作者丨千山

出品 | 51CTO技術(shù)棧（微信號(hào)：blog51cto）

大模型很時(shí)髦，但大模型不賺錢。

歸根結(jié)底，大家有共識(shí)：一則看好大模型不等于立刻就要用上大模型，大模型的供需兩端依然存在著難以逾越的鴻溝；二則即使大模型未來(lái)會(huì)成為產(chǎn)業(yè)變革的關(guān)鍵變量，但誰(shuí)也不知道，大模型的應(yīng)用何時(shí)會(huì)真正從非核心環(huán)節(jié)的試點(diǎn)進(jìn)階為核心業(yè)務(wù)場(chǎng)景的剛需。所有人都是摸著石頭過(guò)河，沒(méi)有先例可以借鑒。

因此吆喝者多，獲益者少。觀望者多，落地者少。

我們知道，金融產(chǎn)業(yè)一貫是新技術(shù)的早期采用者，不僅有著良好的數(shù)字化基礎(chǔ)，而且很早就開(kāi)始了在AI方面的探索，可以說(shuō)是AI產(chǎn)業(yè)化的“優(yōu)等生”。因此有人覺(jué)得金融是大模型落地的首選。但事實(shí)上，金融與大模型之間，“兩張皮”的現(xiàn)象同樣屢見(jiàn)不鮮。

一、技術(shù)焦慮下，錯(cuò)位的訴求

今年3月，以彭博發(fā)布BloombergGPT為標(biāo)志，這個(gè)號(hào)稱專為金融行業(yè)打造的500億參數(shù)大語(yǔ)言模型，拉開(kāi)了金融大模型混戰(zhàn)的序幕。隨后，國(guó)內(nèi)不少金融機(jī)構(gòu)、金融科技公司紛紛落子大模型：

• 5 月下旬，度小滿推出國(guó)內(nèi)首個(gè)千億級(jí)中文金融大模型“軒轅”；
• 6月28日，恒生電子發(fā)布金融行業(yè)大模型LightGPT；
• 8月28日，馬上消費(fèi)發(fā)布國(guó)內(nèi)首個(gè)零售金融大模型“天鏡”；
• 9 月8日，螞蟻集團(tuán)發(fā)布工業(yè)級(jí)金融大模型，同時(shí)對(duì)外開(kāi)放Fin-Eval金融AI任務(wù)評(píng)測(cè)集；
• 開(kāi)源金融大模型領(lǐng)域，F(xiàn)inGPT、貔貅（PIXIU) 、聚寶盆（Cornucopia）也次第而來(lái)。

有研究數(shù)據(jù)顯示，截止至今年9月，國(guó)內(nèi)參數(shù)在10億規(guī)模以上的大模型數(shù)量已有116個(gè)，其中金融行業(yè)大模型約18個(gè)。

別看金融大模型提供方你追我趕、一派熱鬧，但行業(yè)用戶依舊保持著相當(dāng)審慎的態(tài)度。

根據(jù)恒生電子的調(diào)查，盡管金融行業(yè)整體對(duì)大模型的關(guān)注和參與意愿比較高，但真正落地比例較少。在受訪用戶中，8%處在立項(xiàng)階段，17%處在測(cè)試階段，迄今為止約70%的金融機(jī)構(gòu)對(duì)大模型仍處于調(diào)研階段。   

供求雙方的“脫節(jié)”主要體現(xiàn)在：兩者身處的語(yǔ)境不同，訴求錯(cuò)位。

當(dāng)模型提供商在匯報(bào)自己的大模型參數(shù)規(guī)模，語(yǔ)料的豐富性，tokens的大小，以及一堆評(píng)測(cè)結(jié)果時(shí)，行業(yè)用戶對(duì)此往往興趣寥寥，他們更關(guān)注的是大模型到底可以用在哪些地方，有沒(méi)有成功先例，一定要用大模型嗎，小模型為什么不可以等問(wèn)題。

