组织分秒必争风起云涌 金融大实体模型落地式并非如此

证券日报编写 潘玉蓉

摩根斯坦利已用GPT-4来投资策略分析，高盛公司会用大中型语言模型做风险管控剖析……

在ChatGPT变成华尔街投行的装备时，迅速、更准、更定做的金融大实体模型来啦——彭博新闻社公布对于金融行业500亿主要参数大语言模型BloombergGPT，在对待金融学专业每日任务中的表现，比通用性大模型完成了大幅度提高。

近年来，大模型风靡金融行业，一夜之间，绝大多数金融场景都在探索兼容大模型插口。但是，理想丰满，现实骨感。有大型金融机构IT单位人员形容，金融大实体模型从战略布局到布署落地式，拥有从“卖家秀”来到“淘宝买家秀”的差异。大模型在金融场景落地的最后一公里不怎么好走，如今谈实际效果并非如此。

接受证券日报编写采访的时候，各种参与方均特别提到“绿色生态共创”，希望协同多方力量处理算率、优化算法、数据信息、安全性、监管等难题，同赴这一场金融大模型“开卷考”。

大模型风靡金融行业

伴随着大模型迈向千行百业，一个的共识逐步形成：将通用性大模型与垂直领域的专用型大模型紧密结合，可以有效提升大模型的匹配性。继ChatGPT后，人工智能技术将于垂直应用行业刮起第二波的浪潮。

惊涛骇浪袭来，中国金融机构和大模型厂商们同样在分秒必争风起云涌。

在今年的8月份金融企业公布中报，大语言模型只停留在高管们的口头报告中。现如今，它们已经化身为一张张采购单看向销售市场。金融机构采购要求，从算率贮备到实体模型购置，从云计算资源到大数据应用，覆盖人工智能技术产业链上的各种生产商。

10月10日，工行公布“NLP大模型商品新技术应用招标”入选结论，智谱华章入选；同年同月，招行千亿级预训练基本大语言模型招标中，上海市稀宇高新科技夺标；11月10日，百度搜索通知、中国电子系统科技有限公司协同拿到中国邮储银行“集成电路工艺预训练模型金融场景运用软件定制开发”项目包。在多个寿险公司内部结构，对于大模型精心准备的GPU网络服务器购置、大数据应用服务项目的招标会，同样在紧锣密鼓地推动。

据统计，金融企业布署大模型主要有三种方法。

第一种，是独立全栈自研，注重自立自强可控性。这也是一些AI基本比较好的大中型金融集团合理布局大模型的路线之一。

第二种，在通用性大模型或者专业大模型前提下进行微调，结合自身实际海量信息和完善情景，产生切合个人需求的金融大实体模型。

第三种，从云端启用，根据需求连接各种大模型API（应用程序编程接口），进行私有化部署。现阶段，百度文心一言、阿里巴巴的通义千问、腾讯太级大模型，都是有面对金融业搭建生态合作伙伴部署。

拥有很多分公司和需求场景的多样化金融集团，通常选择多种形式并驾齐驱，并且在内部形成淘汰机制；一些高新科技基本有待加强的中小金融机构，一般采用第三种方法，以节省成本。

应对巨大市场的需求，各大厂商陆续开发设计金融大实体模型，一些金融理财公司并凭借往日在金融领域的积淀，公布兼容各种需求场景的垂直类金融大实体模型。

销售市场火爆下，在今年的中国金融行业竖直大模型争相公布。5月，度小满金融发布中国首个开源的千亿级汉语金融大实体模型“瑶光”；8月，马上消费公布第一个零售金融大模型“天镜”；9月，蚂蚁金融对于金融业深度定制的金融大实体模型AntFinGLM现身，并且在集团公司里的财运、保险平台上内侧；10月，恒生电子金融大实体模型LightGPT更新，在科学金融业数据、合规要求及部署方案上取得突破,正式宣布三款大模型应用产品对外开放首测。

度小满金融技术总监许冬亮在近日一场公开活动中感慨：“近年来，紧紧围绕生成式AI的热潮，每周都有新迭代更新、新机遇，每天都能看到真实实际效果，有点儿爆发式发展趋势、奇点临近的感觉了。”

