經(jīng)濟觀察網(wǎng) 記者 胡群 2024年會成為大模型深度應(yīng)用于金融領(lǐng)域的元年嗎？解答這個問題，或許可以從上市銀行2023年年報里一探究竟。

年報顯示，多家大中型上市銀行繼續(xù)加碼科技投入，特別是加快大模型技術(shù)研發(fā)和實際業(yè)務(wù)應(yīng)用的步伐。

IDC中國副總裁兼首席分析師武連峰分析，從規(guī)劃到實際落地應(yīng)用，金融行業(yè)的大模型項目可能會經(jīng)歷一個相對漫長且審慎的周期，包括前期的計算能力準備、概念驗證測試及必要的算力資源購置等多個階段。

競逐金融大模型

年報顯示，工商銀行在2023年度建立了行業(yè)內(nèi)首個全面自主研發(fā)且具有千億參數(shù)級別的AI大模型技術(shù)體系，并在多元金融業(yè)務(wù)場景中實現(xiàn)了創(chuàng)新性應(yīng)用。

工商銀行董事長廖林在該行2023年度業(yè)績發(fā)布會上表示，工商銀行在深化“數(shù)字工行”（D-ICBC）戰(zhàn)略過程中，充分利用人工智能及大模型等前沿技術(shù)手段，有效促進了工商銀行數(shù)字化生產(chǎn)能力和效率的提升。

建設(shè)銀行年報顯示，該行加強“三大中臺”基礎(chǔ)架構(gòu)建設(shè)，并啟動“方舟計劃”，推動金融大模型的建設(shè)和實際應(yīng)用，建立常態(tài)化的數(shù)字化經(jīng)營管理模式。

農(nóng)業(yè)銀行在年報中透露，該行通過成立人工智能創(chuàng)新實驗室加快推進大模型技術(shù)的研究和培育工作。

中國銀行則在年報中展示了其在智慧安全防護、網(wǎng)點運營等方面的計算機視覺技術(shù)應(yīng)用，并開始試驗大模型技術(shù)在內(nèi)部知識服務(wù)、自動化編程輔助等場景的可行性。

郵儲銀行年報顯示，緊隨大模型在金融領(lǐng)域的應(yīng)用潮流，該行正在研發(fā)測試、運營管理、客戶市場營銷、智能風(fēng)險控制等多個層面積極開展大模型技術(shù)的探索與實踐。

部分上市銀行大模型研發(fā)、應(yīng)用進展情況

來源：上市銀行年報

年報顯示，大中型銀行正在不斷加大科技投入。六家國有大型商業(yè)銀行的信息科技總投入已連續(xù)三年超過千億元，其中2021年為1074.93億元；2022年為1165.49億元；2023年為1228.22億元，較2022年增長5.38%。

具體來看，工商銀行、建設(shè)銀行、農(nóng)業(yè)銀行、中國銀行、交通銀行、郵儲銀行在2023年的科技投入分別為272.46億元、250.24億元、248.50億元、223.97億元、120.27億元和112.78億元，同比分別增長3.90%、7.45%、7.06%、3.97%、3.41%和5.88%。

在全國性股份制銀行中，招商銀行和中信銀行在2023年的科技投入超過了交通銀行和郵儲銀行。其中，中信銀行的2023年信息科技投入為121.53億元，同比增長38.90%，占營業(yè)收入的5.90%。

招商銀行、平安銀行和光大銀行在2023年的科技投入比上年有所下降。其中，平安銀行的科技投入已經(jīng)自2021年以來連續(xù)三年出現(xiàn)下降。年報顯示，該行2021年IT 資本性支出及費用投入為73.83億元，2022年IT資本性支出及費用投入為69.29億元，2023年IT資本性支出及費用投入為63.43億元。

數(shù)據(jù)來源：上市銀行年報

薩摩耶云科技集團創(chuàng)始人、董事長兼首席執(zhí)行官林建明告訴經(jīng)濟觀察網(wǎng)，大模型的出現(xiàn)為銀行數(shù)字化轉(zhuǎn)型注入了強大且更為直接的新動能，但目前金融大模型的應(yīng)用能力仍處于初級階段。

該集團是國內(nèi)獨立云服務(wù)科技解決方案提供商。林建明稱，從銀行2023年年報披露的信息來看，近年來大多數(shù)銀行都在加大科技投入，其中金融大模型成為科技投入的重點之一。對于大多數(shù)金融機構(gòu)而言，自建大模型并不現(xiàn)實，調(diào)用通用大模型疊加金融專業(yè)領(lǐng)域的數(shù)據(jù)，可以使模型更加符合金融行業(yè)的特點和要求，提高模型在金融領(lǐng)域的適應(yīng)性和準確性。