對(duì)于大部分大模型提供商來(lái)說(shuō)，在這場(chǎng)競(jìng)逐中，現(xiàn)階段能不能成為贏家還是次要，先拿到入場(chǎng)券才是至理。因此，我們看到了形形色色的自研大模型或基于大模型打磨的產(chǎn)品與服務(wù)。簡(jiǎn)言之，先上牌桌，再論勝負(fù)。

對(duì)于金融組織來(lái)說(shuō)，無(wú)論是頭部機(jī)構(gòu)還是成長(zhǎng)型機(jī)構(gòu)，在技術(shù)焦慮的驅(qū)動(dòng)下，普遍對(duì)大模型接納良好，不過(guò)具體到實(shí)戰(zhàn)還是存在諸多挑戰(zhàn)。

首先，“由誰(shuí)主導(dǎo)”。金融機(jī)構(gòu)覆蓋了較多的企業(yè)類型，銀行、保險(xiǎn)、證券、基金等等，不同類型的機(jī)構(gòu)需求也不同。以銀行為例，掌握大量的私域數(shù)據(jù)，而且合規(guī)風(fēng)控較為嚴(yán)格，在此前提下進(jìn)行大模型應(yīng)用探索，必然以自身為主導(dǎo)，而不是將主動(dòng)權(quán)讓渡給技術(shù)公司。比如，此前在交行發(fā)布的2023年半年報(bào)中，就明確提出“制定生成式人工智能建設(shè)規(guī)劃，組建GPT大模型專項(xiàng)研究團(tuán)隊(duì)”。

其次，“如何選型”。對(duì)于金融機(jī)構(gòu)來(lái)說(shuō)，到底是選擇通用基礎(chǔ)大模型還是行業(yè)大模型；是以私有化形式部署，還是調(diào)用API接口來(lái)獲取服務(wù)都是需要權(quán)衡利弊的問(wèn)題。如果與第三方合作私有化部署大模型，那合規(guī)與數(shù)據(jù)安全相對(duì)有保障，但成本不菲；如果選擇MaaS模式，通過(guò)API調(diào)用來(lái)獲得大模型服務(wù)，成本將顯著下降，但相應(yīng)風(fēng)險(xiǎn)也會(huì)隨之提升。

再者，“如何準(zhǔn)備”。大模型要訓(xùn)練，訓(xùn)練的語(yǔ)料從哪里來(lái)，如果用自己的，是否做好準(zhǔn)備，如果用別人訓(xùn)練好的，又該如何應(yīng)對(duì)不同場(chǎng)景的“質(zhì)”和“量”的要求；數(shù)據(jù)方面，尤其是私有數(shù)據(jù)如何部署，才能滿足合規(guī)性；算力方面，需要多少算力支撐，算力緊張?jiān)趺崔k；預(yù)算方面，要投入多少錢。這些都是需要做到心中有本賬的地方。

最后，“如何運(yùn)營(yíng)”。大模型的應(yīng)用要產(chǎn)生實(shí)效是不可能一蹴而就的，上線僅是第一步。如何讓場(chǎng)景驅(qū)動(dòng)下面的垂直應(yīng)用開(kāi)發(fā)不斷提升成熟度，切實(shí)發(fā)揮效能提升作用；如何讓私有數(shù)據(jù)、公有數(shù)據(jù)，以及海量實(shí)時(shí)數(shù)據(jù)形成數(shù)據(jù)閉環(huán)，乃至進(jìn)一步形成數(shù)據(jù)飛輪都是關(guān)系到大模型持續(xù)發(fā)展的關(guān)鍵問(wèn)題。

恒生電子董事長(zhǎng)劉曙峰表示，在大模型實(shí)際落地過(guò)程中主要存在模型選擇難、算力供應(yīng)不足、應(yīng)用成熟度不足等問(wèn)題。他談到，在一定的角度來(lái)看，大模型的應(yīng)用不僅僅是技術(shù)能力的問(wèn)題。長(zhǎng)期發(fā)展來(lái)看，大家的技術(shù)能力可能會(huì)趨同，此時(shí)關(guān)鍵的是應(yīng)用新技術(shù)的速度、新技術(shù)場(chǎng)景的建設(shè)和客戶運(yùn)營(yíng)能力的建設(shè)。

