今年以来，以ChatGPT为代表的生成式AI产品席卷全球，从通用大模型到金融大模型，新一轮技术创新已经到来，作为数据密集型产业同时也被视为大模型最被看好的大模型应用场景金融行业，又该如何应对和拥抱这轮技术的变革？12月8日，在由北京商报社主办的2023年度（第九届）北京金融论坛上，继重磅发布《2023金融大模型报告》，解析大模型发展趋势后，现场来自银行、保险、券商、金融科技以及接近监管人士等多方碰撞了关于金融大模型的多个热议话题。

多领域大模型已度过ROI平衡点

金融大模型的风暴，始于今年年初。上半年 “卷”模型，下半年“卷”应用，规模、参数的近身肉搏之后，落地逐渐成为“百模大战”的共识。

北京商报记者了解到，截至目前，国内金融大模型已经应用在金融资讯、产品介绍内容的文本自动生成，构建虚拟客服在线交互等方面，给用户提供更人性的服务同时，也提升金融机构内容运营的效率。

大模型与金融业结合，拓宽了金融业数字化转型的广度和深度。正如星图金融研究院副院长薛洪言指出，当前各类金融机构均在加速或推出或融入大模型的浪潮，有望全面提升客户营销、贷前风控、贷后管理的效率，全面提升金融机构的数字化水平和服务能力，为金融服务实体经济高质量发展打开了新的想象空间。

金融业将是大模型技术落地的最佳领域，这一点已成为行业共识，但各类型机构又各自看好哪些细分场景？不同机构有不同考虑。

从《2023金融大模型报告》调研的数据来看，金融业态中，保险机构对大模型的应用前景可谓最为乐观，布局也较为多元。会上，众安保险首席技术官蒋纪匀介绍，在AIGC出现以前，很多人工智能在一些领域其实达不到大家的期待，有“人工智障”的感觉，但是AIGC出现以来，大大改变了这个局面。他进一步分析，金融领域讲究专业、严谨，众安基于这套理念，在底层大模型基础上搭建了一套“众有灵犀”框架，并在此之上做了很多场景深度研究和探索，包括智能客服、到期提醒、智能运营，还有企业内部的智能提效等。

同样，民生银行数据管理部总经理沈志勇谈及了大模型在银行领域的应用，他认为，大模型能够使得银行一些劳动密集型工种的生产效率得以提升，包括写代码、客服等，有助于重塑银行知识体系，提升用户体验。不过，当下出于合规性等因素考量，大模型应优先服务银行内部，让机器先生成初稿，再由人来评判。当前银行对话系统已经广泛运用，大模型能够辅助银行对话系统做得更好。

金融科技层面，百度智能云产业发展部总经理段永华则介绍，从简单到复杂，从内向外，当下在很多领域大模型已经度过ROI平衡点（投资回报率平衡点，是指投资成本和预期收益相等的点）。随着多模态大模型的全面成熟和稳定，在诸如保险销售、保险现场处理等复杂实际金融业务中，大模型可以真正深入到业务场景里，代替人工现场工作。而当下基础大模型还在快速迭代的过程中，从业机构可以选取一些已经具备可用条件的场景，用轻量级投入保持对新技术、新趋势的跟进。

深度融入金融价值链产业链仍有距离

金融业是数据驱动型和知识密集型行业，前中后台环节众多，应用场景丰富，在运用大模型技术提升运营管理质效、增强金融服务能力方面，有着重要创新机遇。但不得不说的是，目前金融大模型也存在理想和现实之间的距离，要实现大规模应用落地，仍面临着复杂的多维掣肘。

正如中国互联网金融协会法规咨询部（研究部）主任肖翔表示，由于大模型本身的技术成熟度、金融数据安全、算料算力供给等方面的原因，目前大模型金融应用处于初步探索阶段，距离全面深度融入金融价值链产业链还有较长一段路要走。

从具体领域来看，中金公司信息技术部执行负责人王缅基于基金券商领域大模型应用的现状，谈及了券商等金融机构应用大模型面临的最大难题，主要在两个方面：一方面，金融数据垂直领域知识体系庞杂，需要投入较大资源对数据进行梳理建模，同时又要综合考虑算力和算法两个快速变化的变量对输出结果带来的不确定影响。

另一方面，王缅认为，大模型的输出标准相对比较模糊，当前阶段存在模型“幻觉”，但是金融服务对于输出结果要求相对准确、严肃，两者之间存在一定矛盾。

谈及大模型在金融领域的应用，段永华同样表示，“我们要在长期的时间周期里来看大模型，不同阶段的大模型不是一样的东西，放在30-50年的尺度看，当下大模型还处在婴幼儿期，但迭代速度极快。我们既不能神话它，但更不应该轻视它。随着最新多模态大模型的出现、成熟，可以预见的是，未来两、三年内，大模型会在金融的每一个场景、领域发挥非常重要的作用”。

那么，大模型技术可能在哪些场景率先落地呢？肖翔认为，大模型金融应用“不患寡而患不实”，应结合大模型技术特点和金融业务领域相关监管要求，本着“由内而外，先易后难”的原则，现阶段可先行探索将大模型作为智能助手应用在运营管理类场景，助力实现降本增效，但对于面向客户、涉众性强、专业度高的业务场景需要更加审慎稳妥。

运用勿忘金融合规“紧箍咒”

回顾此前金融科技的发展过程，离不开数据合规、隐私安全等问题，业内认为，大模型在金融行业的应用落地过程中，也会遇到一系列挑战，如算力需求、训练和推理成本、数据质量问题、安全隐私问题等。

对此，肖翔强调，金融业是经营风险的行业、跟老百姓钱袋子打交道的行业，对金融决策的可解释性、交易行为的可回溯性、服务过程的透明性有比较高的要求，在运用大模型这根“金箍棒”降妖除魔取经的同时，别忘了头顶上还有金融合规的“紧箍咒”。

不同机构对后续大模型领域的探索和应用也有各自节奏。蒋纪匀介绍，目前人工智能在金融领域的应用并不太快，因为金融领域是专业、严谨的。而由于大模型发展快，人才又比较缺乏，在大模型应用上，机构要算整个投入产出比，思考要什么样的场景、用什么样的技术方式和策略方法，才能获得最好的ROI，真正帮助企业创造短期的价值和长期的竞争壁垒。

“金融行业实现高质量发展需要在客户服务定制化方面下功夫，理解不同客户的需求差异提供高质量的产品与方案；实现普惠金融更大规模的覆盖客户群体，则需要做好服务的标准化与统筹，而合理地应用金融大模型将可能极大地推动行业以标准化手段实现定制化的客户服务，真正满足广域客户的多样化需求。”王缅则建议，可采取大模型与小模型搭配的方式，运用行业专业领域数据结合基础大模型蒸馏出垂直领域的专业化模型，由此提高模型有效性、可用性。同时可通过应用大模型对行业顾问员工进行全面赋能，提升员工触客、获客、活客能力。