2023金融科技行业布局AI大模型应用

大语言模型技术的出世，给金融行业的人工智能技术应用注上一针“强心剂”。

截至目前，包括蚂蚁、腾讯、京东科技、度小满、奇富科技、马上消费金融等多家机构均在紧锣密鼓布局，并已应用于获客、运营、风控、贷后服务等多个业务环节。

金融科技行业布局AI大模型应用

据悉，当模型突破某个规模时，性能显著提升，表现出让人惊艳、意想不到的能力。比如语言理解能力、生成能力、逻辑推理能力等，这就是“涌现”。2022年11月以来，随着OpenAI发布ChatGPT，全球迎来AI大模型热潮。到今年3月BloombergGPT的推出，在国内引起对金融垂直领域大模型应用的关注。

在业内看来，未来大模型的应用有望降低金融机构运营成本，提高运行效率，但在成本投入、可信度挑战等多个难点之下，金融大模型要大范围落地，仍有较远距离。

今年以来，金融科技行业涌现“大模型热”，从多家金融机构的动作就不难窥出。例如，马上消费金融推出“三横三竖”战略。 “三横”意为，通过持续学习技术、模型控制、组合式 AI 系统形成的安全、合规、可信的鲁棒性决策能力。“三竖”则包括，一是数据智能，二是多模态大模型，三是实时人机协作。

业内认为，大模型在营销、客服、投顾、风控等领域具有广泛的应用价值，有助于金融机构提升服务效率及用户体验、优化风控决策能力、高效响应用户需求，实现金融机构经营效率及服务手段的升级转型。

中关村科金的大模型应用已有落地商用，其称通过大模型技术为智能客服产品赋能，大幅提升客服系统问答意图识别准确率和回复准确率，预期后期可减少70%以上的系统运营工作，帮助企业降本增效。

京东供应链金融科技也在近日首次揭示了大模型技术在数智化风控领域的探索情况。不同于其他的大模型，京东自研大模型未来的应用重点在于产业场景，包括在行业风险监测与预警、动产融资模式下押品准入+估值、应收融资模式下供应商信用评估、小微金融模式下中小企业信用评估等领域，均进行了相关的探索实践。

在基金行业的AI应用中，自然语言处理、文档解析、智能客服、发票识别、表单提取等小模型应用都已相对成熟，但“烟囱式”发展问题非常严重。

“小模型和大模型也存在经济学中的‘不可能三角’。”申万宏源证券研究所所长助理刘洋提到，小模型强调了精准度、利润率，但弱化了智能化程度，大模型恰恰相反，通过成本的堆叠，实现了模型的智能化与高效能。

“当高质量语料库训练到百亿级参数时，大模型的语言能力就会涌现，在意图理解、文本语言生成等方面的能力将随着参数的增加达到顶峰。”白硕指出，尽管大模型的语言能力已经很强，但是在垂直专业能力方面还有所欠缺，当前普遍适用的解法是，以大模型中控为核心，结合应用、插件等共同构建成AI能力中心，将大模型中控成为链接大模型与应用的“桥梁”。

“大模型的涌现能力，让基于大量计算的‘暴力求解’成为现实。”刘洋表示，在算力、算法、数据“三驾马车”的推动下，工程化能力变得尤为重要，特别是在券商、基金这样的垂类大模型应用场景下，率先为客户提供服务的厂商将抢占先机。从应用端，李强认为，目前各类大模型“百花齐放”，但应用落地还需要真正的工程化能力。

根据中研普华研究院《2023-2028年金融科技行业市场深度调研及投资战略研究报告》显示：

生成式AI热度持续走高，在各行各业产生了较显著的影响，其自然对话的形式大大降低了使用成本，受到业界广泛关注。业内人士指出，银行业作为最早应用传统人工智能技术的领域之一，生成式AI的应用对其产业形态具有显著影响力，有望带来巨大的生产力变革提升，而未来能否有效使用大模型实现降本增效将是行业竞争重点。

大模型规模化应用

生成式AI允许使用者使用自然语言直接获取数据分析结论，大大降低了数字化产品使用门槛，在银行业的应用场景可以贯穿前中后台各个环节，规模化应用后有望带来客观的降本增效收益。

在生成式AI应用方面，举例来看，银行的理财客户经理可以直接与生成式AI助手进行自然语言交互，询问与客户的联络情况，包括上次联系情况、客户持有产品、近期交易状况等，并在此基础上，由AI推测客户偏好的产品类型，给出推荐产品和产品对比。在这种情况下，客户经理不需要具备大量专业化、数字化工具的使用技巧，并用这些工具完成很多从0到1的信息加工，而只需要问正确的问题，由机器负责完成从0到1的信息加工工作，此时客户经理只需进行判断评估、做少量修改就可以。

例如，在交易撮合中，由于很多场景的交易要素非结构化，且需要多轮交互，通常需要相关人员进行协助开展撮合;而借助生成式AI，买卖双方将可能实现只与AI界面进行对话磋商，而不再需要相关人员作为中介进行撮合。

对于生成式AI在银行业落地的途径，《报告》指出，银行业在选择落地场景时要平衡考量收益潜力、风险、实施难度，与传统AI的充分结合，同时需要通过嵌入外部模块、提示词设计和模型微调等方式提升机器回答质量，夯实技术基础，推动业务与技术充分结合的体系化工程进展，实现新技术业态下的业务和组织转型。

“目前国内银行业应用生成式AI主要包括商业模型和开源模型两条路径，其各自具有一定的优劣势。商业模型通常由互联网大型企业开放，其算力规模和数据标准成本较高，投入更大，稳定性更强;开源模型在成本较低的前提下，迭代速度更快，细分垂直领域发展较好。”BCG数据科学副总裁廖明表示，“银行在具体选择时需要根据自身需求，结合数据安全、使用成本等多方面因素进行考虑。”

BCG董事总经理、全球合伙人谭彦指出，生成式AI应用的关键之一就是业务对科技的理解能力，其自然语言编程本质是支持不会写代码的业务人员，通过正确的问题、拆解正确的业务流程与其他基础大模型以及相关的工具组合，实现特定业务目标，科技人员主要负责搭建底层的架构和设施，快速落地则取决于业务人员如何使用。

谈到未来银行业应用生成式AI的前景，BCG董事总经理、全球资深合伙人何大勇强调，利用生成式AI实现银行业态的转换升级在不同时期内需要关注不同因素。短期内，各个银行竞争的焦点在于对业务的数字化理解、企业创新文化氛围、对新技术敏捷的应用机制等，在上一次数字化进程中取得收益的银行将有更强的动力投入生成式AI应用。

《2023-2028年金融科技行业市场深度调研及投资战略研究报告》由中研普华研究院撰写，本报告对该行业的供需状况、发展现状、行业发展变化等进行了分析，重点分析了行业的发展现状、如何面对行业的发展挑战、行业的发展建议、行业竞争力，以及行业的投资分析和趋势预测等等。报告还综合了行业的整体发展动态，对行业在产品方面提供了参考建议和具体解决办法。