新技術(shù)的率先應(yīng)用的確可以帶來(lái)紅利，但這種紅利是建立在場(chǎng)景之下，業(yè)務(wù)切實(shí)帶來(lái)增長(zhǎng)的基礎(chǔ)之上的。目前來(lái)看，由于供需雙方都還處于摸索階段，生活在兩套話語(yǔ)體系之中，金融行業(yè)的大模型落地還遠(yuǎn)遠(yuǎn)未走到這一步。

二、籠中的行業(yè)，幻覺(jué)里的大模型

金融與大模型的“兩張皮”現(xiàn)象不只存在于供求雙方之間，還存在于行業(yè)需求與大模型本身的能力之間。

理論上講，大模型可以在金融行業(yè)找到很多不同的應(yīng)用場(chǎng)景，比如智能客服、投研投顧、信貸風(fēng)控、智能營(yíng)銷等等，但找到場(chǎng)景，對(duì)癥下藥，試點(diǎn)成功，是否就能規(guī)模化推廣，然后徹底起飛呢？并沒(méi)有那么簡(jiǎn)單。

一方面，金融業(yè)在數(shù)據(jù)治理、行業(yè)監(jiān)管、信息安全方面有其行業(yè)特殊性。

以銀行為例。農(nóng)行安徽分行副行長(zhǎng)徐偉對(duì)記者談到，在實(shí)踐中銀行應(yīng)用AI大模型可能會(huì)遇到以下挑戰(zhàn)：

1.數(shù)據(jù)質(zhì)量問(wèn)題：大模型需要大量的高質(zhì)量數(shù)據(jù)進(jìn)行訓(xùn)練。目前銀行大模型所要用到的數(shù)據(jù)在質(zhì)量、一致性、完整性、準(zhǔn)確性方面還有待進(jìn)一步提升，這會(huì)影響模型的學(xué)習(xí)和性能。

2.行業(yè)合規(guī)性和監(jiān)管問(wèn)題：銀行業(yè)需要遵守各種法律合規(guī)性和監(jiān)管要求。在使用大模型進(jìn)行風(fēng)控、投研等任務(wù)時(shí)，需要確保模型的算法透明、可解釋，能夠被審計(jì)和追溯，同時(shí)符合相關(guān)法律法規(guī)要求。

3.用戶隱私和安全問(wèn)題：銀行涉及大量的用戶信息和交易數(shù)據(jù)，在使用AI大模型進(jìn)行客戶服務(wù)、風(fēng)控等任務(wù)時(shí)，需要保護(hù)用戶隱私和數(shù)據(jù)安全，防止信息泄露和數(shù)據(jù)濫用。

4.算力需求問(wèn)題。大模型對(duì)算力要求高，各個(gè)應(yīng)用的訓(xùn)練、推理需要大量資源和算力，目前無(wú)法支撐全場(chǎng)景使用。

在徐偉看來(lái)，正是基于以上問(wèn)題，“現(xiàn)階段大模型較為適合在對(duì)內(nèi)服務(wù)、輔助支撐、內(nèi)容生成等場(chǎng)景試點(diǎn)，而在監(jiān)管相關(guān)、準(zhǔn)確性敏感型場(chǎng)景、數(shù)據(jù)敏感型場(chǎng)景、直接面客場(chǎng)景的使用是受限的”。

另一方面，正是由于金融行業(yè)對(duì)準(zhǔn)確性和可控性的要求極高，現(xiàn)行大模型的訓(xùn)練機(jī)制下，難以完全消解的幻覺(jué)問(wèn)題成為了大模型應(yīng)用落地過(guò)程中的重大障礙。

大模型有時(shí)會(huì)生成錯(cuò)誤且具有誤導(dǎo)性的結(jié)果——通常被稱為“幻覺(jué)'。隨著AI模型的完善和學(xué)習(xí)，這些失誤在某種程度上是意料之中的，甚至在某種程度上可以被視作是其創(chuàng)造性的衍生品。但在精度不容妥協(xié)的金融領(lǐng)域，其影響是嚴(yán)重的。因此，現(xiàn)階段大模型能力不足以參與到關(guān)鍵業(yè)務(wù)流程的決策，即使是在非核心業(yè)務(wù)場(chǎng)景的應(yīng)用也需要結(jié)合人工審核。   

