2023年，那股席卷大模型的“熱潮”，也涌入金融領(lǐng)域。

據(jù)《財經(jīng)》新媒體不完全統(tǒng)計，今年，招聯(lián)金融、馬上消金、度小滿、螞蟻集團、奇富科技等均公開發(fā)布金融大模型，其中涉及開源大模型、行業(yè)大模型等。

人工智能（AI）模型大致可分為分析式AI與生成式AI。從2022年年底開始備受關(guān)注的是生成式AI，其核心能力是通過數(shù)據(jù)要素學習從而“創(chuàng)造”新的內(nèi)容與產(chǎn)品。

在部分金融從業(yè)者看來，客服場景等領(lǐng)域的AI應(yīng)用“早就有了”。但也有從業(yè)者指出，過去的AI客服只是題庫，現(xiàn)在的AI客服的確有AI屬性。整體而言，金融大模型“熱潮”正在將金融領(lǐng)域的AI應(yīng)用推向2.0智能化時代。

金融領(lǐng)域的AI應(yīng)用

目前，已有數(shù)家金融科技公司公開其使用大模型的成效。如招聯(lián)金融的“招聯(lián)智鹿”，經(jīng)模擬測試，相比人工作業(yè)，該模型結(jié)合具體會話狀態(tài)與服務(wù)場景，可實時定制回復話術(shù)，節(jié)約時間成本近80%。奇富科技的大模型在電銷系統(tǒng)中，語義分析和線索挖掘幫助提升電銷線索識別準確率達到98%，同時將轉(zhuǎn)化率提高超過5%。

金融科技公司布局大模型除了自主研發(fā)，還可對外采購。冰鑒科技研究院研究員王詩強稱，金融公司喜歡通過招投標的方式，從第三方人工智能企業(yè)獲取大模型產(chǎn)品。“在招投標之前，他們一般會與多家平臺交流，然后結(jié)合內(nèi)部場景需求，設(shè)置招投標參考指標，并公開從市場獲取相應(yīng)的大模型產(chǎn)品。”

業(yè)內(nèi)普遍認為，金融大模型備受行業(yè)追捧的背后，是比較明確的商業(yè)利益驅(qū)動。金融科技公司希望能夠借助AI的力量，有效實現(xiàn)降本增效。在小雨點小貸CTO許慎看來，在AI應(yīng)用層面，AI大模型有著進步性的推動作用。

早在1965年，約翰·麥卡錫就在一次研討會中提出“人工智能”這一術(shù)語。他認為，人工智能就是要讓機器的行為看起來就像是人所表現(xiàn)出的智能行為一樣。

隨著科技的發(fā)展，人類對人工智能的理解逐漸復雜。有學者將人工智能基本的應(yīng)用分為感知能力、認知能力、創(chuàng)造力、智能四類，基礎(chǔ)技術(shù)涵蓋深度學習、智能云、計算機視覺、智能語音、自然語言處理、大數(shù)據(jù)、知識圖譜、智能推薦等。

2011年開始，人工智能進入蓬勃發(fā)展時期。基礎(chǔ)層（提供數(shù)據(jù)及算力支撐）、技術(shù)層以及應(yīng)用層組成了AI產(chǎn)業(yè)鏈。

基于AI產(chǎn)業(yè)鏈的發(fā)展，AI在金融領(lǐng)域探索逐步加深。在金融業(yè)務(wù)鏈條上，AI與金融的結(jié)合已貫穿金融業(yè)務(wù)前、中、后端各個環(huán)節(jié)，包括獲客、風控、運營、客戶服務(wù)、營銷等。

獲客層面，有科技公司通過AI智能語音機器人等產(chǎn)品去觸達財富管理業(yè)務(wù)的潛在用戶，在進行智能交互過程中，會借助決策式AI的力量進行數(shù)智化洞察，再通過生成式AI制定完整的營銷和運營策略，最終完成服務(wù)。該科技公司的高管認為，“這相當于幫助銀行機構(gòu)批量化招聘了數(shù)十萬名中等水平以上的理財經(jīng)理。”

風控層面，AI通過數(shù)據(jù)分析和模式識別等行為支持金融產(chǎn)品風控。直觀案例即當用戶線上申請貸款時，基本可實現(xiàn)自動審批、自動放款，不需要人工審核。

目前，AI技術(shù)在金融領(lǐng)域的落地應(yīng)用已較為成熟，王詩強稱，特別是智能風控、智能營銷等，金融機構(gòu)應(yīng)用非常普及。

挑戰(zhàn)與未來

不過，AI在金融領(lǐng)域仍面臨一些挑戰(zhàn)。

一是數(shù)據(jù)約束。數(shù)據(jù)是支撐AI在金融領(lǐng)域應(yīng)用落地的關(guān)鍵。

易寶支付聯(lián)合創(chuàng)始人余晨認為，相較于其他行業(yè)，金融領(lǐng)域擁有大量直接的原生數(shù)據(jù)，也就是說，AI在金融領(lǐng)域抓取的數(shù)據(jù)質(zhì)量更高。

