大模型应用在金融业：从热情高涨到理性回归

ChatGPT的问世引发了金融业的焦虑，担心在技术浪潮中落后。然而，这种焦虑正逐渐归于平静，思路也变得更加清晰和理性。金融业对大模型的态度经历了几个阶段:最初的焦虑和恐慌、随后的积极行动、之后的方向探索和困难，直到现在的理性验证和试用。

越来越多的金融机构开始从战略层面重视大模型。多家银行在最新半年报中明确提出正在探索大模型应用,并在战略层面和顶层设计方面进行更深入的思考和规划。

金融客户对大模型的理解逐渐深化。早期阶段,一些大型银行率先行动,开展各种宣传活动。随着多家厂商发布大模型,头部金融机构开始积极与大厂探讨大模型建设。

5月后,受算力资源紧缺和成本高昂等因素影响,金融机构开始更关注应用价值。大型机构倾向于引入基础大模型并自建企业大模型,而中小机构则更多考虑ROI,按需引入大模型服务。

金融业在算力方面出现了几种解决思路:自建算力、算力混合部署等。同时,越来越多机构加强了数据治理,构建数据中台和治理体系。一些银行还通过大模型+MLOps方式解决数据问题。

在应用场景方面,金融机构倾向于先从内部场景切入,如智能研发、智慧办公等。但距离深入核心业务还有一定距离。一些机构已经基于大模型搭建了多层级的系统框架,发挥大模型中枢能力。

大模型应用也对金融业人才结构带来挑战。一方面部分岗位面临被替代,另一方面又出现新的人才缺口,特别是在AI和大模型领域。一些机构已经采取行动,通过培训等方式提升员工能力。

总的来说,金融业对大模型的应用正从早期的盲目热情转向理性探索,在战略规划、技术架构、人才培养等方面都在积极布局,为大模型在金融领域的深入应用做准备。