金融大模型：赋能金融行业的未来?

财联社12月19日讯（记者 史思同）随着国内大模型技术的不断发展和应用，大模型浪潮席卷各行各业，金融大模型也已在金融领域成为投入使用的重要工具，包括度小满、奇富科技、马上消费金融等在内的各大科技企业争先布局，先后发布落地了多项金融大模型，为金融机构进一步赋能。

然而，在我国的大模型研发和迭代初期阶段，人们仍在探索大模型在金融领域的具体应用。金融大模型的研发和未来发展面临着诸多困难和挑战，如何利用大模型更有效地挖掘、分析、预测金融数据成为了一个亟待解决的问题。最近，财联社记者有幸独家探访了奇富科技首席算法科学家费浩峻，就这些问题进行了深度探讨。

费浩峻指出，金融大模型在未来必将发挥金融专家的作用，然而，大模型的性能并非仅仅取决于其规模的大小，而是需要在有限的算力资源下实现最优的效果。因此，如何在大模型设计中平衡参数的增长与算力的利用，以实现更快、更高效的实际业务应用，是我们亟待解决的问题。

财联社：金融大模型对金融机构的赋能具体体现在哪些方面，是如何发挥作用的？

费浩峻：随着模型能力不断演进，未来大模型将持续改变金融最本质的核心层

在2022年的11月份，ChatGPT的问世引发了大型模型热潮。紧接着，诸如文心一言、同义千问等通用的一个大模型，以及MedGPT、奇富GPT、ChatLaw等行业的大模型也陆续亮相。与此同时，金融大模型在金融领域得到了加快推广和应用。

当前，人工智能大模型主要可分为两大类：通用大模型与行业大模型。通用大模型因其广泛的应用前景而备受瞩目，它们具备跨足多领域的能力，可在众多领域中发挥重要作用。相比之下，行业大模型则针对诸如法律、医疗、金融等特定领域或行业，凭借其高度的专业性和针对性，在垂直领域内表现卓越。

大模型在金融领域的应用具有广泛的可能性，费浩峻表示，它们可以对金融机构的人机交互和业务流程中的其他与人相关的环节产生深远影响。”当前，金融大模型主要表现为提升效率”，这是它们在金融领域的主要贡献。

以奇富科技金融大模型的实践为案例，我们可以看到，其在电销系统中的应用展现了显著的效果。其中，语义分析和线索挖掘的技术发挥了重要作用，使得电销线索的识别准确率达到了惊人的98%，从而大大提高了转化率，超过5%。在智能营销环节，大约有70%的图片素材是由AIGC生成的。并且，该计划还致力于利用大模型对这些素材进行标注和多维度评级，以实现广告投放的优化。在语音机器人话术生成场景中，生成话术的优质率已经达到了70%。这些成果充分证明了奇富科技金融大模型在提升业务效率和优化广告投放方面的巨大潜力。

在过去的电话通话质量检测中，我们通常采用传统的方法，以确保电话通话的有效性。然而，随着人工智能技术的不断发展，我们现在已经可以借助大型模型来实现高质量的通话质检，从而显著提高覆盖率和效率。费浩峻表示，我们的第一版大型自动化质检模型成功地实现了100%的覆盖率，并且相较于之前的模型，其检出率提高了15%。这些成果充分展示了人工智能技术在提高通话质量检测方面的巨大潜力。

大模型是一个不断发展的状态,其应用范围将会不断扩大。费浩峻指出,在未来,随着模型的能力不断提升,它将逐渐渗透到金融行业的核心业务中,为金融行业提供更加深入的赋能。在这个过程中,大模型将扮演越来越重要的角色,成为金融行业最本质的核心层的有力支持。

财联社：现阶段金融大模型在研发过程中遇到了哪些难点？

费浩峻：数据和算力是影响大模型效果的关键，幻觉是大模型最常见的问题

金融行业数字化转型趋势下，越来越多的公司参与布局金融行业大模型。今年5月份，奇富科技率先宣布推出其公司自研的金融大模型“奇富GPT”，也被业内称为国内首个金融行业通用大模型；同月，度小满推出国内首个千亿级中文金融大模型“轩辕”；6月份，恒生电子发布金融行业大模型LightGPT；8月，马上消费金融发布首个零售金融大模型“天镜”；9月，蚂蚁集团正式发布工业级金融大模型AntFinGLM等等。

