化鸿沟”。