九章云極DataCanvas副總裁于建崗對(duì)記者表示：當(dāng)前大模型的訓(xùn)練機(jī)制其實(shí)很難完全消除幻覺(jué)問(wèn)題，只能用各種方法來(lái)緩解，甚至于用其他的方式（模型或者rule）來(lái)后期消除，所以目前很多的應(yīng)用更多地是把大模型作為copilot來(lái)提供。不過(guò)對(duì)于未來(lái)，他依舊保持樂(lè)觀態(tài)度。

“大模型是新事物，本身也需要一個(gè)發(fā)展進(jìn)步的過(guò)程。隨著大模型技術(shù)的發(fā)展，相信在訓(xùn)練方式甚至于transformer上都會(huì)有革命性的變化。另外，我們一直認(rèn)為未來(lái)應(yīng)該是‘大模型+小模型’的時(shí)代，就是說(shuō)大模型能夠在規(guī)劃和邏輯推理方面提供很強(qiáng)的能力，對(duì)于一些需要精準(zhǔn)結(jié)果和預(yù)測(cè)的應(yīng)用依然可以用小模型來(lái)提供， 這樣相結(jié)合的方式能夠在一定程度上解決當(dāng)前的問(wèn)題?！?/p>

三、場(chǎng)景之下，通往未來(lái)的兩枚拼圖

縱然大模型在金融行業(yè)的落地充滿了挑戰(zhàn)，但是不可否認(rèn)，金融業(yè)在AI應(yīng)用的積累上是有先天優(yōu)勢(shì)的。基于機(jī)器學(xué)習(xí)的風(fēng)控、營(yíng)銷、投研決策，早已是金融機(jī)構(gòu)推進(jìn)數(shù)智化轉(zhuǎn)型的重要組成部分。

相比傳統(tǒng)AI，基于大模型的AI讓大家看到了一種通用型的AI能力的賦能，即能夠以類人的思維來(lái)處理很多復(fù)雜的推理、邏輯、規(guī)劃、任務(wù)執(zhí)行的能力。大模型也的確能提供很好的增益。其學(xué)習(xí)能力、理解能力、內(nèi)容生成能力、預(yù)測(cè)能力都在為金融領(lǐng)域開(kāi)啟一扇新大門(mén)：在海量數(shù)據(jù)場(chǎng)景下為金融機(jī)構(gòu)提供更全面、更深入的市場(chǎng)洞察、分析預(yù)測(cè)，更復(fù)雜的風(fēng)險(xiǎn)管理、客戶服務(wù)。

當(dāng)前，越來(lái)越多的金融機(jī)構(gòu)愿意嘗試將其應(yīng)用在特定的業(yè)務(wù)場(chǎng)景中，其中智能客服是被普遍看好的領(lǐng)域之一。比如，美國(guó)互聯(lián)網(wǎng)保險(xiǎn)公司Lemonade推出了基于GPT-3技術(shù)面向用戶的銷售機(jī)器人瑪雅（AI.MAYA）。

傳統(tǒng)的智能客服機(jī)器人對(duì)用戶來(lái)說(shuō)并不陌生。但由于智能化程度有限，經(jīng)常會(huì)出現(xiàn)面對(duì)復(fù)雜問(wèn)題無(wú)能為力或答非所問(wèn)的情況。在此背景下，大模型技術(shù)的出現(xiàn)為智能客服的進(jìn)階帶來(lái)了希望。

依托海量參數(shù)，大模型有更好的自然語(yǔ)言理解和內(nèi)容生成能力，結(jié)合人類反饋強(qiáng)化學(xué)習(xí)，可以實(shí)現(xiàn)更擬人、更安全、更高質(zhì)量的任務(wù)反饋。加之更強(qiáng)大的學(xué)習(xí)能力，可以更好地泛化到未見(jiàn)過(guò)的數(shù)據(jù)上，在面對(duì)新問(wèn)題時(shí)能夠更好地適應(yīng)和解決。

