大模型在金融業的落地探索：從狂熱到理性

ChatGPT的問世在金融業引發了一波焦慮浪潮。這個對技術充滿信仰的行業生怕在飛速發展的時代中落伍。不過,這種焦慮心態正逐漸回歸理性,人們的思路也變得更加清晰。

銀行業內人士描述了金融業對待大模型態度的幾個階段:年初時普遍感到焦慮,擔心落後;春季紛紛組建團隊開展探索;夏季在落地過程中遇到困難,開始變得理性;如今則在關注標杆案例,嘗試驗證過的應用場景。

值得注意的是,不少金融機構已經開始從戰略高度重視大模型。據不完全統計,A股上市公司中至少有11家銀行在最新半年報中明確提出正在探索大模型應用。從近期動作來看,他們正在戰略層面和頂層設計層面進行更清晰的思考和路徑規劃。

隨着對大模型理解的加深,金融機構的態度也發生了變化。年初時普遍希望自建大模型,但受限於算力資源緊缺、成本高昂等因素,現在更加關注應用價值。大型金融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直接使用現有的大模型服務。

爲解決大模型落地過程中的各種難題,金融機構正在積極尋找解決方案。在算力方面,有的選擇自建,有的採用混合部署方式。在數據方面,越來越多機構開始重視數據治理,構建數據中臺和數據治理體系。

目前,金融機構普遍採取"先內後外"的策略,優先在內部場景應用大模型。代碼助手、智慧辦公等非核心場景已有較多落地案例。但距離在核心業務中深度應用還有一定距離。

一些機構已經開始在頂層設計層面進行改變,基於大模型重構整個智能化、數字化系統。普遍採用分層架構,讓大模型發揮中樞作用,同時與傳統小模型協同。

大模型的應用也給金融行業的人才結構帶來了挑戰。一方面,某些崗位面臨被替代的風險;另一方面,大模型相關人才又出現嚴重短缺。金融機構正在通過各種方式培養和引進人才,以應對這一挑戰。

隨着大模型在金融業的進一步落地,相關人員的技能要求也在提升。未來,熟練掌握大模型應用的開發人員將更具競爭優勢。金融機構的人員結構也將隨之發生調整和變革。