AI浪潮正席卷全球。
在美国，以OpenAI、Anthropic等初创企业和以微软、Google为代表的科技巨头带领着美国在AI大模型的道路上发足狂奔，最大参数已卷到5620亿。
在中国，各大机构、巨头迅速入场追赶，北上杭深的AI创业市场火爆。
即便当下国内通用大模型在AI测评榜上相比国外还存在推理、数学、代码、智能体等方面的差距，然而，对于中国企业来说，聚焦于金融、医疗、工业、法律等垂直行业的AI模型可能更具备相对优势，他们普遍放下了“参数执念”，转头探寻精细化、专业化、差异化的AI应用之路，其中有一位特殊的参与者——金融科技。
最新发布的年报数据显示，国内六大行2023年金融科技投入总金额创出1228亿元新高。过去五年间，六大行累计金融科技投入达到5000亿元。
2023年年报同样显示，各家金融机构正大举布局金融AI 大模型。
相较互联网巨头的大模型训练数据整体来源于用户在互联网上活动产生的海量冗杂信息，金融机构积淀的是“真金白银”的交易行为创造出的资金数据，以及精准的用户数据，尽管中国的个人金融数据和数据中心的数据体系相对割裂，而且金融作为数据安全保密性要求最高的行业之一，对大模型的应用非常审慎。然而，在这场席卷全球的AI浪潮下，无人可以隔岸观火。
在数据安全上需要“带着镣铐跳舞”的金融机构，如何下好这盘AI大棋？
金融AI现状：重复性劳动“降本增效”，高级投顾功能尚需人力
据不完全统计，截至2024年3月，我国通过自研或合作形式入局AI大模型的机构数量为28家，既涵盖度小满、蚂蚁集团、恒生电子、工商银行、招商银行、农业银行、阳光保险、太平洋保险、马上消费等保险、银行、互金领域内的代表性公司，又有同花顺、东方财富、财联社等金融投资及资讯一体化服务平台。此外，还有很多未在榜上的金融机构，通过采买AI服务的形式，参与到金融数智化改革的浪潮中来。
（图：中国金融AI大模型清单。数据来源：石库门财经根据公开信息不完全统计<截至2023年12月>）
AI大模型大致可分为生成式和决策式分类。
生成式AI是学习数据中的联合概率分布，归纳历史数据规律后进行模仿式、缝合式创作，输出内容、观点以及想法，被应用在智能客服、金融营销广告等场景。比如一直走在数字化转型前沿的招行，在2023年年报中提到，焕新推出智能财富助理“小招”，AI实现人力替代超过1.7万人。IDC（国际数据公司）曾在《银行数字科技五大趋势》中预测：到2025年，数字员工将承担90%的客服和理财咨询服务；
决策类AI则是学习数据中的条件概率分布，根据市场数据或特定规则来进行分析、判断、预测，如进行自动化交易（如智能定投）、贷款风控、投研助手、保单核保等。自动化决策对结果的准确性、实时性和可解释性要求非常高。如建行2023年年报透露，上线消保AI智能审查功能，辅助审查人员审查，提升消保审查的规范性和专业能力，在设计开发、定价管理、协议制定、营销宣传等环节进行全生命周期的消保审查，2023年全行完成消保审查21.93万件。
不过，金融AI的降本提效主要集中在劳动密集型的客服领域（生成式AI）及用户资料审核领域（初级决策式AI），对于更高阶的基于用户风险收益偏好的智能投顾、量化交易功能（高级决策式AI），用户体验尚待提升。推及原因，无外乎几点：
风控管理层面，金融机构对于大模型在交易操作、投顾指导上的专业度和安全性仍存在顾虑；
数据层面，金融用户的交易行为受到宏微观经济影响，往往同时涵盖银行理财、证券基金投资、保险投保、大宗商品交易、房地产交易等多元化配置操作，然而金融系统多、数据不互通等问题限制了金融AI的训练，导致AI投顾生成的建议较为片面，需要人工投顾一对一服务进行补位；
基建层面，数据算力、工程化能力、人才资源、资产和运营对所有金融机构来讲，都是考验。根据Evident Insights Ltd.（追踪金融服务机构AI能力的初创)的数据，2023年6月，仅摩根大通（JPMorgan Chase & Co.）就发布了3600 条AI相关的招聘信息。摩根大通是美国最大的银行，每年在技术上的支出超过150亿美元。
金融+科技：节省成本，共建生态
为了解决 AI 大模型在金融行业的落地应用难题，部分科技公司和金融公司已经开启合作，百度云、阿里云、腾讯云、华为云高喊“生态共建”的口号，由科技公司提供垂直行业的标准大模型，金融机构投入行业底层数据进行定制训练。毋庸置疑，这样的合作还必须得到金融监管的支持。
比如工商银行VS华为，2023年3月17日，工商银行发布基于华为昇腾AI的金融行业通用模型，率先实现了首个全栈自主可控的千亿级金融AI大模型。目前已被应用于客户服务、风险防控、运营管理等多个业务领域。工行披露，网点员工智能助手上线，2023年全年运营领域智能处理业务量3.2亿笔，比上年增长14%。在风控领域，工行实现了对工业工程融资项目建设的进度监测，监测精准度提升约10%，研发周期缩短约60%；在智能研发领域，人工智能编码助手生成代码量占总代码量的比值从20%提升至40%，有效提升一线开发人员编码效率和质量。
再比如，2023年7月，腾讯云与中国信通院在南京共同启动行业大模型标准联合推进计划，双方宣布联合牵头中国首个金融行业大模型标准的编制工作。腾讯云表示，基于过去20多年沉淀的黑灰产对抗经验，与头部金融机构联合共建了近百个定制化风控模型。相比传统方案反欺诈效果（模型区分度，KS）提升了20%，企业可以基于prompt模式，迭代风控能力，从样本收集、模型训练到部署上线，实现全流程零人工参与，建模时间也从2周减少到仅需2天。
腾讯云天御首席科学家李超此前在接受多家媒体采访时透露，金融风控大模型也能高效解决中小金融机构“小样本”甚至是“零样本”建模难题。举例来讲，东风日产融资租赁借助腾讯云的风控大模型，在只有较少样本的情况下就完成了定制化的风控建模，建模时间节省了70%，支持金融业务开展。
有评论曾经说，今天的AI大模型或许是一种基于“暴力”的竞争，即用大规模的算力、大规模的资金、大规模的数据以及大平台的能力去竞争。
未来，具备大模型开发经验及技术人才储备的巨头和手握高质量数据的金融机构能否联手创造出金融服务领域“Killer App”？我们拭目以待。
（来源：石库门财经 文字：何其韵）
本文作者可以追加内容哦 !