但值得注意的是，“僅依靠自己家的數(shù)據(jù)訓練AI模型會遇到瓶頸，畢竟每一家擁有的金融數(shù)據(jù)有限。”許慎認為。這意味著，訓練金融模型需要更多的數(shù)據(jù)，而目前金融行業(yè)數(shù)據(jù)共享存在難度，在業(yè)內(nèi)人士看來，金融數(shù)據(jù)除了是金融公司核心資產(chǎn)之一，還涉及用戶隱私保護等敏感問題。

二是人才缺口。當下的金融AI領(lǐng)域，稀缺的并不是純技術(shù)型人才，而是復合型人才。

佰瑞億融大數(shù)據(jù)CEO劉鵬程認為，“還是專業(yè)能力問題，沒有那么多跨行業(yè)的人才，目前多數(shù)培訓中心培訓的都是初級人才。”

許慎表示，金融大模型需要AI領(lǐng)域?qū)＜业闹R儲備兼具廣度與深度。如供應(yīng)鏈金融，不僅需要具備AI技術(shù)，還應(yīng)對供應(yīng)鏈金融的業(yè)務(wù)流程、行業(yè)痛點、數(shù)據(jù)組成非常的清楚。

除了技術(shù)層面的挑戰(zhàn)，當下AI應(yīng)用落地金融業(yè)務(wù)還需要一定的溝通成本。許慎表示，“新應(yīng)用落地需要獲得業(yè)務(wù)等部門的支持，但業(yè)務(wù)部門有一個思維慣性，更習慣使用現(xiàn)在已經(jīng)比較成熟的工具，當一項AI工具處于初期，往往需要付出很高的溝通成本。”

三是合規(guī)。數(shù)據(jù)融合、數(shù)據(jù)共享最大的挑戰(zhàn)不是技術(shù)、也不是數(shù)據(jù)，而是合規(guī)。AI數(shù)據(jù)隱私保護和安全問題至關(guān)重要，尤其在金融領(lǐng)域。

“比如LLM（大語言模型）就有很多通病，甚至有的模型都是黑盒，不具備魯棒性（是指系統(tǒng)或者算法在不同的情況下，仍能夠保持穩(wěn)定和可靠的能力）與可解釋性”，一位技術(shù)專家告訴《財經(jīng)》新媒體。具體來看，AI在金融應(yīng)用場景也可能存在數(shù)據(jù)濫用、模型偏差等問題，這些會導致隱私泄露、金融欺詐、貸款歧視等風險出現(xiàn)。他表示，自2022 年發(fā)布《互聯(lián)網(wǎng)信息服務(wù)算法推薦管理規(guī)定》后，監(jiān)管部門開始算法備案和自評估工作，篩查大數(shù)據(jù)模型算法問題。

奇富科技大模型專家楊劍認為，金融行業(yè)大模型的容錯率極低，一次錯誤的決策可能導致無法估量的時間和成本損耗。此外，考慮到金融行業(yè)的特殊性，其合規(guī)要求相對于其他行業(yè)更為嚴格。

目前AI產(chǎn)業(yè)正在朝著兩個方向演進，一是純粹的技術(shù)研發(fā)層面；另一個是商業(yè)應(yīng)用層面。有觀點認為，從技術(shù)面來說，目前中國的底層原創(chuàng)能力還處于追趕海外的狀態(tài)，但是在應(yīng)用層面，中國的創(chuàng)新力度一直位居世界前列。

伴隨著金融大模型的發(fā)展，金融AI也正朝向2.0時代前進。在1.0時代，金融機構(gòu)利用AI等技術(shù)為金融用戶提供線上服務(wù)，簡化業(yè)務(wù)流程等。2.0時代則更加注重智能化和自主決策。

金融行業(yè)大模型有著比其他行業(yè)大模型更高的復雜性。楊劍認為，這就像高速上行駛的汽車需要不斷調(diào)整方向和車速，以適應(yīng)不同時間、不同地點的道路狀況，金融行業(yè)大模型也需要及時調(diào)整以適應(yīng)多樣化的復雜業(yè)務(wù)場景。

有業(yè)內(nèi)人士認為，金融大模型的熱度還可能持續(xù)1年至2年。許慎預測，“第三年在專業(yè)領(lǐng)域或許會大規(guī)模涌現(xiàn)成熟應(yīng)用，5年后進入高速增長期。”

某種意義上，一個新興技術(shù)從出現(xiàn)到成熟，大致要經(jīng)歷備受追捧、盲目發(fā)展、行業(yè)治理、理性發(fā)展四個階段，方能最終走向成熟。