摘要:“大模型”無疑是2023年最熱的關鍵詞之一，隨著大模型概念的崛起和廣泛傳播，金融行業因被視作最優落地場景也同步掀起了一輪熱潮。大模型究竟會給金融行業帶來什么？它會在何種程度上重塑技術和業務，會衍生出怎樣的商業價值？21世紀資管研究院調研了三十多家金融機構和科技公司相關負責人，形成了這份《大模型重塑金融業態報告》，通過梳理機構布局情況以及這些領軍者們的觀點，描繪行業發展趨勢。

21世紀資管研究院研究員楊夢雪、李覽青

已有多家金融機構官宣上線大模型產品。

證券及基金業機構中，國信證券深入研究AI大模型的運用，目前內部落地以賦能員工工作效率提升為主；工銀瑞信基金上線的FundGPT在數字人問答技術、檢索增強大模型、數據分析師伴侶、AI助手等領域都取得了技術突破。

科技公司及各類非銀機構中，馬上消費金融的“天鏡”在應用層面涉及人工智能客服等場景；奇富科技的“奇富GPT”涉及獲客、運營、風控、貸后服務等諸多業務環節；恒生電子的“Light-GPT”包含投顧、投研等核心金融場景；螞蟻集團基于螞蟻自研基礎大模型的兩款應用分別面向理財和保險兩個領域，其中C端智能金融助理“支小寶2.0”可為用戶提供高質量的行情分析、持倉診斷、資產配置和投教陪伴等專業服務，B端智能業務助手“支小助”可在投研分析、信息提取等環節提供智能服務。

大模型將為金融行業的業務發展帶來哪些改變？又將如何重塑業務流程？我們認為，這個問題的答案需要從當前的應用場景和行業關注的風險問題等方面來綜合分析。

大模型提供的N種可能

從目前金融大模型的應用場景來看，智能客服、投研服務、合規審查等均成為較為主流的應用方向。而大模型在這些領域的應用，也將對業務模式進行重塑。

• 智能客服如何“更聰明”？

智能客服，即在人工智能、大數據、云計算等技術賦能下，通過客服機器人協助人工進行會話、質檢、業務處理，從而釋放人力成本、提高響應效率的客戶服務形式。

智能客服一度被認為是大模型在金融行業當前最有可能落地的場景之一。與此同時，隨著技術的發展和深入應用，智能客服的職能邊界也逐漸從提供基礎的人工客服輔助向運營管理、營銷等功能延伸，市場規模一路走高。

2023年10月，21世紀資管研究院發起了一輪針對手機銀行APP智能客服的測評。測評結果顯示，當前智能客服已經成為手機銀行的基礎功能設置，也體現出各家銀行精細化運營的大趨勢和差異化。與此同時，手機銀行智能客服功能的用戶體驗重度依賴于前期大量基礎設置，入口設置、圖標設置、互動流程設置等，每一項都非常影響體驗。而由于銀行業的特殊性，需要非常重視安全和隱私，智能客服需在體驗、效率和安全之間尋找最佳平衡點。此外，數字人尚未進入深度應用階段，目前主要作為視覺形象展示，服務功能上與傳統智能客服尚無差異，使用體驗也有待優化。

大模型的落地應用，能否為智能客服裝載一個更智能的“大腦”？從業務邏輯來看，當前主流的智能客服大多依靠內容檢索和預設，幾乎無法實現語義理解和分析。但如果能夠利用大模型的知識和通用能力，在限定話術的情況下或能一定程度上完成智能應答及輔助人工座席實時服務等工作，在提高智能客服擬人度的同時也能夠提升人機協同的效率，同時在對客服務體驗優化和員工效率提升兩方面提供助力。

• 投研服務如何“更智能”？

投研服務通常包括投資咨詢和研究服務，通過對投資對象的分析研究預測其未來表現和收益等，在投資領域占據重要位置。

大模型技術對于投研服務的重塑更多地體現在“增效”方面，將原本依賴人工花費小時級的資料查詢整理等工作縮減至分鐘級，同時基于市場資訊、研報等專業材料的預訓練之后，智能投顧理論上也可以實現基于自動化分析，從而實現思考維度更全面、邏輯推理更穩定的分析結果。

