角逐国内金融GPT：大模型如何重新定义金融科技

文｜张弘一   编｜ 杨肖若

出品｜商业秀

头图｜壹幕创意制作

国内的大模型战场，在经历了数月的狂飙和扎堆秀“肌肉”后，在日趋降温中迎来新的战事。

今年3月以来，随着以ChatGPT为代表的生成式AI引发新一轮科技浪潮，国内有超过20家的互联网企业竞相推出大模型。

到7月6日的2023世界人工智能大会，更可谓“百模争流”，甚至形成了“千模大战”之势，可与当年互联网发展时期的“千团大战”相媲美。

没人想在这场AI大模型的浪潮中掉队。但眼下，大模型发展已从“通用”阶段进入“垂直”阶段。

越来越多的企业理性地认识到，通用大模型只有头部几家巨头才能举“算力、算法、数据”甚至人力、财力去All in做的事，而聚焦场景应用、定制适配的垂直大模型，才更值得中小企业去投入。

很多企业因为在自身深耕多年的领域积累了数据等优势，干脆直接基于国内外大模型“底座”，训练出了适配场景的垂直模型。

比如在金融领域，今年5月以来，奇富科技、度小满、陆金所控股、蚂蚁集团、马上消费等一批金融科技公司，基于自身场景和数据优势，纷纷布局AI大模型。

一位来自头部金融科技公司的内部人士告诉「商业秀」，最近两个月，但凡在金融行业拥有大模型建设能力的金融科技公司和头部金融机构，都在从探索阶段进入到落地应用阶段。

该人士进一步称，拥有自身业务场景的金融科技公司或金融机构，都会优先进行内部使用，通过内部产品的打磨来提升大模型的能力。而不具备自身业务应用的科技公司，更加偏向金融行业的通用化问题解决能力，有些会和金融机构合作，共同打造金融行业和场景的大模型。

一场关于AI金融大模型的角力，拉开了序幕。

这场由AI大模型引发的新的金融科技领域的变革，会给行业带来哪些影响？金融行业因其高度数据化、专业复杂度较高等特点，接入大模型后会面临哪些机遇和挑战？未来金融大模型又将会如何进化？

01

角逐国内金融GPT

毫无疑问，进入2023年，AI的发展迎来新纪元。

3月，由人工智能实验室OpenAI推出的ChatGPT横空出世，引爆全球AI大模型的新浪潮，开启AIGC新纪元时代，相关产业也迎来了价值重估。

没多久，AI大模型的热风刮到了金融圈。同月的30日，彭博社就推出了针对金融业的大型语言模型——BloombergGPT。这被看作是可能会对金融领域产生重大甚至是颠覆性影响的事件。

时隔两月，国内的金融领域也迎来了它的AI大模型时刻。5月中旬，奇富科技首先宣布推出自研的金融行业通用大模型——奇富GPT，这在业内被称为“国内首个金融行业通用大模型”。

奇富科技称，其所支持的产品级应用预计会在今年年内推出，面向金融机构开放使用。

一位奇富科技的内部人士告诉「商业秀」，早在去年，奇富科技就开始布局尝试生成式大模型在内部一些场景的应用。及今年3月，大模型火爆出圈后，奇富科技也快速成立了大模型研究的部门，加速研发、推进场景落地应用。

今年2月9日，360集团创始人周鸿祎和搜狐创始人张朝阳在《星空下的对话》上对谈时提出一个观点：如果企业搭不上ChatGPT这班车，很可能会被淘汰。

更早之前，奇富科技CEO吴海生也表示，当前正处于技术革命的十字路口，从云计算到现在火爆全球的ChatGPT，将致力于将这些技术应用到金融领域，为金融机构合作伙伴和用户提供更高效的科技服务和解决方案。

抢先布局的不止奇富科技。5月下旬，度小满也宣布推出国内首个垂直金融行业的开源大模型“轩辕”，随后陆金所控股、信也科技等也跟着宣布布局和探索生成式大模型应用。6月21日，蚂蚁集团对外回应称正自研一款名为“贞仪”的语言和多模态大模型；同月28日，恒生电子金融行业大模型LightGPT也对外亮相。

在7月6日的2023世界人工智能大会上，国内外多达30余款大模型纷纷亮相，而大模型技术如何应用于金融等垂直领域也成为热议话题。马上消费CTO蒋宁在接受媒体采访时指出，人工智能大模型给金融行业带来了“强心剂”。同时他也透露，马上消费也将推出金融大模型。

短短四个月，各家金融机构和金融科技企业都在摩拳擦掌、争相布局，国内金融领域的GPT呼之欲出。

02

大模型共识：从通用到垂直

在各家争分夺秒推出金融大模型的同时，业内也逐渐达成了一个共识：大模型必须从通用阶段进入到垂直阶段。

在7月2日的2023全球数字经济大会上，度小满CTO许冬亮也提出了类似观点——“相比通用大模型的能力，金融行业非常需要垂直行业大模型。”

许冬亮进一步分析称，囿于金融行业在数据安全隐私、风控、精度以及实时性等方面要求较高，使得通用大模型在金融能力上缺乏必要的训练数据，从而对金融常识、生成的可控性和准确性都达不到这个行业的最低要求，因此需要针对金融机构定制的行业大模型去发挥效力。

奇富科技的相关负责人也表示，金融行业的大模型和其他行业最大的区别在于金融行业的业务复杂程度、行业经营规范的要求以及安全隐私保护上，这使得金融行业相对其他行业要更加特殊，业务更加复杂，行业经营规范要求更高，安全隐私保护要求更高。

