【专栏】金融大模型，黎明前的潮涌

作者 | 董云峰 来源 | 零壹财经专栏

一年前，ChatGPT横空出世，大模型席卷全球，将人工智能行业带入“iPhone时刻”。而金融业被公认为大模型应用的主战场。

中国信通院近日发布的《中国金融科技生态白皮书（2023年）》指出，大模型技术变革正在持续演进为金融业带来新机遇。金融行业数字化基础好、人工智能应用场景密集，也为大模型落地应用提供充分的环境。

同时，近期召开的中央金融工作会议提出“五篇大文章”，其中之一便是数字金融。如何进一步深化科技赋能，推动数字金融迈上新台阶，是接下来金融机构的重大使命。

在此背景下，在探索金融大模型的征途上，一些领先的科技公司与金融机构，已经先行先试，奋力抢跑。

一个标志性的节点是，11月23日，腾讯云正式发布金融行业大模型解决方案，致力于让每个金融机构都拥有自己的大模型，将中国金融业朝着大模型时代又拉近了一大步。

黎明之前，风潮涌动。

近年来，随着金融科技发展与数字化浪潮的深入，金融机构的智能化水平快速提升，尤其在客户服务与风险控制等方面取得了不少成绩。然而，距离深层次、全方位的智慧金融，仍有相当的距离。

举例来说，智能客服可以跟客户聊天，但往往聊不了几句就无法继续了，客户只能求助人工；机器人可以帮客户做投资决策辅助，但很难精准洞察客户意图给出个性化建议，千人千面依然遥远；在金融机构内部，还有很多人被困在重复性、机械性的琐碎事务里，包括写报告、处理单据……

大模型的崛起，帮助金融机构找到了突破口。作为数字化和智能化应用的前沿领域，金融行业数据资源丰富，实践场景广泛，拥有与大模型深度结合的前景。过去一年来，金融大模型所展现出的巨大价值潜力，逐渐深入人心。

以银行业为例，从上市银行2023年中报来看，工商银行、农业银行、中国银行、交通银行、招商银行、中信银行、兴业银行、华夏银行、浙商银行等9家银行，都明确提出正在探索大模型的应用。

其中，工行在国内同业率先实现百亿级基础大模型在知识运营助手、金融市场投研助手等多个场景应用；交行制定生成式人工智能建设规划，组建GPT大模型专项研究团队；邮储积极探索数字员工、NLP对话机器人、预训练大模型等前沿技术领域课题研究；招行提升大模型建设能力，并重点发掘其在全流程财富管理中的应用，投产FinGPT创意中心。

作为国内金融云市场的领导者，腾讯云在实践中发现，通过重建金融知识应用方式和业务流程，重塑金融服务的获取入口和交互体验，以及重构金融行业价值链，大模型可以在智能客服、投研服务、投顾服务、金融舆情信息生成、单据处理、安全风控、代码开发等领域大幅提升生产力。

中国信通院在上述报告中也提到，金融大模型可广泛应用于市场营销、产品设计、风险管控、客户服务、运营支持等领域。当前，金融业大模型多以智能助手、人机协同等形式赋能智能客服、智能风控等环节，提高员工工作效率和质量的同时加速金融业智能化进程。

在11月23日举行的腾讯金融云新智能技术峰会上，腾讯公司副总裁、腾讯云与智慧产业事业群COO、腾讯云总裁邱跃鹏指出，通过将大模型与行业场景深度结合，有望将智慧金融服务提升到新水准，并催化更多融合创新场景，推动金融服务进入全新智能时代。

“金融大模型改变了金融科技的范式，重塑了金融行业的工作方式，改变了金融服务生态。”中国工程院院士、中国互联网协会原理事长邬贺铨曾指出。

得益于金融机构与科技公司的携手共创，大模型在金融行业的应用正在加速落地。

其背景是，新技术固有的不确定性，以及高昂的训练成本，决定了金融机构难以单枪匹马推进大模型应用，而科技公司也需要通过业务场景的锤炼提升大模型能力并探索商业化路径，双方合作是大势所趋。

过去一年里，腾讯云已经与不少合作机构开展了探索，并取得了肉眼可见的成效。

以某全国性股份行为例，该行在日常业务过程中，有大量单据需要进行处理识别。传统手工作业低价值高耗时，人力成本巨大，且无法实现多元化业务数据的标准化、线上化和自动化。虽有传统OCR模型技术加持，但难以突破检测识别难点，也不具备阅读理解和推理能力，智能化程度偏低。

