大模型應用在金融業：從熱情高漲到理性回歸

ChatGPT的問世引發了金融業的焦慮，擔心在技術浪潮中落後。然而，這種焦慮正逐漸歸於平靜，思路也變得更加清晰和理性。金融業對大模型的態度經歷了幾個階段:最初的焦慮和恐慌、隨後的積極行動、之後的方向探索和困難，直到現在的理性驗證和試用。

越來越多的金融機構開始從戰略層面重視大模型。多家銀行在最新半年報中明確提出正在探索大模型應用,並在戰略層面和頂層設計方面進行更深入的思考和規劃。

金融客戶對大模型的理解逐漸深化。早期階段,一些大型銀行率先行動,開展各種宣傳活動。隨着多家廠商發布大模型,頭部金融機構開始積極與大廠探討大模型建設。

5月後,受算力資源緊缺和成本高昂等因素影響,金融機構開始更關注應用價值。大型機構傾向於引入基礎大模型並自建企業大模型,而中小機構則更多考慮ROI,按需引入大模型服務。

金融業在算力方面出現了幾種解決思路:自建算力、算力混合部署等。同時,越來越多機構加強了數據治理,構建數據中臺和治理體系。一些銀行還通過大模型+MLOps方式解決數據問題。

在應用場景方面,金融機構傾向於先從內部場景切入,如智能研發、智慧辦公等。但距離深入核心業務還有一定距離。一些機構已經基於大模型搭建了多層級的系統框架,發揮大模型中樞能力。

大模型應用也對金融業人才結構帶來挑戰。一方面部分崗位面臨被替代,另一方面又出現新的人才缺口,特別是在AI和大模型領域。一些機構已經採取行動,通過培訓等方式提升員工能力。

總的來說,金融業對大模型的應用正從早期的盲目熱情轉向理性探索,在戰略規劃、技術架構、人才培養等方面都在積極布局,爲大模型在金融領域的深入應用做準備。