另外，投研投顧也是熱門(mén)場(chǎng)景之一。有來(lái)自券商的內(nèi)部人士表示，他們對(duì)大模型在投顧場(chǎng)景的應(yīng)用很感興趣。以往AI投顧機(jī)器人的回答比較生硬刻板，如果大模型可以在合規(guī)準(zhǔn)確的前提下更貼近用戶需求，那無(wú)疑將讓投顧服務(wù)體驗(yàn)更上一層樓。

近日，螞蟻集團(tuán)發(fā)布的支小寶2.0和支小助兩款大模型落地產(chǎn)品同樣聚焦在客服及投研領(lǐng)域——前者面向投資者，可以提供行情分析、持倉(cāng)診斷、資產(chǎn)配置和投教陪伴等專業(yè)服務(wù)；后者為從業(yè)人員在投研分析、信息提取、專業(yè)創(chuàng)作、商機(jī)洞察、金融工具使用等環(huán)節(jié)提供服務(wù)。

據(jù)官方介紹，支小寶2.0的金融意圖識(shí)別準(zhǔn)確率達(dá)到95%，能夠理解用戶情緒，主動(dòng)進(jìn)行多回合的高質(zhì)量對(duì)話，甚至因人而異調(diào)整溝通風(fēng)格?；卮鹩脩籼釂?wèn)后，還會(huì)自動(dòng)“反思”準(zhǔn)確度、自我糾偏。

如果說(shuō)大模型為金融業(yè)描繪的“未來(lái)已來(lái)”畫(huà)卷是恢弘而神秘的，那么智能客服和投研投顧兩大場(chǎng)景就像這幅卷軸里最清晰的兩枚拼圖，為我們稍稍勾勒出了解碼未來(lái)的一點(diǎn)輪廓。

當(dāng)前金融大模型已經(jīng)在個(gè)別業(yè)務(wù)場(chǎng)景表現(xiàn)出了不錯(cuò)的潛力，一方面提升原有AI功能，變得更通用、強(qiáng)大、高效；另一方面，提供新功能，為降本增效、改善用戶體驗(yàn)提供更廣闊的想象空間。未來(lái)，要讓它發(fā)揮更大價(jià)值，仍需讓?xiě)?yīng)用場(chǎng)景從零星試點(diǎn)走向規(guī)?；瘧?yīng)用，讓AI原生應(yīng)用從非核心場(chǎng)景走向關(guān)鍵業(yè)務(wù)場(chǎng)景，彼時(shí)，大模型才能迎來(lái)真正起飛的高光時(shí)刻。

四、乾坤未分，笑到最后者笑得最好

“這是一個(gè)最好的時(shí)代，也是一個(gè)最壞的時(shí)代?！?/p>

在這個(gè)不確定性成為常態(tài)的時(shí)代里，大模型的興起讓所有人措手不及，有人興奮，有人質(zhì)疑。向來(lái)不吝于嘗試新技術(shù)的金融行業(yè)也被裹挾其中，一路向前。

這是一場(chǎng)技術(shù)實(shí)力的較量，也是一場(chǎng)商業(yè)生態(tài)位的較量。

技術(shù)上，重新定義人機(jī)交互方式和專業(yè)應(yīng)用程序，在大模型基礎(chǔ)上進(jìn)行AI原生應(yīng)用的開(kāi)發(fā)；業(yè)務(wù)上，推進(jìn)大模型落地，把握其對(duì)于業(yè)務(wù)形態(tài)和邏輯范式的革新，實(shí)質(zhì)性改善用戶體驗(yàn)，實(shí)現(xiàn)效率質(zhì)的飛躍；生態(tài)上，預(yù)見(jiàn)既有的基礎(chǔ)設(shè)施以及管理體系的顛覆，在大模型生態(tài)中形成從上到下的能力，在技術(shù)趨同之際打造自身的護(hù)城河。

大模型時(shí)代，乾坤未分，玩家眾多，前方也許群星璀璨，也許一枝獨(dú)秀。但能脫穎而出的，必然是敢為人先的冒險(xiǎn)家，也必然是長(zhǎng)期主義的踐行者。