金融业智能化升级方兴未艾，而大模型技术的发展正加速这一进程。业内人士认为，金融企业在改善客户服务的交付、效率、安全性和用户体验等科技创新领域有着强烈的需求，同时，对企业中台的数据、技术和组织效率进行赋能，也是大模型落地应用的高潜场景。专家认为，随着大模型技术影响力蔓延，相关布局或将成为决定金融行业未来竞争形势的重要因素。
　　数字化转型提速基础金融大模型需求强劲
　　随着通用人工智能快速发展，以ChatGPT为代表的大语言模型技术“横空出世”，给金融行业的数字化升级注入了一针“强心剂”。分析人士预测，零售分析、投资研究、风险管理、智能客服等业务领域有望成为大模型在金融业首先突破的应用场景。
　　长江证券研报认为，强烈的数字化需求、良好的数字化基础，以及对新兴技术的高接受度，使得金融业成为大模型技术率先落地应用的先驱行业。“金融业作为信息和数据密集型行业，是大模型应用落地的最优场景之一，同时金融业又是科技驱动型行业，其中介属性天然对新技术特别敏感。”
　　不仅如此，金融行业也是典型的知识密集型行业，以银行为例，大模型技术能否快速、低成本的通过“数字劳动力”改善企业的生产效率，也让其应用在业内备受期待。
　　百度智能云金融行业总经理于浩瀚表示，金融业务高度依赖“信息交互”，无论是业务办理、业务运营，还是风险控制、经营决策，每天员工都会有大量的精力消耗在沟通协调和流程处置上，挤压了本应用于客户服务的工作时长。“通过对海量专业知识进行压缩与自主学习，结合自然语言交互和泛化能力，金融大模型将能够提供类似‘人’的服务和产出，并成为一线员工的‘助理’。”他表示，“人机协同”的初步打通为银行业实现规模化的降本增效提供了可能。
　　从市场需求看，金融企业高度关注大模型技术的企业应用，期望与企业数字化转型有效整合，部分企业已经启动了大模型底层设施的建设。2022年年报显示，国内上市银行在金融科技方面持续投入，其中6家国有银行在金融科技方面投入均达到百亿元规模。据悉，工商银行、建设银行、农业银行、邮储银行、中信银行、兴业银行、江苏银行、苏州银行等多家银行和头部券商都已率先接入通用大模型，探索以本地部署方式构建企业专属的大模型解决方案。
　　“金融大模型正在重新定义金融科技。”清华大学人工智能研究院常务副院长孙茂松认为，对于金融科技公司而言，金融大模型属于“兵家必争之地”。“金融科技公司对于金融大模型的态度决定了自身的境界，也决定了这家公司在日异激烈的竞争中能否赢得下一个五年，乃至下一个十年。”孙茂松说。
　　基于大模型重构金融解决方案“开元”发布
　　业内人士认为，大模型技术在金融领域的应用正在加速落地，智能化提速将进一步减少信息不对称、降低交易成本、提高风控水平，也将对客户服务、风险控制、交易投资等环节产生巨大影响。
　　在这一领域，依托全栈自研的金融科技底座，百度智能云在9月5日的百度云智大会上正式发布了基于大模型重构的百度智能云金融解决方案子品牌——开元。
　　开元聚焦协同办公和数智化运营两大领域，一方面通过生成式的零售分析、投研投顾助手等智能工具辅助员工日常工作、提升生产效率，另一方面在组织流程中通过 “数字员工”改善中台运行效率。二者协同，支撑了业务增长。
　　百度智能云金融行业总经理于浩瀚表示：“为了解决流程效能和运营效能这两个问题，百度金融行业解决方案将依托百度智能云全栈自研的金融大模型科技底座，将海量金融专业知识综合提炼和再呈现，以各类‘岗位助手’的身份嵌入各种业务流程，实现对人的赋能，从而达成存量流程提质增效目标。”
　　“我们要把员工从过去繁杂、低效的工作中解放出来，把更优质的服务带给更多客户。” 于浩瀚认为，开元解决方案首先关注解决金融行业三个显著痛点，即内训知识、研发效能，和GBI（生成式商业智能）。
　　“比如，大型商业银行一线动辄保有数万人的客户经理队伍，而银行快速迭代的系统升级和产品升级带来的大量的内部培训对这部分人员精力的消耗是非常巨大的。”他解释，大模型介入内训环节后，通过对相关知识的综合提炼和再呈现，就能够帮助一线的客户经理消除个体差异并提升业务水平，更高效的触达客户、达成交易。“这类内训知识或员工教育的问答场景，可以被认为是大模型在行业落地的第一个突破点。”
　　研发效能方面，基于文心大模型的Comate（Coding Mate Powered by AI）代码生成器，结合百度积累多年的编程现场大数据和外部优秀开源数据，能够生成更符合实际研发场景的优质代码，提升编码效率，同时降低操作风险，还能够实现代码修复与优化，是赋能研发全流程的智能工具。“这在一个新场景或在一个垂类场景当中会非常有用。”于浩瀚说。
　　对于GBI（生成式商业智能），于浩瀚进一步解释，对于金融企业而言，当前数据服务的需求和数据供给的方式之间的鸿沟极大。“目前提需求的人通常需要大量的中间数据分析结果去产生有效的经营分析决策，随着业务的发展，这类报表没有扩展性和延续性，但是从数据开发流程上来看，每次数据分析的实现都需要经过需求分析、研发测试再到报表上线……周期是按月算的。”他认为，业务需求的急迫性和开发流程的实效性成为了矛盾。而生成式商业智能解决的就是这类问题。它不采用预生产、再服务的方式，而是在被问的过程中即时进行数据生产，这实际上解决了数据民主和数据普惠的问题，可以让更多的人得到数据服务，助力企业的数据驱动水平。
　　据介绍，基于大模型重构的零售分析助手，能够帮助理财经理实时掌握客户动态，提供精准的业务洞察分析，并通过大模型生成千人千面的营销话术；百鉴·金融增长平台能够帮助金融机构准确的洞察和服务目标用户，通过精细化营销和差异化运营策略，将内容、算法、分析、活动、运营等智能套件，应用于APP、信用卡、保险、贷款和财富等场景运营；金融投研工作台作为专业投研助手，通过将信息查询、整理、分析、观点生成和报告撰写等环节有机结合，可以产生有价值的投资观点，并最终实现智能高效的报告撰写。
　　“未来，随着行业大模型在金融业务前、中、后台的逐步深入，将有更多的金融从业者可以从机械、繁杂的操作流程中解放出来，投身到更高价值的工作中去。”于浩瀚说。
（文章来源：新华财经）