金融大模型发展现状、趋势与建议(下篇)

发布日期：2024-12-11 07:17:45 浏览次数： 3320

作者：天翼智库

微信搜一搜，关注“天翼智库”

在政策及市场双轮驱动下，金融大模型市场规模将迎来大幅增长，预计2029年将达310.44亿元。大模型技术持续发展、行业数据丰富储备及基础设施不断完善为金融大模型的成熟应用提供了有力支撑。当前，金融大模型已在对客服务、辅助办公等非决策场景赋能金融机构降本增效。未来，其在场景、技术、治理等方面发展将为业内创造更多价值。

我国金融大模型产业发展趋势预判

1.大模型应用场景由非决策类场景向决策类场景拓展

技术进步将推动金融大模型准确性、安全性提升，有望实现金融大模型在高精度、严监管的分析决策环节应用落地。一方面，大模型复杂推理能力实现突破，有望基于复杂数据实现精准决策判断。大模型开启复杂推理新范式，OpenAI的o1模型在推理时进行深度思考，推理能力跃升，在需要复杂推理的高难度基准测试中展现出超强实力，甚至超越人类博士水平。未来，以o1为代表的具备复杂推理能力的大模型，随着推理能力持续提升，将在金融产品定价、投资决策等需要高可靠性、精确推理的金融场景中发挥决定性作用。另一方面，头部企业纷纷加注安全技术，致力于实现大模型决策过程和输出结果符合伦理标准、加强数据隐私和安全管理，或进一步推动金融大模型向核心决策场景渗透。如华为金融大模型解决方案强调数据保护、抗攻击以及伦理对齐能力，保障数据、技术和业务安全，助力银行建立全面的安全体系；奇富科技致力于保障金融数据安全，不断探索与应用最新安全技术、构建完善数据安全保护体系，荣获“数据接口安全风险监测评估DiRM专题工作（试点）一星级标识”。

2.大模型技术持续升级迭代，推动金融行业生产力变革

一方面，金融大模型从聊天机器人向AI Agent演进，推动金融产业展业模式重塑。现阶段，金融大模型仍作为人类劳动的辅助工具，最终输出内容需要人类审核把关。伴随AI Agent技术发展和开发工具完善，能够自主使用工具、反思和自我进化的AI Agent将推动金融行业展业向个性化、智能化、高效化方向发展。如在保险行业的核保理赔场景，AI Agent可自动审核客户材料，识别欺诈风险，优化审核流程，提高处置效率，从而重塑企业业务模式和服务流程，赋能保险行业从“以产品为中心”向“以客户为中心”转变。另一方面，大小模型协同进化，提升行业整体智能化水平。目前，金融领域仍采用大小模型协作的AI技术应用范式，即小模型用于涉及主观判断少、答案可被验证的封闭式问题应用场景；大模型善于推理和创造，用于语义理解和内容生成等主观性强的场景，同时用于连接多个小模型。两者协同进化，大模型向边、端小模型输出模型能力，小模型进行推理与执行，并向大模型反馈算法和执行成效，持续强化大模型能力，拓宽大模型赋能边界。

3.行业各界将共同努力，加快推进金融大模型治理步伐

中金研究院指出，金融大模型的应用可能会导致诸多风险，包括引发大模型技术自有风险、放大金融系统潜在风险、形成新型金融风险等，在金融行业固有的严监管特性下，上述风险问题驱使大模型安全愈发成为行业关注焦点，行业各界加快推出金融大模型治理举措。一是金融大模型监管相关的法律法规有望加速制定并出台。目前，尽管我国已出台《生成式人工智能服务管理暂行办法》，但尚未颁布面向金融大模型监管的相关专项法规，未来，监管机构将进一步针对大模型技术特点及不同金融业务场景的风险特征，加紧制定相应的分级分类监管制度。同时，监管框架也将不断调整和完善，以适应新技术带来的动态挑战。二是金融机构将更加注重以技术驱动大模型风险管理。通过与技术服务商之间的合作，依托其优秀的风险管理经验和技术解决方案，金融机构尤其是中小机构将构建全面的大模型风险管理体系，提升风险有效识别与防范的智能化水平。三是金融大模型治理的行业协作属性逐渐加强。如近期蚂蚁集团牵头成立“大模型产业应用技术联盟”，推动大模型产业应用可信能力的开放；科大讯飞、兴业银行等业内二十余家企业，共同参与到信通院银行业大模型标准的编制中。

对我国金融大模型应用发展的启示及建议

一是在国家层面制定针对金融大模型应用发展的法律法规、监管体系和扶持政策。通过法律法规，明确模型开发、应用场景、风险防控等方面的法律责任与规范；建立跨部门的监管协调机构，加强金融监管部门、科技监管部门等之间的沟通与协作，建立动态监管机制，根据技术和市场变化及时调整监管策略；制定产业政策，设立专项财政资金，用于支持金融大模型的研发、应用推广等。

二是建设低成本、高效益的金融大模型基础设施。通过建设共享的基础设施平台，如云计算平台、人工智能中台等，实现资源的共享和灵活调配，避免各自重复建设基础设施带来的资源浪费；统筹对高性能计算中心、云计算中心等算力基础设施的投入，降低金融机构的算力设施建设成本，提高模型开发和应用的效率。

三是强化数据质量管理和数据安全与隐私保护。建立数据质量评估和监督体系，对金融数据的准确性、完整性、一致性等进行定期评估和监测，加强对数据提供者的管理和监督，确保其提供的数据符合质量要求，提高金融大模型的可靠性和稳定性；进一步完善数据安全和隐私保护相关的法律法规，明确数据采集、存储、使用、共享等环节的安全要求和隐私保护原则。

四是与行业玩家开展多元化全方位的合作。加强与专业的金融科技公司、模型提供商、研发机构的合作，共同开展金融大模型的研发项目，加速金融大模型的应用拓展进程；推动金融机构之间的合作与交流，共同探索金融大模型的应用模式和最佳实践，例如，通过行业协会、联盟等组织，开展联合研发、共享数据资源、交流应用经验等，促进金融大模型应用水平的提升。