離廣泛應(yīng)用還有多遠

當前金融大模型主要應(yīng)用于一系列內(nèi)部業(yè)務(wù)環(huán)節(jié)，如知識檢索與智能答疑、編程輔助、客戶服務(wù)熱線智能化、自動化文檔編寫、復(fù)雜數(shù)據(jù)分析、精準營銷材料自動生成等試點項目。

網(wǎng)商銀行高級工程師方珂認為，金融行業(yè)對安全、風(fēng)險要求極為嚴苛，大模型應(yīng)用仍然有很多問題需要解決。尤其是大模型會出現(xiàn)“幻覺”，如果錯判了客戶的經(jīng)營情況，帶來的將是真金白銀的損失。因此，在網(wǎng)商銀行大雁系統(tǒng)實際應(yīng)用中，大模型繪制的產(chǎn)業(yè)鏈圖譜會向風(fēng)控系統(tǒng)提供客戶識別、經(jīng)營評分和畫像，但最終小微經(jīng)營者獲得的貸款額度，仍然是風(fēng)控系統(tǒng)多維度交叉驗證的結(jié)果。

微眾銀行數(shù)字金融發(fā)展部負責(zé)人姚輝亞告訴經(jīng)濟觀察網(wǎng)，從技術(shù)和應(yīng)用層面來看，生成式AI優(yōu)勢在于創(chuàng)造力，但副產(chǎn)品是不可避免地帶來幻覺現(xiàn)象，而金融行業(yè)的大多數(shù)場景往往需要追求準確性和可解釋性，比如要求能對風(fēng)險進行精準定價與管理，向客戶推薦適當?shù)漠a(chǎn)品，并明確揭示風(fēng)險。基于兩者特性的交集，適配的應(yīng)用場景是讓大模型和生成式AI成為員工的助理，在賦能員工提高效率和創(chuàng)造力的同時做好兜底判斷，而非直接讓大模型直面客戶提供服務(wù)。

姚輝亞認為，當前國內(nèi)金融機構(gòu)在大模型領(lǐng)域的核心競爭力集中在應(yīng)用層，通常是基于內(nèi)部的專有數(shù)據(jù)，選擇合適的基礎(chǔ)大模型基座進行精調(diào)，形成垂直行業(yè)場景的大模型應(yīng)用。由于基礎(chǔ)大模型的技術(shù)迭代較快、不同場景適用不同路線的基礎(chǔ)大模型、硬件的國產(chǎn)化兼容性不足等挑戰(zhàn)，目前較缺乏能支持一站式工作、模型可插拔的工程化平臺。微眾銀行正在集中力量，打造全行統(tǒng)一的AI工程化平臺，構(gòu)建AI原生科技能力，期望實現(xiàn)模型可插拔、成效可度量、模型生命周期可管理、運算資源可調(diào)配、編程可視化（低代碼）等特性，賦能內(nèi)部各業(yè)務(wù)團隊在應(yīng)用層百花齊放，提升自動化與智能化水平。

林建明判斷，如果將大模型的能力放在金融行業(yè)中去處理原有的任務(wù)，會對很多工作產(chǎn)生顛覆性的影響。相比現(xiàn)有的AI技術(shù)，大模型技術(shù)有望在金融風(fēng)險管理、量化交易、個性化投資建議、金融欺詐檢測和預(yù)防和智能客戶服務(wù)等場景具有廣泛的應(yīng)用潛力和影響力。盡管大模型技術(shù)在許多領(lǐng)域展現(xiàn)出巨大的潛力，但在金融領(lǐng)域的應(yīng)用仍處于起步探索階段。

林建明認為，金融行業(yè)是數(shù)據(jù)密集型行業(yè)，涉及海量的金融數(shù)據(jù)和復(fù)雜的金融業(yè)務(wù)。金融數(shù)據(jù)包含敏感的個人和機構(gòu)信息，而大模型需要大量的數(shù)據(jù)進行訓(xùn)練和應(yīng)用。因此，確保數(shù)據(jù)隱私和安全成為一個重要的挑戰(zhàn)。另外，金融行業(yè)是一個對于模型的可解釋性和魯棒性（系統(tǒng)或算法在面對不同的環(huán)境和條件時，仍能保持穩(wěn)定和可靠的能力）等要求非常高的行業(yè)，而大語言模型當下輸出結(jié)果的可解釋性目前是相對封閉、不透明的，同時，其穩(wěn)定性也仍然受到數(shù)據(jù)、算法、訓(xùn)練等方面的干擾，表現(xiàn)出非魯棒性的特征。

武連峰說，盡管金融行業(yè)在大模型領(lǐng)域的投資強度顯著增加，但由于金融業(yè)對合規(guī)性和風(fēng)險管理的極高要求，在部署這類先進技術(shù)時必須確保與所有現(xiàn)行監(jiān)管政策相符。