如雨后春笋般出现的金融大实体模型，也帮金融企业导致了型号选择艰难。金融行业需要哪些大模型？在今年的9月，由信通院带头，协同腾讯云服务、讯飞科技、恒生电子、马上消费等40多家一同制订了中国首个金融业行业大模型规范。该标准包括了金融大模型核心能力规定，包含情景契合度、水平支持率与应用成熟情况三大方面。除此之外，规范还从金融行业特征考虑，覆盖投研、投资咨询、风险管控、网络营销、顾客服务等各个应用领域，并详细规定了金融大模型在数据信息合规、可溯源、私有化部署、风险管控等方面的要求。

“非常值得重做一遍

金融信息服务链”

与传统人工智能技术对比，大模型可以为金融业做出什么贡献增量价值？

假如说传统式人工智能是专用、烟囱式的、单独的，在语言模型时期，人工智能技术早已可以利用理论知识和逻辑推理能力，在特定领域全面地实行一段每日任务。

前段时间，一批数字员工被引入太保集团审计中心，在审计检查、文书质量检验、资询互动问答等相关工作环境下进行水平示范点，这种数字员工与真实人员进行人机对战编组，共同作业。太保智慧运营科学研究院孙峰日前表示，大模型会带来更多的方式改革，与传统人工智能极大差别表现在思考模式、执行力、实用性和边际效益等多个方面。“大模型出现的时候，完成了对人、对职位模型的概率。”

在互联网金融方面，大模型水平同样在显露头角。在今年的8月，马上消费公布“天镜”大模型时公布，在长达3个月应用，一个新的智能客服系统对顾客意图理解准确度做到91%，相对于传统人工智能68%有明显提升；顾客参与度61%，高过传统式实体模型43%的参与度，也高于人力坐席均值28%的水准。

在近日举行保险行业大模型论坛上，阳光保险集团科技中心副总顾青山详细说明了“太阳正言”大模型开发者平台。据了解，该方法在“梦客全线上销售机器人”工程中，信息抽取每日任务准确度提高了15%，意图识别和智能问答准确度均有明显提升。

小蚂蚁集团副总裁、阿里小额贷款大模型负责人王晓航近日在金融街论坛中说，“金融信息服务链上的每一个重要环节，都是值得用小实体模型改版一次”。

例如，把大模型与客户洞察融合，提高互动式理财感受；让大模型创变权威专家投资理财保险专家团队，帮助提升专业水平；在数字化运营层面，大模型能更好地了解顾客的融资需求、配对提供，还可以帮助形成营销创意，提高广告营销效率。

在金融中后台，大模型也能打开高效率室内空间。例如，大模型在金融判断、量化分析编号等多个方面，可以大量取代初中级至初级挑战性的工作中，将行研投资分析师、风险策略工作人员、风险管理师从事务性工作工作中解脱出来。

“我看到了自主创新应用场景的暴发和不断涌现。”王晓航说。

落地式稳定性“冲关”

理想是美好的，生活的无奈。大模型时期，看起来一切都能重新构建，但是当金融企业把大模型部署到公司内部的情况下，通常发觉考验很大。

“大模型如同一个优秀的文科，逻辑推理、了解、语言表达能力强劲，但金融业投资行业，开展风险定价、运筹优化、数据统计分析等众多是理科生的工作中，大模型胜任不了。做科学严谨管理决策并非大模型的特长。”王晓航说，“金融行业对稳定性无与伦比的规定，与大模型‘天性烂漫’的错觉，存在明显矛盾。”

稳定性是大模型在金融领域落地式较大的鸿沟。通用性大模型对金融领域知识的缺乏，在精确性上面有显著的短板，使之不太可能“拆箱就可以用”，还要亲身经历复杂的工程并完成兼容。

为了能把大实体模型能够更好地“手术缝合”到需求场景中，提高稳定性、可靠性和流畅性，各大厂商的主力计划方案有三种。一是把大模型与相关领域的小模型融合，大模型承担认知能力、了解、沟通交流、写作，小模型承担掌握风险性、承重科学严谨逻辑性；二是将大模型参数值知识和结构型、有形化、靠谱金融数据仓库紧密结合，这一举动能够很好地为大模型引入稳定性；三是将开放QA（互动问答）和封闭QA融合，让大模型获得要求任务后，在专业技能领域里进行检索，大幅度提高精确性。

比如，度小满金融公布的瑶光大模型，在通用性大模型基础上增加了大量金融行业专业技能，从预训练开始调整实体模型，在中国银行从业资格考试的解题表现中明显好于通用性大模型。

