2023年，那股席卷大模型的“熱潮”，也涌入金融領域。

據《財經》新媒體不完全統計，今年，招聯金融、馬上消金、度小滿、螞蟻集團、奇富科技等均公開發布金融大模型，其中涉及開源大模型、行業大模型等。

人工智能（AI）模型大致可分為分析式AI與生成式AI。從2022年年底開始備受關注的是生成式AI，其核心能力是通過數據要素學習從而“創造”新的內容與產品。

在部分金融從業者看來，客服場景等領域的AI應用“早就有了”。但也有從業者指出，過去的AI客服只是題庫，現在的AI客服的確有AI屬性。整體而言，金融大模型“熱潮”正在將金融領域的AI應用推向2.0智能化時代。

金融領域的AI應用

目前，已有數家金融科技公司公開其使用大模型的成效。如招聯金融的“招聯智鹿”，經模擬測試，相比人工作業，該模型結合具體會話狀態與服務場景，可實時定制回復話術，節約時間成本近80%。奇富科技的大模型在電銷系統中，語義分析和線索挖掘幫助提升電銷線索識別準確率達到98%，同時將轉化率提高超過5%。

金融科技公司布局大模型除了自主研發，還可對外采購。冰鑒科技研究院研究員王詩強稱，金融公司喜歡通過招投標的方式，從第三方人工智能企業獲取大模型產品。“在招投標之前，他們一般會與多家平臺交流，然后結合內部場景需求，設置招投標參考指標，并公開從市場獲取相應的大模型產品。”

業內普遍認為，金融大模型備受行業追捧的背后，是比較明確的商業利益驅動。金融科技公司希望能夠借助AI的力量，有效實現降本增效。在小雨點小貸CTO許慎看來，在AI應用層面，AI大模型有著進步性的推動作用。

早在1965年，約翰·麥卡錫就在一次研討會中提出“人工智能”這一術語。他認為，人工智能就是要讓機器的行為看起來就像是人所表現出的智能行為一樣。

隨著科技的發展，人類對人工智能的理解逐漸復雜。有學者將人工智能基本的應用分為感知能力、認知能力、創造力、智能四類，基礎技術涵蓋深度學習、智能云、計算機視覺、智能語音、自然語言處理、大數據、知識圖譜、智能推薦等。

2011年開始，人工智能進入蓬勃發展時期。基礎層（提供數據及算力支撐）、技術層以及應用層組成了AI產業鏈。

基于AI產業鏈的發展，AI在金融領域探索逐步加深。在金融業務鏈條上，AI與金融的結合已貫穿金融業務前、中、后端各個環節，包括獲客、風控、運營、客戶服務、營銷等。

獲客層面，有科技公司通過AI智能語音機器人等產品去觸達財富管理業務的潛在用戶，在進行智能交互過程中，會借助決策式AI的力量進行數智化洞察，再通過生成式AI制定完整的營銷和運營策略，最終完成服務。該科技公司的高管認為，“這相當于幫助銀行機構批量化招聘了數十萬名中等水平以上的理財經理。”

風控層面，AI通過數據分析和模式識別等行為支持金融產品風控。直觀案例即當用戶線上申請貸款時，基本可實現自動審批、自動放款，不需要人工審核。

目前，AI技術在金融領域的落地應用已較為成熟，王詩強稱，特別是智能風控、智能營銷等，金融機構應用非常普及。

挑戰與未來

不過，AI在金融領域仍面臨一些挑戰。

一是數據約束。數據是支撐AI在金融領域應用落地的關鍵。

易寶支付聯合創始人余晨認為，相較于其他行業，金融領域擁有大量直接的原生數據，也就是說，AI在金融領域抓取的數據質量更高。

但值得注意的是，“僅依靠自己家的數據訓練AI模型會遇到瓶頸，畢竟每一家擁有的金融數據有限。”許慎認為。這意味著，訓練金融模型需要更多的數據，而目前金融行業數據共享存在難度，在業內人士看來，金融數據除了是金融公司核心資產之一，還涉及用戶隱私保護等敏感問題。

二是人才缺口。當下的金融AI領域，稀缺的并不是純技術型人才，而是復合型人才。

佰瑞億融大數據CEO劉鵬程認為，“還是專業能力問題，沒有那么多跨行業的人才，目前多數培訓中心培訓的都是初級人才。”

許慎表示，金融大模型需要AI領域專家的知識儲備兼具廣度與深度。如供應鏈金融，不僅需要具備AI技術，還應對供應鏈金融的業務流程、行業痛點、數據組成非常的清楚。

除了技術層面的挑戰，當下AI應用落地金融業務還需要一定的溝通成本。許慎表示，“新應用落地需要獲得業務等部門的支持，但業務部門有一個思維慣性，更習慣使用現在已經比較成熟的工具，當一項AI工具處于初期，往往需要付出很高的溝通成本。”

三是合規。數據融合、數據共享最大的挑戰不是技術、也不是數據，而是合規。AI數據隱私保護和安全問題至關重要，尤其在金融領域。

“比如LLM（大語言模型）就有很多通病，甚至有的模型都是黑盒，不具備魯棒性（是指系統或者算法在不同的情況下，仍能夠保持穩定和可靠的能力）與可解釋性”，一位技術專家告訴《財經》新媒體。具體來看，AI在金融應用場景也可能存在數據濫用、模型偏差等問題，這些會導致隱私泄露、金融欺詐、貸款歧視等風險出現。他表示，自2022 年發布《互聯網信息服務算法推薦管理規定》后，監管部門開始算法備案和自評估工作，篩查大數據模型算法問題。

奇富科技大模型專家楊劍認為，金融行業大模型的容錯率極低，一次錯誤的決策可能導致無法估量的時間和成本損耗。此外，考慮到金融行業的特殊性，其合規要求相對于其他行業更為嚴格。

目前AI產業正在朝著兩個方向演進，一是純粹的技術研發層面；另一個是商業應用層面。有觀點認為，從技術面來說，目前中國的底層原創能力還處于追趕海外的狀態，但是在應用層面，中國的創新力度一直位居世界前列。

伴隨著金融大模型的發展，金融AI也正朝向2.0時代前進。在1.0時代，金融機構利用AI等技術為金融用戶提供線上服務，簡化業務流程等。2.0時代則更加注重智能化和自主決策。

金融行業大模型有著比其他行業大模型更高的復雜性。楊劍認為，這就像高速上行駛的汽車需要不斷調整方向和車速，以適應不同時間、不同地點的道路狀況，金融行業大模型也需要及時調整以適應多樣化的復雜業務場景。

有業內人士認為，金融大模型的熱度還可能持續1年至2年。許慎預測，“第三年在專業領域或許會大規模涌現成熟應用，5年后進入高速增長期。”

某種意義上，一個新興技術從出現到成熟，大致要經歷備受追捧、盲目發展、行業治理、理性發展四個階段，方能最終走向成熟。