• 信貸風控如何“更高效”？

大模型在金融行業的應用場景還包括為以信貸業務為代表的一系列風控審查工作提質增效。以貸款業務為例，在傳統的業務模式下，申請、審批、放款、存續到收回的全流程均涉及各類盡調及分析等耗時耗力的工作，同時也具有審批文件量大、審核點數量多、人工審核費時費力等諸多痛點。而基于衛星遙感、NLP等大模型能力，能夠抽取信貸審批書風險審核要素(如金額、期限、利率、業務品種、擔保方式等審批關鍵點)，為后續數據查詢和分析挖掘提供支撐，大大降低時間和人力成本，提升審核效率。

信貸業務對于人工智能技術的應用已相對成熟，當前有越來越多的機構愿意嘗試以大模型技術提升風控能力。從應用層面來看，大模型技術能夠應用于信貸審批的場景涉及貸前風險評估、智能盡調報告、輔助審批、合規審查、貸后催收服務等幾乎全流程的業務。

合規風險等難題待解

大模型技術的應用就像硬幣的正反兩面，正面是技術應用將信息處理和智能決策帶入新紀元，反面則是大模型訓練和微調面臨的數據問題、合規及法律法規等方面的問題、大模型固有的“幻覺”問題等一系列可能存在的問題。

作為一個對安全性、合規性、準確性、可控性要求都較高的行業，盡管當前的主流觀點傾向于認為以大模型為代表的人工智能技術將對金融行業現有的業務流程帶來重塑，但大模型的應用仍然面臨合規風險、數據安全、隱私安全、可信可解釋等諸多方面帶來的風險。

從我們多方調研的情況來看，盡管當前在金融不同業務場景中已有諸多應用和探索，但對于金融機構而言，目前大模型考慮或已落地應用最多的方向仍然是為內部員工“增效”。如為客服人員提供AI客服助手，以基于大模型的人工智能工具協助工作人員提取部分信息、提升服務效率，為投研人員提供研報摘要、輔助生成報告，為審計業務人員提供數字勞動力，以基于大模型的語言指令調取API等，此外還包括代碼生成、代碼輔助等。

不同于其他行業，金融行業對于機構的合規性考察更為嚴格，且已有一套針對業務相對完善的監管標準。具體到應用層面，多家金融機構都表達了對于合規性的擔憂。

以上述智能客服這一場景為例，金融行業對于直接的對客服務有較其他行業更為嚴格和準確的要求，如以基于大模型的智能客服直接對客，其輸出的內容并未經過內部的合規審查，對銀行等機構而言即存在不可控的風險，相關內容按現行規定也無法直接對客輸出，實際或難以落地應用。再如大模型的訓練，目前一個比較可行的方法是基于境外開源模型進行二次訓練或微調，但這仍然涉及基礎模型的合規性和其中數據的合法性，在二次訓練和微調階段還涉及數據隱私、數據傳輸及數據保護等方面的問題。

同時，除數據安全性與合規性問題之外，高質量數據缺乏、數據樣本不足、迭代較慢等數據質量問題也被頻繁提及。以高質量數據問題為例，由于金融行業非結構化數據較多，高質量數據的缺乏為金融行業訓練或微調模型帶來直接的挑戰。

以數據迭代問題為例，由于金融行業對于信息和數據的變化更加敏感，大模型的微調和訓練均需要基于海量歷史數據，而數據無法實時更新，也使得其產出的內容在實際使用中效用有所折扣。如在信貸審批及風控等應用場景中，可能面臨基于大模型的信貸風控體系無法實時匹配新客群信用風險、軟硬件基礎建設無法完全支持等諸多問題。

