大模型专题报告：2023大模型金融应用实践及发展建议报告_大模型专题报告:2023大模型金融应用实践及发展建议报告

今天分享的大模型系列深度研究报告：《大模型专题报告：2023大模型金融应用实践及发展建议报告》。

（报告出品方：北京金融信息化研究所）

报告共计：69页

概述

近年来，以人工智能为代表的新一代信息技术加速应用，特别是基于大模型、大数据、大算力的 ChatGPT 的发布，标志着人工智能技术取得里程碑式突破，推动科技创新进入新阶段。随着大模型技术的迅猛发展和场景价值的不断涌现，该技术或将重塑多个行业的工作方式和格局。

大模型技术与产品发展现状

(一)工程化应用主要环节与技术

大模型相较于中小模型，具有更好的表示能力、泛化能力、学习能力和语义表达能力，但其参数量巨大、训练所需数据量和算力资源多、部署运营更为复杂，工程化落地涉及数据构建、模型算法、模型训练、模型压缩与加速、模型评测、模型运营和安全可信等多个复杂环节。

（二）国内外主要产品情况

自 ChatGPT 引起业界高度关注后，国内外科技巨头纷纷加大 了对大模型的研发和投入，以模型为核心，围绕模型全生命周期 设计、生产并提供产品、技术和服务，推动“数据、模型、服务、 场景” 的 AI 生产力闭环连接和迭代优化，为大规模、标准化的 人工智能创新提供技术支撑。在此背景下，大模型相关产品和服 务迎来了爆发式增长。此外，许多大模型相关的开源项目涌现， 为研究和创新提供了便利。这些开源项目主要朝着两个方向发展： 一是相对 ChatGPT 更经济的、平民化的替代品，二是围绕着大模 型建立的外围应用工具。

大模型在金融业应用与探索实践

人工智能技术的应用一直是金融机构数字化转型和智能化升级的核心领域，大模型具备的理解、学习、生成和推理能力，可观的知识容量和卓越的多任务泛化能力，将进一步推动金融服务的智能化升级。

(一)使用方式

大模型具备出色的自然语言理解能力，但因其在金融垂直领域的知识储备不足，回答的专业性难以满足要求。金融机构需要将金融领域已有的数据库、知识图谱等专业知识系统，与大模型的意图理解能力、语言生成能力和场景掌控能力进行对接，实现大模型的行业个性化和机构定制化。然而，大模型技术复杂度高.参数规模大、研发投入高，特别是需要大量的数据标注和人工反馈等工程化投入，从头自研大模型的难度非常大。因此，金融机构目前主要采用 API 调用、提示工程、模型微调和二次训练等应用方式，以降低大模型的应用研发门槛，解决场景数据少、模型精度低等问题，推动大模型快速落地测试。比如，农业银行利用有监督的模型微调和强化学习等技术，融入行内知识库数据，训练、收敛出能理解行内知识的基础模型，目前已具备行业知识问答能力。中信证券将特定问题及与其相关内部文档材料作为问答输入，既可获得较好的应用效果，又避免了二次训练的高昂成本，

(二)应用场景

大模型在金融领域的应用前景广阔，趋动 AI 从劳动密集向脑力密集应用，金融机构已经将大模型试点应用于智能客服、智能办公、智能研发、智能投研等多个金融业务场景，但从能用到好用、易用，再到规模化应用还任重道远。基于当前金融机构主要场景探索实践来构建金融行业大模型应用场景全景图。

(三)应用趋势

一是金融机构将采用先内后外、从易到难、场景迁移的方式 落地大模型金融应用。由于目前大模型直接对客难度较大、可控 性不强，金融机构主要对内应用大模型能力，待技术逐渐成熟， 可以考虑对外输出。此外，金融机构也将优先选择风险等级低、 适配应用难度小、业务提升效果明显的场景进行大模型试点落地， 逐步将试点应用场景迁移到真实、复杂的业务场景，实现大模型 对金融产品和服务的全面升级。

二是大小模型协同进化是大模型发展的一个必然趋势。大模 型对应场景多为开放式和主观型问题，侧重推理和创造，也可被 用于作为连接多个具体任务模型的通用接口，而小模型对应场景 多为封闭式问题，不涉及过多主观推断，答案的正确性可以被清 晰验证，因此在某些特定场景仍具有更好的表现。大模型对于中 小模型并非是替代或对立的关系，两者应相互协作、互相搭配， 由大模型向边、端的小模型输出模型能力，而小模型负责实际的 推理与执行，同时向大模型反馈算法与执行成效，使得大模型的 能力持续强化。金融机构将加强研究和推进大小模型协同、生成 式技术与传统人工智能技术协同，将大模型连接到传统软件，提升行业整体智能化水平。

三是多模态金融大模型的发展与应用仍有较大潜力。大模型生成效果的提升依赖于垂直场景系统化程度和高质量数据。金融业具备专业领域知识库，多年来沉淀了大量格式多样的优质业务数据。运用多模态技术实现知识的迁移、表示、对齐和推理，使得大模型能更好地构建金融领域内外部生态系统，助力金融科技创新和金融业务赋能，为金融机构提供更多智能化、个性化的服务和决策支持，同时也为客户和市场参与者带来更好的体验和更稳健的金融环境

四是 AI Agent 未来可能推动人工智能成为金融业信息基础设施。AI Agent 是有能力主动思考和行动的智能体，以大模型为大脑驱动，能够自主感知环境、形成记忆、规划决策、使用工具并执行复杂任务，甚至与其他 Agent 合作实现任务。尽管多智能体的发展仍面临较大困境，但随着算力支撑和技术研究的不断演进，AI Agent 将在各行业发挥强劲动力，尤其在与各行业紧密相连的金融业，更全面地实现人机融合，为金融机构提质增效，创造更深度的价值.

报告共计：69页