马上消费CTO蒋宁在2023世界人工智能大会上指出，由于金融行业具有“数据密集型、技术密集型”等特点，而这个行业一直希望将数据资产化，但同时也面临着如银行线下网点的价值传递效率和用户体验等问题，需要机构持续创新。

也就是说，从大模型逻辑来看，现有的大模型无法通吃所有行业，在通用大模型基础之上，企业需要针对垂直领域精细化训练和定制大模型。

奇富科技相关负责人则表示，尤其是对于高度数据化、专业复杂度较高的金融领域而言，它更需要依靠更加专业的背景和行业洞察，优化与适配特定的应用需求。

从行业发展需求来看，金融行业也已经从增量市场进入到存量竞争阶段，整个行业都面临着客户留存难、竞争加剧等难题。此时，更需要运用科技来提升运营效率和用户体验。

考虑落实到实际的科技赋能用户体验层面，传统的金融服务在用户体验改善的过程中，依然普遍存在着“发现难、体验难、服务难”的问题。AI大模型的出现，在很大程度上能够帮助金融行业解决这些问题，从而更好地服务用户。

但如今，在通用大模型和金融场景落地应用之间，还存在着巨大的鸿沟。因此，只有不断优化现有的通用大模型，形成金融领域垂直专业的大模型，才能让大语言模型更好地服务企业和用户。

不过，较之于其他领域，金融对数据专业性以及在风控、合规、安全层面的要求都更高，这也给金融机构和企业在探索垂直领域的大模型上带来了很多挑战。

03

重新定义金融科技

回顾人工智能的发展的三次浪潮，人工智能技术的发展由算法、算力和数据三大要素驱动——算法决定了设计出的“大脑”够不够聪明，而只有高性能的计算能力，才能训练一个大的网络，还必须要有大数据的支撑。

仅半年时间，随着以ChatGPT为代表的AIGC兴起，人工智能大模型时代说来就来。当人工智能大模型遇上金融，科技变革和商业空间得以进一步打开，所有产业的价值都将迎来价值重估。根据艾瑞咨询测算，2021年AI+金融的核心市场规模就达到了296亿元，带动相关产业规模677亿元。

可以说，AI大模型的出现，在很大程度上重新定义了金融科技。比如AI大模型助力企业实现降本增效，构建虚拟客服在线交互，给用户提供更人性的服务。通过金融GPT可以实现金融资讯、产品介绍内容的文本自动生成，提升金融机构内容运营的效率。

以奇富科技的大模型奇富GPT为例，目前已应用到获客、运营、风控、贷后服务等业务环节。在营销层面，通过大模型构建对话金融业务场景，训练现有电销对话系统，帮助电销机器人精准理解真实用户需求，提高对答拟真度与服务专业度。

奇富科技相关负责人表示，“经过大模型陪练机器人的帮助，电销系统通话时长提升了15.1%。在信贷领域最核心的业务环节风控方面，以大模型为核心衍生的智能征信解读，能帮助金融机构更加全面、高效地理解和判断用户。”

据了解，目前奇富科技的团队正在结合金融行业以及内部的专有数据，做大模型的增量预训练和调优，并依托内部业务在一些中小场景上进行落地应用实践。

不过，前述头部金融科技公司的内部人士告诉「商业秀」，目前国内的金融大模型主要是在一些独立的业务场景下进行中小范围的使用，进而观察大模型对业务增长、风险控制、人效提升等方面的优化能力，尚未迎来大规模商业化爆发的阶段。

目前国内金融大模型还面临着诸多挑战，想要实现大规模落地应用尚需时日。

马上消费CTO蒋宁认为，目前金融行业的大模型还存在四大挑战：

第一，在面对金融行业的关键任务和不可预期的外界变化，大模型还不能保证每一个决策都稳定和精确；第二，金融行业希望运用人工智能实现用户的个性化体验，但需要个人隐私数据和大模型相融合，还存在合规安全问题；第三，金融行业一直存在“数据孤岛”问题，大模型要求构建增强学习的网络化平台，并持续贡献数据和反馈，但目前背后市场的数据生态是割裂的；第四，金融行业大模型应用对底层设备、基础架构等软硬件设施提出更高的要求。

奇富科技相关负责人也表示，金融通用大模型研发面临的一个主要挑战就是数据处理方面的复杂性，此外还要考虑数据在保护隐私和信息安全的问题。该负责人还指出，金融通用大模型的难点主要在于模型的准确性和实际应用的灵活性，“金融市场的变化往往十分迅速，需要模型能够很快地适应新的变化，同时应用场景也非常广泛，需预留接口以便在实践中进行自由联接，以适应不断扩大的应用场景。”

纵观过去十年金融科技的发展史，这是一个庞大且不断发展的行业。在人工智能领域，这些年来金融行业一直在持续探索，我们能够看到的是，在支付、投资、贷款、个人理财、反欺诈银行和保险等领域，都出现了人工智能的身影。

但不容忽视的是，金融本质仍是风险管理，风控是所有金融业务的核心。进入AI大模型时代，人工智能大模型扮演的角色，除了让金融业务的服务和用户体验更好外，它的核心依然是帮助把风险降到最低。

当然，除了考虑风控及技术与场景的融合外，更不能忽略人的参与。在机器学习的过程中，生成式人工智能中需要人参与到训练中，在金融大模型领域，人在各个环节的参与同样重要。

在这场AI大模型引发的技术浪潮中，新的金融科技变革已悄然开启。每一家企业甚至每个人，都不应该错过。