盡管大模型當前熱度空前，各金融機構尤其是頭部機構都基于自身需求和行業特性作出了一些探索，但大模型技術在金融領域的大規模落地當前仍然處于“前景不明”的階段。在調研中我們了解到，金融機構目前首要關注的是合規性、應用方向等問題，與此同時算力和基礎設施等一系列改造也涉及一筆不小的投入，在尚未達到成本和效益的平衡點的情況下也或難以進行大規模投入。從目前作出的嘗試來看，金融機構在大模型布局上也更傾向于相對謹慎的打法，先在某個領域或業務場景中進行小規模試水，判斷成效后再逐步應用至更核心的業務場景。

尾聲

每當一場新的技術浪潮來襲，金融行業始終站在應用的最前端。對于金融行業而言，大模型對金融機構的影響不僅是在技術、應用層面，而是對金融業數智化轉型與金融服務的智能化發展產生深遠影響。

基于前期調研訪談，21世紀資管研究院認為金融行業在大模型浪潮影響下，將呈現四個未來發展趨勢。

第一，金融行業有望步入AI驅動的新階段。回顧過去金融機構的數字化轉型，是基于監管要求自上而下推進的技術架構重塑，而大模型“iPhone時刻”的到來，對金融機構數智化轉型的發展范式產生深遠影響。

從驅動大模型的“三駕馬車”來看，大模型需要大參數規模的訓練語料庫，高質量數據集促使金融機構重新審視數據管理流程，盤點數據資產，提高數據資源利用效率，加強機構間的數據流動。同時，有限的算力資源與高昂的訓練成本，驅動金融機構基礎設施架構的平臺化轉型，通過多種技術優化算法，以提高資源使用效率，降低大模型使用成本。

從數字化到智能化，可以預見的是，AIGC將推動金融機構從被動轉型步入主動轉型。

第二，金融機構有望通過“AI Agent+”實現技術普惠。基于大模型驅動的AI Agent，被普遍認為是未來人工智能應用的新形態，相比于過去人工智能技術的相關應用，AI Agent表現出驚人的自主性與智能性，數據顯示過去兩年間針對AI Agent的研究投入增幅達到300%。

21世紀資管研究院梳理各大銀行科技投入與科技人員數量發現，近兩年來銀行科技投入已開始出現下滑態勢，科技人員新增數量也逐步減少。在云平臺等基礎設施建設已初步完成后，下一步是釋放科技人員生產力。AI Agent與RPA等傳統技術結合，應用于金融服務的各類場景，以自主學習的能力可以及時解決非給定流程中的其他問題，在金融數據合規與隱私安全保護合規的情況下，有望成為金融從業人員與客戶未來的AI助手。

第三，金融領域的AI倫理建設將持續加強。成式AI重塑了金融領域科技的應用，但也帶來了一定的風險，關乎金融行業的數據安全、個人信息保護、知識產權保護、倫理道德、算法歧視等等多方面問題。

2022年《金融領域科技倫理指引》的發布，為金融機構在一定程度上明確了倫理底線，但涉及到金融行業的生成式AI應用風險治理，還有待進一步政策出臺。目前多家金融機構均已成立金融科技委員會等組織架構，把握創新與安全的平衡，在未來隨著金融大模型的發展，這一趨勢將更為明顯。

第四，金融領域的開放生態將加速形成。大模型訓練對數據、算力等資源規模提出更高需求，可能導致金融行業數智化水平的進一步分化，一方面可能對中小金融機構的數字化轉型形成壓力，另一方面需要高質量數據集作為訓練語料。

這些都呼喚行業生態的進一步開放，以及在合規前提下數據資源的流動。這里的開放，是算法、數據、技術能力的全面開放。算法開放層面，開源模型可以與閉源模型形成互補，降低中小機構的研發投入，幫助加快模型優化迭代，提升開源模型性能，共同突破技術難題。數據開放層面，“越用越聰明”的大模型產品更需要金融領域高質量數據集，特別是在數據成為第五大生產要素、數據資產入表的背景下，金融語料庫的共享將賦能金融行業整體智能化水平躍升。

在調研中我們獲悉，金融大模型落地的問題往往是工程化問題，因此，相關技術廠商的生態能力也至關重要，只有更為開放互通的行業生態，各方才能共同實現社會的智能化水平提升。