刚刚过去的2023年，生成式人工智能（AIGC）浪潮席卷科技圈。 海外各大科技公司争相采用AIGC，“百款之战”也在国内展开。 生成式AI甚至在国家语言资源监测研究中心发布的“2023年中文媒体十大新词”中名列第一。
如果说2023年是生成式人工智能元年，那么2024年也有望成为AI模型大规模应用元年。 例如，一家领先科技公司的高管不久前就这个话题公开表示：“2024年是一个关键的分水岭”。
金融行业因其数据量大、应用场景丰富，成为AI大模型技术落地的重要领域。 重视和布局人工智能已成为金融行业的共识。 目前，多家银行等金融机构纷纷布局生成式人工智能，加速应用场景探索。 其中，国内大型银行已开始自行开发大型金融模式，资源充足； 与此同时，中小银行也意识到，AI大模型技术不仅仅是一个噱头，而是因资金、技术等成本限制仍处于观望阶段。
然而，目前生成式AI技术在各个细分领域的应用仍处于起步阶段。 在金融行业大模型的实际落地中，还存在很多算力、数据治理等成本和监管问题。 到2024年，这些情况可能会变得清晰。
大银行积极谋划：推广产品、组建团队
清华大学经济管理学院杜小满等人联合编制的《2024年生成式人工智能在金融行业的应用报告》显示，生成式AI预计将为金融行业带来3万亿的增量商业价值。 生成式人工智能技术在金融行业的应用仍处于技术探索和试点应用的并行期。 预计1-2年内，首批增强大模型的金融机构将进入成熟应用期，3年内将带动金融产业的产生。 传统人工智能的大规模应用。
从生成AI的布局来看，金融机构中，国有银行和股份制银行率先展现出较强的行动能力。
综上所述，2023年2月，邮储银行、兴业银行、百信银行、新网银行、中信银行均宣布接入“文信一言”等大型模式平台； 3月，农业银行推出业内首个自主创新的大型金融AI模型应用ChatABC，工商银行联手多家机构发布金融行业通用模型……
此外，在战略规划上，工商银行、农业银行、中国银行、交通银行等主要国有银行，以及招商银行、平安等股份制银行银行、兴业银行、浙商银行、中信银行、华夏银行均明确在2023年半年报中提出对大型AI模型的相关布局。
工商银行在2023年半年报中表示，已完成人工智能AI大模型能力建设应用计划； 交通银行在2023年半年报中表示，将积极探索AIGC前沿技术，制定生成式人工智能建设规划，成立GPT大模型专项研究团队，为系统化、规模化应用奠定基础。
在探索应用方面，跨境合作建立实验室已成为主流方式，如交通银行与科大讯飞联合创新实验室； 中信银行、华为、雄安新区建立联合创新实验室，布局大模型等联合创新项目。 此外，农业银行还成立了人工智能创新实验室，研究知识检索、答案推荐等领域的大模型技术应用场景。
小银行发展瓶颈较多
由于技术和资金投入成本较高，大型金融模型的最终应用存在真正的瓶颈。
从技术上来说，充足的算力供应是支撑大型模型高效训练的基础。 此外，数据、网络容量、存储容量和应用场景也是影响金融机构大模型研究探索进程的重要因素。
工商银行首席技术官吕忠涛在2023年12月中国金融四十人论坛举办的第二届珍珠湾金融论坛上表示，大模型技术研发是技术和资金密集型产业，金融机构需要基础设施和人才。 团队支持也需要跟上相关技术的发展。
吕忠涛认为，由于大型金融机构拥有海量的金融数据和丰富的应用场景，应引入行业领先的基础大模型，构建自己的金融行业和企业大模型，并通过微调形成专业领域的任务大模型快速为企业赋能。 。 然而，小型金融机构由于数据、计算能力、算法等资源相对匮乏，可能难以独立构建大型模型。 他们可以根据需要引入各种大型模型公有云API或私有化部署场景化专属产品。
