大模型在金融業的應用現狀與未來趨勢

ChatGPT問世以來，迅速在金融業引發了廣泛關注。起初，行業普遍表現出對新技術的焦慮，擔心錯過發展機遇。然而，隨着時間推移，這種焦慮逐漸演變爲更加理性和務實的態度。

金融業對大模型的認知經歷了幾個階段:初期的焦慮和探索、中期的團隊組建和方向摸索、後期的理性思考和標杆學習。目前，許多金融機構已將大模型納入戰略規劃,開始進行更系統化的思考和布局。

從熱情到理性

年初時,金融機構對大模型的認知較爲有限,更多是出於"跟風"心態進行宣傳和探索。隨着國內多家科技公司發布大模型產品,一些頭部金融機構開始與之洽談合作,希望自建大模型。

5月後,受限於算力資源和成本等因素,金融機構的關注點逐漸從"建模型"轉向"應用價值"。大型機構傾向於引入基礎大模型並自建企業大模型,中小機構則更多考慮直接使用API服務。

由於金融業對數據安全和合規性要求高,大模型在該行業的落地進度略慢於預期。不過,一些機構已經開始探索解決方案,如自建算力、混合部署等。同時,數據治理工作也在加強。

從外圍場景切入

目前,金融機構主要從內部場景着手應用大模型,如智慧辦公、智能開發、智能客服等。考慮到技術不成熟等因素,業界普遍認爲短期內不宜在面向客戶的核心業務中直接使用大模型。

代碼助手和文檔問答等場景已在多家機構落地。但總體而言,這些應用還未觸及金融業務的核心層面。業內預計,今年底前可能會出現一批在核心業務場景中應用大模型的項目。

在推進大模型應用的同時,一些金融機構正在重構系統架構,構建包含基礎設施、模型、服務、應用等多個層級的分層框架。這種架構通常具有兩個特點:一是大模型發揮中樞作用,調用傳統模型作爲技能;二是採用多模型策略,內部"賽馬"選優。

人才缺口依然龐大

大模型的應用已開始影響金融行業的人員結構。一些傳統崗位面臨被替代的風險,但同時也帶來了新的人才需求。金融機構普遍希望通過大模型提升員工效率,而非簡單地裁員減員。

目前,具備大模型應用能力的人才十分稀缺。金融機構不僅需要會使用大模型的人才,還需要能夠自建和優化大模型的技術團隊。一些機構已經開始採取行動,如與科技公司合作開展培訓等。

隨着大模型應用的深入,金融機構的人員結構可能會發生調整。掌握大模型應用技能的員工將更具競爭力。總的來說,大模型技術正在爲金融業帶來新的機遇與挑戰,推動行業向智能化方向邁進。