为解决上述难题，该行引入了腾讯云金融行业大模型的一站式OCR平台，通过多模态文档识别，只需零样本和小样本学习，就能适配各种票据，快速“上岗”。如今，该行的交易单据识别准确率，已经提升至95%以上，单据的处理时效从5分钟减少到5秒钟/件/人，大幅降低了运营成本。

某交易所联合腾讯云，构建了服务证券行业的智能舆情平台，结合大模型技术，从舆情检索、摘要和内容生成等业务场景进行探索。目前，该平台已在业务系统中投入使用，提供舆情监测服务，助力行业监管。

还有某省级农村信用社联合社，为了进一步转化自身在数据应用领域的成果，该机构选择腾讯云的AI中台，统一全行模型开发和运行管理，为其在运营管理、金融风控、业务营销等领域提供智能化的数据决策支撑。

面向金融行业的特殊合规要求，腾讯云助力金腾科技，采用公私域结合的模式，在公有云环境实现热点分析、行情总结、股市收评等场景应用；在私有云环境下，构建企业专属大模型，帮助金融机构实现产品信息查询、业务指引、投资建议、投后管理等业务场景。

值得一提的是，今年9月，腾讯云联合信通院正式发布国内首个金融行业大模型标准。该标准涵盖了金融大模型的关键能力要求，包括场景适配度、能力支持度和应用成熟度三方面，覆盖了投资研究、投资顾问、风险管理等多个金融应用场景。

随着腾讯云加码入局，金融大模型的这场黎明前的潮涌，将愈加澎湃。

截止到目前，腾讯云已经服务了金融全业务场景的客户，包括150多家银行以及数十家保险公司和证券公司，以及数量众多的持牌消费金融机构和数百家产业金融机构。

在产品上，腾讯云TCE已经助力中国银行、建设银行、中国人保、中国银联等一大批大型金融机构构建了安全合规的全栈私有云，是行业落地案例最多、规模最大的专有云解决方案。腾讯云企业级分布式数据库TDSQL，已服务近半国内TOP 20银行，TOP10银行中服务比例高达60％。

这意味着，依托腾讯云在金融领域多年来的积累与沉淀，腾讯云金融行业大模型解决方案的问世，有望推动大模型在中国金融业加速落地生根。

据了解，腾讯云金融行业大模型解决方案包含四层架构——算力层、平台层、大模型层与应用层。

其中，在大模型层，通过模型商店MaaS，支持接入腾讯混元大模型、金融行业大模型及20多个主流开源模型。金融机构可以根据不同细分场景的业务需求，灵活选择各类大模型，降低大模型使用成本。

在应用层，腾讯云基于金融行业大模型的能力，结合金融行业前中后台业务场景，打造了一系列智能应用。

为了打造专业合规的金融行业大模型，腾讯云通过预训练、金融领域垂类任务精调、强化学习的方式，持续积累和强化金融行业大模型。在通用能力的基础上，腾讯云金融行业大模型解决方案具备金融领域知识推理、研报撰写、智能舆情等专业下游任务能力。

生态共建无疑是加速大模型落地产业最有效的路径。在此次腾讯金融云新智能技术峰会上，腾讯云携手中国银联，加速大模型的MaaS建设；与某头部保险公司共创，加速大模型的保险场景应用；并启动腾讯云新智能生态拓展计划，首批涵盖11家行业生态伙伴。

腾讯云副总裁胡利明表示，针对金融客户在大模型落地应用中的难点和需求，腾讯云将和行业联创、共创，不断探索新的技术应用和场景落地，让每一个金融机构快速拥有高精度、高性价比的AI助手。

技术所带来的变革，一直在加速。

历史上，从诞生到用户突破1亿，电话用了75年，手机用了16年，互联网用了7年，Facebook用了4.5年，Instagram用了2.5年，微信用了一年半，ChatGPT只用了两个月。

这意味着，留给企业适应变革的时间，也被不断缩短了。当新浪潮浩浩荡荡、席卷而过，昨日的霸主可能转瞬间跌落神坛，被后起的弄潮儿取而代之，这样的例子在现代商业史上不胜枚举。

在新技术大规模普及的黎明到来之前，保守或积极，观望或行动，动摇或坚持，往往会导向截然不同的结果。更残酷的是，黎明前的这段时间，可能比想象中更为短暂。

种种迹象表明，对金融业而言，大模型并不是一道选择题，而是必答题。

时间不多了。