确实，大多数中小银行技术能力较弱，投资成本有限，因此采取了跟随和观望的策略。 对于中小银行应该如何着手、如何落地，有银行业内人士认为，应避免过多投入基础研究，更多关注现有技术的应用。
广东南粤银行首席信息官黄思英、该行数字银行部副总经理林伟撰写了《中小银行如何用好AI大模型技术——以AI营销助手为代表》的文章2023年9月的“一个例子”。他们认为，在探索开发AI大模型技术的过程中，中小银行应避免研究算法的误区。 他们应该利用现有的算法和方法论，专注于大模型的应用而不是纯粹的算法研究，并结合实际问题找到解决方案。 方法，使用大模型来解决我们面临的挑战，而不是对大模型进行基础研究。
不过，有实力的中小银行也在尝试探索大型AI模型的应用。 例如，宁波银行在半年报中表示，该行依托大数据分析平台，结合关联图谱、生成式人工智能等新技术，持续扩大风控覆盖面，提高风险识别、判断和判断能力。分析效率。 江苏银行表示，将加强新技术应用场景建设，实施大语言模型平台，实现智能客服场景应用。
在创新与监管之间取得平衡
毫无疑问，生成式人工智能将重塑金融业。 在金融领域有很多应用，比如智能客服、智能投研、智能风控、智能营销、智能程序员等。
但不可忽视的是，技术伦理、模型治理、数据隐私安全等智能金融监管问题也面临着我们。 在人工智能技术浪潮中，如何防范大模型潜在的合规风险值得关注。
香港理工大学副研究员、IEEE计算机学会区块链和分布式记账标准化委员会主席李明认为，需要从制度、技术、财务和法律等方面建立完整的保障体系； 推动人工智能商业生态系统建设； 整合治理规则被整合到人工智能技术生命周期过程中。
回望2023年，科技浪潮下，监管政策也及时出台，助力行业发展。 当年8月《生成式人工智能服务管理暂行办法》实施后，已有数十家大型科技公司和初创企业完成了大型模型。 归档。
“金融业的核心职能之一就是风险防控和管理，因此金融业大模型的开发商实际上肩负着重要的监管责任。” 《2024年生成式人工智能在金融行业应用报告》认为，金融机构在独立开发或共同开发大模型技术时，需要加强法务部门的作用和跨部门协作。
一方面，开发者不仅需要推动大模型技术的创新发展、提高生成式人工智能技术的透明度和可解释性，还要关注潜在的新的网络安全风险和道德伦理问题，并遵守数据隐私、知识产权、信息安全等多项法律法规确保技术应用符合社会规范和法律法规。 另一方面，证券、银行等金融监管部门也是大模型技术的重要使用者，这也要求大模型技术的开发者对严格的金融监管法规有深入的认识和理解。 因此，吕忠涛提醒，生成能力可控性差，大模型生成能力基于语言模型而不是事实，生成的内容存在可控性差等问题。 有可能产生大量看似合乎逻辑但实际上不真实甚至捏造的事实。
“短期内不建议直接与客户使用。” 陆中涛认为，金融机构应优先考虑金融文本、金融图像分析、理解和创建等智力密集型场景的大规模模型，以助手、人机协作的形式，提高业务人员的工作质量和效率。 。
可以看到，当前金融机构推出的应用场景很多都集中在大量传统的“重复劳动”或“低效率”岗位上，比如协助内部员工的代码助理和客服助理等，以进一步降低劳动力成本。
例如，工商银行建立了基于大模型的智能研发体系。 编码助手生成的代码量占代码总量的40%。 此外，该行在国内同业中率先实现百亿级基础大模型在知识运营助手、金融服务、市场投研助手等场景应用； 另一个例子是保险领域。 中国太平洋保险基于大规模模型构建和应用探索，推出了科技产品“数字化员工”。 是为企业人员提供的人机协作终端，涵盖审计、财务、客服、营销、承保、理赔等多个保险领域的专业场景，每年可节省70%以上人力。
