經濟觀察網 記者 汪青 “大模型在金融領域的應用正在逐漸走向理性。相較于2023年整個行業對于大模型的狂熱追捧，2024年市場開始更加關注技術的投入產出以及能否與業務深入融合，這種理性的態度其實更有助于推動大模型在金融領域的可持續發展?！逼娓豢萍际紫惴茖W家費浩峻在12月22日接受經濟觀察網采訪時表示。

2023年是金融大模型井噴式發展的一年。多家大型金融機構和科技企業紛紛推出了自己的金融大模型產品。以銀行業為例，包括工商銀行、農業銀行、招商銀行在內的約20家機構在2023年年報中披露了關于大模型的研發、業務應用以及賦能業務取得的成效。

盡管備受追捧，但市場對大模型在金融核心業務中的應用仍持懷疑態度。費浩峻解釋道，最初人們期望大模型能夠成為一種完備的體驗，替代線上數百個模型的運轉，實現從輸入到輸出的完整風險與運營解決方案。但現實是大模型的“黑盒”特性和難以拆解導致其在金融領域的應用并不如預期。

經過2024年一年的落地實踐和優化，市場的觀念也在發生轉變。

費浩峻分析認為，最主要的原因是隨著應用的深入，市場逐漸認識到金融大模型的局限性。盡管其具備強大的數據處理和分析能力，但在某些復雜場景下仍需結合人工判斷和專業知識進行決策。同時，市場也逐漸認識到金融大模型并非萬能解決方案，不同金融機構和客戶的需求存在差異，金融大模型需要針對具體場景進行優化和調整。因此，市場逐漸回歸到理性思考和加強業務深入融合的階段。

據介紹，在信貸核心業務中，人工智能算法的應用主要體現在用戶行為表征和決策模型兩方面。其中，用戶行為表征涉及將用戶的物理行為和虛擬行為通過降維的方式傳輸給決策模型，而這恰恰是大模型具有的天然優勢。

“決策模型則關注對風險和需求的判斷，具有很高的穩定性要求，當前大模型在這方面仍面臨一定的挑戰。不過，通過學習小模型的數據輪轉能力并將其遷移到大模型中，大模型已經能夠對業務產生積極影響?！辟M浩峻說。

費浩峻以信貸業務中對研報的解讀為例稱，過去算法團隊將研報解讀為產品利潤上升、質量下降等事件形式需要煩瑣的工序。然而，經過QiFuGPT的擴充，可以輕松將產品事件擴充到兩百多個，并基于這些事件對業務的不同影響構建數據反饋。通過數據反饋進行指令優化，大模型可以根據對業務有幫助的指標進行更多的泛化和精細化處理。

費浩峻表示，在實際應用中，大模型對研報的表征在風險和動支方面都表現出了較高的區分性，特別是在動支方面。一個分析產業研報的模型在過去需要10人以上的算法團隊才能完成，而現在只需要1個算法人員就可以運行起來，這對企業降本增效起到了積極作用。

需要指出的是，盡管大模型對金融領域提效有著顯著的優勢，但在成本投入上也讓部分企業心存顧慮。

“大模型的應用確實需要一定的投入，包括訓練和推理兩個方面。其中，訓練成本相對較高，但幸運的是目前有許多底層企業已經在這一領域取得了突破，為其他企業節省了訓練成本。而在推理成本上，隨著技術的不斷進步，其壓力也在逐漸減小。如今，通過推理加速和GPU提速等技術手段，大模型的推理成本已經大大降低，甚至在某些場景的提速效果可達40倍之多。”費浩峻說。

此外，費浩峻還指出，雖然高參數大模型性能較好，但并不一定適用于所有場景。在選擇大模型時，企業應充分考慮其經濟性和適用性。目前，許多金融機構已經在線上使用了參數相對較低的大模型，這些大模型在保持較高準確性的同時也降低了成本投入。

隨著技術不斷迭代發展，金融大模型顯著提升了金融服務的效率和質量，同時也為金融機構創造了新的盈利模式。但在實踐過程中，仍存在諸多挑戰。

費浩峻表示，首先，大模型“黑盒”特性使得其決策過程難以被人類理解從而增加了風險。為了解決這個問題，金融行業開始嘗試將大模型的決策過程還原成人類可以理解的技術特征，并進行統計分析和人文反思。其次，大模型技術的應用需要滿足合規監管的要求，這需要在技術創新和合規監管之間找到平衡點。為了解決這個問題，金融行業需要加強與監管機構的溝通和合作，共同推動技術創新和合規監管的協同發展。

“此外，大模型技術的應用還需要解決數據質量問題。由于金融行業的特殊性，數據的質量和準確性對于大模型的應用至關重要。因此，金融行業需要加強數據管理和質量控制，確保數據的準確性和可靠性?！辟M浩峻說。

談及金融大模型未來應用還有哪些創新潛能，費浩峻認為，主要集中在對內提效、核心業務深化以及對客表達優化三個方面。

其一，對內提效是大模型在金融領域應用的初步嘗試。隨著技術的不斷進步，金融機構發現即便達到了當前的天花板，也能在短時間內通過技術革新進一步提升效率。例如，基礎模型的定期更新使得原有的效率上限被不斷打破，從而推動了整個行業的快速發展。

其二，核心業務是大模型在金融領域深耕的重要方向。無論是信貸、保險還是理財等核心業務，大模型都能通過提供智能化解決方案來優化業務流程、降低風險并提高客戶滿意度。隨著技術的深入應用，核心業務層與大模型的結合將更加緊密，從而推動金融業務的持續創新和升級。

其三，對客表達優化是大模型在金融領域廣泛應用的另一重要方面。通過將大模型應用于客戶服務場景，金融機構能夠提供更加個性化、智能化的服務體驗。隨著多模態技術的不斷發展，金融機構的對客表達能力將得到進一步提升，從而增強客戶黏性并拓展市場份額。