算法训练绊脚石

不论是传统式智能时代，或是大模型时期，数据都是基本。在实体模型行业时兴一句话：“garbage in，garbage out”，即键入垃圾数据也会导致导出废弃物结论，由此可见对于数据进行预训练，信息是头等大事。

据王晓航可能，我市场中有质量的金融业语料库，大约不上2000亿tokens，但达到“高品质、规模性、价值观念恰当”要求的语料库占有率不上40%。在王晓航看起来，语料库质量保障措施远高于总数。

“本公司在大资管行业干了20多年来的归一化处理，可是在实体模型眼前，仍觉得过去的工作十分初中级——每家机构对于数据信息的要求都有各自的界定。”一位金融业IT服务提供商高管路出金融企业存放数据的现况：标准不统一，关系型数据库多，数据治理工作繁杂。

华为盘古金融大实体模型人士透露，现阶段金融企业最重要的任务之一，是如何将散落着需求场景里非结构化的数据集和公司原来的高品质数据相融合。

数据作为金融企业最主要的财产，流动性差是主要特点之一。现阶段，各家金融机构引进大实体模型全是私有化部署，分别练习，以最大程度保障网络信息安全、隐私和合规要求，却也导致算力的消耗、数据库系统资源浪费和成本居高不下等诸多问题。

北京市本该高新科技经理曹凯觉得，现阶段金融大实体模型依旧是“学生水准”，无法协助对投资趋势开展洞悉，原因包括，模型参数指标量不够大，对产业、个人社保、工商局等多元化异构体数据的积累不够，且数据信息之间的相关性较差，不能达到大模型“不断涌现”效果。

讨论实际效果尚早

一位大中型寿险公司科技部门人员将大模型布署全过程比成“卖家秀”变“淘宝买家秀”的一个过程。

他透露，企业推动大模型环节中遇到了各类问题，包含但是不限于训练样本难题、算率不足问题、投入与产出平衡问题、数据信息风险问题等。

他告诫，在实体模型应用领域选择时，先要内后外，有的放矢；需有托底体制，不可以只讲智能化、并没有人力，短时间也有推进传统式模型要求。“大模型所产生的虹吸现象，把许多IT资源都吸过去了，这对多样化生态创新而言，不一定是件好事。”

孙峰还表示，该公司的“数字员工”项目要真正落地，仍是一件十分有挑战性的工作。例如，要拥有强大的算率基本、基座大模型平台作为支撑它运行；要键入岗位所需的专业知识和数据信息，搭建数据办公环境；此外，新项目真正落地时也会遇到新问题。

受实际环境的影响，金融大模型落地水平并不是想象中的那么高，讨论效果更并非如此。恒生电子面对金融企业开展大实体模型发展趋势调研显示，71%受访者所属的组织已经调查大模型，17%机构早就在检测中，真真正正落地实践机构不上10%。

共创绿色生态

“只靠自己一无是处”

连通大模型在金融行业落地最后一公里绝非易事。在编辑的采访中，不论是大模型服务提供商、金融企业，或是各种金融理财公司，在交流中均特别提到“绿色生态共创”，其内涵包含“同创、共创、共建”，好似同赴一场“开卷考”。

前段时间，众安在线发布保险业第一份AIGC运用图普，帮助保险公司在模式内置入行业专业行业知识库系统，完成AIGC在基金垂直领域的运用迅速兼容。

此前举行的互联网金融智慧运营会议上，阳光保险与此同时组织召开了“保险科技智慧运营创新联合体”筹划闭门会议。据了解，该联合旨在推动商业保险垂直领域大模型的不断深入研发和应用，提高保险行业总体智能化程度。

应对大模型落地挑战技术水平，太保集团还认为“只靠自身肯定是不行的”。据了解，太保与行业协同建立实验室，期待实现优势互补，领域分享，责任共担。在今年的进博会上，太保与华为、讯飞科技建立了试验室，期待三方团结起来面对一些考验。

促进大模型在金融领域发挥更大的使用价值，社会各界一直在努力。日前，上海市人工智能研究院医生宋海涛对小编代表，这家机构正在推动开设工业及加工制造业、金融等领域专业词库，从而减少资源浪费。

深圳市天使投资人引导基金副总徐向东觉得，现阶段金融业存有信息化水平不够、金融大数据流动性枯竭、数据流图不统一等诸多问题，牵制了一个大模型应用。他呼吁，应尽早培养数据要素市场，提升金融业归一化处理，提高数据信息可靠、可以用、可商品流通、追朔水准，为大模型能够更好地在金融业落地式发挥特长。