“数据和算力（的限制）是影响大模型效果的最本质的问题，也是大模型落地过程中行业首要面对的问题。”费浩峻坦言，大模型的参数量大致分为十亿、百亿、千亿级别，不同参数量背后代表着投入的算力资源不同，也意味着研发成本不同。

费浩峻认为，大模型并不是越“大”越好，如何在有限算力内提升模型效果，使实际业务应用更快更高效，是首先需要平衡的。“我们希望把模型‘做大’后再‘做小’，做大是把它的能力做大，比如像Chat GPT这种千亿参数的模型有很强的能力，保持能力不变的同时把参数做小，结合多种场景运用到垂直领域中，会实现更好的效果。”他解释称。

对于大模型在金融行业的运用，费浩峻认为，作为数据密集型行业，金融业沉淀了如金融交易、客户信息、市场分析、风控等各个方面的海量数据，并催生出大量高效处理的技术需求。同时金融行业持续进行数字化转型，过去对数据的收集、处理、清洗等工作都做得较好，有着良好的数据基础，因此金融业是在大模型演进过程中走得较快的领域。

“幻觉，是目前大模型最常见的问题。”在费浩峻看来，学习了海量数据的大模型，会根据对前文内容的理解生成下文，并产生“编造”一些“无中生有”内容，这会直接影响金融分析结果的可信度，尤其是在实际与用户直接做沟通时，稳定性不足，会对用户体验造成一定伤害。“金融行业容错率是比较低的，各个场景中，如果存在幻觉就很难真正实现to C运用。”

财联社：金融大模型未来发展是一个怎么样的趋势？会有哪些挑战？

费浩峻：金融大模型将成为金融专家，在未来5年出现大幅转化

大模型浪潮席卷各行各业，持续进行数字化转型的金融业成为大模型率先落地发力的最优场景之一。对于金融大模型未来发展趋势，费浩峻认为，目前，金融大模型仍处于工具阶段，助力人工促进效率提升。在其设想中，伴随发展，金融大模型将取代一部分人力，最终成为“金融专家”。

费浩峻称，从趋势来看，基于相同的技术路径，金融大模型未来的发展将与AGI（通用人工智能）的节奏保持一致，在未来5年出现大幅的转化。对于布局金融大模型赛道的各家公司，其认为，远未到竞争阶段，“大家应合作共赢，共同努力把金融大模型做得更好。”

“随着整个大模型的不断演进和生态进阶，科技公司、金融科技公司以及金融机构三者之间一定会走向通用协作。”费浩峻分析，头部科技公司将完成通用模型的建设，在此基础上，头部金融科技公司完成垂类金融行业大模型的建设，金融机构或是小型金融科技公司专注在赋能业务的应用层，形成行业共建的局面。

当然，技术要天马行空，敢想才能有突破，但更要脚踏实地。费浩峻强调，金融大模型的技术发展，还要脚踏实地。金融大模型技术一定要跟业务强结合，在整个实践过程中每个阶段都要赋能金融业务流程带来价值，从而证明自身价值，才能发展下去。

“数据怎么安全和合规的采集、管理和使用，是大模型生态底层的问题。”谈及金融大模型发展面临的挑战，费浩峻直言，整个行业都面临着数据安全合规和隐私防范的一大挑战。对此，行业通常的做法是建立起数据围栏，将所有数据进行严格脱敏，并在指令级建设安全围栏，对所有输入的指令进行多层检验，防止大模型被恶意使用。

而生态层面，模型不断的升级，以及这个过程中的自我革新同样也是挑战。在他看来，现在金融大模型能力要做到金融专家的水平还需要数据和技术的不断衍生，但这个过程必然会跟过去的系统产生冲突，如何取舍、废弃过去的东西，要有一定的决断。